An Inductive Typology of Artificial Intelligence Use in Science Teaching and Its Alignment with AI Literacy Frameworks

L'intelligence artificielle est passée du domaine de la science-fiction à celui de la conversation quotidienne dans les écoles, promettant de remodeler la façon dont les enfants apprennent et la façon dont les enseignants travaillent. Dans le monde spécifique de l'enseignement des sciences, où les élèves apprennent en posant des questions, en construisant des modèles et en testant des idées, l'arrivée de ces systèmes informatiques intelligents soulève une question fondamentale : comment sont-ils réellement utilisés ? La conversation oscille souvent entre deux extrêmes. D'un côté, il y a l'espoir que ces outils révolutionneront l'apprentissage, agissant comme des tuteurs personnels pour chaque élève. De l'autre, il y a la crainte qu'ils ne fassent que automatiser des tâches ou remplacer le jugement humain. Pour comprendre ce qui se passe réellement, les chercheurs doivent regarder au-delà du battage médiatique et examiner les pratiques réelles décrites dans les études académiques. Ils doivent savoir si les enseignants utilisent ces outils pour créer de nouvelles façons de penser la science, ou s'ils les intègrent simplement dans de vieilles routines. C'est le territoire exploré par une récente étude à grande échelle qui a cherché à cartographier le paysage réel de l'intelligence artificielle dans les classes de sciences.

Pour donner un sens à ce domaine complexe, les chercheurs ont commencé par une vaste collection de preuves. Ils ont rassemblé 795 articles de revues évalués par des pairs qui traitaient de l'intelligence artificielle dans le contexte de l'enseignement des sciences. Au lieu de lire chaque mot de chaque article, ils se sont concentrés sur les résumés — les courtes synthèses qui décrivent le point principal et les méthodes de chaque étude. Cela leur a permis de voir les schémas larges à travers des milliers de pages de recherche sans se perdre dans les détails d'une expérience particulière. Leur objectif n'était pas de tester un outil spécifique ou de prouver qu'une méthode fonctionne mieux qu'une autre. Au contraire, ils voulaient construire une image de la manière dont les enseignants sont actuellement décrits comme utilisant ces technologies. Ils ont abordé les données sans liste de catégories préétablie, laissant les modèles émerger naturellement du texte lui-même. Cette méthode a permis de garantir que leurs conclusions reflétaient ce qui était réellement rapporté dans la littérature, plutôt que ce que les chercheurs s'attendaient à trouver.

En triant des centaines de résumés, six manières distinctes d'utiliser l'intelligence artificielle ont commencé à se détacher. L'utilisation la plus courante, apparaissant dans près de 78 % des études, concernait la prestation pédagogique et la pédagogie. Dans ces cas, les enseignants utilisaient l'intelligence artificielle pour aider à présenter le contenu, guider les élèves à travers l'investigation ou expliquer des concepts difficiles pendant le cours. La deuxième catégorie la plus fréquente concernait l'évaluation et le feedback, présente dans environ 46 % des articles. Ici, la technologie aidait les enseignants à vérifier le travail des élèves, à noter les devoirs ou à fournir des commentaires immédiats sur la performance. Le troisième groupe, apparaissant dans environ 24 % des études, se concentrait sur la planification des leçons et la conception de programmes, où les enseignants utilisaient les outils pour préparer des matériels ou organiser leurs cours avant même l'arrivée des élèves. Les catégories restantes étaient moins fréquentes mais tout de même significatives : l'utilisation d'agents interactifs comme des chatbots pour discuter avec les élèves, l'emploi de simulations et d'environnements virtuels pour modéliser des phénomènes scientifiques, et l'utilisation de la technologie pour le propre développement professionnel et le soutien des enseignants.

Les chercheurs ont ensuite pris ces six catégories et les ont examinées à travers un prisme spécifique : un cadre développé par l'Organisation de coopération et de développement économiques pour décrire comment les gens s'engagent avec l'intelligence artificielle. Ce cadre divise l'engagement en quatre domaines : interagir avec le système, créer du contenu avec lui, gérer ses résultats et concevoir le système lui-même. Lorsque les chercheurs ont projeté leurs découvertes sur cette structure, un récit clair est apparu. La littérature montre que les enseignants utilisent massivement l'intelligence artificielle pour interagir avec elle et pour concevoir la manière dont elle s'intègre dans leurs leçons. Ils ne construisent généralement pas le code informatique sous-jacent ou les algorithmes complexes qui alimentent ces systèmes. Au lieu de cela, ils agissent comme des intégrateurs qualifiés qui décident comment appliquer ces outils à leurs objectifs d'enseignement spécifiques. Ils configurent les outils, les adaptent aux besoins de leur classe et structurent les activités d'apprentissage autour d'eux.

