Différences

Ci-dessous, les différences entre deux révisions de la page.

--- qapes:problemes:savoirs_technologies:ia [2025/09/16 14:10] – [Articles / études scientifiques] admin
+++ qapes:problemes:savoirs_technologies:ia [2025/09/18 15:32] (Version actuelle) – admin
@@ Ligne 1: / Ligne 1: @@
+<wrap box center round info>
+[[:start|Accueil]] | [[:qapes:problemes:start|Problèmes]] | [[:qapes:problemes:savoirs_technologies|Problèmes liés à l'évolution des savoirs et technologies]] | [[:qapes:ressources:start|Ressources]]
+</wrap>
 ====== Intégration pédagogique du numérique et de l’IA ======
-<toc>
 L’objectif est d’intégrer les outils numériques et l’IA générative de manière **critique, transparente et pertinente** : clarifier les usages permis, favoriser l’apprentissage (et non le contournement), développer la littératie numérique/IA et adapter les évaluations.
@@ Ligne 7: / Ligne 9: @@
 ===== Ressources clés (centres de soutien / guides pratiques) =====
+{{:qapes:leviers:uconcodia_ctl_ia.png?400 |}}
-| **Ressource (lien)** | **Ce qu’elle propose** |
+[[https://www.concordia.ca/ctl/tech-tools/teach-with-technology/guidelines-gen-ai.html|Concordia University – Generative AI teaching guidelines (CTL)]]\\
-|----------------------|------------------------|
+Conseils pour définir une politique de cours explicite sur l’IA (attentes, usages permis), promouvoir l’intégrité académique, former étudiants et enseignants, et mettre à jour les pratiques au fil des évolutions.
-| [[https://www.concordia.ca/ctl/tech-tools/teach-with-technology/guidelines-gen-ai.html|Concordia University – Generative AI teaching guidelines (CTL)]] | Conseils pour définir une politique de cours explicite sur l’IA (attentes, usages permis), promouvoir l’intégrité académique, former étudiants et enseignants, et mettre à jour les pratiques au fil des évolutions. |
+----
-| [[https://www.ualberta.ca/en/centre-for-teaching-and-learning/resources/generative-ai/index.html|University of Alberta – AI & Generative AI Resources (CTL)]] | Principes d’usage responsable : transparence, limites et capacités de l’IA, implications pour l’évaluation, exemples de politiques de syllabus et ressources pour accompagner les enseignants. |
+{{:qapes:problemes:savoirs_technologies:ualberta_ctl_ia.png?400 |}}
-| [[https://ctl.utahtech.edu/aitools/|Utah Tech University – Generative AI Tools: Guidelines for Teaching and Learning (CTL)]] | Recommandations pratiques : discuter des enjeux éthiques, adapter consignes et évaluations, concevoir des tâches exploitant l’IA sans diminuer l’effort cognitif, sensibiliser aux risques (biais, hallucinations). |
+[[https://www.ualberta.ca/en/centre-for-teaching-and-learning/resources/generative-ai/index.html|University of Alberta – AI & Generative AI Resources (CTL)]]\\
-| [[https://ctl.kean.edu/guides-resources/ai-in-higher-ed|Kean University – AI in Higher Ed (CTL)]] | Élaborer une politique disciplinaire de l’IA dans le cours, proposer des ateliers pour enseignants/étudiants, catégoriser les usages autorisés selon les activités et l’évaluation. |
+Principes d’usage responsable : transparence, limites et capacités de l’IA, implications pour l’évaluation, exemples de politiques de syllabus et ressources pour accompagner les enseignants.
+----
+{{:qapes:problemes:savoirs_technologies:uutha_ctl_ia.png?400 |}}
+[[https://ctl.utahtech.edu/aitools/|Utah Tech University – Generative AI Tools: Guidelines for Teaching and Learning (CTL)]]\\
+Recommandations pratiques : discuter des enjeux éthiques, adapter consignes et évaluations, concevoir des tâches exploitant l’IA sans diminuer l’effort cognitif, sensibiliser aux risques (biais, hallucinations).
