• Intelligence Artificielle Générative à l'UNIGE
    Guide d'utilisation de l'intelligence artificielle générative à l'Université de Genève
  • Makeiteasy
    Une plateforme pour tester et améliorer vos compétences numériques à votre rythme
  • Ciel cherche: rédacteurs/trices

Tag : enseignement

Mar0420254 mars 20254 mars 20250Commentairepar Bourban

IA et enseignement : une sélection de livres

Publié dans Articles, Outils & services

Grand sujet d’actualité, l’intelligence artificielle impacte de plus en plus nos habitudes et s’insère petit à petit dans notre quotidien. Pour certaines personnes elle est une aide, pour d’autres une menace, certaines la redoutent, d’autres la cherchent. Quelle que soit la forme qu’elle prend, elle ne laisse pas indifférent.

Comment cette intelligence est-elle appréhendée par les enseignant-es au sein de leurs cours ? Comment utiliser cette technologie pour en tirer le meilleur dans son enseignement ?

La collection des Sciences de l’éducation de la Bibiothèque de l’UNIGE colle à cette actualité, et fournit à ses usagers et usagères de quoi se documenter sur cette thématique. Les livres physiques se trouvent principalement sous la cote 371.333, qui regroupe les ouvrages traitant des technologies éducatives.

Voici une sélection d’ouvrages récents parus sur l’intelligence artificielle en lien avec l’enseignement.

Attention : pour pouvoir consulter les ebooks (liens sur le titre ou via le DOI), il faut être dans le réseau de l’UNIGE ou installer un VPN correspondant sur son ordinateur.

Ouvrages théoriques - Pour réfléchir au rôle de l'IA dans l'enseignement

 

Ouvrages pratiques - Pour intégrer l'IA dans l'enseignement

 


Fév18202518 février 202518 février 20250Commentairepar Moccozet

Lectures collaboratives pour l’enseignement

Publié dans Articles, Usages pédagogiques

Une difficulté souvent rencontrée dans des enseignements pour lesquels une appropriation de connaissances provenant d’un parcours pédagogique de lectures est nécessaire, est représentée par la nature souvent variable de l’engagement des participants. Ceci peut-être d’autant plus problématique s’il est proposé de conduire une discussion en classe sur ces lectures et que le travail de lecture n’a pas été effectué avant les séances.

Après avoir essayé plusieurs techniques telles que des fiches de lectures individuelles ou en groupes, évaluées ou non, l’idée d’utiliser un canevas numérique collectif offre une certaine amélioration dans le processus. Les résultats restent somme toute assez variables et dépendent encore grandement de l’engagement des étudiants. Mais globalement la participation et l’engagement semblent meilleurs.

L’idée consiste à intégrer progressivement les lectures dans un canevas numérique graphique et de demander aux participants, organisés en groupes, de relever sous forme de notes les éléments saillants et importants de chaque article dans un espace de groupe propre. Les lectures sont organisées selon un parcours pédagogique établi par l’enseignant et suivant un fil rouge (pointillés rouges dans le canevas d’exemple). Dans le cas d’exemple, nous utilisons Miro (https://miro.com/)

De façon opérationnelle, l’initialisation de la démarche consiste à lancer la formation des groupes par l’intermédiaire d’un LMS (e.g., Moodle). Dans le cas d’exemple, il s’agissait d’un cours d’environ 25 participant-es. Il a été convenu de faire des groupes de 4 à 5 personnes.

Pour chaque lecture, l’article est annoncé et mis à disposition sur le canevas et ouvert pour le travail de lecture collaborative. Les participant-es s’organisent comme ils/elles veulent. Chaque groupe effectue le travail en préparation de la séance de discussion. Pour chaque papier, un groupe est responsable de lancer la discussion. Les autres groupes participent pour compléter, réagir, poser des questions. L’enseignant-e assure la modération et intervient pour appuyer, renforcer et compléter selon son expérience. La durée de l’échange peut-être très variable selon l’intérêt et la qualité des discussions.

Une propriété intéressante de l’approche réside dans l’ouverture. Tou-tes les participant-es ont accès au même espace, ce qui offre l’avantage de pouvoir observer le travail des autres groupes et ainsi remarquer d’autres éléments lors de la préparation.

