From transactional use to reflective engagement: Higher education students’ evolving understandings of academic integrity and generative AI
Cette étude longitudinale qualitative révèle que la compréhension qu'ont les étudiants de premier cycle et de cycles supérieurs de l'intégrité académique évolue d'une vision de l'IA générative comme un simple outil d'efficacité vers un engagement plus réflexif et éthique grâce à une interaction soutenue, suggérant que les universités devraient prioriser les approches éducatives favorisant la réflexion critique plutôt que les politiques axées sur la détection.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans la salle de classe moderne, une révolution tranquille s'est installée, non pas avec le rugissement des machines, mais avec le doux bourdonnement d'un écran d'ordinateur. Depuis des décennies, les universités s'appuient sur un ensemble de règles, écrites et non écrites, pour garantir que le travail qu'un étudiant soumet est véritablement le sien. Ce concept, connu sous le nom d'intégrité académique, repose sur l'idée que l'apprentissage est un voyage personnel de croissance, où l'honnêteté, la responsabilité et le courage de fournir l'effort nécessaire comptent plus que l'obtention d'une simple note. C'est la conviction qu'un diplôme doit représenter un esprit qui a été étiré et façonné par l'effort, et non un esprit qui l'a contourné. Récemment, une nouvelle force est entrée dans ce paysage : l'intelligence artificielle générative. Ce sont des programmes informatiques capables de rédiger des essais, de résoudre des problèmes et de créer des idées qui semblent et sonnent comme si elles venaient d'un humain. Ils offrent une vitesse et une commodité incroyables, mais ils brouillent également les lignes de savoir qui est réellement en train de réfléchir. La question centrale pour les éducateurs et les étudiants est devenue difficile à trancher : quand une machine vous aide à écrire, où commence et où finit votre apprentissage ?
Une équipe de chercheurs d'une université régionale d'Australie a décidé d'arrêter de deviner pour commencer à observer. Au lieu de prendre un instantané unique de la façon dont les étudiants perçoivent ces outils, ils se sont lancés dans un long voyage, suivant un groupe de vingt étudiants sur quinze mois. Ils voulaient voir si, et comment, la compréhension de l'honnêteté et de l'apprentissage par les étudiants changeait au fil de leur vie quotidienne avec ces technologies. Les chercheurs ont interrogé les étudiants à quatre reprises, leur demandant non seulement ce qu'ils faisaient, mais aussi ce qu'ils ressentaient à ce sujet, ce qui les inquiétait et comment ils donnaient du sens au travail qu'ils produisaient. L'objectif était de comprendre l'histoire de l'esprit d'un étudiant s'adaptant à un monde où les réponses sont à portée de clic.
L'histoire qui en est ressortie n'était pas un récit simple d'étudiants détournant la technologie ou devenant soudainement exemplaires. Au début, les étudiants voyaient l'intelligence artificielle comme un outil de rapidité. Ils l'utilisaient pour terminer les devoirs rapidement, pour polir leur grammaire ou pour générer une structure pour un rapport. À ce stade, l'accent était entièrement mis sur le résultat : accomplir la tâche efficacement. Pour beaucoup, l'idée d'intégrité académique était une simple question d'évitement de problèmes ; ils voulaient s'assurer de ne pas se faire prendre en train de faire quelque chose de mal, mais ils ne réfléchissaient pas encore profondément à la propriété des idées ou à ce qu'ils apprenaient réellement. La machine était un raccourci, et l'étudiant était le conducteur, mais le moteur faisait la majeure partie du travail.
Au fil des mois, le tableau a commencé à changer. Les étudiants ont commencé à se heurter aux limites de la technologie. Ils ont découvert que l'IA donnait parfois des réponses trop vagues, factuellement incorrectes ou qui ne correspondaient tout simplement pas aux besoins spécifiques de leur devoir. Un étudiant a décrit avoir reçu une réponse si générique qu'il a dû demander à l'ordinateur de réessayer avec des mots différents. Un autre a réalisé qu'en raison de sa dépendance excessive envers la machine, il ne pouvait pas expliquer son propre devoir à un professeur. Ces moments de friction furent cruciaux. Ils ont forcé les étudiants à s'arrêter et à réfléchir. Ils ont commencé à remettre en question la fiabilité de l'outil et, plus important encore, à questionner leur propre rôle dans le processus. Ils ont commencé à réaliser que s'ils ne comprenaient pas le travail qu'ils soumettaient, ils n'avaient rien réellement appris.
Lors de la phase finale de l'étude, un nouveau schéma était apparu pour de nombreux participants. Ils n'utilisaient plus seulement l'IA pour terminer une tâche ; ils l'utilisaient pour tester leur propre compréhension. Ils demandaient à l'ordinateur d'expliquer un concept, puis vérifiaient cette explication avec leurs propres manuels. Ils utilisaient l'outil pour explorer différentes perspectives, mais réécrivaient ensuite les idées avec leurs propres mots pour s'assurer qu'ils saisissaient véritablement le sens. Certains ont même commencé à aider leurs pairs à utiliser la technologie de manière responsable, les encourageant à la voir comme un partenaire d'apprentissage plutôt que comme un raccourci. Les étudiants étaient passés d'une relation transactionnelle avec la machine, où ils échangeaient des requêtes contre des réponses, à une relation réflexive, où ils utilisaient l'outil pour approfondir leur propre pensée. Ils reprenaient possession de leur apprentissage, mais cette fois avec une conscience nouvelle et plus critique de la technologie qui les entoure.
Les chercheurs ont constaté que ce changement n'était pas une ligne droite suivie par tous les étudiants. Certains continuaient à utiliser les outils principalement pour la rapidité, tandis que d'autres ne devenaient plus réflexifs que dans certains cours ou lorsque les devoirs exigeaient une réflexion profonde. Le changement dépendait de nombreux facteurs, notamment les commentaires reçus des enseignants, les attentes de leur domaine d'études spécifique et les occasions de discuter de ces questions avec leurs pairs. L'étude suggère que la capacité à utiliser ces outils de manière éthique n'est pas quelque chose qu'un étudiant possède ou ne possède pas ; c'est une compétence qui peut se développer par l'expérience et la réflexion. Il ne s'agit pas de suivre un ensemble rigide de règles pour éviter les punitions, mais d'apprendre à porter des jugements éclairés sur le moment et la manière d'utiliser une nouvelle ressource puissante.
Cette perspective à long terme offre une voie différente pour les universités. Au lieu de se concentrer uniquement sur la détection des étudiants qui détournent la technologie, les conclusions suggèrent que les établissements devraient concevoir des expériences d'apprentissage qui encouragent ce type de pensée critique. Lorsque les devoirs demandent aux étudiants d'expliquer leur raisonnement, de vérifier l'information ou de justifier leurs choix, ils créent un espace où les étudiants doivent s'engager profondément avec la matière, rendant plus difficile le recours aveugle à une machine. L'étude indique que lorsque les étudiants disposent d'un espace pour réfléchir à leur propre apprentissage et au rôle de la technologie, ils commencent naturellement à développer une approche plus responsable et réfléchie. Le défi pour l'éducation n'est pas d'interdire ces nouveaux outils, mais d'aider les étudiants à apprendre à les utiliser d'une manière qui renforce, plutôt qu'elle ne remplace, leur propre esprit.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.