Cette distinction est cruciale car elle remet en question l'idée que les enseignants doivent devenir des ingénieurs logiciels pour utiliser efficacement l'intelligence artificielle. L'étude suggère que le rôle principal de l'enseignant dans ce nouveau paysage est celui d'un architecte pédagogique. Ce sont eux qui interprètent les résultats de la technologie, décident quand l'utiliser et s'assurent qu'elle s'aligne sur les objectifs de l'enseignement des sciences, tels que favoriser le raisonnement fondé sur des preuves ou la compréhension de modèles complexes. La recherche indique que bien que la technologie soit puissante, sa valeur éducative provient de la manière dont les enseignants la tissent dans leurs pratiques existantes. Les études décrivent rarement les enseignants comme des récepteurs passifs de la technologie, ni comme les créateurs techniques des systèmes. Au contraire, ils sont dépeints comme des décideurs actifs qui utilisent ces outils pour améliorer leur jugement professionnel.

Les conclusions ont également révélé que l'utilisation de l'intelligence artificielle dans l'enseignement des sciences est largement conservatrice, dans le meilleur sens du terme. Plutôt que de renverser les structures fondamentales de la façon dont les sciences sont enseignées, la technologie est absorbée dans les routines établies. Elle est utilisée pour soutenir les tâches de base de l'enseignement : expliquer des concepts, vérifier la compréhension et planifier des leçons. Bien qu'il y ait de l'enthousiasme pour un changement radical, la réalité actuelle est celle d'une augmentation. Les enseignants utilisent ces outils pour gérer la partie laborieuse de l'évaluation ou pour générer des supports de planification, libérant ainsi du temps pour se concentrer sur les éléments humains de l'enseignement. La recherche suggère que l'utilisation la plus courante de l'intelligence artificielle est de rendre le travail existant d'un enseignant de sciences plus efficace et plus performant, plutôt que de remplacer l'enseignant ou de créer une toute nouvelle façon d'apprendre.

L'un des aspects les plus intéressants de l'étude est ce qu'elle dit de l'avenir de la formation des enseignants. Parce que la littérature montre que les enseignants utilisent principalement ces outils pour concevoir et gérer des expériences d'apprentissage, l'étude implique que le développement professionnel devrait se concentrer sur ces compétences. Les enseignants doivent apprendre à évaluer de manière critique les résultats de l'intelligence artificielle, à adapter ces outils à leur sujet spécifique et à les intégrer de manière responsable dans leur programme. Ils n'ont pas nécessairement besoin d'apprendre à coder les systèmes eux-mêmes. L'étude souligne que la compétence la plus précieuse pour un enseignant de sciences à l'ère de l'intelligence artificielle est la capacité de juger quand et comment utiliser ces outils pour soutenir les exigences uniques de l'investigation scientifique.

Les chercheurs ont pris soin de noter les limites de leur travail. Leurs conclusions sont basées sur ce qui est écrit dans les articles académiques, ce qui peut ne pas correspondre parfaitement à ce qui se passe dans chaque classe. Ils ont également noté que leur analyse s'est concentrée sur les publications en langue anglaise, ce qui pourrait omettre certaines perspectives locales ou non anglophones. De plus, parce qu'ils ont analysé des résumés plutôt que des textes intégraux, ils ont capturé les grandes lignes de la manière dont ces outils sont décrits, mais pas les détails profonds et nuancés de chaque leçon. Malgré ces limites, l'étude fournit une carte solide et fondée sur des preuves de la situation actuelle. Elle éloigne la conversation de la spéculation pour l'orienter vers une compréhension claire de la manière dont l'intelligence artificielle est réellement positionnée dans l'enseignement des sciences aujourd'hui.

En fin de compte, l'étude brosse le portrait d'une profession qui s'adapte à un nouvel outil avec une sageszza pratique. L'intelligence artificielle n'arrive pas comme une force mystérieuse qui dictera l'avenir de l'éducation. Elle arrive comme une ressource que les enseignants apprennent à utiliser, à façonner et à diriger. La recherche montre que les enseignants n'attendent pas que la technologie résolve leurs problèmes ; ils cherchent activement comment l'utiliser pour résoudre les problèmes auxquels ils sont déjà confrontés. En se concentrant sur les pratiques réelles décrites dans des centaines d'études, les chercheurs ont montré que l'intégration de l'intelligence artificielle dans l'enseignement des sciences est une histoire d'agence humaine. C'est l'histoire d'enseignants utilisant de nouveaux outils pour mieux faire leur métier, garantissant que la technologie serve les objectifs de l'apprentissage plutôt que l'inverse.