Recommandations fondées sur la recherche pour des actions plus adaptées en Writing Center : perceptions des enseignants et des étudiants sur l’usage de l’IA pour l’écriture académique
Bibliographic record
Abstract
Un nombre croissant d’études suggère que l’intelligence artificielle générative (IAGén) peut constituer un atout pour l’apprentissage de l’écriture universitaire, et son potentiel pour soutenir le travail des tuteurs en écriture dans les Writing Centers suscite un intérêt grandissant. Il a notamment été observé que l’IAGén peut rapidement évaluer la structure des textes et produire des retours en fonction des critères intégrés dans les prompts. Cependant, malgré ce potentiel prometteur, une forte réticence à l’égard de l’IAGén persiste dans l’enseignement supérieur, souvent liée à des inquiétudes quant à son impact sur les apprentissages et sur le développement de l’esprit critique. Ces perceptions négatives peuvent à leur tour influencer la réceptivité des étudiants à apprendre à utiliser l’IAGén de manière efficace pour accompagner leurs tâches d’écriture. La présente étude examine le rôle que les Writing Centers pourraient jouer dans l’atténuation de ces perceptions. Elle s’appuie sur un contexte universitaire français, au sein d’un Writing Center d’université de taille moyenne. Deux enquêtes ont été menées : l’une auprès de dix enseignants-chercheurs issus des domaines des sciences, de la santé et des sciences humaines, et l’autre auprès de 32 étudiants relevant des mêmes disciplines. L’objectif était d’explorer leurs perceptions des avantages et des limites de l’IAGén pour l’écriture universitaire, ainsi que son utilité potentielle dans les séances de tutorat. Cette recherche s’inscrit dans une enquête plus large portant sur les perceptions de l’IAGén dans l’enseignement supérieur en France et au Québec. Les résultats révèlent un ensemble de croyances et de représentations qui orientent nos recommandations à destination des Writing Centers : formation des tuteurs à l’usage de l’IAGén en séance, sensibilisation des étudiants aux bonnes pratiques, et initiatives visant à impliquer les enseignants dans leur diffusion. Cette étude, en complément d’autres travaux émergents, ouvre la voie à de futures explorations sur la manière dont l’IAGén peut être exploitée dans les Writing Centers afin de soutenir le développement des compétences essentielles à la maîtrise de l’écriture universitaire.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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 teacher head, 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".