Learning Energy for Sustainable Learning with Artificial Intelligence in Higher Education
Cet article de perspective introduit le cadre de l'« Énergie d'Apprentissage », un modèle multidimensionnel intégrant cinq théories psychologiques pour expliquer comment l'IA générative peut soit épuiser, soit dynamiser les apprenants de l'enseignement supérieur à travers l'évaluation des ressources, offrant ainsi une approche complète pour comprendre et soutenir le bien-être académique dans les environnements médiatisés par l'IA.
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 l'université moderne, l'acte d'apprendre a discrètement changé de texture. Pendant des décennies, l'éducation s'est appuyée sur la compréhension de la manière dont les étudiants restent motivés, dont ils s'engagent dans des matières difficiles et dont ils maintiennent leur bien-être mental. Ce sont des concepts familiers : la motivation est la raison pour laquelle un étudiant commence une tâche, l'engagement est l'effort qu'il y met, et le bien-être est le sentiment de fonctionner sainement. Pourtant, une nouvelle force est entrée dans la salle de classe, une force qui ne se contente pas de rester sur une étagère mais qui participe activement au processus de pensée. L'intelligence artificielle générative, cette technologie capable de rédiger des essais, d'expliquer des idées complexes et d'offrir un retour instantané, est passée de la marge au centre de la vie académique quotidienne. Elle offre rapidité et clarté, mais elle apporte aussi un paradoxe. Un étudiant peut terminer un devoir plus rapidement tout en réfléchissant moins, ou il peut utiliser le même outil pour approfondir sa compréhension et vérifier ses propres idées. La question à laquelle les éducateurs et les chercheurs sont confrontés n'est plus seulement de savoir si cette technologie fonctionne, mais comment elle modifie le carburant interne qui soutient l'apprenant.
Une nouvelle perspective de l'Université de Phuong Dong propose une manière de mesurer ce carburant interne, en l'appelant « Énergie d'Apprentissage ». Ce concept n'est pas un sentiment unique comme l'excitation ou la fatigue, mais une ressource dynamique qui permet à une personne de commencer, de maintenir et de réguler son apprentissage. L'auteur, Van Huong Nguyen, suggère que cette énergie est renouvelable et socialement partagée. Ce n'est pas quelque chose qu'un étudiant porte seul dans sa tête ; elle est générée et épuisée par la façon dont il interagit avec la technologie, ses pairs, ses enseignants et les règles de son institution. L'article soutient que nous ne pouvons pas comprendre l'impact de l'intelligence artificielle en regardant seulement la note finale ou la vitesse du travail. Au lieu de cela, nous devons regarder si la technologie aide l'étudiant à penser clairement, à se sentir assez en sécurité pour prendre des risques, à persévérer face à la difficulté, à se connecter aux autres et à rester le véritable auteur de son propre travail.
La recherche commence par observer que les idées existantes sur l'apprentissage sont trop fragmentées pour expliquer ce qui se passe actuellement. Nous avons des théories sur la motivation, sur la façon dont les gens gèrent leurs ressources, et sur la façon dont les connexions sociales nous aident à agir, mais elles sont souvent étudiées de manière isolée. Le papier tisse ces fils séparés en un cadre cohérent unique. Il suggère que l'énergie d'apprentissage possède cinq dimensions distinctes mais connectées. La première est l'énergie cognitive, la clarté mentale nécessaire pour traiter l'information. La deuxième est l'énergie émotionnelle, le sentiment de sécurité et de confiance qui permet à un étudiant de gérer l'incertitude. La troisième est l'énergie motivationnelle, la force qui permet à un étudiant de continuer à travailler quand une tâche devient difficile. La quatrième est l'énergie socio-relationnelle, la disposition à apprendre qui provient du sentiment d'être connecté à ses pairs et à ses enseignants. Enfin, il y a l'énergie agentique, la capacité de rester le décideur et l'auteur responsable de l'œuvre.
