Divergent research orientations of affective and emotion concepts in artificial intelligence education through a bibliometric analysis
À travers une analyse bibliométrique de 401 documents de 2020 à 2025, cette étude révèle que, bien que la recherche sur l'affect et l'émotion pilotée par l'IA se soit maturée en un écosystème cohérent avec une croissance d'inflexion significative en 2023, les deux concepts présentent des orientations divergentes — où la recherche sur l'« affect » se concentre sur la pratique éducative et la recherche sur l'« émotion » sur le développement technologique — nécessitant la proposition d'un Modèle de Production de Connaissances Dual pour guider la collaboration interdisciplinaire.
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
Imaginez le domaine de l'Intelligence Artificielle en éducation comme un immense chantier de construction en pleine effervescence. Depuis des années, deux groupes de bâtisseurs différents travaillent sur le même projet : aider les étudiants à se sentir bien et à mieux apprendre. L'un des groupes se fait appeler l'équipe « Affective », et l'autre se fait appeler l'équipe « Émotion ».
Pendant longtemps, tout le monde pensait que ces deux groupes utilisaient simplement des mots différents pour désigner exactement la même chose. Mais cette nouvelle étude, qui a examiné des centaines d'articles de recherche de 2020 à 2025, a découvert quelque chose de surprenant : ils sont en réalité en train de construire deux types de structures très différents.
Voici la décomposition de ce que l'étude a découvert, en utilisant des analogies simples :
1. Les deux plans différents
Les chercheurs ont utilisé une « analyse bibliométrique » (qui est comme une carte de haute technologie traçant où les idées se connectent) pour voir ce que ces deux groupes font réellement. Ils ont découvert que, bien qu'ils soient dans le même quartier, ils ont des plans différents :
L'équipe « Émotion » (Les Ingénieurs) :
- Ce qu'ils font : Ils sont comme des techniciens de la caméra. Leur objectif principal est de construire de meilleurs capteurs et caméras capables de prendre instantanément une photo du visage d'un étudiant ou d'écouter sa voix pour deviner : « Est-il heureux ? Est-il triste ? »
- Où ils travaillent : Ils travaillent souvent dans des laboratoires ou avec des groupes de test génériques. Ils se soucient de l'exactitude de la caméra.
- L'ambiance : « Notre machine peut-elle détecter ce sentiment en ce moment même ? »
L'équipe « Affective » (Les Éducateurs) :
- Ce qu'ils font : Ils sont comme des entraîneurs de classe. Ils se soucient moins de la caméra et davantage de la relation. Ils veulent savoir comment un étudiant se sent sur l'ensemble d'un semestre, comment il valorise l'apprentissage, et comment un enseignant peut utiliser l'IA pour soutenir l'humeur d'un étudiant.
- Où ils travaillent : Ils travaillent généralement dans de vraies salles de classe avec de vrais étudiants (comme au collège, au lycée ou à l'université). Ils se soucient de l'expérience.
- L'ambiance : « Comment cet outil aide-t-il l'étudiant à grandir et à se sentir soutenu ? »
2. Les quatre quartiers (Clusters)
L'étude a cartographié l'ensemble du domaine et a découvert qu'il s'est installé en quatre « quartiers » ou clusters distincts :
- Le Laboratoire Technique (Vert) : Là où les gens codent les algorithmes pour lire les visages et les voix.
- La Salle de Classe (Rouge) : Là où les enseignants cherchent comment utiliser réellement ces outils dans les leçons et les programmes.
- Le Laboratoire de Psychologie (Bleu foncé) : Là où les chercheurs mènent des expériences strictes pour voir comment l'IA affecte l'anxiété ou la confiance des étudiants.
- L'Unité de Soins Spécialisés (Jaune) : Là où l'IA est testée pour aider des groupes spécifiques, comme les enfants autistes ou ceux ayant des peurs particulières.
3. L'explosion de la « GenAI »
L'étude a remarqué une explosion massive de la recherche à partir de 2023.
- Avant 2023 : L'IA était principalement un observateur passif. C'était comme un agent de sécurité regardant un étudiant à travers une fenêtre, essayant de deviner son humeur à partir d'une grimace.
- Après 2023 (Le changement GenAI) : Avec l'essor d'outils comme ChatGPT, l'IA est devenue un partenaire actif. Elle ne se contente plus de regarder ; elle discute. La recherche est passée de « Comment détecter ce sentiment ? » à « Comment pouvons-nous avoir une conversation qui aide l'étudiant à se sentir mieux ? ». C'est comme si l'agent de sécurité avait soudainement commencé à avoir une discussion de soutien avec l'étudiant.
4. La découverte du « Double Savoir »
La découverte la plus importante est que la confusion entre les mots « Affectif » et « Émotion » n'est pas seulement une erreur ; c'est le signe de deux cultures différentes.
- Si vous voyez le mot « Émotion » dans un article, cela signifie généralement que les chercheurs se concentrent sur le développement technologique (rendre la machine plus intelligente).
- Si vous voyez le mot « Affectif », cela signifie généralement que les chercheurs se concentrent sur la pratique éducative (rendre la salle de classe meilleure).
Les auteurs appellent cela le « Modèle de production de double savoir ». C'est comme réaliser qu'un groupe construit le moteur d'une voiture (Émotion), tandis que l'autre conçoit l'expérience de conduite pour les passagers (Affectif). Les deux sont nécessaires, mais ils font des métiers différents.
Résumé
Cet article ne dit pas que l'IA est prête à remplacer les enseignants ou que nous devrions utiliser ces outils dans chaque salle de classe dès demain. Il se contente de cartographier le paysage. Il nous dit que le domaine a mûri pour devenir un écosystème complexe avec quatre domaines distincts, et que les chercheurs en « Émotion » et les chercheurs en « Affectif » sont en fait deux tribus différentes avec des objectifs différents, même s'ils travaillent sur le même grand projet.
L'étude suggère que pour que le domaine progresse, ces deux tribus doivent cesser de penser qu'elles sont identiques et commencer à collaborer — en laissant les ingénieurs construire de meilleurs moteurs pendant que les éducateurs conçoivent de meilleures expériences de conduite.
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.