recherche » Flux des commentaires Éducation, numérique et recherche » État de l’art et de la pratique de l’intelligence artificielle dans l’éducation (Holmes & Tuomi, 2022) [Traduction] Flux des commentaires -- en oeuvre RDF Version of the category Repères et décryptage RDF Version of the tag intelligence artificielle RDF Version of the tag prospective RDF Version of the tag recherche RDF Version of the tag revues Outline -- État de l’art et de la pratique de l’intelligence artificielle dans l’éducation (Holmes & Tuomi, 2022) [Traduction] -- Les récents développements de l’intelligence artificielle (IA) ont suscité de grandes attentes quant à l’impact futur de l’IA dans l’éducation et l’apprentissage (IAEd). Ces attentes ont souvent été fondées sur une mauvaise compréhension des possibilités techniques actuelles, un manque de connaissances sur l’état de l’IA dans l’éducation et des visions excessivement étroites sur les fonctions de l’éducation dans la société. Dans cet article, nous passons en revue les systèmes d’IA existants dans l’éducation et leurs hypothèses pédagogiques et éducatives. Nous développons une typologie des systèmes d’IAEd et décrivons différentes manières d’utiliser l’IA dans l’éducation et l’apprentissage, en montrant comment celles-ci sont fondées sur différentes interprétations de ce qu’est ou pourrait être l’IA et l’éducation, et en discutant de certains obstacles possibles sur l’autoroute de l’IAEd. -- Recent developments in Artificial Intelligence (AI) have generated great expectations for the future impact of AI in education and learning (AIED). Often these expectations have been based on misunderstanding current technical possibilities, lack of knowledge about state-of-the-art AI in education, and exceedingly narrow views on the functions of education in society. In this article, we provide a review of existing AI systems in education and their pedagogic and educational assumptions. We develop a typology of AIED systems and describe different ways of using AI in education and learning, show how these are grounded in different interpretations of what AI and education is or could be, and discuss some potential roadblocks on the -- Los recientes avances en Inteligencia Artificial (IA) han generado grandes expectativas sobre el futuro impacto de la IA en la educación y el aprendizaje (AIED). A menudo, estas expectativas se han basado en la incomprensión de las posibilidades técnicas actuales, el desconocimiento del estado del arte de la IA en la educación y una visión excesivamente estrecha de las funciones de la educación en la sociedad. En este artículo, ofrecemos una revisión de los sistemas de IA existentes en la educación y de sus supuestos pedagógicos y educativos. Desarrollamos una tipología de sistemas de AIED y describimos distintas formas de utilizar la IA en la educación y el aprendizaje, mostramos cómo se basan en distintas interpretaciones de lo que es o podría ser la IA y la educación, y analizamos algunos posibles obstáculos en la autopista de la AIED. Les systèmes d’IA les plus avancés peuvent avoir un grand nombre de paramètres qui sont ajustés de manière répétée jusqu’à ce que le -- Les progrès de l’IA axée sur les données ayant entraîné une augmentation exponentielle des besoins en calcul, il est de plus en plus évident que l’avenir de l’IA ne peut pas vraiment être prédit en extrapolant les développements de la dernière décennie. -- Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education, n/a(n/a). -- IA : intelligence artificielle IAEd : IA pour l’éducation -- 1.1 Un bref historique de l’avenir de l’IA dans l’éducation 2. QU’EST-CE QUE L’IA ? 2.1 L’IA basée sur les données 2.2 L’IA basée sur la connaissance -- 3.1.2 Applications assistées par l’IA 3.1.3 Simulations assistées par l’IA (par exemple, apprentissage par le jeu, Réalité Virtuelle, Réalité Augmentée) 3.1.4 L’IA au service des apprenants à besoins particuliers -- 3.1.11 Assistants d’apprentissage tout au long de la vie assistés par l’IA -- 3.2.5 Assistant d’enseignement et d’évaluation assisté par l’IA -- 1.1 Un bref historique de l’avenir de l’IA dans l’éducation Ces dernières années, on a souvent prétendu que l’intelligence artificielle (IA) était le “nouveau pétrole” (par exemple, Palmer, 2006) ou, comme l’a suggéré la directrice générale de l’UNESCO dans son -- même été affirmé (Lemoine, 2022), et réfuté (par exemple, Sparkes, 2022), qu’un système d’IA, le système de dialogue LaMDA développé par Google, était devenu sensible. Quelle que soit la réalité, des investissements massifs ont été réalisés dans la technologie de l’IA dans le monde entier (jusqu’à 94 milliards de dollars US pour la seule -- Le potentiel de l’IA pour l’éducation et l’apprentissage (l’utilisation de l’IA pour l’éducation) et le rôle de l’éducation dans le développement de ce que l’on appelle désormais la culture de l’IA (l’enseignement de l’IA dans l’éducation) ont également fait l’objet d’une attention accrue et deviennent rapidement des sujets brûlants -- enseignants (Selwyn, 2019 ; Sperling et al., 2022), il a également été suggéré que l’effet transformateur de l’IA pourrait consister à augmenter la cognition humaine dans l’apprentissage (par exemple, -- Au niveau politique, le potentiel de l’IA dans les milieux éducatifs et la nécessité d’une culture de l’IA placent donc les éducateurs au centre de ces nouveaux développements passionnants qui étaient -- Dans le même temps, on attend des enseignants et des administrateurs qu’ils aient une vision claire du potentiel de l’IA dans l’éducation et, finalement, qu’ils adoptent cette technologie révolutionnaire dans -- La recherche et le développement en matière d’IA pour l’éducation (IAEd) ont été dans une large mesure dirigés par des informaticiens -- (GMI, 2022). Un enseignant submergé par les récits sur les miracles de l’IA peut se demander si l’avenir est défini par une énième tentative de faire entrer la technologie dans la salle de classe. De nombreux systèmes d’IA commerciaux actuellement développés pour l’éducation, appelés systèmes de tutorat intelligents (STI), se -- et individualisé, une approche que nous explorons plus en détail ci-dessous. Le lien historique étroit entre l’IA et les sciences cognitives (Gardner, 1985) a fait que de nombreux systèmes d’IA influents dans le domaine de l’éducation ont été construits sur des -- Dans les années 1950, Alain Newell et Herbert Simon, les principaux pionniers de l’IA et des sciences cognitives, ont réalisé qu’en programmant les ordinateurs avec de telles heuristiques et en traitant -- s’agissait pas d’un énorme exploit de programmation. Edward Feigenbaum, une autre figure clé de la recherche sur l’IA, s’est rappelé plus tard qu’en 1956, Simon est venu dans sa classe en déclarant : “à Noël, Alain -- les tâches précédentes (Pask, 1982). Cependant, la première application explicite des techniques d’IA classiques à l’enseignement assisté par ordinateur a été faite par