Enjeux éthiques et critiques de l’intelligence artificielle en enseignement supérieur
Bibliographic record
Abstract
Si l’intelligence artificielle (IA) suscite un intérêt certain en enseignement supérieur, la réflexion éthique et critique sur les enjeux qu’elle soulève dans ce contexte particulier est moins avancée, de sorte qu’« application technique » et « réflexion éthique et critique » sont peu arrimées présentement. Cet article peut être compris comme un premier pas vers une meilleure articulation de ces notions, en permettant d’amorcer la réflexion sur des enjeux éthiques et critiques de l’IA dans le domaine d’étude et de pratique de l’enseignement supérieur, en mobilisant un point de vue interdisciplinaire. Nous illustrons cette démarche en regroupant ces enjeux sous trois pôles : la conception, les données et l’usage. Nous identifions par ailleurs des pistes de solution pour remédier à ces enjeux, tout en gardant en tête que ces solutions suscitent elles-mêmes d’autres enjeux.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.034 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.005 | 0.047 |
| Scholarly communication | 0.015 | 0.015 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.006 | 0.008 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".