Pedagogical readiness in a structural equation model of generative artificial intelligence use and cognitive offloading among preservice teachers

Dans la salle de classe moderne, un nouveau genre d'assistant est arrivé, capable de rédiger des essais, de résoudre des problèmes et d'expliquer des idées complexes en quelques secondes. Cette technologie, connue sous le nom d'intelligence artificielle générative, a changé la façon dont les étudiants abordent leur travail scolaire. Pour beaucoup, elle agit comme un raccourci puissant, leur permettant de terminer des tâches plus rapidement ou de comprendre des concepts difficiles avec moins d'efforts. Cependant, cette commodité comporte un piège. Lorsqu'un étudiant s'appuie trop lourdement sur un outil pour penser à sa place, il risque de sauter l'effort mental nécessaire pour réellement apprendre. Ce phénomène est appelé délestage cognitif : l'acte de transférer le travail mental d'une tâche vers un dispositif externe. Bien que cela puisse être une stratégie intelligente pour gérer des charges de travail lourdes, cela devient problématique si cela remplace la réflexion profonde nécessaire à la maîtrise d'un sujet.

Ce problème est particulièrement critique pour les personnes qui se forment pour devenir enseignants. Ces futurs éducateurs ne sont pas seulement des étudiants utilisant les outils pour eux-mêmes ; ils sont ceux qui décideront éventuellement de la manière d'enseigner ces outils à leurs propres élèves. Ils font face à un double défi : ils doivent apprendre à utiliser la technologie efficacement pour leurs propres études tout en cherchant simultanément comment guider leurs futurs élèves dans une utilisation responsable. La question pour les chercheurs n'est pas seulement de savoir si ces futurs enseignants utilisent la technologie, mais pourquoi ils l'utilisent, quelles règles ils se sentent en mesure de suivre, et si leur confiance dans l'enseignement avec cet outil modifie leur dépendance à son égard pour leur propre apprentissage.

Une équipe de chercheurs de l'Université Masaryk, en République tchèque, s'est donné pour mission de comprendre ces dynamiques parmi près de sept cents étudiants en formation d'enseignants. Ils voulaient voir si les raisons pour lesquelles les gens adoptent généralement une nouvelle technologie, comme la facilité d'utilisation ou la pression exercée par les pairs et les professeurs, motivent réellement l'usage de l'intelligence artificielle. Ils voulaient également savoir si des règles claires de la part de l'université permettaient aux étudiants de se sentir plus en sécurité pour admettre l'utilisation de l'outil, et si le sentiment d'être prêt à enseigner avec la technologie empêchait réellement les étudiants de l'utiliser comme une béquille pour leur propre pensée.

Les chercheurs ont recueilli des données auprès d'étudiants à diverses étapes de leur formation d'enseignant, de la licence aux masters avancés. Ils ont posé des questions détaillées sur la fréquence à laquelle les étudiants utilisaient l'intelligence artificielle générative, les tâches pour lesquelles ils l'utilisaient et ce qu'ils pensaient des règles entourant son usage. Ils ont spécifiquement examiné si les étudiants estimaient que l'université avait des directives claires et s'ils se sentaient en sécurité pour admettre l'utilisation de l'outil sans crainte de sanction. Ils ont également mesuré leur confiance dans leur capacité à utiliser la technologie pour l'enseignement, une compétence appelée préparation pédagogique, et l'ont comparée à la fréquence à laquelle ils laissaient l'outil prendre le dessus sur leur propre travail mental.

Les résultats ont révélé une histoire dictée presque entièrement par l'efficacité. La raison principale pour laquelle les étudiants utilisaient la technologie était simplement que cela rendait leur travail plus rapide et plus efficace. Les chercheurs ont découvert que la conviction que l'outil les aiderait à obtenir de meilleurs résultats était le facteur le plus important prédisant la fréquence de leur utilisation. Étonnamment, d'autres facteurs qui influencent habituellement l'adoption de la technologie, tels que la facilité d'utilisation de l'outil, la pression des amis ou même l'influence des professeurs, n'étaient pas des prédicteurs significatifs de la fréquence d'utilisation de la technologie par les étudiants. Les étudiants n'utilisaient pas l'outil parce que leurs professeurs leur disaient de le faire ou parce que leurs amis le faisaient ; ils l'utilisaient parce que cela fonctionnait.