Carbonell, pour sa thèse de doctorat de -- Cette histoire de l’IA est pertinente pour l’IAEd, car bon nombre des systèmes d’IA axés sur les élèves les plus étudiés et les plus visibles sont des descendants directs de ces idées. Nous en parlerons plus en -- Au-delà de l’enseignement et de l’apprentissage (c’est-à-dire l’IAEd au service de l’élève), l’IA a des applications potentiellement intéressantes dans l’administration de l’éducation (c’est-à-dire l’IAEd -- une grande partie de la recherche et du développement actuels de l’IAEd au service des élèves, la justification ultime de l’utilisation de l’IA est qu’elle peut entraîner des gains d’apprentissage dans des domaines -- Benjamin Bloom (Bloom, 1968 ; cf. Guskey, 2012). Ce modèle sous-tend la plupart des STI, ainsi que la notion selon laquelle l’IA peut ” personnaliser ” l’apprentissage. L’objectif de l’apprentissage par la -- Pourtant, de grandes attentes subsistent quant à l’impact futur de l’IAEd. Par exemple, selon l’un des principaux entrepreneurs de l’IA, Kai-Fu Lee (ancien cadre supérieur chez Google, Microsoft, SGI et -- est différent, et elle est coûteuse et ne peut être adaptée aux pays et régions plus pauvres avec un ratio élève/enseignant raisonnable. L’IA peut jouer un rôle majeur dans la correction de ces défauts et la transformation de l’éducation […] Si l’IA prend en charge des aspects importants de l’éducation, les coûts de base seront réduits, ce qui -- des cours et les meilleurs enseignants des limites des institutions d’élite et en fournissant des enseignants virtuels utilisants de l’IA dont le coût marginal est proche de zéro. (…) Je pense que ce nouveau -- considérablement l’accessibilité de l’éducation et aider chaque élève à réaliser son potentiel à l’ère de l’IA. (Lee & Qiufan, 2021, p. 118) -- vient. La section suivante revient sur les tentatives de définition du sujet de l’IA et décrit brièvement l’état de l’art dans les deux domaines connexes que sont (1) l’IA basée sur les données et (2) l’IA basée sur les connaissances. Ensuite, la troisième section de cet -- 2. QU’EST-CE QUE L’IA ? -- clairement ce dont il est question lorsque nous parlons d’Intelligence Artificielle (IA), un nom que nous mettons en majuscule pour souligner qu’il s’agit d’un domaine de recherche et de développement spécifique, et pas simplement d’un type d’intelligence artificielle. La littérature fournit de nombreuses définitions alternatives et il est souvent affirmé qu’il n’existe pas de définition dominante unique acceptée par la plupart des experts en IA. Il est toutefois important de noter que les définitions utiles et utilisables de l’IA dépendent de l’usage qui en est fait. Les chercheurs universitaires affirment souvent que l’IA est un domaine de recherche complexe qui comprend de nombreuses approches conceptuelles et domaines d’expertise différents, et soulignent parfois que l’intelligence artificielle n’existe pas. La réglementation européenne, en revanche, se concentre sur les produits d’IA qui doivent avoir accès au marché commun. Pendant ce temps, une grande partie du débat sur l’IA porte sur des avenirs hypothétiques, inspirés par la science-fiction et la croyance que les machines pourraient un jour être intelligentes – quoi que cela signifie. Une définition classique précise que l’IA est un domaine de recherche qui développe des technologies capables de faire des choses -- spécialistes des sciences cognitives et certains chercheurs et philosophes spécialisés dans l’IA ont adopté un point de vue plus ferme, affirmant que la recherche sur l’IA peut révéler comment fonctionne l’esprit humain (Gardner, 1985). -- Les responsables politiques, quant à eux, se sont concentrés sur les systèmes d’IA économiquement perturbateurs qui peuvent être réglementés, certifiés et mis sur le marché. L’OCDE a fourni une -- étendue par le groupe d’experts de haut niveau de l’UE sur l’intelligence artificielle (AI HLEG) d’une manière conceptuellement importante, en mettant en évidence leur capacité à apprendre, en notant que les systèmes d’IA peuvent également adapter leur comportement en fonction des résultats de leurs actions (AI HLEG, 2019a). Cette définition du AI HLEG, qui englobe à la fois la recherche sur l’IA et les systèmes d’IA, est elle-même accompagnée de plusieurs pages de commentaires explicatifs. -- informaticiens ni experts juridiques), qui s’appuie sur les définitions de l’OCDE et de l’AI HLEG, est fournie par l’UNICEF. “L’IA désigne les systèmes basés sur des machines qui peuvent, à partir d’un ensemble d’objectifs définis par l’homme, faire des prédictions, des recommandations ou des décisions qui influencent des environnements réels ou virtuels. Les systèmes d’IA interagissent avec nous et agissent sur notre environnement, soit directement, soit indirectement. -- Porayska-Pomsta, 2023). Premièrement, elle ne dépend pas des données : elle prend en compte les techniques d’IA axées sur les données (comme les réseaux de neurones artificiels et l’apprentissage profond), mais elle peut également inclure l’IA basée sur les connaissances (ou IA symbolique), ainsi que tout nouveau paradigme d’IA qui pourrait émerger dans les années à venir. Deuxièmement, elle met en avant le rôle des humains, ce qui est important étant donné le rôle critique des humains à toutes les étapes du développement de l’IA. Par exemple, les systèmes d’IA font toujours leurs recommandations, leurs prédictions et leurs décisions en fonction d’objectifs qui sont spécifiés par le concepteur du système au moment où celui-ci est développé. En fait, comme la plupart des systèmes d’IA actuels sont essentiellement des systèmes comportementaux de type stimulus-réponse, il a également été suggéré que l’IA devrait plutôt désigner les instincts artificiels (Tuomi, 2018). Troisièmement, la définition de l’UNICEF fait la distinction -- avec les humains, elle peut facilement être étendue à l’application de l’IA dans l’éducation. Le règlement sur l’IA proposé par la Commission européenne (AI Act ; CE, 2021) s’appuie sur la définition d’un système d’IA élaborée par l’OCDE, mais se contente d’énumérer les technologies qui caractérisent les systèmes d’IA. L’objectif de la loi sur l’IA étant de réglementer les produits et des services, il est important de savoir quels produits et services entrent dans le champ d’application de la réglementation. C’est pourquoi la définition finale à utiliser dans la loi sur l’IA fait l’objet, au moment de la rédaction du présent document, d’un débat -- réglementée par les textes réglementaires existants. Au-delà des définitions juridiques, la réalité des systèmes d’IA comprend toutefois de nombreuses techniques, technologies et spécialités différentes (Miao -- suffisamment de ressemblance familiale et peuvent s’accorder sur le fait qu’un système donné est de l’IA ou non, mais les définitions ont évolué au fil du temps et continueront probablement à le faire. -- Pour les éducateurs, il est toutefois important