in

Un essai dans lequel des enseignants stagiaires qui apprenaient à identifier les élèves ayant des difficultés d'apprentissage potentielles avaient leur travail «marqué» par l'intelligence artificielle a constaté que l'approche améliorait considérablement leur raisonnement.

Un essai dans lequel des enseignants stagiaires qui apprenaient à identifier les élèves ayant des difficultés d’apprentissage potentielles avaient leur travail «marqué» par l’intelligence artificielle a constaté que l’approche améliorait considérablement leur raisonnement.

L’étude, avec 178 enseignants stagiaires en Allemagne, a été réalisée par une équipe de recherche dirigée par des universitaires de l’Université de Cambridge et de la Ludwig-Maximilians-Universität München (LMU Munich). Il fournit certaines des premières preuves que l’intelligence artificielle (IA) pourrait améliorer le « raisonnement diagnostique » des enseignants  :.

Au cours de l’essai. Ils ont reçu des exemples de leurs travaux scolaires, ainsi que d’autres informations telles que des enregistrements de comportement et des transcriptions de discussions avec les mothers and fathers. et expliquer leur raisonnement.

la moitié des stagiaires a reçu un prototype de « solution experte », rédigée au préalable par un professionnel qualifié, à comparer avec la leur. Ceci est typique du matériel de pratique que les élèves-enseignants reçoivent généralement en dehors des cours enseignés. Les autres ont reçu des commentaires générés par l’IA, qui ont mis en évidence les functions correctes de leur alternative et signalé les facets qu’ils auraient pu améliorer.

les stagiaires ont ensuite passé deux tests de suivi similaires, cette fois sans aucune rétroaction. Les exams ont été notés par les chercheurs, qui ont évalué à la fois leur «exactitude diagnostique» (si les stagiaires avaient correctement identifié les cas de dyslexie ou de TDAH) et leur raisonnement diagnostique : dans quelle mesure ils avaient utilisé les preuves disponibles pour porter ce jugement.

Le rating moyen pour le raisonnement diagnostique parmi les stagiaires qui avaient reçu des commentaires sur l’IA au cours des 6 exercices préliminaires était supérieur d’environ 10 points de pourcentage à ceux qui avaient travaillé avec les remedies d’experts pré-écrites.

Parce qu’il a analysé le propre travail des enseignants stagiaires, plutôt que de leur demander de le comparer avec une edition experte, les chercheurs pensent que les commentaires étaient plus clairs. Il n’y a donc aucune preuve que l’IA de ce sort améliorerait les commentaires individuels d’un tuteur humain ou d’un mentor de haute qualité, mais les chercheurs soulignent qu’un tel soutien étroit n’est pas toujours facilement disponible pour les enseignants stagiaires pour la répétition. pratique, en particulier ceux sur les grands parcours.

L’étude faisait partie d’un projet de recherche au sein du Cambridge LMU Strategic Partnership. L’IA a été développée avec le soutien d’une équipe de l’Université strategy de Darmstadt.

Riikka Hofmann, professeur agrégé à la faculté d’éducation de l’université de Cambridge, a déclaré. Malheureusement, beaucoup d’entre eux ont également le sentiment d’avoir n’ont pas eu suffisamment l’occasion de mettre en pratique ces compétences. Le niveau d’orientation personnalisée que les enseignants stagiaires reçoivent pour les cours d’allemand est différent de celui du Royaume-Uni, mais dans les deux cas, il est feasible que l’IA puisse fournir un niveau supplémentaire de rétroaction individualisée pour les aider à développer ces compétences essentielles..”

Le Dr Michael Sailer, de LMU Munich, a déclaré : « Évidemment, nous ne prétendons pas que l’IA devrait remplacer les enseignants-formateurs.. Lorsque les commentaires personnels ne sont pas facilement disponibles, cela pourrait être un substitut efficace.

L’étude a utilisé un système de traitement du langage naturel : un réseau neuronal artificiel able d’analyser le langage humain et de repérer certaines phrases, idées, hypothèses ou évaluations dans le texte des stagiaires.

Il a été créé à partir des réponses d’une cohorte antérieure d’enseignants en formation initiale à un exercice similaire. En segmentant et en codant ces réponses, l’équipe a « entraîné » le système à reconnaître la présence ou l’absence de points clés dans les solutions fournies par les stagiaires pendant l’essai.

Dans les exercices préparatoires et les tâches de suivi, les participants à l’essai ont été soit invités à travailler individuellement, soit assignés à des paires sélectionnées au hasard. Ceux qui ont travaillé seuls et ont reçu des methods expertes lors des exercices préparatoires ont obtenu en moyenne 33 % pour leur raisonnement diagnostique lors des tâches de suivi. En revanche, ceux qui avaient reçu des commentaires de l’IA ont obtenu un score de 43 %. De même, le score moyen des stagiaires travaillant en binôme était de 35 % s’ils avaient reçu la solution experte, mais de 45 % s’ils avaient reçu l’accompagnement de l’IA.

Au lieu de cela. C’est la principale compétence dont la plupart des enseignants ont réellement besoin en classe : la tâche de diagnostiquer les élèves incombe aux enseignants de l’éducation spécialisée, aux psychologues scolaires et aux professionnels de la santé. Les enseignants doivent être en mesure de communiquer et de prouver leurs observations aux spécialistes lorsqu’ils ont des préoccupations.

mais l’équipe de recherche espère entreprendre d’autres études pour explorer les mécanismes qui l’ont rendue efficace dans ce cas et évaluer ce potentiel in addition massive.

Frank Fischer, professeur d’éducation et de psychologie de l’éducation à LMU Munich, a déclaré : « Dans les grands programmes de formation, qui sont assez courants dans des domaines tels que la development des enseignants ou la formation médicale. la mise en œuvre d’outils complexes de traitement du langage naturel à cette fin prend du temps et des efforts. cela pourrait bien valoir l’investissement.”