MétaCan
Menu
Retour à la cohorte
Enregistrement W7093300734 · doi:10.13140/rg.2.2.21096.53767

Etude exploratoire sur les usages, l’adoption de l’intelligence artificielle générative par les professionnels de l’éducation en formation initiale dans des territoires francophones du Québec (Canada), de l’Alsace (France) et des Antilles françaises (Martinique et Guadeloupe)

2025· article· fr· W7093300734 sur OpenAlexaboutno aff

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2025
Typearticle
Languefr
DomaineComputer Science
ThématiqueArtificial Intelligence in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousContext (archaeology)Domain (mathematical analysis)Work (physics)

Résumé

récupéré en direct d'OpenAlex

Face à l’essor rapide de l’intelligence artificielle générative (IAG), cette étude exploratoire s’intéresse à la manière dont les futurs professionnels de l’éducation perçoivent et anticipent les transformations pédagogiques et professionnelles qu’elle engendre. Conduite dans trois contextes francophones contrastés (le Canada, la Haute-Alsace et les Antilles françaises), cette recherche vise à comprendre comment les modalités d’usage, d’adoption et de représentation de l’IA varient selon les ancrages culturels et institutionnels. Ancrée dans la théorie de l’activité (Engeström, 1999, 2014), notre démarche s’appuie sur un design qualitatif de type exploratoire, intégrant un questionnaire à visée compréhensive. L’analyse des données a été réalisée en deux temps : d’abord à l’aide d’outils d’IA générative (ChatGPT et Claude.ai), puis par triangulation humaine. Cette double lecture thématique a permis d’identifier cinq représentations majeures de l’IA chez les professionnels de l’éducation en formation initiale : outil technologique, assistant, système algorithmique, intelligence non humaine, et automate de tâches. Les résultats révèlent des variations significatives selon les contextes : les participants antillais valorisent fortement l’IA comme outil ou assistant, tandis que d’autres perçoivent une redéfinition des rôles enseignants vers des fonctions plus stratégiques. La division du travail avec l’IAG est ainsi anticipée comme évolutive, mais non conflictuelle, mettant en lumière le besoin d’une formation ciblée et contextualisée sur les responsabilités partagées entre humains et IAG. Ces résultats soulignent l’importance d’ancrer les stratégies de formation dans une compréhension fine des représentations et des dynamiques territoriales.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,643
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,002
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,047
Tête enseignante GPT0,291
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetArtificial Intelligence in EducationTravaux en français237 207