📄 social_science

Effects of Human Centered AI Supported Instruction on EFL Listening With Adaptive Feedback Gamified Engagement and Motivational Scaffolding

Cette étude de méthodes mixtes impliquant 53 lycéens iraniens démontre qu'un système d'enseignement de la compréhension orale piloté par l'IA et ludifié, intégrant un feedback adaptatif et un étayage motivationnel, améliore significativement la compétence de compréhension orale, l'auto-efficacité et l'engagement des apprenants d'EFL par rapport à une approche d'IA conversationnelle non ludifiée.

Auteurs originaux : Aliakbar Tajik, Atefeh Karkhaneh

Publié 2026-06-24

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Aliakbar Tajik, Atefeh Karkhaneh

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 : Deux façons différentes d'apprendre l'écoute

Imaginez que vous essayez d'apprendre à écouter une langue étrangère (l'anglais) dans une salle de classe en Iran. Les chercheurs voulaient voir si l'utilisation de l'Intelligence Artificielle (IA) pouvait aider les élèves à s'améliorer. Mais ils n'ont pas utilisé n'importe quel IA ; ils ont comparé deux « coachs » très différents.

Coach A (Duolingo) : C'est comme un jeu vidéo. Cela vous donne des points, des badges, des niveaux et un compteur de « série » (streak) si vous ne manquez pas un jour. On a l'impression de jouer à un jeu où l'on est constamment récompensé pour avoir bien répondu.
Coach B (Replika) : C'est comme un correspondant amical. C'est un chatbot qui discute avec vous. Il est utile et vous écoute, mais il ne vous donne pas de points, de classements ou de niveaux de jeu. C'est juste une conversation.

L'étude a demandé : Quel coach aide les adolescents (âgés de 14 à 15 ans) à mieux comprendre l'anglais parlé plus rapidement ?

L'expérience : Une course de 12 semaines

Les chercheurs ont réuni 53 étudiants et les ont divisés en deux équipes. Les deux équipes se sont exercées pendant 12 semaines (24 sessions au total).

L'équipe Duolingo a utilisé l'application de type jeu.
L'équipe Replika a utilisé l'application de chatbot.

Avant de commencer, les deux équipes ont passé un test d'écoute pour s'assurer qu'elles partaient sur la même ligne de départ. Elles l'étaient. Ensuite, elles se sont exercées et, à la fin, elles ont repassé le test.

Les résultats : Le coach de jeu a gagné

Voici ce qui s'est passé :

Les deux équipes se sont améliorées. Tout comme lors d'une course, les deux groupes ont amélioré leurs compétences d'écoute au cours des 12 semaines.
L'équipe Duolingo s'est BEAUCOUP améliorée. Les étudiants utilisant l'application de type jeu ont obtenu des scores nettement plus élevés au test final que les étudiants utilisant le chatbot.

L'analogie :
Pensez à l'apprentissage de l'écoute comme à l'ascension d'une montagne.

Replika était comme avoir un guide qui marche avec vous et discute avec vous. C'était agréable, mais vous deviez trouver votre propre chemin pour monter la montagne.
Duolingo était comme une visite guidée avec une carte amusante. Chaque fois que vous faisiez un pas, vous aviez un « ding ! » et une étoile dorée. La carte vous montrait exactement à quelle hauteur vous grimpiez, et le jeu vous donnait envie de continuer juste pour voir le niveau suivant. La partie « jeu » a maintenu la motivation des étudiants pour grimper plus haut et plus vite.

Pourquoi le jeu a-t-il mieux fonctionné ?

Les chercheurs ont cherché à comprendre pourquoi le jeu fonctionnait si bien. Ils ont découvert que les éléments de « jeu » n'étaient pas seulement là pour s'amuser ; ils agissaient comme des petites roues de soutien pour le cerveau.

Le défi « juste ce qu'il faut » : Le jeu ajustait automatiquement la difficulté. Si un étudiant avait des difficultés, la tâche devenait plus facile. S'il réussissait bien, elle devenait plus difficile. Cela les maintenait dans une « zone idéale » où ils n'étaient ni ennuyés, ni submergés.
Un retour immédiat : Lorsqu'un étudiant faisait une erreur, le jeu l'informait immédiatement. C'était comme un coach debout juste à côté de vous disant : « Réessaie », plutôt que d'attendre la fin de la semaine.
L'effet de la « série » (Streak) : Le jeu suivait le nombre de jours consécutifs de pratique. Cela créait un sentiment de « ne pas briser la chaîne » qui incitait les étudiants à revenir chaque jour.
Boost de confiance : Comme le jeu leur donnait de petites victoires (badges, points), les étudiants se sentaient plus confiants. Ils n'avaient pas peur de faire des erreurs car le jeu rendait cela partie intégrante du plaisir.

Ce que les étudiants ont dit

Les chercheurs ont également interrogé les étudiants.