Un canevas d’exemple dans le cadre d’un cours de Système d’Information d’Entreprise est proposé comme illustration en suivant le lien ci-dessous :
https://miro.com/app/board/uXjVLh7hXog=/?share_link_id=207022290125

Vous pouvez commenter, suggérer, critiquer et partager en ajoutant des notes dans le canevas. N’hésitez pas à laisser des liens en commentaires y compris sur vos propres espaces afin d’étendre les exemples et de partager nos expériences.

Jean-Henry Morin, professeur, CUI/SDS


Fév0720247 février 20249 février 20241Commentairepar Benkacem

Mise en oeuvre de l’anonymisation des plateformes d’examen

Publié dans Articles, Outils & services

Selon l’article 18A de la Loi sur l’Université, entré en vigueur le 10 décembre 2022, l’Université fixe des modalités d’examens qui garantissent un traitement équitable des étudiantes et étudiants. Dans la mesure du possible, l’évaluation des examens écrits est anonymisée.

Pourquoi anonymiser ?

Lors du processus d’évaluation d’une copie d’examen, les enseignant-es ou évaluateurs/trices peuvent être involontairement influencé-es par le fait de connaître l’identité de l’étudiant-e évalué-e. Des biais cognitifs peuvent survenir.

Il a donc été décidé que tous les examens nécessitant une correction manuelle de la part des évaluateurs/trices devraient être anonymisés afin d’apporter une solution à ces problématiques. Ceci pourrait venir à être généralisé aux autres types d’examens sur ordinateur.

La solution proposée devait également prendre en considération la directive adoptée le 9 janvier 2023 par le Rectorat de l’Université de Genève.

L’anonymisation des examens écrits se base sur trois principes :

  • Acceptabilité : la mise en œuvre doit être fonctionnelle pour l’ensemble des parties prenantes soit le corps enseignant, le personnel administratif et technique et le corps étudiant
  • Présomption d’honnêteté : l’enjeu n’est pas de lutter contre d’hypothétiques malveillances mais contre les biais involontaires d’évaluation
  • Simplicité de la mise en œuvre pour l’ensemble des parties prenantes

Comment cela a-t-il été réalisé techniquement ?

La solution à proposer devait se baser sur le numéro SIUS (Système d’Information Universitaire Suisse) de chaque étudiant-e, numéro unique attribué à un-e étudiant-e immatriculé-e. Elle devait, en résumé, garantir que ce numéro était visible à toutes fins de vérification de l’étudiant-e, et que ses données personnelles (prénom, nom, email ou autres) étaient invisibles aux évaluateurs/trices.

Nous avons ensuite ajouté la possibilité de gérer le cas d’étudiant-es non immatriculé-es ou à statut particulier, en utilisant leur numéro temporaire en place et en lieu du numéro SIUS.

Pour arriver à cet objectif, nous avons configuré notre LMS (Learning Management System) Moodle de la façon suivante :
– Le « Prénom Nom » des étudiant-es a été remplacé par « Student {N° SIUS/N° Temporaire} »
– L’adresse email a été définie comme un champ appartenant à l’identité des personnes
– Nous avons retiré la permission aux « évaluateurs » de voir l’identité des personnes
– Nous avons maintenu la permission aux « gestionnaires » de voir l’identité des personnes

Le système de saisie des notes en ligne de l’Université de Genève a été mis à jour pour permettre aux évaluateurs/trices de soumettre des listes de numéros d’étudiant-es au lieu des adresses e-mail, qui révélaient auparavant l’identité des étudiant-es.

Comment cela a-t-il été organisé puis été généralisé ?

Nous avons débuté par la réalisation d’un pilote en Faculté de Psychologie et Sciences de l’éducation en 2023 afin de valider le concept et avant de le généraliser à l’ensemble des facultés et des types d’examen sur ordinateur.

Le projet a commencé en novembre 2022 par une pré-étude, le paramétrage de plateformes Moodle dans des environnements d’essai, la réalisation de tests et la rédaction d’une méthodologie et de diverses documentations.

Le premier examen pilote a eu lieu en janvier 2023. Pendant cette session d’examens, huit examens ont été conduits de cette manière sur une plateforme Moodle spécifique et dédiée aux évaluations anonymes.

