La science de l’apprentissage est un domaine d’étude interdisciplinaire qui étudie les processus de l’apprentissage humain. Elle permet de comprendre comment les individues apprennent afin de concevoir des pédagogies et des outils qui répondent vraiment aux besoins des apprenants.
Comment la science de l’apprentissage peut-elle améliorer les technologies numériques éducatives ? Pourquoi est-il essentiel d’impliquer des enseignants, des scientifiques et des experts dans le développement des technologies numériques éducatives ? Quel est le rôle de l’intelligence artificielle dans le domaine de la science de l’apprentissage ?
Quels aspects de la science de l’apprentissage sont les plus touchés par les outils, les modèles et les environnements d’apprentissage basés sur l’IA ? Quels sont les effets négatifs des outils éducatifs basés sur l’IA ?
Avec les technologies numériques, la science de l’apprentissage fait face à un nouveau défi. En l’absence de données fiables et de qualité sur l’efficacité et la qualité des solutions d’apprentissage numériques, il est difficile de bien les comprendre et de les évaluer selon des critères factuels.
Afin de combler cette lacune, la Réunion annuelle de l’Alliance mondiale sur la science de l’apprentissage pour l’éducation 2025, co-organisée par l’UNESCO et le réseau mondial de la science de l’apprentissage dans l’éducation (Global Science of Learning Education Network, GSoLEN), a été placée sous le thème « De la recherche aux résultats : la science de l’apprentissage en pratique ».
Voici ce qu’il faut savoir sur la science de l’apprentissage et les technologies numériques, sur la base du travail de l’Alliance mondiale sur la science de l’apprentissage pour l’éducation
Comment la science de l’apprentissage peut-elle améliorer les technologies numériques éducatives ?
Lorsqu’elles sont fondées sur des données factuelles liées à des facteurs clés d’apprentissage tels que la mémoire, l’attention, la régulation émotionnelle et la motivation, les technologies peuvent être réellement éducatives et apporter une valeur ajoutée à l’expérience d’apprentissage. De plus, si elles respectent les principes mis en évidence par la science de l’apprentissage, elles ont plus de chances d’améliorer sensiblement les résultats de l’apprentissage.
Pourquoi est-il essentiel d’impliquer des enseignants, des scientifiques et des experts dans le développement des technologies numériques éducatives ?
L’apprentissage est influencé par de nombreux facteurs, et il peut être difficile d’en avoir une vision globale. Les enseignants, les scientifiques, les concepteurs de curriculum et les développeurs informatiques ont tous un point de vue spécifique sur le processus d’apprentissage, et leur collaboration permet de créer des outils plus pertinents, plus efficaces et plus responsables. La prise en compte de perspectives variées permet de détecter les angles morts et de favoriser la création de technologies qui sont utiles à un plus grand nombre de jeunes dans plus de contextes différents. Une approche multidisciplinaire et fondée sur la communauté produit donc de meilleurs résultats pour les apprenants.
Quel est le rôle de l’intelligence artificielle dans le domaine de la science de l’apprentissage ?
L’intelligence artificielle (IA) soulève de nouvelles questions pour la science de l’apprentissage, car elle transforme la manière dont les données sont collectées ainsi que notre vision de ce qu’est l’apprentissage. Étant donné que l’IA peut simuler des environnements, personnaliser des tâches et générer un retour d’information à une échelle qui était jusqu’à présent inatteignable, elle transforme aussi la manière dont nous étudions l’apprentissage. L’expansion du domaine de ce qui peut être observé et mesuré pousse les chercheurs à remettre en question les approches éducatives traditionnelles.
Quels aspects de la science de l’apprentissage sont les plus touchés par les outils, les modèles et les environnements d’apprentissage basés sur l’IA ?
L’IA peut grandement faciliter l’individualisation de l’apprentissage. En permettant d’adapter l’apprentissage aux besoins de chaque enfant, l’IA peut produire du contenu éducatif personnalisé à une échelle qui dépasse largement les capacités humaines. Par exemple, dans une bibliothèque numérique, l’IA peut recommander un nombre illimité d’ouvrages adaptés au niveau d’un apprenant donné tout en lui suggérant des textes plus avancés pour favoriser sa progression. L’IA transforme également l’évaluation de l’apprentissage en donnant rapidement des retours personnalisés qui aident les apprenants à suivre leurs progrès et à comprendre leurs erreurs, un des principes clés mis en avant par la science de l’apprentissage.
Quels sont les effets négatifs des outils éducatifs basés sur l’IA ?
Les outils éducatifs basés sur l’IA peuvent avoir des effets négatifs, même lorsqu’ils s’appuient sur les enseignements de la science de l’apprentissage. L’IA peut notamment réduire le nombre d’interactions entre l’enseignant et ses élèves et favoriser une dépendance excessive à l’aide automatisée, tout en réduisant l’indépendance d’esprit des apprenants et en les dissuadant de persévérer face à des difficultés.
Les outils basés sur l’IA peuvent aussi amplifier les biais, exposer à un spectre limité d’idées, ou générer des explications inexactes que les apprenants ne sont pas en mesure de remettre en question.
En outre, la grande quantité de données nécessaire pour entraîner ces outils soulève des questions de respect de la vie privée et de surveillance, et un accès inégal aux outils basés sur l’IA de bonne qualité risque d’accroître les inégalités existantes. Les enseignants peuvent également devenir trop dépendants des recommandations automatisées, ce qui peut éroder leur expertise et mettre à mal les aspects relationnels et humains de l’apprentissage, alors même que la recherche a démontré qu’ils étaient les éléments les plus importants dans ce processus.
Source : Unesco