« Méthodes de conduite de la recherche sur les EIAH (école d'automne 2022)/Plénière 9 - Recherche en IA et éducation:au delà de l’IA générique pour l’éducation et de l’éducation en IA » : différence entre les versions

De EduTech Wiki
Aller à la navigation Aller à la recherche
(Page créée avec « '''Recherche en IA et éducation : au delà de l’IA générique pour l’éducation et de l’éducation en IA''' : [https://www.lip6.fr/actualite/personnes-fiche.p... »)
 
Ligne 5 : Ligne 5 :
L’éducation est depuis la naissance de l’intelligence artificielle un terrain applicatif riche. Des applications de reconnaissance des images ou de la parole sont de plus en plus utilisées dans l’enseignement et la formation.  Cependant, ces applications tiennent rarement compte des singularités du domaine de l’éducation. Ainsi, une communauté de recherche s’est créée il y a plus de trois décennies et a développé ses propres questions de recherche autour d’objets spécifiques à l’éducation tels que la modélisation de l’apprenant, des connaissances à enseigner ou de la pédagogie. Ces questions mobilisent des chercheurs venant de différentes disciplines et interrogent des  approches, méthodes et techniques variées utilisant des connaissances expertes (IA symbolique) et/ou des données (IA numérique). Si l’impact sociétal de ces recherches peut se mesurer par l’utilité des systèmes résultants dans des situations d’enseignement et d’apprentissage,  les objectifs scientifiques se mesurent autrement et peuvent mobiliser des méthodes ne nécessitant pas des expérimentations en classe. Dans cette présentation les modèles cités précédemment seront introduits à travers des exemples de recherches s’appuyant sur des approches symboliques ou numériques et mobilisant des méthodes d’évaluation variée. Je conclurai cette présentation en présentant des perspectives et orientations autour des approches mixtes.
L’éducation est depuis la naissance de l’intelligence artificielle un terrain applicatif riche. Des applications de reconnaissance des images ou de la parole sont de plus en plus utilisées dans l’enseignement et la formation.  Cependant, ces applications tiennent rarement compte des singularités du domaine de l’éducation. Ainsi, une communauté de recherche s’est créée il y a plus de trois décennies et a développé ses propres questions de recherche autour d’objets spécifiques à l’éducation tels que la modélisation de l’apprenant, des connaissances à enseigner ou de la pédagogie. Ces questions mobilisent des chercheurs venant de différentes disciplines et interrogent des  approches, méthodes et techniques variées utilisant des connaissances expertes (IA symbolique) et/ou des données (IA numérique). Si l’impact sociétal de ces recherches peut se mesurer par l’utilité des systèmes résultants dans des situations d’enseignement et d’apprentissage,  les objectifs scientifiques se mesurent autrement et peuvent mobiliser des méthodes ne nécessitant pas des expérimentations en classe. Dans cette présentation les modèles cités précédemment seront introduits à travers des exemples de recherches s’appuyant sur des approches symboliques ou numériques et mobilisant des méthodes d’évaluation variée. Je conclurai cette présentation en présentant des perspectives et orientations autour des approches mixtes.
==Documents ==
==Documents ==
* [[Fichier:Lignes directrices éthiques sur lutilisation de lintelligence-NC0722649FRN.pdf]]
* [[Fichier:Ethical guidelines on the use of artificial intelligence-NC0722649ENN.pdf]]
* [[Fichier:Intelligence-Unleashed-Publication.pdf]]
* [[Fichier:Euro J of Education - 2022 - Holmes - State of the art and practice in AI in education.pdf]]
* Liens vidéo
** Lien 1
----
: Accès au dépôt [https://drive.switch.ch/index.php/s/GhAyJSa0NeFk3f1 SwitchDrive plénière 9]


== Références ==
== Références ==

Version du 14 novembre 2022 à 11:53

Recherche en IA et éducation : au delà de l’IA générique pour l’éducation et de l’éducation en IA

Vanda Luengo - Professeure (Université de Paris)

Résumé

L’éducation est depuis la naissance de l’intelligence artificielle un terrain applicatif riche. Des applications de reconnaissance des images ou de la parole sont de plus en plus utilisées dans l’enseignement et la formation. Cependant, ces applications tiennent rarement compte des singularités du domaine de l’éducation. Ainsi, une communauté de recherche s’est créée il y a plus de trois décennies et a développé ses propres questions de recherche autour d’objets spécifiques à l’éducation tels que la modélisation de l’apprenant, des connaissances à enseigner ou de la pédagogie. Ces questions mobilisent des chercheurs venant de différentes disciplines et interrogent des approches, méthodes et techniques variées utilisant des connaissances expertes (IA symbolique) et/ou des données (IA numérique). Si l’impact sociétal de ces recherches peut se mesurer par l’utilité des systèmes résultants dans des situations d’enseignement et d’apprentissage, les objectifs scientifiques se mesurent autrement et peuvent mobiliser des méthodes ne nécessitant pas des expérimentations en classe. Dans cette présentation les modèles cités précédemment seront introduits à travers des exemples de recherches s’appuyant sur des approches symboliques ou numériques et mobilisant des méthodes d’évaluation variée. Je conclurai cette présentation en présentant des perspectives et orientations autour des approches mixtes.

Documents

Accès au dépôt SwitchDrive plénière 9

Références

Lien vers la vidéo (à venir)

Récupérée de « https://edutechwiki.unige.ch/fmediawiki/index.php?title=Méthodes_de_conduite_de_la_recherche_sur_les_EIAH_(école_d%27automne_2022)/Plénière_9_-_Recherche_en_IA_et_éducation:au_delà_de_l’IA_générique_pour_l’éducation_et_de_l’éducation_en_IA&oldid=167155 »