À la suite de ce pilote, qui s’est déroulé sans problème, le rectorat de l’Université de Genève a décidé de généraliser ce processus à toutes les facultés.

Techniquement, la configuration de la plateforme Moodle anonyme a été propagée aux autres plateformes Moodle d’examens. Une documentation a été fournie à chaque faculté.

Problèmes rencontrés et défis

Voici un aperçu des défis rencontrés durant la conception et la mise en œuvre de ce projet. Certains de ces problèmes ont été entièrement résolus, comme par exemples les points 1 et 3, d’autres sont en phase d’implémentation, comme les points 4 et 5, tandis que le reste est encore en phase de discussion et de conception, comme le point 2.

Ces défis spécifiques ont été identifiés dans le cadre de la mise en œuvre de l’anonymisation des examens sur ordinateur à l’Université de Genève :

  1. La gestion des cas d’étudiant-es spéciaux qui ne disposent pas de numéro d’immatriculation SIUS.
    1. En utilisant à la fois le numéro interne à l’UNIGE d’un-e étudiant-e, lorsque celui-ci ne possède pas un numéro SIUS, nous avons ouvert la possibilité de réaliser des examens anonymes avec l’ensemble des étudiant-es de l’UNIGE.
  2. Les adaptations nécessaires pour les étudiant-es à besoins particuliers, où certains aspects (comme le temps supplémentaire ou l’utilisation d’une salle séparée) ne peuvent pas être dissimulés.
    1. Les examens sur ordinateur pour étudiant-es à besoins particuliers étaient une exception aux examens nécessaires d’anonymiser.
      Le défi d’anonymiser ces examens se situe autour du fait que la copie de ces étudiant-es se distingue en général facilement de celle des autres (format, support, temps disponible, etc.)
  3. Les erreurs potentielles des étudiant-es en inscrivant leur numéro d’identification sur les feuilles d’examen, particulièrement dans le cadre des examens Offline Quiz1 / Test Hors Ligne1, et l’absence d’une méthode de vérification secondaire.
  4. La difficulté rencontrée par les surveillant-es pour vérifier l’identité et la présence des étudiant-es tout en maintenant l’anonymat.
    1. Un pilote (cf. « prochaines étapes ») est en cours à la faculté de GSEM et nous avons pour but de le généraliser.
  5. Les documents (par exemple, des fichiers Microsoft Word) créés sur des ordinateurs authentifiés au nom de l’étudiant-e, dans le contexte d’examens devraient être anonymes.
    1. Une solution intermédiaire a été trouvée. Afin d’anonymiser correctement ces documents, nous faisons face à des problématiques liées à la licence du logiciel.

1 Offline Quiz / Test Hors Ligne est une activité Moodle existante, permettant aux enseignant-es de créer des examens sur ordinateur, qui sont ensuite imprimés et remplis par les étudiant-es sous la forme de cases à cocher. Les copies sont ensuite numérisées, puis automatiquement corrigées par Moodle. Pour plus d’informations, veuillez consulter la page suivante.

Prochaines étapes

Pour les prochaines étapes du projet, plusieurs objectifs ont été définis :

  • Le projet vise à améliorer l’automatisation pour la création d’espaces d’examen et l’inscription des étudiant-es d’une manière anonyme, à continuer à développer et améliorer la création et le paramétrage automatique des examens (gabarits SEB2 et API Moodle3) et de l’envoi des notes depuis Moodle vers le système de gestion d’informations des étudiant-es de l’Université de Genève (« SI-ETU »).
  • Le projet prévoit également d’élargir l’application d’un pilote déjà mis en place à la Geneva School of Economics and Management (GSEM). Ce pilote utilise une application mobile pour vérifier la présence et l’identité des étudiant-es, ainsi que pour s’assurer que les copies d’examen sont correctement rendues, tout en maintenant l’anonymat des étudiant-es. Cette initiative vise à améliorer l’intégrité et l’efficacité du processus d’examen, en utilisant la technologie mobile pour faciliter la gestion des évaluations anonymes.

Ces étapes visent à renforcer l’efficacité, la fiabilité et l’intégrité du processus d’examen à l’Université de Genève, en tirant parti des technologies modernes et des méthodes d’automatisation.

