Est-ce que l'usage d'une intelligence artificielle est utile dans tous les contextes ?

Résumé

Cet article a pour but de proposer une mise en lien entre un outil d’awareness de l’émotion et les théories de la charge cognitive et de l’autorégulation. Son but est de ce questionner sur la validité d’un dispositif qui s’appuie sur la théorie Contrôle-Valeur de Pekrun (2006) en intégrant d’autres types de théorie, comme la théorie de la charge cognitive de Tricot (2017) et la théorie de l’autorégulation détailler par Cosnefroy (2010).

Introduction

Dans un premier temps, nous aborderons la notion d’émotion dans l’apprentissage afin de mettre en évidence les stratégies défensives et maîtrise qui peuvent influencer la collaboration. Nous ferons ensuite un lien avec l’influence de la charge cognitive face aux émotions et nous le contextualiserons via un outil d’awareness de l’émotion que Molinari & al (2017) ont proposer dans leur article scientifique. Pour finir, nous nous questionnerons sur la pertinence d’utiliser un tuteur intelligent en complément de cet outil d’awareness.

Développement

Lien entre l'article de Molinari & al (2017) et Cosnefroy (2010)

Les émotions ne sont-elles pas propres à chacun ? Selon Scherer (2001) dans l’article « Les émotions dans les situations de collaboration et d’apprentissage collaboratif médiatisées par ordinateur » (Molinari & al, 2017) l’émotion est « une réaction brève à des évènements de l’environnement qui comporte des composantes cognitives, physiologique, motivationnelle, expressive et affective ». Dans son article, Molinari & al (2017) propose une approche sur la théorie Contrôle-Valeur de Pekrun (2006) afin de mettre en évidence les antécédents et les effets des émotions en contexte d’apprentissage. Durant une activité, les apprenants vont ressentir diverses émotions qui se divisent en 2 : les émotions positives (plaisir, relaxation) et négatives (colère, ennui). Elles vont permettre soit d’augmenter le niveau d’activation cognitive, par exemple avec des émotions activantes (plaisir, colère, espoir, anxiété), soit de diminuer le niveau d’activation cognitive, par exemple avec des émotions désactivantes (relaxation, ennui, soulagement, honte). Dans l’article « L’apprentissage autorégulé : Perspective en formation d’adulte (Cosnefroy, 2010), le modèle de Boekaerts est traité, il explique que la façon dont est « évaluée la situation d’apprentissage a une influence déterminante sur les processus d’autorégulation » (Cosnefroy, 2010). Lorsque l’apprenant fait face à une émotion négative, son activité et des stratégies de coping (mode défensif) sont déclenchées pour juguler ces émotions. Durant ce mode, il a comme objectif de restaurer un minimum de bien-être. L’augmentation d’une charge cognitive de l’apprenant à un impact sur les stratégies d’autorégulation et volitionnelles voir sur la motivation de l’apprenant à se mettre dans une tâche. Lorsque l’apprenant use de stratégies volitionnelles efficaces, il est en mode maîtrisé, c’est par ce mode que découle une amélioration des performances et de la réussite.

Lien entre l'article de Molinari & al (2017) et Tricot (2007)

Lors de projet collaboratif, la charge cognitive impacte l’état émotionnel de l’apprenant et vice-versa. Dans la théorie de la charge cognitive, développez par André Tricot dans son article scientifique « Quels apports de la théorie de la charge cognitive à la différenciation pédagogique ? Quelques pistes concrètes pour adapter des situations d'apprentissage » (2017), il explique qu’à l’école les élèves réalisent des tâches sur supports correspondant au moyen d’apprendre, afin d’élaborer des connaissances (ce qui correspondent au but d’apprentissage). Apprendre des connaissances demande une certaine exigence en termes d’efforts cognitifs.  André Tricot (2017) a découpé les différents types d’exigence cognitive en trois, elles sont :

• La charge intrinsèque (liée aux informations à traiter pour réaliser la tâche) ;
• La charge extrinsèque (liée aux informations inutiles pourtant présentes sur les supports) ;
• La charge essentielle (liée à l’apprentissage lui-même, c’est-à-dire à la transformation de connaissances).

On pourrait s’interroger sur le propos suivant : avoir un outil d’awareness des émotions permettrait-elles de réduire la charge intrinsèque ou bien augmenterait-elles la charge extrinsèque dans les travaux collaboratifs ?

