Experiential Versus Instructional Approaches for Eliciting Metacognitive Awareness in AI-Assisted Learning: A Short-Term Longitudinal Study

Imaginez que vous apprenez à faire du vélo. Vous pourriez être assis dans une salle de classe pendant qu'un professeur dessine un diagramme parfait de rouages, de pédales et d'équilibre sur un tableau blanc, expliquant exactement comment la physique fonctionne. C'est l'apprentissage instructionnel : acquérir des connaissances de la part de quelqu'un d'autre, étape par étape, sans se salir les mains. Ou bien, vous pourriez monter sur un vélo bancal, vaciller, tomber, vous relever et comprendre comment garder l'équilibre en ressentant le vent et la route. C'est l'apprentissage expérientiel : apprendre en faisant, en faisant des erreurs et en réfléchissant à ce qui s'est passé.

Maintenant, imaginez qu'au lieu d'un vélo, vous appreniez à utiliser un robot ami super intelligent appelé IA Générative (ou IA gén) pour vous aider à étudier. Ce robot peut écrire des essais, résoudre des problèmes mathématiques et expliquer des idées complexes en quelques secondes. Mais attention : si vous laissez simplement le robot faire tout le travail, vous risquez de cesser de réfléchir par vous-même. C'est là qu'intervient la métacognition. Voyez la métacognition comme le « tableau de bord » ou le « coach intérieur » de votre cerveau. Un bon coach intérieur sait quelles stratégies fonctionnent (comme demander au robot de défier vos idées) et lesquelles sont des pièges (comme laisser le robot rédiger l'intégralité de vos devoirs). La grande question que se posent les éducateurs actuellement est la suivante : pour enseigner aux étudiants comment utiliser cet outil puissant de l'IA, est-il préférable de leur donner un cours magistral ou de les laisser jouer avec et d'apprendre de l'expérience ?

L'expérience : Le hall de conférence vs Le terrain de jeu

Des chercheurs de l'Universitat Pompeu Fabra à Barcelone ont décidé de trancher ce débat avec une expérience réelle. Ils ont réuni 126 étudiants de première année en ingénierie et les ont divisés en deux équipes. Les deux équipes ont passé deux heures à apprendre comment utiliser l'IA générative de manière efficace, mais elles ont appris de manières très différentes.

La première équipe, le Groupe Instructionnel, a assisté à un cours magistral traditionnel. Ils ont écouté des experts expliquer les manières « correctes » et « incorrectes » d'utiliser l'IA. Ils ont entendu des histoires sur la façon dont l'utilisation trop facile de l'IA peut rendre votre cerveau paresseux (un concept appelé « déchargement cognitif », où l'on externalise sa pensée vers la machine). Ils ont appris la théorie, mais ils n'ont rien fait concrètement avec l'IA pendant la session.

Le second groupe, le Groupe Expérientiel, a mis la main à la pâte. Ils ne se sont pas contentés d'écouter ; ils ont joué. On leur a donné quatre défis spécifiques. Dans l'un, ils devaient rédiger un résumé d'un article avant de demander à l'IA de le vérifier, les forçant ainsi à réfléchir d'abord. Dans un autre, ils devaient argumenter un point de vue et demander à l'IA de jouer le rôle de « tuteur socratique », en contestant leurs arguments par des questions. Ils ont également testé la « mauvaise » méthode — demander immédiatement une solution à l'IA et la copier — pour voir ce que l'on ressent en sautant l'étape de l'effort. Après chaque tâche, ils ont fait une pause pour réfléchir à ce qui s'était passé.

Les chercheurs voulaient voir comment ces deux approches changeaient leurs « coachs intérieurs » (leur conscience métacognitive) immédiatement après la session et cinq semaines plus tard. Ils ont mesuré deux choses principales :

1. La connaissance : Les étudiants comprenaient-ils quelles stratégies fonctionnent ?
2. La régulation : Les étudiants pouvaient-ils réellement utiliser ces stratégies pour contrôler leur propre apprentissage ?

Les résultats : Le départ rapide et la progression lente

Les résultats ressemblaient à une course de sprint qui se transforme en marathon.