Ils ont dit que le jeu les rendait moins stressés. Dans un cours normal, si vous ne comprenez pas quelque chose immédiatement, vous vous sentez embarrassé. Avec l'application, ils pouvaient mettre en pause, revenir en arrière et essayer encore tant de fois qu'ils le souhaitaient.
Ils ont adoré les barres de progression. Voir une barre se remplir au fur et à mesure qu'ils apprenaient leur donnait un sentiment clair du chemin parcouru.
Ils avaient l'impression d'être aux commandes. Ils pouvaient s'exercer quand ils le voulaient, pas seulement quand le professeur le disait.

La « recette secrète » (Les modèles)

Les chercheurs ont créé des noms sophistiqués pour leurs découvertes, mais voici ce qu'ils signifient réellement en langage courant :

Le modèle de motivation étayé de Tajik (T-SMM) : C'est une façon sophistiquée de dire : « Si vous construisez un système d'apprentissage qui vous donne la bonne quantité d'aide (étayage/scaffolding) ET qui vous fait vous sentir bien par rapport à vos progrès (motivation), vous apprendrez plus vite. »
La matrice d'apprentissage des langues améliorée par l'IA : C'est simplement une carte montrant comment les fonctionnalités intelligentes de l'ordinateur (comme l'ajustement de la difficulté) se mélangent aux sentiments humains (comme l'envie de gagner un jeu) pour créer un environnement de super-apprentissage.

L'essentiel à retenir

L'étude conclut que pour les adolescents apprenant à écouter l'anglais, transformer l'apprentissage en un jeu fonctionne mieux que d'avoir simplement un partenaire de discussion.

Ce n'est pas que le chatbot (Replika) était mauvais ; il était utile. Mais le jeu (Duolingo) possédait des outils supplémentaires — points, niveaux et récompenses instantanées — qui maintenaient les étudiants engagés, motivés et plus constants dans leur pratique. Le « jeu » ne rendait pas seulement l'apprentissage amusant ; il forçait le cerveau à travailler plus dur et plus intelligemment en maintenant les étudiants dans un état de « flow » où ils étaient stimulés mais soutenus.

En bref : Si vous voulez aider un adolescent à apprendre à écouter une nouvelle langue, donnez-lui un jeu qui le récompense pour chaque petite étape franchie, plutôt qu'un simple partenaire de conversation. Les points et les badges agissent comme le carburant de son moteur d'apprentissage.

Résumé Technique : Effets de l'instruction soutenue par une IA centrée sur l'humain sur l'écoute en EFL

Énoncé du Problème
La compréhension orale est une composante cognitivement exigeante, bien que fréquemment sous-estimée, de l'enseignement de l'anglais en tant que langue étrangère (EFL), particulièrement dans les classes d'adolescents au sein du contexte éducatif iranien. L'instruction traditionnelle privilégie souvent la grammaire et la préparation aux examens au détriment de la compétence communicative, ce qui entraîne une exposition minimale aux supports d'écoute authentiques, un manque de rétroaction structurée et des opportunités de pratique limitées. Bien que les plateformes d'apprentissage soutenues par l'IA aient émergé pour compléter l'enseignement, il existe un manque de recherche empirique comparant comment des conceptions pédagogiques distinctes — spécifiquement les systèmes gamifiés et adaptatifs versus l'IA conversationnelle non gamifiée — impactent le développement de l'écoute, l'engagement de l'apprenant et la motivation chez les apprenants adolescents d'EFL. Les études existantes se concentrent souvent sur la compétence générale ou isolent les effets de la gamification sans contraster systématiquement ces architectures dans des contextes de classe contrôlés.

Méthodologie
L'étude a employé un devis de triangulation concomitante par méthodes mixtes impliquant 53 apprenants de l'école secondaire iranienne (âgés de 14 à 15 ans) issus d'écoles publiques de Varamin. Les participants ont été assignés de manière aléatoire à deux conditions d'instruction sur une période de 12 semaines (24 sessions) :

Groupe Expérimental (Duolingo) : A utilisé un système d'apprentissage personnalisé piloté par l'IA et gamifié, présentant un suivi de la progression, des classements, des points, des badges et des tâches d'écoute adaptatives et structurées.
Groupe de Comparaison (Replika) : A utilisé une plateforme d'IA conversationnelle non gamifiée conçue pour la pratique du dialogue personnalisé sans mécanismes de récompense basés sur le jeu.

Collecte de Données et Instruments :

Quantitatif : Tests de compréhension orale pré- et post-intervention (alignés sur les curriculums Prospect 2 et Prospect 3) couvrant cinq sous-compétences (Conversation principale, Information spécifique, Instructions de classe, Vrai/Faux, Complétion de dialogue). Un questionnaire développé par les chercheurs comprenant 18 items a mesuré les perceptions de l'engagement, de l'utilisabilité et de la motivation.
Qualitatif : Entretiens semi-directifs avec 15 participants et observations de classe utilisant une grille de vérification structurée sur 20 sessions.
Analyse : Les données quantitatives ont été analysées via SPSS (tests t appariés/indépendants, ANOVA). Les données qualitatives ont fait l'objet d'une analyse thématique (Braun & Clarke, 2006) avec un codage hybride (déductif/inductif).