Dans l’article de Molinari & al (2017), ils expliquent que « les tensions relationnelles et les émotions négatives associées peuvent avoir des effets préjudiciables sur l’apprentissage collaboratif ». Ils ont donc proposé un outil d’awareness émotionnel afin de pallier aux difficultés à identifier, exprimer et comprendre les émotions dans les situations de collaboration médiatisées par ordinateur. Cet outil se décrit comme ceci : c’est un dispositif informatique qui va donner des feedbacks instantanés ou différé sur l’activité des collaborateurs durant l’interaction, sa fonction est de faciliter la régulation et de stimuler l’activité réflexive. Cet outil à des effets bénéfiques sur les processus et performances d’apprentissage collaboratif puisqu’il va favoriser le processus de modélisation mutuelle. Par cela les apprenants ressentent davantage d’émotions dites positives, de plus, ils ont une meilleure compréhension des émotions de leur partenaire et de meilleures performances. On peut penser que l’ajout d’un dispositif peut, peut-être augmenter la charge intrinsèque liée au fait que l’apprenant utilise un outil supplémentaire. Cependant la charge extrinsèque semble se réduire, puisque l’apport d’une transparence au niveau des émotions de l’autre et de soi même permet d’avoir des émotions positives. On peut penser par ce propos que l’interface utilisée lors de cette étude ne comporte pas d’informations inutiles.

Lien entre l'article de Molinari & al (2017), Cosnefroy (2010) et George & al (2013)

Dans les articles « Usage réflexif des traces dans les environnements informatiques pour l’apprentissage humain » (George & al, 2013), et de « L’apprentissage autorégulé : perspective en formation d’adulte (Cosnefroy, 2010) je me suis intéressé à la question de l’engagement et des tuteurs intelligents. En reprenant l’outil d’awarness émotionnel, je me suis questionnée sur le propos suivant : les résultats de l’analyse seraient-ils toujours positifs, si l’apprenant n’avait pas eu à agir pour définir ces émotions ? L’usage d’un tuteur intelligent impacterait-il l’engagement de l’apprenant lors de projet collaboratif ?

Lorsque l’apprenant augmente c’est performance c’est probablement parce qu’il s’engager dans un processus d’autorégulation, ce dernier dépend « des ressources motivationnelles qui s’incarnent dans les croyances motivationnelles concernant la valeur de la tâche et le sentiment d’efficacité personnelle » (Cosnefoy, 2010). C’est grâce à ces stratégies d’autorégulation que l’apprenant prend contrôle de son apprentissage, en développant un regard critique sur son propre fonctionnement permettra de juger le travail accompli et de décider de changer le fonctionnement actuel, si besoin. On peut donc penser que l’engagement de l’apprenant dans l’acte d’évaluer lui-même son état émotionnel et d’analyser lui-même les données fournies par le dispositif permettront de meilleures collaborations.

Dans l’article de George& al (2013), il met en évidence que les techniques des intelligences artificielles sont « utilisées par les systèmes informatiques pour savoir comment résoudre des problèmes et enseigner cette résolution ». On peut imaginer que dans le cas où l’outil d’awareness émotionnel permet d’améliorer la performance et la collaboration, il n’y a pas de problème direct à résoudre et donc qu’user d’un tuteur intelligent ne serait pas forcément utile dans ce contexte.

Conclusion

Dans l’article de George & al (2013), il explique que « les situations d’apprentissage instrumentées par des environnements numériques sont de plus en plus fréquentes ». En parallèle l’usage de traces dans les activités numériques prend une direction exponentiellement positive. Ce à ce jour qu’il faut questionner sur l’importance d’user d’intelligence artificielle dans le cadre collaboratif. Suite à mes précédents propos, nous avons pu voir que l’usage d’une intelligence artificielle n’est parfois pas nécessaire du côté de l’apprenant. Cependant, nous pourrions nous intéresser à l’intérêt qu’un. e formateur.trice peut avoir de collecter des données en lien avec les émotions des apprenants. On se questionnera donc sur : l’usage d’un dispositif analysant les émotions des apprenants lors de projet collaboratif permettra elle adopter une aide efficace au formateur.trice pour apporter une pédagogique différencier ?

Ressources bibliographiques

• Tricot, A. (2017). Quels apports de la théorie de la charge cognitive à la différenciation pédagogique ? Quelques pistes concrètes proposer pour adapter les situations d'apprentissage. Conférence de consensus « Différenciation pédagogique : comment adapter l'enseignement pour la réussite de tous les élèves ? »

• Cosnefroy, L. (2010). « L’apprentissage autorégulé : perspectives en formation d’adultes », Savoirs 2010/2 (n°23), pp.9-50.

• Molinari, G. (2017). « Les émotions dans les situations de collaboration et d’apprentissage collaboratif médiatisé par ordinateur », Raisons éducatives 2017/1 (n°21), pp.175-190. Université de Genève.
• George, S., Michel, C., & Ollagnier-Beldame, M. (2013). Usages reflexifs des traces dans les environnements informatiques pour l’apprentissage humain. Intellectica - La revue de l’Association pour la Recherche sur les sciences de la Cognition (ARCo), 1(59), 205‑241.