Immédiatement après la session (Le Sprint) :
Le Groupe Expérientiel (les joueurs) a pris une avance massive. Immédiatement après leur session pratique, ils en savaient beaucoup plus sur les stratégies d'IA efficaces et se sentaient beaucoup plus engagés par les outils que le groupe de cours magistral. Leurs « coachs intérieurs » étaient bien réveillés. Ils comprenaient la différence entre utiliser l'IA comme un partenaire et l'utiliser comme une béquille.

Le Groupe Instructionnel (les auditeurs), cependant, a montré un tableau plus mitigé dès le départ. Bien qu'ils aient déclaré se sentir légèrement plus positifs vis-à-vis de l'IA et plus engagés avec les outils après le cours, leur compréhension de comment utiliser les stratégies d'IA (Connaissance Métacognitive) ne s'était pas significativement améliorée. Le cours n'avait pas instantanément réveillé leurs coachs intérieurs concernant les stratégies spécifiques nécessaires à un apprentissage efficace.

Cinq semaines plus tard (Le Marathon) :
C'est ici que l'histoire devient intéressante. Cinq semaines plus tard, l'écart en matière d'engagement s'est réduit. Les étudiants qui avaient simplement écouté le cours magistral avaient rattrapé les joueurs en termes d'engagement envers les outils. Ils avaient compris, grâce à leur utilisation quotidienne de l'IA, que les conseils du cours étaient en réalité vrais. Le « groupe de cours magistral » avait appris lentement ce que le « groupe de jeu » avait appris instantanément.

Mais il y avait un rebondissement. Alors que l'écart d'engagement se refermait, le Groupe Expérientiel a commencé à manifester un nouveau superpouvoir spécial : la Régulation.

Au cours de ces cinq semaines, les étudiants qui avaient fait les exercices pratiques ne se sont pas contentés de connaître les stratégies ; ils ont commencé à mieux les utiliser de plus en plus. Leur capacité à surveiller et à ajuster leur propre pensée ne cessait de croître. Ils devenaient meilleurs pour contrôler leur utilisation de l'IA. Le groupe du cours magistral, quant à lui, a plafonné. Ils connaissaient les stratégies, mais ils ne semblaient pas s'améliorer dans leur application au fil du temps.

Ce que cela signifie pour l'avenir

L'article suggère que si vous voulez que les étudiants comprennent rapidement comment utiliser l'IA, laissez-les jouer avec. Les activités pratiques créent une étincelle immédiate de compréhension et d'enthousiasme que les cours magistraux ne peuvent égaler.

Cependant, l'article nous avertit également de ne pas attendre de miracles du jour au lendemain. Ce n'est pas parce que les étudiants connaissent une stratégie qu'ils l'utiliseront parfaitement immédiatement. Le groupe « jeu » a montré que la capacité à contrôler son apprentissage (régulation) prend du temps à se développer. C'est comme apprendre à faire du vélo : vous pouvez comprendre la théorie de l'équilibre immédiatement après être tombé, mais rester droit en pédalant prendra quelques semaines de pratique.

Les chercheurs suggèrent que les enseignants devraient privilégier ces activités pratiques de type « essayer et voir » plutôt que de longs cours magistraux lorsqu'ils introduisent l'IA. Mais ils conseillent aussi de la patience. Si les étudiants ne commencent pas immédiatement à utiliser l'IA parfaitement après un exercice amusant, cela ne signifie pas que la leçon a échoué. Cela signifie peut-être simplement que leurs « coachs intérieurs » sont encore en train de se réveiller et d'apprendre à diriger le navire. Les bénéfices du fait de faire le travail soi-même ne se verront peut-être pas immédiatement dans la note finale, mais ils construisent un apprenant plus autonome et mieux auto-régulé sur le long terme.

En bref, vous pouvez expliquer à quelqu'un comment faire du vélo, mais vous ne pouvez pas lui apprendre à garder l'équilibre sans le laisser vaciller un peu d'abord. Et parfois, ce vacillement est précisément ce qui l'aide à rester debout des semaines plus tard.