Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

L'IA générative dans l'éducation primaire et secondaire : l'initiative CyberScholar

Created by
  • Haebom

Auteur

Vania Castro, Ana Karina de Oliveira Nascimento, Raigul Zheldibayeva, Duane Searsmith, Akash Saini, Bill Cope, Mary Kalantzis

Contour

Cet article présente les résultats d'un programme pilote utilisant CyberScholar, un outil d'assistance générative par IA destiné à l'enseignement primaire et secondaire. Nous avons étudié l'impact de l'utilisation de CyberScholar dans les cours d'anglais, de sciences sociales et d'histoire du monde sur l'amélioration des compétences rédactionnelles des élèves de 7e, 4e, 10e et 11e années dans trois écoles du Midwest et une école du Nord-Ouest. Les données ont été recueillies par le biais d'observations de mise en œuvre, d'enquêtes et d'entretiens auprès de 121 élèves et de quatre enseignants, et une analyse qualitative a été réalisée.

Takeaways, Limitations

•
Takeaways:
◦
Les outils d’IA générative comme CyberScholar ont montré qu’ils peuvent aider les élèves du primaire et du collège à améliorer leur écriture dans un large éventail de matières.
◦
Aide les étudiants à améliorer leur écriture grâce à des commentaires détaillés, une interactivité améliorée et un alignement avec les critères de notation.
◦
Suggère un changement dans le rôle de l'enseignant dans l'orientation du processus de rétroaction de l'IA (d'évaluateur à guide pour favoriser l'écriture et la pensée critique des élèves grâce à la rétroaction de l'IA).
◦
Contribue à l’apprentissage cybersocial, à l’apprentissage autorégulé et à la métacognition en aidant les étudiants à percevoir la rétroaction écrite comme un processus dynamique et interactif plutôt qu’une évaluation statique.
•
Limitations:
◦
Les sujets de recherche étaient limités à des régions spécifiques, à des écoles spécifiques et à des niveaux spécifiques, ce qui rendait la généralisation difficile.
◦
Comme il s’agit d’une étude qualitative, il manque des données numériques.
◦
Manque d’analyse d’impact à long terme et d’analyse d’impact sur l’utilisation continue des outils d’IA.
◦
Manque de prise en compte des biais et des questions éthiques dans les outils d’IA.
👍
Made with Slashpage