Learning after COVID-19 and the ICT career aspirations: Are students entering the AI era with weaker skills?

Résumé technique : Apprentissage après la COVID-19 et aspirations de carrière dans les TIC

Énoncé du problème
L'article traite d'un déficit critique dans la compréhension de savoir si les étudiants entrent dans l'ère de l'IA générative avec des fondations éducatives suffisantes pour soutenir leurs futures aspirations de carrière numérique. Bien que la littérature existante documente abondamment les pertes d'apprentissage post-pandémie, les inégalités numériques et l'importance croissante des compétences en TIC, ces dimensions sont souvent analysées de manière isolée. Il manque des preuves intégrées et transnationales reliant les caractéristiques structurelles des environnements d'apprentissage (spécifiquement l'autonomie des élèves, les compétences numériques et le soutien des enseignants) aux changements longitudinaux des attentes de carrière liées aux TIC entre 2018 et 2022. L'étude cherche à déterminer si les systèmes éducatifs dotés de caractéristiques structurelles plus fortes sont mieux positionnés pour favoriser les aspirations de carrière dans les TIC dans le contexte des marchés du travail numériques et pilotés par l'IA.

Méthodologie
L'étude adopte une approche mixte utilisant des données harmonisées au niveau des pays issues de l'Enquête sur les compétences des élèves (PISA) de l'OCDE de 2018 et 2022. Le pipeline analytique est un cadre quantitatif complet et entièrement reproductible, mis en œuvre en Python, comprenant les étapes suivantes :

1. Harmonisation et encodage des données : Les tableaux bruts du PISA ont été analysés pour extraire des indicateurs au niveau des pays concernant l'autonomie des élèves, les compétences d'apprentissage numérique et le soutien perçu des enseignants (opérationnalisé comme des effets sur la performance académique en mathématiques, en lecture et en sciences). Les changements longitudinaux dans les aspirations de carrière (TIC, Santé, Sciences et Ingénierie, Sciences et Techniques) ont été calculés comme des différences en points de pourcentage entre 2018 et 2022.
2. Profilage multivarié : Des indicateurs standardisés ont été soumis à un clustering non supervisé (KMeans) pour identifier des typologies de systèmes éducatifs basées sur des configurations distinctes d'autonomie, de préparation numérique et de soutien des enseignants.
3. Apprentissage de représentations latentes : Un Autoencodeur Variationnel (VAE) a été entraîné sur des vecteurs d'entrée multidimensionnels pour projeter les systèmes éducatifs dans un espace latent de faible dimension (2D). Cet espace latent sert de représentation continue de la « préparation structurelle » à l'ère numérique et de l'IA. Un indice composite de préparation à l'IA a été construit comme une agrégation linéaire de ces coordonnées latentes.
4. Cohérence inter-domaines : Des corrélations de Pearson et des tests t appariés ont été utilisés pour évaluer la stabilité des effets de l'environnement d'apprentissage (autonomie, compétences numériques, soutien des enseignants) à travers les mathématiques, la lecture et les sciences.
5. Modélisation prédictive et inférentielle :
   • Analyse de régression : Une régression linéaire multivariée a été utilisée pour quantifier les associations marginales entre les indicateurs de l'environnement d'apprentissage et les changements dans les aspirations de carrière en TIC.
   • Classification : Une Analyse Discriminante Linéaire (LDA) a été appliquée pour distinguer les systèmes éducatifs à forte croissance des aspirations en TIC de ceux à faible croissance.
   • Simulation contrefactuelle : Le modèle de régression a été utilisé pour simuler l'impact d'une augmentation de l'autonomie des élèves d'un écart-type tout en maintenant les autres facteurs constants.
   • Modélisation probabiliste : Un réseau bayésien a été appris à partir de variables de changement d'aspiration discrétisées pour explorer les dépendances conditionnelles entre les aspirations en TIC et d'autres domaines professionnels.

Résultats clés

• Dynamique des aspirations : On observe une augmentation mondiale mais inégale des aspirations de carrière en TIC entre 2018 et 2022. Si la plupart des pays ont connu une croissance modérée, des cas aberrants significatifs existent, avec à la fois une croissance accélérée (par exemple, la Turquie, le Kosovo) et des baisses (par exemple, la Pologne, les Pays-Bas). Les aspirations en TIC semblent se découpler des trajectoires traditionnelles STEM, évoluant comme un domaine distinct.
• Prédicteurs de la croissance : Les compétences numériques émergent comme le prédicteur positif le plus fort et le plus cohérent de la croissance des aspirations de carrière en TIC. En revanche, l'analyse de régression a révélé des associations négatives pour le soutien des enseignants et l'autonomie, bien que les auteurs les interprètent comme dépendantes du contexte plutôt que comme des effets négatifs causaux.
• Rôle de l'autonomie et du soutien : La relation entre l'autonomie et les compétences numériques est conditionnelle. Dans les systèmes à faible soutien des enseignants, l'autonomie agit comme un mécanisme compensatoire ; cependant, dans les systèmes à fort soutien, l'effet marginal de l'autonomie est réduit. L'étude constate que l'autonomie seule est insuffisante pour stimuler les aspirations en TIC sans un soutien pédagogique complémentaire.
• Préparation latente : L'analyse par VAE révèle que la préparation éducative est une construction continue et multidimensionnelle plutôt qu'une propriété catégorielle. Les systèmes avec des configurations favorables (forte autonomie, compétences numériques solides, soutien robuste) ont tendance à montrer une croissance plus élevée des aspirations en TIC, bien qu'une hétérogénéité significative subsiste au sein de profils structurels similaires.
• Indépendance des domaines : L'analyse du réseau bayésien n'a trouvé aucune dépendance conditionnelle significative entre les changements dans les aspirations en TIC et les changements dans d'autres domaines professionnels (Santé, Sciences et Ingénierie), suggérant que les dynamiques de carrière en TIC évoluent de manière relativement indépendante.

Contributions clés

• Cadre intégré : L'étude déplace l'accent des analyses isolées de la perte d'apprentissage ou des compétences numériques vers un cadre intégré reliant les conditions structurelles d'apprentissage aux dynamiques d'aspirations de carrière sur une période longitudinale.
• Nouveauté méthodologique : Elle introduit l'application des Autoencodeurs Variationnels (VAE) et des réseaux bayésiens aux données du PISA pour capturer des structures latentes non linéaires et des dépendances probabilistes dans la préparation éducative, allant au-delà des classements linéaires traditionnels.
• Perspective structurelle : La recherche redéfinit la transition vers l'ère de l'IA générative non pas simplement comme un changement technologique, mais comme un défi éducatif structurel façonné par des conditions institutionnelles et pédagogiques.

Portée et affirmations
L'article affirme que la préparation éducative à l'ère de l'IA est multidimensionnelle et que les aspirations en TIC évoluent de manière relativement indépendante des autres domaines de carrière. Il conclut que si les compétences numériques sont un moteur principal de l'intérêt pour les carrières en TIC, les facteurs structurels tels que le soutien des enseignants jouent un rôle complémentaire et facilitateur. L'étude affirme modestement que les facteurs éducatifs seuls ne déterminent pas entièrement les dynamiques de carrière en TIC ; ils agissent plutôt comme des conditions facilitatrices influencées par des facteurs contextuels plus larges tels que les conditions du marché du travail et les stratégies numériques nationales. Par conséquent, les auteurs soutiennent que les interventions politiques se concentrant uniquement sur l'augmentation de l'autonomie des élèves sont peu susceptibles de produire des changements substantiels dans les aspirations de carrière en TIC sans améliorations parallèles des compétences numériques et du soutien pédagogique.