📄 social_science

Developing Pre-service Primary Teachers’ Creative Pedagogical Behaviours through STEAM Design-Based Learning in Viet Nam

Cette étude démontre qu'un cours de 15 semaines d'apprentissage fondé sur la conception STEAM améliore significativement les comportements pédagogiques créatifs des futurs enseignants du primaire au Vietnam en favorisant un processus discipliné d'adaptation des idées STEAM aux programmes locaux et aux contraintes de la classe, malgré des défis dans la mise en œuvre de la micro-enseignement et une utilisation critique limitée de l'IA générative pour la réflexion.

Auteurs originaux : Tuan Minh Dang

Publié 2026-06-28

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Tuan Minh Dang

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

La vue d'ensemble : De l'« idée géniale » à la « leçon enseignable »

Imaginez que vous êtes un chef cuisinier. Vous avez une idée brillante et sophistiquée pour un nouveau plat : des « Spaghetti Galactiques » qui changent de couleur quand on les mange. Cela semble incroyable et créatif, n'est-ce pas ? Mais si vous essayez de servir cela à un groupe de sept ans dans une cantine scolaire, cela pourrait être un désastre. La sauce pourrait être trop épicée, l'ingrédient changeur de couleur pourrait être toxique, ou les enfants pourraient être trop distraits par la couleur pour réellement manger leur déjeuner.

Cette étude porte sur la formation des futurs enseignants du primaire (les chefs) pour qu'ils arrêtent de simplement rêver de « Spaghetti Galactiques » et commencent à comprendre comment servir réellement un repas délicieux, sûr et éducatif à de vrais enfants.

Les chercheurs au Vietnam voulaient voir si un cours de 15 semaines pouvait aider ces futurs enseignants à transformer des idées créatives en un enseignement créatif. Ils se sont concentrés sur le STEAM (Science, Technologie, Ingénierie, Arts et Mathématiques) et ont utilisé un nouvel outil appelé IA Générative (comme ChatGPT) pour les aider à faire du brainstorming.

L'expérience : Une « salle de sport de la conception » de 15 semaines

L'étude s'est déroulée dans une université à Hanoï, au Vietnam. Ils ont soumis 63 futurs enseignants à une « salle de sport de la conception » pendant 15 semaines. Au lieu de simplement rester assis lors de conférences, ces étudiants devaient :

Réfléchir à un projet STEAM (comme construire un filtre à eau ou une poubelle intelligente).
Construire un prototype de celui-ci.
Enseigner une version courte de la leçon à leurs pairs (appelé « micro-enseignement »).
Recevoir des commentaires et redessiner la leçon.
Utiliser l'IA pour les aider à trouver des idées tout au long du processus.

Ce qu'ils ont trouvé : Les moments « Eurêka ! »

Les chercheurs ont examiné le travail des étudiants, leurs plans de cours et les ont interrogés pour voir comment leurs « muscles d'enseignement créatif » se développaient. Voici les principales conclusions, expliquées simplement :

1. La créativité n'est pas seulement de la « nouveauté » ; c'est de l'« adéquation »

Avant le cours, les étudiants pensaient que la créativité consistait à trouver l'idée la plus sauvage et la plus unique possible. À la fin, ils ont réalisé que la véritable créativité pédagogique réside dans l'adaptation.

L'analogie : C'est comme avoir un chêne géant et lourd (une excellente idée) et réaliser que vous devez le faire entrer dans une petite jardinière ensoleillée (une classe de primaire). La créativité ne réside pas dans l'arbre ; elle réside dans la capacité à tailler les branches, à changer la terre et à s'assurer que l'arbre survive réellement dans cette jardinière spécifique.
Le résultat : Les étudiants sont devenus bien meilleurs pour « tailler » leurs idées. Ils ont appris à simplifier des concepts scientifiques complexes pour qu'un enfant de 6 ans puisse les comprendre et à utiliser des matériaux réellement disponibles dans les écoles vietnamiennes.