Le cadre explique que l'intelligence artificielle peut soit construire cette énergie, soit l'épuiser, selon la façon dont elle est utilisée et la perception qu'en a l'étudiant. Lorsqu'un étudiant utilise la technologie pour clarifier une idée déroutante, obtenir un exemple rapide ou répéter un concept difficile sans crainte du jugement, l'outil agit comme un générateur. Il abaisse la barrière pour commencer une tâche et peut faire en sorte que l'étudiant se sente plus capable. Cependant, le même outil peut devenir un drain s'il conduit à une dépendance excessive. Si un étudiant se contente de copier le résultat sans réfléchir, ou si la technologie remplace le besoin de vérifier les faits, l'effort mental requis pour apprendre disparaît, et avec lui, le sentiment de propriété. L'article note que cela peut mener à un état d'« isolement efficace », où un étudiant produit un travail rapidement mais se sent déconnecté de ses pairs et incertain de ses propres capacités.
Pour donner un sens à ces différents résultats, l'auteur décrit quatre profils possibles de la manière dont les étudiants vivent cet environnement. Un groupe, manquant à la fois d'un soutien humain fort et d'une utilisation efficace de la technologie, peut se sentir épuisé et anxieux. Un autre groupe, fortement soutenu par les enseignants et les pairs mais avec moins de recours à la technologie, peut faire preuve de résilience. Un troisième groupe, utilisant des niveaux élevés d'intelligence artificielle mais manquant de connexion humaine, peut se retrouver dans un état d'isolement efficace, où la vitesse se fait au détriment de l'apprentissage profond et de l'appartenance sociale. Le profil idéal, décrit comme une « co-agence énergisée », survient lorsque une intelligence artificielle de haute qualité est combinée à un soutien humain fort. Dans ce scénario, la technologie aide à générer des idées, mais l'étudiant, guidé par les enseignants et les pairs, vérifie, critique et affine ces idées. Le résultat est un processus d'apprentissage où l'étudiant se sent clair, confiant, connecté et pleinement maître de lui-même.
L'article souligne que cette énergie n'est pas un trait fixe mais un cycle qui monte et descend. Un étudiant peut commencer une tâche avec une énergie élevée, utilisant la technologie pour un démarrage rapide. À mesure que le travail progresse, si les exigences de vérification et de pensée critique augmentent sans soutien, cette énergie peut s'épuiser. Cependant, si l'étudiant prend le temps de réfléchir, discute du travail avec un pair ou reçoit des conseils clairs d'un enseignant, l'énergie peut être régénérée. Le cadre suggère que l'apprentissage durable dépend de cette capacité à récupérer. Il ne suffit pas d'avoir accès à des outils puissants ; l'environnement éducatif doit fournir les conditions permettant à l'étudiant de récupérer ses ressources mentales et émotionnelles. Cela inclut des politiques claires qui réduisent l'anxiété liée aux règles, des méthodes d'évaluation qui valorisent le processus de pensée plutôt que le produit final, et une culture où les étudiants sont encouragés à questionner et à vérifier ce que la technologie leur dit.
L'auteur propose que cette nouvelle façon de regarder l'apprentissage offre une solution à la confusion entourant l'intelligence artificielle dans l'éducation. Elle déplace la conversation au-delà des simples questions de savoir si la technologie est bonne ou mauvaise. Au lieu de cela, elle demande si la manière spécifique dont un étudiant utilise l'outil l'aide à penser, ressentir et agir en tant qu'apprenant responsable. La recherche suggère que lorsque l'intelligence artificielle soutient le besoin d'autonomie, de compétence et de connexion de l'étudiant, elle alimente son apprentissage. Lorsqu'elle remplace ses choix ou l'isole, elle l'épuise. Le document ne prétend pas avoir résolu le problème de la façon d'enseigner avec l'intelligence artificielle, mais il fournit un vocabulaire et une carte pour comprendre les coûts et les bénéfices cachés de la technologie. Il invite les éducateurs à concevoir des expériences d'apprentissage qui ne produisent pas seulement des résultats plus rapides, mais qui préservent et renouvellent la capacité humaine à apprendre, à penser et à s'épanouir dans un monde de plus en plus façonné par les machines.
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.