de distinguer deux approches alternatives pour le développement de systèmes d’IA, qui ont toutes deux été en développement et se sont disputées l’ascendant tout au long de l’histoire de l’IA (en commençant par le célèbre atelier du Dartmouth College en 1956, où le terme “intelligence artificielle” a été utilisé pour la première fois). L’une des approches, celle qui a actuellement le vent en poupe et qui est à l’origine d’un grand nombre des succès fréquemment mentionnés dans la presse, peut être appelée IA basée sur les données, ou apprentissage automatique (machine learning en anglais). L’autre est l’IA basée sur les connaissances ou l’IA symbolique. L’IA guidée par les données pourrait avoir un grand potentiel dans l’éducation, selon les intentions du système, mais l’IA basée sur la connaissance est toujours à la base de la plupart des systèmes IAEd existants. Un troisième modèle conceptuel, l’IA hybride, qui combine les approches basées sur les données et les connaissances -- 2.1 L’IA basée sur les données L’IA basée sur les données a produit des résultats impressionnants au cours de la dernière décennie dans les domaines de la vision par -- Un défi technique fondamental consiste à savoir comment le système doit ajuster son comportement. Les systèmes d’IA basés sur les données résolvent ce problème en utilisant des calculs de base. Il est possible -- système peuvent être ajustés de manière à ce que le système fasse des prédictions “suffisantes”. Les systèmes d’IA les plus avancés peuvent avoir un grand nombre de paramètres qui sont ajustés de manière répétée -- Tous les systèmes d’IA basés sur les données fonctionnent donc de la manière suivante. Tout d’abord, le système reçoit des données d’entrée -- que la précision du système soit suffisante. Ce processus est appelé “apprentissage” ou “entraînement” du modèle d’IA. Lorsque le système possède suffisamment de paramètres, il peut s’adapter à n’importe -- De nombreux systèmes d’IA fondés sur les données et très performants sont constitués de dizaines de couches ou plus, chacune comportant des -- essais sur la base d’indications données par l’utilisateur (NdT : comme le propose en décembre 2022 le Chat GPT3 d’Open AI). Il est toutefois important de réaffirmer le rôle de l’homme dans ce processus. Ce sont -- qu’il y ait eu de nombreux débats sur les dangers de prendre des décisions algorithmiques sans un humain ” dans la boucle ” (AI HLEG, 2019b ; Dignum, 2018 ; Floridi et al., 2018), au final, ce sont les -- L’IA axée sur les données a connu des avancées extraordinaires au cours de la dernière décennie en raison de trois facteurs clés (Tuomi, -- architectures de processeurs sont également apparues ces dernières années, qui optimisent encore davantage les calculs nécessaires à l’IA basée sur les données. Deuxièmement, l’apprentissage de l’IA basée sur les données nécessite d’énormes quantités de données. Celles-ci sont devenues disponibles du -- Troisièmement, en particulier dans le traitement de l’image, où l’IA guidée par les données a connu son premier grand succès il y a une dizaine d’années, les progrès de l’IA guidée par les données ont nécessité un effort humain massif pour étiqueter les images trouvées sur le Web. L’ensemble de données ImageNet, qui a été utilisé pour former de nombreux systèmes d’IA révolutionnaires, a été créé par environ 49 000 personnes de 167 pays travaillant sur la plateforme de -- Il a été noté qu’en raison de sa méthode d’apprentissage par essais et erreurs, l’IA axée sur les données est en fait basée sur la façon la plus inefficace d’effectuer des calculs inventée par l’humanité (Tuomi, -- nombreux paramètres à ajuster, les exigences de calcul peuvent devenir écrasantes. Pour cette raison, même les plus grandes entreprises d’IA ont aujourd’hui du mal à trouver une puissance de calcul suffisante pour entraîner leurs modèles d’IA. Les modèles de langage naturel basés sur des données de pointe sont désormais entraînés à l’aide de -- d’émissions de CO[2] (Quach, 2020). Il est désormais largement admis que la consommation d’énergie constitue un défi majeur pour l’IA axée sur les données (Strubell et al., 2019). Le cerveau humain, quant à lui, fonctionne avec environ 20 watts d’énergie, ce qui suggère que l’IA pilotée par les données repose sur des principes différents de ceux de l’intelligence humaine (Tuomi, 2020). En pratique, l’impasse informatique de l’IA axée sur les données est pour l’instant évitée par la réutilisation de modèles déjà développés. -- tâche antérieure et de réentraîner le modèle pour la tâche en cours. Les chercheurs en IA appellent cela “apprentissage par transfert”. Si, par exemple, un système a appris à reconnaître des chiens, des chats, -- d’images, par exemple la reconnaissance de visages ou l’analyse d’images satellites. Aujourd’hui, la grande majorité des systèmes d’IA sont probablement développés selon cette approche, en s’appuyant sur des modèles ouvertement accessibles provenant des principaux développeurs d’IA, tels que Facebook, Google, iFLYTEK, Microsoft, OpenAI et Tencent. Enfin, si les succès de l’IA basée sur les données ont été impressionnants, il reste important de ne pas se laisser abuser par les -- 2.2 L’IA basée sur la connaissance En raison de ses succès spectaculaires, l’IA basée sur les données a dominé les informations parues dans la presse ces dernières années. Dans le domaine de l’éducation, cependant, l’IA basée sur les connaissances continue de jouer un rôle central. Les systèmes basés sur -- domaines d’application, ont limité la popularité de cette approche (Tuomi, 2018). Dans les applications éducatives de l’IA, de nombreux systèmes contiennent un modèle de domaine qui décrit une structure -- L’”intelligence” de l’IA basée sur la connaissance réside dans les structures conceptuelles produites à partir des connaissances des -- général, les règles sont décrites dans des phrases “si…alors” lisibles par l’homme. C’est pourquoi l’IA basée sur la connaissance est aussi parfois appelée “IA basée sur des règles”. Jusqu’à récemment, presque tous les systèmes d’IA dans l’éducation étaient basés sur cette approche. Plusieurs de ces systèmes sont brièvement décrits ci-dessous. -- algorithmique. Une conséquence importante de cette approche – contrairement à l’IA basée sur les données – est que le comportement du système peut être expliqué en élève la logique programmée. -- L’IA est appliquée à l’éducation (IAEd) de multiples façons. Par conséquent, il n’est pas possible de tirer des conclusions globales ou, -- Systèmes de tutorat intelligents (ITS) * * * Applications assistées par l’IA (par exemple, mathématiques, synthèse vocale, apprentissage des langues) * * * Simulations assistées par l’IA (par exemple, apprentissage par le jeu, Réalité Virtuelle, Réalité Augmentée) * * * IA pour aider les apprenants à besoins particuliers * * * Rédaction automatique d’essais * * * -- Environnements d’apprentissage exploratoire * * Assistant