2  SEB (ou « Safe Exam Browser ») est « un environnement de navigation web permettant de réaliser des évaluations électroniques en toute sécurité. Le logiciel transforme temporairement n’importe quel ordinateur en poste de travail sécurisé. Il contrôle l’accès aux ressources telles que les fonctions du système, les autres sites web et les applications, et empêche l’utilisation de ressources non autorisées pendant un examen. » Les gabarits SEB sont des fichiers spécifiant quels sites internet et quels logiciels sont autorisés dans un scénario d’examen et mis à disposition des enseignant-es à travers la plateforme Moodle. Plus d’informations.

3  Moodle est un système de gestion de l’apprentissage (LMS) libre et gratuit. Moodle est utilisé pour l’apprentissage mixte, l’enseignement à distance, les classes inversées et d’autres projets d’apprentissage en ligne dans les écoles, les universités, les lieux de travail et d’autres secteurs. L’API de Moodle permet de gérer la plateforme, les contenus et leurs paramétrages de manière automatisée et à travers des outils informatiques.


Oct17202317 octobre 202324 octobre 20230Commentairepar Birchler Emery

Les IA génératives à l’Université de Genève: prise de position du Rectorat et ressources

Publié dans Outils & services, Usages pédagogiques

Le 6 juillet dernier, le Rectorat faisait part de sa prise de position concernant l’utilisation d’intelligences artificielles génératives dans le contexte académique.

Dans le texte publié sur son site internet, l’Université de Genève reconnaît l’importance et les avantages offerts par l’IA générative, mais également ses limites et les défis éthiques qu’elle présente. Elle indique qu’il revient aux facultés et aux enseignant-es de définir les conditions d’utilisation de ces outils et de promouvoir la transparence en matière de citation.

L’UNIGE fait les recommandations suivantes:

  • Former les étudiant-es et les enseignant-es à l’usage de chatGPT ou outils apparentés
  • Poser un cadre clair à l’échelle facultaire et de chaque enseignement
  • Rappeler la notion d’intégrité académique et des objectifs d’une formation universitaire
  • Rappeler l’importance des compétences rédactionnelles dans la formation universitaire
  • Valoriser la notion d’auteur-e d’un travail scientifique/académique et la responsabilité qu’il ou elle porte

Le même cadre et la même transparence doivent être appliqués à l’utilisation d’IA générant des images.

Dans son message, le Rectorat met à disposition deux ressources pour alimenter une réflexion appelée à évoluer et à s’élargir : un guide interactif sur l’IA générative dans l’enseignement universitaire et un mur virtuel (padlet) rassemblant de nombreuses références, articles, blogs et sites internet.

Guide interactif sur l’IA générative dans l’enseignement universitaire

Le guide interactif présente ChatGPT et d’autres IA génératives de texte et met à disposition de nombreuses ressources. Il comprend une partie sur les considérations éthiques à prendre en compte lors de l’utilisation de tels outils, mais fournit également des exemples pratique pour l’utilisation de ChaGPT dans l’enseignement et l’évaluation. Une partie s’intéresse particulièrement au renforcement de l’apprentissage des étudiant-es en utilisant l’IA générative

Padlet / Mur virtuel

Le padlet rassemble des ressources de typedivers : actualité des IA génératives, qu’est-ce que ChatGPT, IA génératives dans l’éducation : pour le e-learning, les évaluations, ainsi qu’outils et applications à disposition, notions et questions de plagiat, d’aigiarisme (plagiat assisté d’une IA) et de droit d’auteur.

Références et autres ressources

J. Érard, L’UNIGE prend position sur l’intelligence artificielle dans le contexte académique, Le Journal de l’UNIGE, printemps 2023 : article présentant la prise de position du Rectorat et un éclairage sur l’IA du Prof. Christian Lovis (Faculté de médecine)

D. Birchmeier, ChatGPT pour la recherche académique, Blog Ciel, 16 mai 2023 : un étudiant en Services et systèmes numérique documente son utilisation cadrée de ChatGPT pour la rédaction de son mémoire de bachelor

R. Zaffran, ChatGPT: An Ongoing and Unprecedented Disruption for Education and Training?, NewSpecial Magazine, avril 2023, p. 28-30: l’article met en évidence l’impact de l’IA, les avantages et les limites de ChatGPT dans l’éducation, et offre des recommandations pour une utilisation éclairée de ces technologies dans les établissements éducatifs.