L'étude a également mis en lumière un lien vital entre des règles claires et la tranquillité d'esprit des étudiants. Lorsque les étudiants sentaient que les règles de l'université concernant l'utilisation de l'intelligence artificielle étaient claires et cohérentes, ils déclaraient se sentir beaucoup plus en sécurité. Cette sécurité psychologique signifiait qu'ils étaient plus enclins à être transparents sur l'utilisation de l'outil. Cependant, les chercheurs ont découvert que ce sentiment de sécurité ne changeait pas la fréquence d'utilisation de la technologie par les étudiants. Que l'environnement soit perçu comme favorable ou risqué, les étudiants utilisaient l'outil s'ils estimaient qu'il était utile. Les règles importaient pour l'honnêteté, mais pas pour la décision d'utiliser l'outil en premier lieu.

La découverte la plus significative concernait peut-être la relation entre l'utilisation de l'outil et l'effort mental que les étudiants consacraient à leur travail. Les données ont montré une connexion forte : plus un étudiant utilisait fréquemment l'intelligence artificielle, plus il déclarait transférer la charge mentale de ses tâches sur la machine. Cela suggère qu'à mesure que les étudiants utilisent l'outil plus souvent, ils sont de plus en plus susceptibles de laisser la machine gérer les parties difficiles de la réflexion, comme la formulation d'arguments ou la résolution de problèmes complexes. Cette tendance au délestage cognitif n'était pas réduite par la confiance des étudiants dans leur capacité à enseigner avec la technologie. Même ceux qui se sentaient très préparés et compétents pour intégrer l'outil dans un cadre scolaire étaient tout aussi susceptibles de s'appuyer sur lui pour leurs propres études que ceux qui se sentaient moins préparés.

Cette conclusion remet en question l'idée selon laquelle le simple fait de savoir enseigner avec la technologie empêcherait les étudiants de devenir excessivement dépendants de celle-ci. Les chercheurs ont observé que, bien que les étudiants se sentent confiants dans leur capacité personnelle à utiliser l'outil pour leurs propres études, ils se sentaient beaucoup moins confiants quant à la manière de l'utiliser efficacement dans un contexte d'enseignement. Il existait un fossé important entre leur aisance personnelle avec la technologie et leur préparation professionnelle à guider les autres dans son utilisation. Cela suggère qu'être un utilisateur compétent ne fait pas automatiquement de quelqu'un un enseignant compétent de cette technologie.

L'étude a également souligné que pour le petit groupe d'étudiants qui n'utilisaient pas du tout l'outil, les raisons n'étaient pas liées à une difficulté technique ou à un manque d'accès. Au contraire, elles étaient dictées par des préoccupations éthiques. Beaucoup de ces étudiants craignaient que l'utilisation de l'outil ne constitue une forme de malhonnêteté académique ou qu'elle n'affaiblisse leurs propres compétences au fil du temps. Certains exprimaient même des inquiétudes quant à l'impact environnemental de la technologie. Ces étudiants n'avaient pas peur des règles ; ils étaient moralement opposés à la pratique.

En fin de compte, la recherche brosse le portrait d'une génération de futurs enseignants qui sont des utilisateurs pragmatiques de l'intelligence artificielle. Ils sont motivés par le désir d'être efficaces et de bien accomplir leur travail. Bien que des règles institutionnelles claires les aident à se sentir assez en sécurité pour être honnêtes sur leur utilisation, ces règles ne les empêchent pas d'utiliser l'outil lorsqu'ils en ont besoin. De plus, se sentir prêt à enseigner avec la technologie ne les protège pas de la tentation de laisser l'outil effectuer le plus gros du travail pour leur propre apprentissage. L'étude suggère que les programmes de formation des enseignants doivent aller au-delà de la simple enseignement de l'utilisation de la technologie. Ils doivent également aider les futurs éducateurs à comprendre la frontière ténue entre utiliser un outil pour soutenir l'apprentissage et utiliser l'outil pour remplacer le processus de réflexion. Sans cette compréhension plus profonde, même les futurs enseignants les plus confiants pourraient se retrouver à dépendre de la technologie d'une manière qui mine leur propre apprentissage et, finalement, celui de leurs élèves.