AI Literacy and Academic Performance among Non-STEM Students in KNUST: The Roles of LMS Quality and Blended-Learning Satisfaction

Dans l'université moderne, l'apprentissage s'est étendu au-delà de la salle de classe traditionnelle. Les étudiants naviguent désormais dans un monde hybride où l'enseignement en face à face se mêle à des plateformes numériques qui hébergent des supports, facilitent les discussions et dispensent des évaluations. Cette couche numérique est souvent gérée par un système de gestion de l'apprentissage (LMS), un centre logiciel qui agit comme le système nerveux central d'un cours. Pour que ces systèmes fonctionnent bien, ils doivent être fiables, faciles à utiliser et réactifs. Cependant, la technologie elle-même n'est que la moitié de l'équation. L'autre moitié est la capacité de l'étudiant à comprendre et à interagir avec les outils à sa disposition, un ensemble de compétences de plus en plus défini comme la littératie en IA. Ce concept va au-delà du simple fait de savoir taper une requête ; il implique la confiance technique, éthique et pratique pour utiliser les outils intelligents de manière efficace. Alors que les universités au Ghana et dans le monde entier intègrent ces technologies, une question critique se pose : le fait de savoir utiliser ces outils numériques aide-t-il réellement un étudiant à obtenir de meilleures notes, ou la connexion est-elle plus complexe ?

Des chercheurs de l'Université de science et technologie Kwame Nkokuah (KNUST) au Ghana ont entrepris de démêler cette relation, en se concentant spécifiquement sur les étudiants qui ne font pas des études en sciences, technologie, ingénierie ou mathématiques (STEM). Ces étudiants non-STEM sont souvent confrontés à des défis éducatifs différents et peuvent ne pas recevoir le même niveau de formation computationnelle que leurs pairs des domaines techniques. L'équipe de recherche a interrogé 432 étudiants des départements d'Éducation des enseignants et d'Innovation éducative de l'université. Ils ont demandé à ces étudiants d'évaluer leur propre compréhension de l'intelligence artificielle, la façon dont ils percevaient la qualité de la plateforme d'apprentissage numérique de l'université, leur degré de satisfaction vis-à-vis de l'expérience d'apprentissage hybride, et leur niveau de performance académique. En recueillant ces perspectives, les chercheurs visaient à voir comment ces différents facteurs s'influençaient les uns les autres pour façonner la réussite d'un étudiant.

L'étude a révélé un chemin clair et séquentiel qui mène à de meilleurs résultats académiques. Elle a constaté que les étudiants ayant des niveaux plus élevés de littératie en IA avaient tendance à percevoir le système d'apprentissage numérique de l'université comme étant de meilleure qualité. Lorsque les étudiants comprennent la technologie, le système leur semble plus utilisable et fiable. Cette perception de la qualité, à son tour, a conduit à une plus grande satisfaction vis-à-vis de l'expérience d'apprentissage hybride. Lorsque les étudiants sentaient que le système fonctionnait bien pour eux, ils déclaraient être plus satisfaits de leur formation globale. Enfin, cette satisfaction était un prédicteur fort de la performance académique. En d'autres termes, le chemin vers de meilleures notes pour ces étudiants ne passait pas directement de la connaissance de l'IA à l'obtention d'un A. Au lieu de cela, la connaissance de l'IA a amélioré la perception qu'ils avaient du système, ce qui les a rendus plus heureux de leur environnement d'apprentissage, et ce bonheur a stimulé leur réussite académique.

De manière cruciale, les chercheurs ont découvert que la qualité du système numérique seule n'améliorait pas directement les notes. Une plateforme bien conçue, sans l'engagement et la satisfaction de l'étudiant, ne suffisait pas à garantir le succès. La qualité du système n'importait que parce qu'elle influençait la satisfaction ressentie par les étudiants. De plus, l'étude a montré que la littératie en IA avait bien un effet positif direct, bien que plus faible, sur la performance académique, mais que la voie principale vers le succès passait par la chaîne de perception et de satisfaction. Les données ont également infirmé l'idée que la qualité du système numérique seule pourrait combler le fossé entre la connaissance de l'IA et les notes ; ce raccourci spécifique n'existait pas dans les résultats. Le lien le plus fort était le parcours complet : de la connaissance de l'IA à la perception du système, à la satisfaction, et enfin à la performance.

Cette découverte suggère que pour aider les étudiants non-STEM à réussir à l'ère numérique, les universités ne peuvent pas simplement investir dans de meilleurs logiciels ou attendre que les étudiants maîtrisent la technologie par eux-mêmes. Les conclusions indiquent que les institutions doivent soutenir les étudiants dans le développement de leur littératie en IA afin qu'ils puissent naviguer dans ces systèmes avec confiance. Lorsque les étudiants se sentent compétents avec les outils, ils perçoivent les systèmes plus positivement, ce qui conduit à une expérience d'apprentissage plus satisfaisante et, finalement, à de meilleurs résultats académiques. La recherche souligne que dans un environnement d'apprentissage hybride, l'élément humain de la satisfaction et l'élément cognitif de la littératie sont tout aussi importants que l'infrastructure technique elle-même.