Unesco : Guidance for generative AI in education and research, 2023: le texte propose des recommandations concrète pour les décideurs politiques et les établissements éducatifs, mais émet aussi des exigences à l’intention des fournisseurs d’IA génératives,  tout en invitant la communauté internationale à réfléchir aux conséquences à long terme de ces outils sur l’enseignement, l’apprentissage, et l’évaluation.

 


Fév15202315 février 202315 février 20230Commentairepar Birchler Emery

Compétences numériques des enseignants dans la formation continue : des nouvelles de l’approche à trois niveaux

Publié dans Articles

Ce billet est proposé par la Dre Jue Wang Szilas et la Dre Patrizia Birchler Emery, CFCD.

Les défis liés à la transformation numérique des programmes de formation continue de l’Université de Genève et les solutions développées par le Pôle programme, pédagogie & partenariats du Centre pour la formation continue et à distance de l’UNIGE (CFCD), ont déjà fait l’objet d’un billet de blog en décembre 2021.

A cette occasion, nous avions détaillé les solutions proposées par notre Pôle pour soutenir la transformation numérique de nos programmes, plus particulièrement dans le cadre du renforcement des compétences numériques des équipes enseignantes. Nous avions également brièvement présenté l’auto-formation Moodle « option seuil », qui a pu être proposée aux collaborateurs et collaboratrices des programmes de formation continue à partir de février 2022.

A la suite de l’ouverture de l’auto-formation, notre Pôle a continué à travailler sur l’amélioration des formations proposées. L’approche adoptée pour développer les modèles d’apprentissage est celle de la recherche orientée par la conception, en anglais Design-Based Research.

La recherche orientée par la conception : brève présentation

La recherche orientée par la conception (Sanchez, 2015), en anglais Design-Based Research (désormais DBR) est une approche méthodologique de recherche utilisée par les chercheurs/euses et les praticien-nes des sciences de l’apprentissage, visant à développer des solutions aux problèmes. Wang et Hannafin (2005) en saisissent les caractéristiques essentielles :

“a systematic but flexible methodology aimed to improve educational practices through iterative analysis, design, development, and implementation, based on collaboration among researchers and practitioners in real-world settings, and leading to contextually-sensitive design principles and theories” (p. 6)

Selon le Design-Based Research Collective (2003), un projet présentant les caractéristiques typiques de la RBD devrait inclure les éléments suivants :

  • Ses objectifs sont de résoudre des problèmes actuels du monde réel.
  • Les chercheurs/euses et les praticien-es (qui peuvent être les mêmes personnes) sont pleinement impliqué-es dans le projet.
  • Il est contextualisé car les résultats de la recherche sont liés à la fois au processus de conception qui a produit les résultats et à l’environnement dans lequel la recherche a été menée.
  • Les interventions de conception sont continuellement améliorées pour les rendre plus applicables à la pratique.

Comme le présentent Collins et al. (2004) et Reeves (2000), l’approche DBR comporte généralement quatre étapes :

1) Analyse : les chercheurs/euses identifient un problème qui doit être résolu ;

2) Conception : ils/elles développent une solution potentielle, généralement sous la forme d’un outil ou d’un modèle pédagogique qui pourrait résoudre le problème ;

3) Test et amélioration : ils/elles testent l’outil ou le modèle pédagogique dans un contexte réel et le perfectionnent pour obtenir de meilleurs résultats ;

4) Évaluation et réflexion : les chercheurs/euses réfléchissent aux résultats de l’expérience, identifient les caractéristiques des outils pédagogiques qui ont permis de résoudre les problèmes initiaux, révisent les aspects qui n’ont pas été utiles à l’apprentissage et déterminent le principe de conception. Cela conduit à un autre cycle de recherche consistant à concevoir, tester, évaluer et réfléchir pour améliorer la conception pédagogique en faveur de l’apprentissage. Le processus itératif peut être caractérisé par la figure ci-dessous :

(d’après Reeves [2000], p. 59)