d’apprentissage tout au long de la vie assisté par l’IA * IAEd au service de l’enseignant -- Évaluation sommative automatique * * * / * * IA d’assistance de l’enseignant (y compris assistant d’évaluation) * * * / * -- Avant d’explorer les différents types de IAEd axés sur les élèves, c’est-à-dire les outils assistés par l’IA spécifiquement conçus pour aider les élèves, une brève digression est nécessaire. Il est important de noter que toutes les technologies assistées par l’IA utilisées par les élèves n’ont pas été conçues pour eux. On pourrait plutôt dire que -- de l’IAEd au service des élèves. Un exemple de la technologie assistée par l’IA la plus sophistiquée qui a été réaffectée à l’éducation est la suite d’outils de collaboration Google Workspace Education qui comprend -- qui s’est accélérée pendant les fermetures d’écoles du COVID-19). Enfin, diverses autres technologies assistées par l’IA sont réorientées vers l’éducation, par exemple les dispositifs de suivi d’activité (par -- Nous poursuivons en élaborant les IAEd au service des élèves suivants : systèmes de tutorat intelligents, applications assistées par l’IA, simulations assistées par l’IA, IA pour aider les apprenants à besoins spécifiques (handicap), rédaction automatique de dissertations, -- environnements d’apprentissage exploratoires et assistants d’apprentissage tout au long de la vie assistés par l’IA. -- Intelligent Tutoring System) disponibles dans le commerce sont les applications les plus courantes de l’IA dans l’éducation, et probablement les plus financées. En général, ils fournissent des -- de l’apprentissage (Songer et al., 2020). Gooru utilise abondamment les technologies d’IA basées sur les données sur sa plateforme, par exemple pour analyser les sujets couverts par les ressources éducatives libres -- affirme héberger environ quatre millions de ressources d’apprentissage sélectionnées par l’IA. Certains STI incluent également ce que l’on appelle un modèle d’apprentissage ouvert, conçu pour permettre à -- 3.1.2 Applications assistées par l’IA Il existe une gamme en pleine expansion d’applications éducatives assistées par l’IA disponibles dans le commerce sur les principales boutiques d’applications. Par exemple, il existe des outils de traduction linguistique assistée par l’IA de plus en plus impressionnants, tels que SayHi (SayHi, 2022), dont certains craignent -- dans les écoles, et des applications de mathématiques assistées par l’IA tout aussi impressionnantes, telles que Photomath (Photomath, 2022), dont certains craignent qu’elles ne nuisent à l’apprentissage -- chinois de l’éducation à interdire les applications de devoirs assistés par l’IA qui fournissent automatiquement des réponses en ligne aux questions de devoirs photographiées et téléchargées par les élèves -- 3.1.3 Simulations assistées par l’IA (par exemple, apprentissage par le jeu, Réalité Virtuelle, Réalité Augmentée) -- Bien qu’elles ne soient peut-être pas traditionnellement considérées comme des technologies d’IA, les simulations de réalité virtuelle (RV) et de réalité augmentée (RA) disponibles dans le commerce et l’apprentissage basé sur les jeux numériques sont fréquemment combinés avec l’apprentissage automatique de l’IA, la reconnaissance d’images et le traitement du langage naturel, et sont de plus en plus utilisés dans des contextes éducatifs. Par exemple, la RV assistée par l’IA a été utilisée pour fournir une formation aux internes en neurochirurgie sur une variété de procédures neurochirurgicales (par exemple, McGuire et Alaraj, 2018), tandis que la RA assistée par l’IA a été utilisée pour permettre aux élèves d’explorer et de manipuler des modèles -- temps, l’apprentissage numérique basé sur les jeux (Digital Game Based Learning, DGBL) inclut de plus en plus de technologies d’IA, afin d’adapter le gameplay à chaque élève (LaPierre, 2021). 3.1.4 L’IA au service des apprenants à besoins particuliers -- aider les élèves ayant un trouble de l’apprentissage (Barua et al., 2022), tandis que d’autres approches d’IA ont été utilisées pour assister le diagnostic de troubles de l’apprentissage tels que les -- troubles du spectre autistique (par exemple, Alabdulkareem et al., 2022). Parallèlement, il existe un certain nombre d’outils d’IA classiques, comme les applications de synthèse vocale et de -- voyants, ainsi qu’un nombre limité d’applications ciblées assistées par l’IA, par exemple certaines qui signent automatiquement pour les enfants ayant des difficultés d’audition, comme StorySign de Huawei -- commerciales en ligne proposant des rédactions sur mesure sur n’importe quel sujet. Les récents développements de l’IA connus sous le nom de “grands modèles linguistiques”, tels que le GPT-3 d’Open AI évoqué plus haut, sont sur le point d’avoir un impact encore plus important (GPT-3, -- Les agents conversationnels assistés par l’IA font l’objet de recherches et sont disponibles dans le commerce. Ils sont de plus en -- Conversation d’IBM (Hussain, 2017). Un deuxième exemple, tristement célèbre, est l’assistant d’enseignement virtuel assisté par l’IA développé à Georgia Tech (Goel & Joyner, 2017). Le robot répondait aux -- virtuel n’ait pas informé les élèves qu’ils communiquaient avec un robot utilisant de l’IA et qu’il ait parfois utilisé des astuces pour faire croire aux élèves qu’il était humain (par exemple, en retardant -- traitement du langage naturel et le traitement sémantique, ainsi que d’autres techniques assistées par l’IA, pour fournir un retour d’information exploitable sur les écrits ou autres productions des -- 2019). L’un des principaux problèmes est qu’actuellement, aucun système d’IA n’est capable d’une interprétation aussi approfondie ou d’une analyse aussi précise que celle d’un enseignant, et qu’il s’appuie -- d’autres résultats. Grammarly (Grammarly, 2022a) est un exemple de système d’IA qui fournit explicitement un retour sur les caractéristiques de surface de l’écriture. Parallèlement, des -- Par orchestrateurs de réseaux d’apprentissage, nous entendons les systèmes d’IA qui permettent les connexions entre les personnes engagées dans l’éducation. Il existe peu d’exemples étudiés et -- l’apprenant est responsable et décide de ce qu’il veut apprendre, tandis que l’IA (contrairement à un STI) joue un rôle de soutien. -- résultats d’apprentissage (Kirschner et al., 2006 ; Mavrikis et al., 2022). Cependant, c’est là que l’IA entre en jeu, avec de nombreux ELE récents pilotés par l’IA fournissant un retour automatique, abordant les idées fausses et proposant des approches alternatives pendant -- 3.1.11 Assistants d’apprentissage tout au long de la vie assistés par l’IA Les assistants d’apprentissage tout au long de la vie assistés par l’IA, des outils que les élèves pourraient peut-être avoir sur leur téléphone portable et qui peuvent fournir un large éventail de soutien et de conseils, ont longtemps été suggérés comme une application potentiellement puissante de l’IA dans l’éducation (Holmes et al., 2019). Cependant, à ce jour, un tel outil a fait l’objet de très peu -- De nombreux dispositifs d’IA au services des élèves, en particulier les Systèmes de Tutorat Intelligents (STI), comprennent des interfaces, ou -- un STI (Holstein et al., 2018). Bien qu’impressionnant, il s’agit d’un exemple d’utilisation d’une technologie d’IA pour résoudre un problème causé par une technologie d’IA (ici, pour résoudre le fait que, pendant que les élèves s’engagent avec un STI, leur enseignant ne peut pas -- Dans quelques contextes, les systèmes assistés par l’IA ayant fait l’objet de recherches et disponibles dans le commerce sont de plus en plus utilisés pour le suivi des élèves en classe. Par exemple, des applications vidéo assistées par l’IA ont été développées pour surveiller l’endroit où un élève regarde, à partir duquel le système -- capables de faire ce qu’ils prétendent faire. Pendant ce temps, dans de nombreuses universités, des systèmes assistés par l’IA sont également utilisés pour surveiller les mouvements des élèves sur le campus -- On espère depuis longtemps que l’IA pourrait faire gagner du temps et de l’énergie aux enseignants en automatisant la notation des travaux, -- tests à enjeux élevés sont l’un des deux cas d’utilisation à haut risque de la proposition de loi européenne sur l’IA, et seraient donc réglementés par ses dispositions. Un exemple commercial d’évaluation -- 3.2.5 Assistant d’enseignement et d’évaluation assisté par l’IA -- potentiellement les enseignants à un rôle plus fonctionnel (Guilherme, 2019 ; Selwyn, 2019). Une approche alternative consiste à ce que l’IA soutienne les enseignants dans leur enseignement en augmentant l’expertise et les compétences des enseignants avec un assistant d’enseignement utilisant de l’IA. Ce que pourrait faire un tel assistant d’enseignement IA reste à déterminer. Il s’agit en effet d’une application spéculative dans la mesure où nous n’avons pas -- le script en cours de correction). En d’autres termes, c’est l’enseignant qui procède à l’évaluation, et non l’IA seule mais il est assisté par celle-ci. -- et al., 2011). Cette technologie n’en est qu’à ses débuts, mais il existe un nombre croissant de recherches sur la façon dont l’IA pourrait aider l’enseignant à orchestrer la classe (Song, 2021). Un -- Bergin, 2019). Ces outils ont une fonction administrative claire et s’inspirent et partagent beaucoup avec l’intelligence artificielle au service des organisations et des entreprises. Par conséquent, nous -- les institutions : les admissions (l’un des cas d’utilisation à haut risque définis dans la proposition de loi européenne sur l’IA) et l’e-Proctoring (surveillance d’examens à distance). -- De nombreux établissements d’enseignement supérieur, principalement aux États-Unis, utilisent des logiciels d’admission assistés par l’IA disponibles dans le commerce pour rendre plus efficace leurs processus -- qu’il reproduisait discrètement les mêmes problèmes qu’il avait l’ambition de résoudre. Néanmoins, l’IA est de plus en plus utilisée pour rendre plus efficaces les processus d’admission (Marcinkowski et -- l’intégrité académique en utilisant des caméras et des microphones assistés par l’IA pour surveiller automatiquement les élèves et élèves – en scannant leur visage et en suivant les frappes au clavier et les -- Oliver, 2021). En fait, l’e-Proctoring est probablement l’un des exemples les plus clairs d’une utilisation de l’IA pour automatiser de mauvaises pratiques pédagogiques, plutôt que de l’utiliser pour -- Comme indiqué dans l’introduction, les avantages supposés de l’IA dans l’éducation ont reçu beaucoup de visibilité (par exemple, OCDE, 2020, -- Selon l’entrepreneur en IA Kai-Fu Lee : -- l’enseignant. Cependant, de nombreuses tâches de l’enseignant peuvent être automatisées avec une IA suffisamment avancée. La plus grande opportunité pour l’IA dans l’éducation est peut-être l’apprentissage individualisé […]. Contrairement aux enseignants humains, qui doivent -- aime le basket, les problèmes de mathématiques pourront être réécrits en termes contextualisés au domaine du basket. L’IA donnera des devoirs différents à chaque élève, en fonction de son rythme, en veillant à ce qu’un élève donné maîtrise parfaitement un sujet avant de passer au suivant. Grâce à des données toujours plus nombreuses, l’IA rendra l’apprentissage beaucoup plus efficace, attrayant et amusant. (Lee & -- Une telle vision de l’avenir de l’IA résume parfaitement les convictions de nombre de ses plus ardents défenseurs à propos de -- ont également commencé à évaluer de manière critique le potentiel futur de l’IA dans l’éducation. Ensemble, ces publications explorent ce que l’on pourrait appeler une perspective humaniste et d’études critiques sur les liens entre l’IA et l’éducation. Les autres articles de ce numéro de la Revue européenne de -- Ces dernières années, l’IA en général a fait l’objet d’un intérêt croissant pour l’éthique, ce qui a donné lieu à plus de 80 ensembles de principes éthiques en matière d’IA (Ayling et Chapman, 2021 ; Jobin et al., 2019 ; Tsamados et al., 2022). Nombre d’entre eux ont adopté une -- autres parties prenantes, relativement peu de publications ont été consacrées spécifiquement à l’éthique de l’IA dans l’éducation, à l’exception notable de ces publications (Adams et al., 2021 ; Aiken & -- engagement sérieux quant aux conséquences éthiques potentielles de l’utilisation de l’IA dans l’éducation. Cela contraste avec le domaine connexe de l’analyse de l’apprentissage, où la vie privée et les -- les enseignants pour le développement et le déploiement éthiques de l’IA dans l’éducation (par exemple, CE, 2022), il n’en reste pas moins qu’aucune réglementation appropriée n’a encore été promulguée dans le -- Un rapport du Conseil de l’Europe a récemment exploré l’IA et l’éducation en termes de droits de l’homme (Holmes et al., 2022), en -- * Droit à la dignité humaine. L’enseignement, l’évaluation et l’accréditation ne doivent pas être délégués à un système d’IA. * Droit à l’autonomie. Les enfants devraient avoir le droit d’éviter -- * Le droit d’être entendu. Les enfants devraient avoir le droit de ne pas s’engager dans l’utilisation d’un système d’IA, sans que cela n’affecte négativement leur éducation. -- ?) (Holmes & Porayska-Pomsta, 2023). Bien que les préoccupations éthiques générales liées à l’IA soient aujourd’hui largement débattues, l’éducation occupe des rôles sociaux importants et vise le -- le développement humain comme point de départ (Tuomi, 2023). Cela signifie également que les cadres éthiques pour l’IA générale doivent être plus explicites sur leurs modèles implicites de progrès et de -- importantes pour les décideurs politiques, mais aussi pour une utilisation éthique de l’AI. L’investissement en temps et, par exemple, en efforts des enseignants, nécessite une justification acceptable. Comme le montrent les nombreux articles publiés dans l’International Journal of