Teaching About AI or With AI? In-Service Teachers’ Experiences in a Korean AI Convergence Education Program

Dans les salles de classe de toute la Corée du Sud, une transformation silencieuse est en cours. Depuis des décennies, les enseignants sont les experts dans leurs domaines, guidant les élèves à travers l'histoire, les sciences ou la littérature. Mais récemment, une nouvelle matière est arrivée : l'intelligence artificielle. Le gouvernement a décidé que chaque élève devait comprendre comment fonctionnent ces machines intelligentes, et l'étape logique suivante consistait à former les enseignants. Cela a créé une situation unique où des éducateurs expérimentés, qui savent déjà comment diriger une classe, ont dû retourner à l'école pour apprendre un tout nouveau langage technique. La question centrale posée aux éducateurs et aux décideurs politiques n'est pas seulement de savoir si les enseignants peuvent apprendre les faits concernant l'intelligence artificielle, mais s'ils peuvent prendre ces faits et les tisser dans les leçons qu'ils enseignent déjà. Un professeur d'histoire peut-il utiliser l'intelligence artificielle pour aider les élèves à comprendre le passé, ou ce nouveau savoir reste-t-il enfermé dans une boîte séparée, utile uniquement pour les cours d'informatique ?

Cette histoire provient d'un recoin spécifique de la Corée du Sud, où le gouvernement a lancé un programme massif de reconversion pour les enseignants. Depuis 2020, trente-huit universités proposent des diplômes d'études supérieures spécialisés pour les enseignants en activité, axés sur ce qu'on appelle « l'éducation de convergence de l'IA ». L'idée est de fusionner l'intelligence artificielle avec les matières traditionnelles. Pour comprendre comment cela fonctionne dans le monde réel, deux chercheurs des universités de Séoul et de Hannam ont suivi un petit groupe d'enseignants et un instructeur à travers ce programme. Ils ne se sont pas contentés d'examiner les scores aux tests ou des listes de contrôle ; ils se sont assis avec les participants pour entendre leurs récits sur ce qu'ils ont ressenti en apprenant ce nouveau matériel et en essayant de l'utiliser à nouveau dans leurs propres écoles.

Les enseignants qui ont rejoint le programme ne se sont pas inscrits parce qu'ils étaient soudainement fascinés par les robots ou le code. Ils se sont inscrits principalement en réponse à des pressions pratiques, telles que la nécessité d'interagir avec l'IA dans leurs écoles, et parce que le gouvernement offrait des subventions de scolarité qui ont rendu la décision possible. Une enseignante, qui travaille dans un lycée pour étudiants scientifiques, a découvert que ses élèves construisaient des projets dans des langages informatiques qu'elle ne pouvait pas lire. Elle se sentait dépassée et avait besoin de rattraper son retard. Un autre enseignant d'une école primaire a admis que sa motivation était « impure ». Il avait besoin de l'argent de la scolarité offert par le gouvernement, et il préparait également un examen de promotion. Pourtant, sous les raisons pratiques, il y avait un sentiment partagé d'urgence. Ils savaient que l'intelligence artificielle arrivait dans leurs écoles, et ils savaient qu'ils seraient attendus pour montrer la voie. Ils sont entrés dans le programme de troisième cycle dans l'espoir de trouver une voie claire.

À l'intérieur des salles de classe universitaires, les enseignants ont beaucoup appris sur la technologie elle-même. Ils ont étudié comment les machines apprennent, comment analyser les données et comment écrire du code dans un langage appelé Python. Les instructeurs, qui sont des experts en informatique et en données, ont bien enseigné ces compétences techniques. Un enseignant a déclaré qu'elle pouvait enfin comprendre ce que faisaient ses élèves lorsqu'ils construisaient des projets complexes. Cependant, un fossé a commencé à se former entre ce qu'ils apprenaient à l'université et ce dont ils avaient besoin dans leurs propres classes. Les enseignants ont décrit le programme comme étant « fragmenté ». Ils apprenaient l'analyse de données dans un cours et la programmation dans un autre, mais le programme ne leur montrait jamais comment connecter ces pièces à une leçon d'histoire ou à une discussion d'éthique. Ils apprenaient l'intelligence artificielle, mais ils n'apprenaient pas à enseigner avec elle.

Les enseignants se sont retrouvés dans une position difficile. Ils comprenaient la technologie, mais ne parvenaient pas à comprendre comment l'intégrer à leurs sujets spécifiques. Un enseignant a décrit ce sentiment comme étant « désemparé ». Elle voulait greffer l'intelligence artificielle sur ses leçons, mais elle ne savait pas comment faire sans perdre la concentration de son sujet. Un autre enseignant a essayé d'utiliser une application de dessin pour aider les élèves à illustrer une histoire, mais elle a réalisé que cela n'était que l'utilisation d'un outil, et non une véritable fusion de la technologie avec la leçon. Le programme leur avait donné les outils, mais ne leur avait pas donné le plan pour construire quelque chose de nouveau avec eux. La responsabilité de trouver la connexion était entièrement laissée à l'enseignant individuel, qui devait résoudre ce puzzle seul tout en gérant un emploi à plein temps.