La solution « à trois niveau » dans la spirale de la DBR

Notre projet de solution « à trois niveaux » a traversé les quatre étapes au cours de deux cycles de conception de 2019 à 2022. Le premier cycle de conception a duré de 2019 à 2020. Ce cycle était axé sur le perfectionnement du modèle de transformation à « trois niveaux » et sur les ateliers de formation aux compétences numériques destinés à soutenir sa réalisation. Les retours nous ont permis de réfléchir à une réorganisation des ateliers, avec des objectifs plus ciblés et des formats plus adaptés. De mai à octobre 2021, dans un deuxième cycle de conception, le modèle a donc été repensé, cette fois-ci en se concentrant davantage sur les compétences nécessaires pour la réalisation de cours en ligne répondant au niveau de qualité standard exigé dans nos programmes de formation continue. Une auto-formation Moodle niveau seuil a été proposée, testée et lancée dans un cadre plus large. Nous sommes actuellement dans la phase d’évaluation de ce cycle pour identifier les éléments susceptibles d’être améliorés.

Le projet a été présenté lors du congrès annuel d’EDEN (European Distance and E-Learning Network), en juin 2022, et a suscité un vif intérêt en raison de la clarté de sa conception et, surtout, de son approche très pragmatique qui en rend la réalisation aisée et abordable. La présentation a également fait l’objet d’un article dans les actes de la rencontre.

La solution « à trois niveaux » : développements futurs

Mais le projet n’en est pas terminé pour autant. En effet, une vraie recherche orientée par la conception ne peut se baser que sur deux cycles de conception, c’est pourquoi un troisième cycle est déjà en cours. Dans ce troisième volet, nous travaillerons sur plusieurs plans : amélioration de l’existant, c’est-à-dire l’auto-formation (perfectionnement grâce à l’analyse des données d’apprentissage, passage à Moodle 4.0, utilisation d’autres outils pour un apprentissage plus interactif), puis développement d’un cours en ligne pour l’option standard, redéfinition du niveau avancé et proposition de solutions d’apprentissages adaptées.

Références bibliographiques

Approche à trois niveaux du CFCD 

Wang Szilas, J., Birchler Emery, P. (2021). Une approche à trois niveaux pour soutenir la transformation numérique de la formation continue, https://ciel.unige.ch/2021/12/une-approche-a-trois-niveaux-pour-soutenir-la-transformation-numerique-de-la-formation-continue/

Wang Szilas, J., Birchler Emery, P. (2022). Training Digital Competences of Educators in Continuing Education: A Three-Level Approach. In: Väljataga, T., Laanpere, M. (eds) Shaping the Digital Transformation of the Education Ecosystem in Europe. EDEN 2022. Communications in Computer and Information Science, vol 1639. Springer, Cham., pp. 127-136, https://doi.org/10.1007/978-3-031-20518-7_10

 

Design-Based Research

Collins, A., Joseph, D., Bielaczyc, K. (2004). Design Research: Theoretical and Methodological Issues, The Journal of The Learning Sciences, 13(1), pp.15-42, https://doi.org/10.1207/s15327809jls1301_2

Design-Based Research Collective (2003). Design-Based Research: An Emerging Paradigm for Educational Inquiry. Educational Researcher, Vol. 32, No. 1, p. 5, https://doi.org/10.3102%2F0013189X032001005

Reeves, T. C. (2000). Enhancing the Worth of Instructional Technology Research through Design Experiments and Other Development Research Strategies, Paper presented on April 27, 2000 at Session 41.29, International Perspectives on Instructional Technology Research for the 21st Century, a Symposium sponsored by SIG/Instructional Technology at the Annual Meeting of the American Educational Research Association, New Orleans, LA, USA

Sanchez, E., Monod-Ansaldi, R. (2015). Recherche collaborative orientée par la conception. Un paradigme méthodologique pour prendre en compte la complexité des situations d’enseignement-apprentissage. Education & Didactique, 9(2), pp. 73-94, https://doi.org/10.4000/educationdidactique.2288

Wang, F., Hannafin, M. J. (2005). Design-based research and technology-enhanced learning environments. Educational technology research and development, 53(4), pp. 5-23, https://doi.org/10.1007/BF02504682