Résultats Clés

Maîtrise de l'écoute : Les deux groupes se sont améliorés, mais le groupe Duolingo a démontré des gains significativement plus élevés dans toutes les sous-compétences de compréhension orale par rapport au groupe Replika.
- Scores post-test totaux : Duolingo ($M=31,32, SD=1,75$) vs Replika ($M=26,42, SD=3,62 $) ;$ t(51)=6,085, p<.001$, avec une taille d'effet importante ( $d=1,73$ ).
- Des différences significatives ont été trouvées dans la Compréhension de la Conversation Principale ( $p<.001$ ), l'Identification d'Informations Spécifiques ( $p<.001$ ), la Compréhension des Instructions de Classe ( $p<.001$ ), l'Analyse Vrai/Faux ( $p=.026$ ) et la Complétion de Dialogue ( $p<.001$ ).
- Une ANOVA à un facteur a indiqué que les améliorations de Duolingo étaient réparties uniformément entre les sous-compétences ( $F(4, 125)=2,317, p=.078$ ), suggérant un développement holistique.
Engagement et Motivation : Les résultats du questionnaire ont indiqué un engagement élevé avec les éléments de gamification de Duolingo (Moyenne=4,32) et l'étayage adaptatif (Moyenne=4,21).
Résultats Qualitatifs : L'analyse thématique a révélé six thèmes clés pour le groupe Duolingo : progression de la difficulté adaptative, autonomie de l'apprenant, engagement par l'accomplissement, input compréhensible, apprentissage situé et apprentissage interactionnel. Les étudiants ont rapporté que la nature auto-rythmée et l'augmentation graduelle de la difficulté réduisaient l'anxiété et soutenaient la motivation.
Triangulation : Les observations de classe ont corroboré les données auto-rapportées, montrant des taux élevés d'ajustement autonome des tâches (79 %), d'utilisation des fonctions de relecture et une participation soutenue lors de tâches offrant un défi optimal.

Contributions Clés
L'article apporte trois contributions primaires au domaine de l'apprentissage des langues assisté par l'IA :

Synthèse Théorique : Il intègre la Théorie du Schéma, la Théorie de l'Autorégulation, l'Évaluation Dynamique (Théorie Socioculturelle) et la Théorie de la Gamification pour expliquer le fonctionnement de l'instruction de l'écoute médiée par l'IA. Cette synthèse dépasse les applications théoriques isolées pour proposer une lentille conceptuelle multicouche.
Développement de Modèles : Sur la base des résultats empiriques, les auteurs proposent deux cadres intégratifs :
- Matrice d'Apprentissage des Langues Améliorée par l'IA (AELLM) : Cartographie l'interaction entre la personnalisation algorithmique et l'étayage socioculturel.
- Conception d'Environnement d'Apprentissage Intelligent (ILED) : Synthétise la progression adaptative, les déclencheurs de motivation intrinsèque, la gestion de la charge cognitive et les boucles de rétroaction.
- Modèle de l'Étayage Motivateur de Tajik (T-SMM) : Un modèle explicatif contextuel décrivant comment la rétroaction et l'étayage motivationnel soutiennent l'engagement et le développement de l'écoute au fil du temps.
Preuve Empirique : L'étude fournit une preuve comparative contrôlée que la rétroaction gamifiée structurée, combinée à des algorithmes adaptatifs, produit des résultats d'écoute supérieurs à une IA conversationnelle ouverte pour les adolescents d'EFL, remettant en question l'hypothèse selon laquelle l'intégration de l'IA seule garantit de meilleurs résultats.

Signification et Revendications
Les auteurs affirment que l'étude offre un schéma validé par la recherche pour la conception de plateformes d'apprentissage intelligentes. La signification réside dans la démonstration que la synergie de la conception motivationnelle (gamification), de l'étayage adaptatif et de la pratique structurée répétée crée un « écosystème transformateur et sensible au contexte » pour l'apprentissage des langues.

L'article stipule explicitement que ses conclusions suggèrent que :

Les environnements d'IA gamifiés peuvent stimuler un progrès équilibré dans la compréhension orale plus efficacement que les outils conversationnels non gamifiés pour ce segment démographique spécifique.
Le succès de telles plateformes repose sur l'alignement de l'adaptabilité pilotée par la machine avec les principes pédagogiques validés par la recherche (ex: Zone de Développement Proximal, input compréhensible).
Ces principes de conception offrent des solutions évolutives pour les contextes d'EFL ayant un accès limité aux supports d'écoute authentiques.

Les auteurs maintiennent un ton modeste concernant la causalité, notant que bien que les résultats soient robustes, des recherches futures avec des échantillons plus larges et des designs longitudinaux (ex: utilisant l'ANCOVA pour contrôler les variations de base) sont nécessaires pour isoler pleinement l'influence causale des caractéristiques de conception spécifiques. Ils soulignent que l'étude interprète des construits comme l'« adaptativité émotionnelle » à un niveau pédagogique et perceptuel plutôt qu'en prétendant que les plateformes utilisent des algorithmes de calcul affectif ou neurocognitif avancés.