+----
+{{:qapes:problemes:savoirs_technologies:ukean_ctl_ia.png?400 |}}
+[[https://ctl.kean.edu/guides-resources/ai-in-higher-ed|Kean University – AI in Higher Ed (CTL)]]\\
+Élaborer une politique disciplinaire de l’IA dans le cours, proposer des ateliers pour enseignants/étudiants, catégoriser les usages autorisés selon les activités et l’évaluation.
 ----
@@ Ligne 22: / Ligne 32: @@
 Revue systématique des usages de l’IA générative en ES : gains possibles (engagement, personnalisation, feedback) et risques (intégrité, biais), avec recommandations pour la formation des enseignants.
-Rahman, N. A. A., & Aljohani, N. R. (2024). Rethinking the integration of AI in higher education teaching and learning: The AI-Curriculum Alignment Model. //International Journal of Technology in Education and Development//, 8(1), 1–16. [[https://open-publishing.org/journals/index.php/ited/article/download/1352/1026/6409|]]\\
+Rahman, N. A. A., & Aljohani, N. R. (2024). Rethinking the integration of AI in higher education teaching and learning: The AI-Curriculum Alignment Model. International Journal of Technology in Education and Development, 8(1), 1–16. [[https://open-publishing.org/journals/index.php/ited/article/download/1352/1026/6409|]]\\
 Propose le modèle **AI-CAM** (alignement objectifs–activités–évaluation) pour intégrer la littératie IA dans n’importe quelle discipline, avec étapes et exemples concrets.
@@ Ligne 32: / Ligne 42: @@
 ===== Idées d’application dans un cours =====
   * **Clarifier la politique de cours**
-    – Ajouter une section “Utilisation responsable de l’IA” au syllabus (ce qui est autorisé/interdit, comment citer l’IA, confidentialité des données).
+    * Ajouter une section “Utilisation responsable de l’IA” au syllabus (ce qui est autorisé/interdit, comment citer l’IA, confidentialité des données).
   * **Développer la littératie IA**
-    – Séance d’initiation (prompts, vérification des sorties, limites/biais, confidentialité). Demander une **note de méthode** expliquant l’usage de l’IA.
+    * Séance d’initiation (prompts, vérification des sorties, limites/biais, confidentialité). Demander une **note de méthode** expliquant l’usage de l’IA.
   * **Concevoir des tâches qui tirent parti de l’IA sans la laisser “faire à la place”**
-    – Exemples : comparer/corriger une production de l’IA ; demander justification, sources et traçabilité ; exiger une **réflexion critique** sur les limites des résultats.
+    * Exemples : comparer/corriger une production de l’IA ; demander justification, sources et traçabilité ; exiger une **réflexion critique** sur les limites des résultats.
   * **Adapter l’évaluation**
-    – Favoriser des évaluations orales/in situ, des productions intermédiaires (brouillons, journaux d’apprentissage), des tâches ancrées dans des données/contextes locaux non accessibles à l’IA générale.
+    * Favoriser des évaluations orales/in situ, des productions intermédiaires (brouillons, journaux d’apprentissage), des tâches ancrées dans des données/contextes locaux non accessibles à l’IA générale.
   * **Choisir des outils conformes et expliquer les risques**
-    – Privilégier des outils respectant la vie privée ; sensibiliser au stockage des données, aux biais, à la propriété intellectuelle.
+    * Privilégier des outils respectant la vie privée ; sensibiliser au stockage des données, aux biais, à la propriété intellectuelle.
   * **Boucles de feedback et amélioration continue**
-    – Interroger régulièrement les étudiants sur l’utilité/les difficultés ; ajuster consignes et ressources ; partager entre collègues les bonnes pratiques et exemples de consignes.
+    * Interroger régulièrement les étudiants sur l’utilité/les difficultés ; ajuster consignes et ressources ; partager entre collègues les bonnes pratiques et exemples de consignes.
 ----
-← [[qapes:problemes:savoirs_technologies:start|Retour “Problèmes liés à l’évolution des savoirs et des technologies”]] | [[qapes:start|Accueil QAPES]]
+← [[qapes:problemes:savoirs_technologies|Retour “Problèmes liés à l’évolution des savoirs et des technologies”]] | [[:start|Accueil QAPES]]