Artificial Intelligence in Education, les chercheurs universitaires ont mené de nombreuses études sur l’efficacité de divers -- vrai de dire que “beaucoup de revendications du potentiel révolutionnaire de l’IA dans l’éducation sont basées sur des conjectures, des spéculations et de l’optimisme” (Nemorin, 2021, cité -- L’un des problèmes de la recherche sur l’IAEd est qu’elle s’est presque toujours concentrée sur l’efficacité de l’outil d’IA pour améliorer les résultats scolaires de l’élève dans le domaine étroit traité par l’outil. Il est très rare que la recherche prenne en compte les implications plus larges de l’IA dans les salles de classe et son impact plus large sur les enseignants et les élèves : Une “grande partie de ce qui existe aujourd’hui en tant que “preuves” est principalement liée à la façon dont l’IA peut fonctionner dans l’éducation dans une capacité technique, sans prendre le temps de poser la question de savoir si l’IA est nécessaire dans l’éducation et d’y répondre de manière exhaustive ” (Nemorin, 2021, cité dans Miao & -- développement et le soutien professionnels offerts aux enseignants inexpérimentés, qui pourraient être soutenus par une IA appropriée. Ce soutien, à son tour, pourrait bénéficier de l’établissement de réseaux de collègues et d’experts en pédagogie assistés par l’IA dans tout le pays. L’accent serait à nouveau mis sur l’augmentation (ou -- large. Par exemple, lorsque des pays tiers souhaitent tirer parti de l’IA, certaines entreprises américaines s’attendent à ce qu’ils adoptent des produits d’IA existants prêts à l’emploi, plus ou moins tels qu’ils ont été développés pour les États-Unis, tandis que les -- Un dernier obstacle potentiel relevé dans cet article est la marchandisation de l’éducation à la dérobée. Si l’IA au service de l’apprenant fait l’objet de recherches depuis une quarantaine d’années, -- “Étant donné que les interactions des enfants avec ces systèmes d’IA génèrent à la fois des connaissances techniques sur le fonctionnement -- potentiellement importantes pour le contrôle social de l’éducation et l’innovation éducative. L’IA basée sur les données, en particulier, présente d’importants avantages d’échelle et, dans les écosystèmes en -- Les progrès de l’IA axée sur les données ayant entraîné une augmentation exponentielle des besoins en calcul, il est de plus en plus évident que l’avenir de l’IA ne peut pas vraiment être prédit en extrapolant les développements de la dernière décennie. Alors que certains affirment avec force que l’IA basée sur les données sera bientôt capable, si les données sont suffisantes, de surpasser l’intelligence humaine (par exemple, LeCun et Browning, 2022), d’autres soutiennent de manière tout aussi convaincante que l’IA basée sur les données atteint un plafond de développement et que les progrès vers une -- un nouveau paradigme, qui pourrait impliquer une combinaison des deux approches (par exemple, Marcus, 2022). On parle parfois d'”IA neuro-symbolique” (Susskind et al., 2021). Vraisemblablement, seul le -- sur la connaissance et celles basées sur les données représente cependant une voie naturelle. L’IA basée sur les données fournit d’importantes fonctionnalités de traitement de l’information de base, -- exemple, Davydov, 1982 ; Tuomi, 2022). De nombreuses percées récentes dans l’IA basée sur les données, comme la capacité de localiser un chat dans une image ou de distinguer des mots dans une phrase parlée, sont des tâches simples pour un enfant déjà des années avant son entrée à l’école. Dans les contextes éducatifs, le développement de l’IA peut donc être considéré de manière plus constructive comme un développement -- l’avenir de l’IAEd devrait être compris du point de vue de l’augmentation de la cognition et de l’apprentissage humains par l’IA, une approche qui a été une ligne de pensée importante en IA tout au long de son histoire (Bush, 1945 ; Engelbart, 1963 ; Winograd & Flores, -- plus lié au monde numérique évoluant en temps réel. Les capteurs connecteront tout au prochain Internet, des voitures assistées par l’IA aux machines à laver, en passant par les chaînes de montage des usines, -- architectures internet cloud-to-edge et l’apprentissage automatique, aux côtés de l’intelligence artificielle, sont tous susceptibles d’être des technologies clés dans ce changement. -- l’avenir sont basées sur notre compréhension et notre construction de l’histoire. Dans cet article, nous avons exploré l’histoire de l’IA et de l’IAEd, fourni une typologie des systèmes d’IA dans l’éducation – en situant quelques exemples de l’état actuel de l’art dans cette -- * Adams, C., Pente, P., Lemermeyer, G., & Rockwell, G. (2021). Artificial intelligence ethics guidelines for K-12 Education: A review of the global landscape. In I. Roll, D. McNamara, S. -- CrossrefGoogle Scholar * AI HLEG. (2019a). A definition of AI: Main capabilities and disciplines. European Commission. https://www.aepd.es/sites/default/files/2019-12/ai-definition.pdf Google Scholar * AI HLEG. (2019b). Ethics guidelines for trustworthy AI. European Commission. https://ec.europa.eu/digital-single-market/en/news/ethics-guideline s-trustworthy-ai Google Scholar * Aiken, R. M., & Epstein, R. G. (2000). Ethical guidelines for AI in education: Starting a conversation. International Journal of Artificial Intelligence in Education, 11, 163– 176. Google Scholar -- Google Scholar * Ayling, J., & Chapman, A. (2021). Putting AI ethics to work: Are the tools fit for purpose? AI and Ethics, 2, 405– 429. https://doi.org/10.1007/s43681-021-00084-x CrossrefGoogle Scholar * Baker, M. J. (2000). The roles of models in artificial intelligence and education research: A prospective view. Journal of Artificial -- Google Scholar * Baker, T., & Smith, L. (2019). Educ-AI-tion rebooted? Exploring the future of artificial intelligence in schools and colleges. NESTA. Google Scholar -- research: Investigations, implications and opportunities. International Journal of Artificial Intelligence in Education, 25(2), 204– 228. https://doi.org/10.1007/s40593-014-0027-7 -- have politics? A semiotic analysis of the discourse of educational technologies and artificial intelligence in education. Algorithmic rights and protections for children. Work in Progress Online -- * Chen, X., Xie, H., Zou, D., & Hwang, G.-J. (2020). Application and theory gaps during the rise of artificial intelligence in Education. Computers and Education: Artificial Intelligence, 1, 100002. https://doi.org/10.1016/j.caeai.2020.100002 -- CrossrefWeb of Science®Google Scholar * Dignum, V. (2018). Ethics in artificial intelligence: Introduction to the special issue. Ethics and Information Technology, 20(1), 1– -- Google Scholar * du Boulay, B. (2016). Artificial intelligence as an effective classroom assistant. IEEE Intelligent Systems, 31(6), 76– 81. -- Wiley Online LibraryWeb of Science®Google Scholar * EC. (2018). Artificial intelligence for Europe. COM (2018) 237 final. European Commission. -- and of the council laying down harmonised rules on artificial intelligence (artificial intelligence act) and amending certain union legislative acts. COM (2021) 206 final. European Commission. -- Google Scholar * EC. (2022). Ethical guidelines on artificial intelligence (AI) and data usage in teaching and learning. European Commission -- Google Scholar * European Parliament. (2021). Artificial intelligence in education, culture and the audiovisual sector. 