Les chercheurs ont constaté que la difficulté ne résidait pas seulement dans un manque de compétence, mais dans la nature même des matières. Pour un professeur de sciences, les données sont partout, donc trouver une place pour l'intelligence artificielle est relativement facile. Mais pour un professeur de langue ou de littérature, la connexion est beaucoup plus difficile à trouver. Un instructeur du programme, qui enseigne les sciences sociales, a admis qu'il pouvait aider un professeur de mathématiques ou de sciences, mais qu'il se sentait perdu lorsqu'un professeur de langue demandait de l'aide. Il pouvait leur montrer comment analyser un texte, mais il ne trouvait pas de direction pour utiliser les algorithmes plus profonds de l'intelligence artificielle d'une manière qui fasse sens pour la littérature. Cela suggère que le défi n'est pas que les enseignants échouent à apprendre, mais que le lien entre l'intelligence artificielle et certaines matières n'est pas évident, et que le programme n'a pas fourni suffisamment de soutien pour construire ce pont.

Un autre obstacle majeur était la structure même des écoles. Même lorsqu'un enseignant réussissait à créer un excellent plan de leçon mélangeant l'intelligence artificielle avec son sujet, le système scolaire rendait souvent sa mise en œuvre impossible. Dans les écoles primaires, les enseignants sont déplacés vers différents niveaux et matières chaque année par le directeur. Une enseignante qui a passé deux ans à apprendre l'intelligence artificielle pourrait être affectée à un autre niveau l'année suivante, sans temps pour mettre en œuvre ce qu'elle a appris. Dans les lycées, le système de crédits rend difficile la collaboration entre enseignants de différentes disciplines sur un seul projet. La politique supposait que si vous formez quelques spécialistes, ils diffuseraient les connaissances à tous les autres. Mais la réalité de la vie scolaire quotidienne signifiait que ce savoir restait souvent avec l'individu, incapable de prendre racine dans la communauté scolaire plus large.

L'étude a également mis en évidence une confusion quant à l'objectif réel et un manque de soutien pratique. Le programme s'appelait « éducation de convergence de l'IA », ce qui implique une fusion profonde de la technologie et du sujet traité. Cependant, les enseignants ont trouvé que le programme leur enseignait principalement comment utiliser les outils d'intelligence artificielle ou comprendre les principes de base. On leur montrait rarement comment utiliser la technologie pour résoudre des problèmes spécifiques à leurs propres matières. Un enseignant a noté que les instructeurs semblaient être en désaccord sur l'objectif : certains disaient qu'il fallait d'abord comprendre la technologie, tandis que d'autres disaient que l'accent devait être mis sur la matière. Ce manque de vision claire et unifiée laissait les enseignants avec l'impression d'essayer d'assembler un puzzle dont il manque des pièces. De plus, les participants ont rapporté que les conseils pratiques sur l'éthique de l'IA étaient insuffisants. Au lieu d'un soutien détaillé, les documents politiques étaient souvent simplement « jetés » aux enseignants avec des instructions pour enseigner le contenu, trouver des sites appropriés et utiliser les fonds fournis, transformant l'initiative en un nouveau travail sans le guidage nécessaire pour le rendre significatif. Ils apprenaient la technologie, mais ils n'apprenaient pas à la rendre significative pour leurs élèves.

Les chercheurs ont conclu que la pièce manquante dans tout ce processus est ce qu'ils appellent la « traduction pédagogique ». Il s'agit du travail difficile consistant à prendre une connaissance technique et à la transformer en une leçon qui s'adapte à un sujet spécifique. Il ne s'agit pas seulement de savoir comment une machine fonctionne ; il s'agit de savoir comment utiliser cette machine pour aider un élève à comprendre un poème, un événement historique ou un concept scientifique. Les programmes actuels sont bons pour enseigner la première partie, mais ils ne sont pas bons pour enseigner la seconde. Les enseignants n'échouent pas ; le système leur demande simplement de faire un travail que personne ne leur a montré comment accomplir.

Cette étude suggère que le simple ajout d'une formation technique supplémentaire pour les enseignants ne suffit pas. Pour que l'éducation à l'intelligence artificielle fonctionne, la formation doit changer. Elle doit se concentrer moins sur la technologie de manière isolée et davantage sur la façon dont cette technologie peut servir les objectifs spécifiques des cours d'histoire, de langue ou de sciences. Elle doit également reconnaître que les enseignants ne peuvent pas faire ce travail seuls. Ils ont besoin du soutien de leurs écoles et des programmes qui les forment, avec des exemples clairs de la façon de fusionner ces deux mondes. Tant que le fossé entre apprendre l'intelligence artificielle et apprendre à enseigner avec elle ne sera pas comblé, la promesse de cette nouvelle éducation restera hors de portée pour de nombreuses salles de classe. Les enseignants sont prêts à apprendre, mais ils ont besoin d'une carte qui leur montre comment franchir la distance entre l'amphithéâtre universitaire et leur propre bureau d'école.