2. Le « test de résistance » (Micro-enseignement)

Le progrès le plus important s'est produit lorsque les étudiants ont essayé d'enseigner leur leçon, même si ce n'était que pour quelques minutes à leurs camarades de classe.

L'analogie : Écrire un plan de cours, c'est comme dessiner la carte d'une chasse au trésor. Le micro-enseignement, c'est réellement parcourir le chemin. Vous pensez peut-être que le chemin est dégagé sur papier, mais quand vous le parcourez, vous réalisez qu'un énorme rocher bloque le passage ou que la carte est confuse.
Le résultat : Les étudiants ont appris que leurs « cartes » (plans de cours) avaient souvent des lacunes. Ils ont réalisé qu'ils devaient modifier leur gestion du temps, clarifier leurs instructions et s'assurer que le « trésor » (la leçon de science) était réellement trouvé par les « explorateurs » (les élèves). Cette capacité à observer leur propre travail, à repérer les problèmes et à les corriger est appelée Agentivité Pédagogique Réflexive. C'est le domaine où ils se sont le plus améliorés.

3. L'assistant IA vs le Capitaine Humain

Les étudiants ont beaucoup utilisé l'IA (IA générative), mais pas de la manière à laquelle on pourrait s'attendre.

L'analogie : Considérez l'IA comme un agent de voyage très rapide et très instruit. Elle peut instantanément suggérer 50 destinations de vacances différentes et rédiger un itinéraire parfait. Cependant, si vous laissez l'agent de voyage conduire la voiture, vous pourriez finir dans un marécage parce qu'il ne connaît pas l'état de la route.
Le résultat : Les étudiants ont principalement utilisé l'IA au début pour explorer des idées et lister des matériaux. Mais ils l'ont rarement utilisée pour critiquer leur propre travail ou vérifier si la leçon était réellement sûre et adaptée à l'âge des enfants. Ils ont appris qu'ils devaient être le Capitaine. Ils utilisaient les suggestions de l'IA comme des ingrédients bruts, mais ils devaient cuisiner le repas eux-mêmes, en goûtant pour s'assurer qu'il n'était pas trop salé ou trop épicé pour les enfants.
Conclusion clé : Plus les étudiants dépendaient de l'IA pour penser à leur place, moins leurs propres compétences d'enseignement créatif progressaient. La magie opérait lorsqu'ils utilisaient l'IA pour élargir leurs options, puis utilisaient leur propre jugement humain pour choisir et affiner la meilleure option.

4. Le « Produit » vs le « Processus »

Le résultat : Les projets finaux (les filtres à eau, les ponts) étaient en fait assez bons et réalisables pour de vraies classes. Cependant, les étudiants étaient encore un peu fragiles sur la manière d'enseigner la leçon autour du produit. Ils étaient excellents pour construire le « jouet », mais oubliaient parfois d'expliquer clairement la « science » qui se cache derrière.
La leçon : Un projet scientifique cool n'est utile que si l'enseignant peut guider les élèves pour qu'ils demandent « Pourquoi cela fonctionne-t-il ? » plutôt que simplement « Regardez ce truc cool ».

L'essentiel

Cette étude nous dit qu'enseigner la créativité aux futurs enseignants ne consiste pas à leur dire d'être « plus imaginatifs ». Il s'agit de leur donner un processus discipliné :

Avoir une idée.
Essayer de l'enseigner.
Réaliser là où elle échoue.
La corriger en fonction de la réalité de la classe.

Elle nous avertit également que, bien que l'IA soit un outil fantastique pour générer des idées, elle ne peut pas remplacer le cerveau de l'enseignant. L'enseignant doit être celui qui décide si une idée est sûre, équitable et réellement éducative pour un groupe spécifique d'enfants.

En bref : Les futurs enseignants ont appris qu'être un « enseignant créatif » ne signifie pas avoir l'idée la plus tape-à-l'œil ; cela signifie avoir la compétence de prendre une bonne idée et de la façonner jusqu'à ce qu'elle s'adapte parfaitement au monde complexe et réel d'une classe de l'école primaire.