19 May 2021. European -- Schafer, B., Valcke, P., & Vayena, E. (2018). AI4People—An ethical framework for a good AI society: Opportunities, risks, principles, and recommendations. Minds and Machines, 28(2018), 689– 707. -- Google Scholar * GMI. (2022). AI in Education market size & share, growth forecast 2022–2030. Global Market Insights Inc.. https://www.gminsights.com/industry-analysis/artificial-intelligenc e-ai-in-education-market Google Scholar * Goel, A. K., & Joyner, D. A. (2017). Using AI to teach AI: Lessons from an online AI class. AI Magazine, 38(2), 48– 59. https://doi.org/10.1609/aimag.v38i2.2732 -- Google Scholar * Guilherme, A. (2019). AI and education: The importance of teacher and student relations. AI & SOCIETY, 34(1), 47– 54. https://doi.org/10.1007/s00146-017-0693-8 -- together for minimally invasive research on human learning and teaching. International Journal of Artificial Intelligence in Education, 24(4), 470– 497. -- * Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in Education: Promises and implications for teaching & learning. -- * Holmes, W., Persson, J., Chounta, I.-A., Wasson, B., & Dimitrova, V. (2022). Artificial intelligence and Education. A critical view through the lens of human rights, democracy, and the rule of law. -- Google Scholar * W. Holmes, & K. Porayska-Pomsta (Eds.). (2023). The ethics of AI in education. Practices, challenges, and debates. Routledge. -- Cukorova, M., Bittencourt, I. I., & Koedinger, K. (2021). Ethics of AI in education: Towards a community-wide framework. International Journal of Artificial Intelligence in Education, 32, 504– 526. https://doi.org/10.1007/s40593-021-00239-1 -- * Hsu, S., Li, T. W., Zhang, Z., Fowler, M., Zilles, C., & Karahalios, K. (2021). Attitudes surrounding an imperfect AI autograder. In Proceedings of the 2021 CHI conference on human -- Google Scholar * Jobin, A., Ienca, M., & Vayena, E. (2019). Artificial intelligence: The global landscape of ethics guidelines. Nature Machine -- CrossrefGoogle Scholar * Knox, J. (2020). Artificial intelligence and education in China. Learning, Media and Technology, 45(3), 298– 311. -- CrossrefWeb of Science®Google Scholar * LaPierre, J. (2021, January 18). Educational games and AI. Blogtext. Filament Games. https://www.filamentgames.com/blog/educational-games-and-ai/ Google Scholar * LeCun, Y., & Browning, J. (2022). What AI can tell us about intelligence. Berggruen Institute. https://www.noemamag.com/what-ai-can-tell-us-about-intelligence Google Scholar * Lee, K.-F. (2018). AI superpowers: China, Silicon valley and the new world order. Houghton Mifflin Harcourt Publishing Company. Google Scholar * Lee, K.-F., & Qiufan, C. (2021). AI 2041: Ten visions for our future. WH Allen. Google Scholar * Leetaru, K. (2018). Does AI truly learn and why we need to stop overhyping deep learning. Forbes. https://www.forbes.com/sites/kalevleetaru/2018/12/15/does-ai-truly- learn-and-why-we-need-to-stop-overhyping-deep-learning/?sh=1bfc6861 -- Mavrikis, K. Porayska-Pomsta, B. McLaren, & B. Boulay (Eds.), Artificial intelligence in education (pp. 447– 451). Springer International Publishing. -- * Marcinkowski, F., Kieslich, K., Starke, C., & Lünich, M. (2020). Implications of AI (un-)fairness in higher education admissions: The effects of perceived AI (un-)fairness on exit, voice and organizational reputation. In Proceedings of the 2020 Conference on -- https://www.technologyreview.com/2020/08/22/1007539/gpt3-openai-lan guage-generator-artificial-intelligence-ai-opinion/ Google Scholar -- * McCorduck, P. (1979). Machines who think: A personal inquiry into the history and prospects of artificial intelligence. W.H. Freeman and Company. -- Google Scholar * Miao, F., & Holmes, W. (2021). AI and education: Guidance for policy-makers. UNESCO. -- Google Scholar * Molenaar, I. (2022). Towards hybrid human-AI educational scenarios. European Journal of Education, 57(4). Google Scholar * Moriarty-Mclaughlin, F. (2020). More colleges eye AI to track, monitor students. The College Fix. https://www.thecollegefix.com/more-colleges-eye-ai-to-track-monitor -students/ -- * Nemorin, S., Vlachidis, A., Ayerakwa, H. M., & Andriotis, P. (2022). AI hyped? A horizon scan of discourse on artificial intelligence in education (IAEd) and development. Online article. -- * Nigam, A., Pasricha, R., Singh, T., & Churi, P. (2021). A systematic review on AI-based proctoring systems: Past, present and future. Education and Information Technologies, 26(5), 6421– 6445. -- A review of 17 years of natural language tutoring. International Journal of Artificial Intelligence in Education, 24(4), 427– 469. https://doi.org/10.1007/s40593-014-0029-5 CrossrefGoogle Scholar * OECD. (2019a). Scoping the OECD AI principles: Deliberations of the expert group on artificial intelligence at the OECD (AIGO). OECD. https://read.oecd-ilibrary.org/science-and-technology/scoping-the-o ecd-ai-principles_d62f618a-en Google Scholar -- Google Scholar * OECD. (2020). Trustworthy artificial intelligence in Education. Author. -- * OECD. (2021). OECD digital Education outlook 2021: Pushing the Frontiers with artificial intelligence, blockchain and robots. OECD. https://doi.org/10.1787/589b283f-en -- Google Scholar * Pangburn, D. J. (2019). Schools are using AI to help pick students. What could go wrong? Fast Company. https://www.fastcompany.com/90342596/schools-are-quietly-turning-to -ai-to-help-pick-who-gets-in-what-could-go-wrong Google Scholar -- CrossrefGoogle Scholar * Quach, K. (2020, November 4). AI me to the Moon … Carbon footprint for ‘training GPT-3’ same as driving to our natural satellite and -- * Ramesh, D., & Sanampudi, S. K. (2021). An automated essay scoring systems: A systematic literature review. Artificial Intelligence Review, 55, 2495– 2527. https://doi.org/10.1007/s10462-021-10068-2 -- Google Scholar * Selwyn, N. (2019). Should robots replace teachers?: AI and the future of education. Polity. Google Scholar * Sharples, M. (2022, May 17). New AI tools that can write student essays require educators to rethink teaching and assessment. Blogtext. London School of Economics and Political Science. https://blogs.lse.ac.uk/impactofsocialsciences/2022/05/17/new-ai-to ols-that-can-write-student-essays-require-educators-to-rethink-teac -- Google Scholar * Sparkes, M. (2022). Sentient AI: Has Google’s LaMDA artificial intelligence really come to life? New Scientist. -- * Sperling, K., Stenliden, L., Nissen, J., & Heintz, F. (2022). Still