Résumé technique : Développer les comportements pédagogiques créatifs des futurs enseignants du primaire par l'apprentissage fondé sur la conception STEAM au Vietnam

Énoncé du problème
Bien que les projets STEAM (Science, Technologie, Ingénierie, Arts et Mathématiques) soient fréquemment décrits comme créatifs, il existe une compréhension empirique limitée de la manière dont les futurs enseignants du primaire apprennent à traduire ces concepts créatifs en conceptions de leçons pédagogiquement responsables. Un écart critique subsiste entre la génération d'idées novatrices et le processus discipliné d'adaptation de ces idées pour répondre aux objectifs curriculaires, aux besoins des apprenants, aux contraintes matérielles et à la faisabilité en classe. De plus, l'intégration de l'intelligence artificielle générative (IA générative) dans ce processus de conception ajoute une complexité ; si l'IA générative peut aider à l'idéation, elle risque d'obscurcir la nécessité du jugement pédagogique humain. Dans le contexte du Vietnam, où les réformes curriculaires nationales mettent l'accent sur l'apprentissage par compétences et intégré, il manque des données concernant la manière dont les futurs enseignants cultivent des comportements pédagogiques créatifs lors de la conception de leçons STEAM et de l'utilisation de l'IA générative.

Méthodologie
L'étude a employé un plan d'étude de cas à méthodes mixtes intégrées impliquant 63 futurs enseignants du primaire inscrits à un cours universitaire de 15 semaines intitulé « Projets éducatifs STEAM dans l'enseignement primaire » à l'Université nationale du Vietnam, Hanoï. Le cours a suivi une trajectoire d'apprentissage fondé sur la conception, allant de la formation de concepts à la planification de leçons, la construction de prototypes, la micro-enseignement, le feedback et la redéfinition.

La collecte de données comprenait :

Quantitatif : Une enquête rétrospective pré- et post-test mesurant les Comportements Pédagogiques Créatifs (CPC) selon quatre dimensions : la génération d'idées, l'approfondissement/l'affinement des idées, l'ouverture à l'exploration et l'agentivité pédagogique réflexive.
Analyse d'artefacts : 18 plans de leçons de groupe et artefacts STEAM ont été évalués par deux enseignants universitaires à l'aide d'une grille de notation à sept critères (ex. : intégration STEAM, faisabilité, mise en œuvre lors de la micro-enseignement).
Qualitatif : Des réponses à des enquêtes ouvertes et des entretiens semi-directifs avec 15 étudiants sélectionnés de manière intentionnelle.
Utilisation de l'IA générative : Données auto-rapportées sur la fréquence et l'objectif de l'utilisation de l'IA générative pendant le processus de conception.

L'analyse comprenait des tests t appariés pour les données d'enquête, des statistiques descriptives pour les scores de la grille de notation, et une analyse thématique déductive-inductive pour les données qualitatives. L'étude a explicitement évité les affirmations causales, présentant les résultats comme des développements rapportés et des modèles associés.

Résultats clés

Développement des comportements pédagogiques créatifs : Les participants ont signalé une augmentation statistiquement significative de l'ensemble des CPC ( $t(34) = 5,58, p = 0,000$ ), la croissance la plus substantielle ayant été observée dans l'agentivité pédagogique réflexive (gain = 0,24, $p < ,001$ ). Cela indique un passage vers la capacité d'évaluer les décisions de conception et de les réviser sur la base de preuves.
Qualité des artefacts vs Mise en œuvre : Les scores de la grille de notation indiquent que la majorité des projets se situaient à un niveau « compétent » (Moyenne = 3,16/4). Les critères les plus forts étaient l'intégration STEAM et la faisabilité dans les classes vietnamiennes. À l'inverse, les scores de la mise en œuvre lors de la micro-enseignement et de la réflexion/redéfinition étaient plus faibles, suggérant que si les étudiants pouvaient concevoir des concepts viables, l'exécution pratique et l'affinement itératif des stratégies d'enseignement étaient moins développés.
Modèles d'utilisation de l'IA générative : L'IA générative a été largement utilisée (98,4 % des répondants), principalement pour l'idéation (79,4 %), la connexion des composants STEAM (69,8 %) et la révision des objectifs (66,7 %). Cependant, son utilisation pour la revue critique, la vérification des idées ou la réflexion post-micro-enseignement était nettement inférieure (15,9–25,4 %). Une corrélation négative a été trouvée entre la fréquence d'utilisation de l'IA générative et le gain de CPC ( $r = -0,35$ ), suggérant qu'une dépendance excessive à l'IA sans adaptation critique peut ne pas être corrélée à la croissance pédagogique.
Perspectives qualitatives : Les entretiens ont révélé que les étudiants considéraient la créativité non pas comme la production d'artefacts nouveaux, mais comme un processus d'adaptation disciplinée. Les étudiants ont décrit la réduction d'idées techniques complexes en tâches adaptées à l'âge, la localisation des matériaux, et l'utilisation de la micro-enseignement comme un « test de résistance » pour identifier les failles de timing, d'instructions et d'engagement. Ils ont distingué l'utilisation de l'IA générative comme un outil pour élargir l'espace des idées par rapport à la substitution de leur propre jugement professionnel.

Principales contributions

Reconceptualisation de la créativité : L'étude opérationnalise la pédagogie créative non pas comme un trait de personnalité ou la nouveauté d'un produit, mais comme un comportement observable et enseignable impliquant l'adaptation des idées aux contraintes (curriculum, matériel, temps) et la justification des choix de conception.
Formation des enseignants en STEAM : Elle démontre que l'apprentissage fondé sur la conception STEAM sert d'environnement d'apprentissage professionnel où les futurs enseignants passent d'« idées de produits attrayants » à des « expériences d'apprentissage scientifique pédagogiquement valides ».
L'IA générative dans la conception : Les résultats remettent en question l'hypothèse selon laquelle l'augmentation de l'usage de l'IA améliore automatiquement la créativité. Au lieu de cela, ils soulignent que la valeur pédagogique de l'IA générative dépend de la capacité de l'utilisateur à l'évaluation critique, à la localisation et au maintien de l'agentivité humaine dans la boucle de conception.
Intégration méthodologique : L'étude combine l'auto-évaluation, la notation modérée par grille et les entretiens qualitatifs pour fournir une vue triangulée de l'apprentissage de l'enseignant, évitant de réduire la créativité à de simples scores d'enquête ou à des produits d'exposition.

Signification et affirmations
L'article affirme que l'étude fournit des preuves empiriques de l'importance de l'adaptation pédagogique disciplinée dans la formation des enseignants. Il soutient que pour que les futurs enseignants mettent en œuvre efficacement le STEAM, ils doivent apprendre à naviguer entre la conception innovante et la faisabilité en classe. L'étude pose que la micro-enseignement est essentielle non pas simplement comme une évaluation de performance, mais comme un test de conception qui révèle les problèmes pédagogiques cachés.

Concernant l'IA générative, l'étude affirme que bien que l'IA puisse élargir l'espace de conception et faciliter le lien entre les composants STEAM, elle ne peut remplacer le rôle de l'enseignant dans la validation, la contextualisation et l'adaptation éthique du contenu. La signification réside dans la démonstration que la pédagogie créative est un jugement professionnel appris à travers des cycles de conception, de mise en œuvre, de feedback et de redéfinition, plutôt qu'une disposition statique. Les auteurs mettent en garde contre toute affirmation de causalité excessive en raison de la conception rétrospective sur une cohorte unique, mais affirment que les résultats offrent un cadre robuste pour comprendre comment les futurs enseignants développent la capacité de rendre les idées STEAM enseignables dans des contextes réels.