w(AI)ting for the automation of teaching: An exploration of machine learning in Swedish primary education using actor-network-theory. -- Google Scholar * Statista. (2022). Total global AI investment 2015–2021. https://www.statista.com/statistics/941137/ai-investment-and-fundin g-worldwide/. Statista. -- * Susskind, Z., Arden, B., John, L. K., Stockton, P., & John, E. B. (2021). Neuro-symbolic AI: An emerging class of AI workloads and their characterization. Cornell University. -- Taddeo, M., & Floridi, L. (2022). The ethics of algorithms: Key problems and solutions. AI & SOCIETY, 37(1), 215– 230. CrossrefWeb of Science®Google Scholar * Tuomi, I. (2018). The impact of artificial intelligence on learning, teaching, and EDUCATION. European Union Joint Research -- Google Scholar * Tuomi, I. (2020). The use of artificial intelligence (AI) in education. European Parliament, Policy Department for Structural -- Google Scholar * Tuomi, I. (2022). Artificial intelligence, 21st century competences, and socio-emotional learning in education: More than -- * Tuomi, I. (forthcoming). A framework for socio-developmental ethics in educational AI. In Proceedings of the 56th Hawaii International Conference on System Science. Maui, January 3-6, 2023. -- Google Scholar * UNICEF. (2021). Policy guidance on AI for children. Author. https://www.unicef.org/globalinsight/media/2356/file/UNICEF-Global- Insight-policy-guidance-AI-children-2.0-2021.pdf.pdf Google Scholar -- * Vuorikari, R., & Holmes, W. (2022). DigComp 2.2. Annex 2. Citizens interacting with AI systems. In R. Vuorikari, S. Kluzer, & Y. Punie (Eds.), DigComp 2.2, the digital competence framework for citizens: -- * Waters, A., & Miikkulainen, R. (2014). GRADE: Machine learning support for graduate admissions. AI Magazine, 35(1), 64. https://doi.org/10.1609/aimag.v35i1.2504 -- Google Scholar * Williamson, B. (2021, May 28). Google’s plans to bring AI to education make its dominance in classrooms more alarming. Fast Company. https://www.fastcompany.com/90641049/google-education-classroom-ai Google Scholar * Williamson, B., & Eynon, R. (2020). Historical threads, missing links, and future directions in AI in education. Learning, Media and Technology, 45(3), 223– 235. -- Google Scholar * X5GON. (2022). X5GON. Website. [Artificial Intelligence and open educational resources]. https://www.x5gon.org/ -- * Yeung, K. (2019). A study of the implications of advanced digital technologies (including AI systems) for the concept of responsibility within a human rights framework. Council of Europe -- * Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – Where are the educators? -- CrossrefWeb of Science®Google Scholar * Zembylas, M. (2021). A decolonial approach to AI in higher education teaching and learning: Strategies for undoing the ethics -- éducation – Hors-série : Tests et simulations d’« entretiens » avec ChatGPT (Open AI) [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/7635 -- Association for the Advancement of Artificial Intelligence, & Computer Science Teachers Association. (2020). AI4K12. AI4K12. -- Association Française pour l’Intelligence Artificielle (AFIA). (2022, janvier 6). Journée Enseignement et Formation en IA : « IA pour l’enseignement ». AfIA. https://afia.asso.fr/efia-2022/ -- Bocquet, F. (2020, juillet 9). L’intelligence artificielle de la maternelle à la Terminale : Que devrait savoir chaque enfant sur l’IA ? [Billet]. Éducation, numérique et recherche. -- neurones : L’invention des machines inductives et la controverse de l’intelligence artificielle. Réseaux, 5(211). https://doi.org/10.3917/res.211.0173 -- Cheng, E. C. K., Koul, R. B., Wang, T., & Yu, X. (Éds.). (2022). Artificial Intelligence in Education : Emerging Technologies, Models and Applications: Proceedings of 2021 2nd International Conference on Artificial Intelligence in Education Technology (Vol. 104). Springer Singapore. https://doi.org/10.1007/978-981-16-7527-0 -- Chevret-Castellani, C., Labelle, S., & Remond, É. (Éds.). (2022). De la régulation de l’intelligence artificielle dans le domaine éducatif. Communication, technologies et développement, 12. -- CMEPIUS Erasmus+ (Réalisateur). (2022, janvier 13). Wayne Holmes : How can AI support teachers in their teaching? https://www.youtube.com/watch?v=18Ho4AKSdsM Collin, S., & Marceau, E. (2021). L’intelligence artificielle en éducation : Enjeux de justice. Formation et profession, 29(2), 1. -- DNE-TN2. (2021a, mai 18). IA et éducation : Ressources, pratiques et acteurs – #GTnum #Scol_IA [Billet]. Éducation, numérique et recherche. -- DNE-TN2. (2022, janvier 20). Les enjeux éducatifs à l’ère de l’Intelligence Artificielle : GTnum #Scol_IA – Maison de l’Intelligence artificielle [Billet]. Éducation, numérique et recherche. -- DNE-TN2. (2023, janvier 12). Intelligence artificielle, traitement automatique des langues et agents conversationnels [Billet]. Éducation, -- and Culture. (2022). Lignes directrices éthiques sur l’utilisation de l’intelligence artificielle (IA) et des données dans l’enseignement et l’apprentissage à l’intention des éducateurs. Publications Office. -- Ferri, F. (2020). De la raison graphique à la raison computationnelle : Une brève préhistoire de l’intelligence artificielle. Interfaces numériques, 9(1), Art. 1. -- Grand lexique français de l’Intelligence artificielle. (2021). DataFranca Wiki. https://datafranca.org/wiki/Accueil -- Holmes, W., Persson, J., Chounta, I.-A., Wasson, B., & Dimitrova, V. (2022). Artificial intelligence and education—A critical view through the lens of human rights, democracy and the rule of law. Council of -- Inria. (2020). L’Intelligence Artificielle… avec intelligence ! (MOOC). FUN-MOOC. -- Knight, S., Martinez-Maldonado, R., Sadiq, S., & Tsai, Y.-S. (2022). Explainable Artificial Intelligence in education. Computers and Education: Artificial Intelligence, 100074. https://doi.org/10.1016/j.caeai.2022.100074 -- Le Cun, Y. (2016, février 4). L’apprentissage profond : Une révolution en intelligence artificielle. Collège de France. https://www.college-de-france.fr/agenda/lecon-inaugurale/apprentissage- -- Le Métayer, D. (2020). Séminaire intelligence artificielle—Séance 1 – État de l’art, état des forces. Qu’est-ce que l’intelligence -- Lettre ÉduNum thématique sur l’intelligence artificielle. (2021). éduscol | Ministère de l’Éducation nationale, de la Jeunesse et des -- Romero, M., Aloui, H., Heiser, L., Galindo, L., & Lepage, A. (2021). Un bref parcours sur les ressources, pratiques et acteurs en IA et éducation. https://hal.archives-ouvertes.fr/hal-03190014 Selwyn, N. (2022). The future of AI and education : Some cautionary notes. European Journal of Education. -- UNESCO. (2019). Consensus de Beijing sur l’intelligence artificielle et l’éducation. UNESCO Bibliothèque Numérique. -- UNICEF. (2021, novembre). Orientations stratégiques sur l’IA destinée aux enfants 2.0. UNICEF. -- * informatique * intelligence artificielle * international