Les processus d'enseignement et d'apprentissage sont très complexes, et notre compréhension de ce qui est l'intelligence humaine est encore limité. Dans ce contexte, ce qui est dénommé "intelligence artificielle" peut-elle apporter quelque chose aux élèves ? aux enseignants ? à la recherche en sciences de l'éducation det la formation ? Quelques questionnements que j'ai partagé dans le cadre de la 3e journée Enseignement et Formation en IA « IA pour l’enseignement » de l’Association Française pour l’Intelligence Artificielle (AFIA) : "Enjeux éducatifs à l’ère de l’IA : Compétences, dispositifs de formation et opportunités pour la recherche en éducation" dans le cadre des travaux développés dans le GTnum #Scol_IA, l'ANR #CreaMaker (tâche #CreaCube), MSc. Smart Ed Tech - Université Côte d'Azur, Otesia, l'action exploratoire Inria "Artificial Intelligence Devoted to Education", Let's STEAM, Cai-community et les actions de médiation scientifique avec Terra Numerica.

1. Enjeux éducatifs à l’ère de l’IA :
Compétences, dispositifs de formation et
opportunités pour la recherche en
éducation.
Margarida.Romero@univ-cotedazur.fr
Laboratoire d’Innovation et Numérique pour l’Education (LINE)
Prof. des universités 1C. Université Côte d’Azur
Prof. associée à l’Université Laval (Canada)
https://margaridaromero.me/
3e journée Enseignement et Formation en IA
« IA pour l’enseignement » de l’Association Française
pour l’Intelligence Artificielle (AFIA)
6 Janvier 2022
https://monurl.ca/efia2021
ANR CreaMaker
#CreaCube
Artificial Intelligence Devoted
to Education (AIDE)
MSc SmartEdTech

2. ● D’où je vous parle ? Pluralisme épistémologique et interdisciplinarité
● Enjeux éducatifs à l’ère de l’IA :
○ Compétences
○ Dispositifs de formation
○ Opportunités pour la recherche en éducation.
Plan de la présentation

3. ● Margarida Romero, Hedi Aloui, Laurent Heiser, Luis Galindo, Alexandre
Lepage. Un bref parcours sur les ressources, pratiques et acteurs en IA
et éducation. [Rapport de recherche] Université Côte d'Azur. 2021.
⟨hal-03190014⟩
● https://telearn.archives-ouvertes.fr/LINE/hal-03190014v1
Un bref parcours sur les ressources, pratiques et acteurs en IA et éducation
● Margarida Romero, Développer la pensée informatique pour démystifier
l'intelligence artificielle
● https://www.societe-informatique-de-france.fr/wp-content/uploads/2018/06/
1024-no12-Pensee-Informatique.pdf
Développer la pensée informatique pour démystifier l'intelligence
artificielle

4. “Pour comprendre le langage des autres,
il ne suffit pas de comprendre leurs mots ;
il faut aussi comprendre leur pensée”
Lev Vygotski (1896-1934)

5. D’où je vous parle ?

6. “Epistemological pluralism recognizes that, in any given
research context, there may be several valuable ways of knowing, and that accommodating this
plurality can lead to more successful integrated study” (Miller et al. 2008)
“methodological tribalism” vs
“pluralistic coexistence” as a way to foster dialogue and '”innovative
methodological cross-fertilization'” in the spirit of “openness” and “constructive criticism'” (Lamont
& Swidler 2014)
Lamont, M., & Swidler, A. (2014). Methodological pluralism and the possibilities and limits of interviewing. Qualitative Sociology, 37(2), 153-171.
Miller, T. R., Baird, T. D., Littlefield, C. M., Kofinas, G., Chapin III, F. S., & Redman, C. L. (2008). Epistemological pluralism: reorganizing interdisciplinary
research. Ecology and Society, 13(2).

8. ● “D’où je parle ? Sciences de l’éducation et de la formation (SEF)”
○ approaches socio-culturelles (Vygotsky, Engeström) 🎓 (Coll, Barma, Laferrière)
○ Technology enhanced learning (Mishra, Resnick, Kafai) 🎓 (Power, Davidson, Heiser,
Gisbert, Usart)
○ psychologie de l’éducation (Järvelä, Azevedo) 🎓 (Monereo, Sanchez, Panadero,
Prokofieva)
○ Apprentissage par le jeu, créativité et enaction (Csikszentmihalyi, Gray,
Kaufman, Sternberg, Varela) 🎓 (Arnab, Ott, de Freitas, Capron-Puozzo)
○ psychologie cognitive (Kirschner, Sweller, Beilock) 🎓 (Tricot, Mariné, Huet)
○ novice en neurosciences (Pessoa) 🎓 (Vieville, Alexandre)
○ pluralisme épistémologique (Papert) 🎓 (Pouliot)
Préliminaires

9. ● “D’où je parle ?”
○ pluralisme épistémologique (Papert) 🎓 (Pouliot)
○ orientation activité comme unité d’analyse (Engeström) 🎓 (Albero, Barma)
Préliminaires
“understanding had to precede proper
definition” (Oatley, Keltner &
Jenkins, 2006 in Pessoa, 2013)
Oatley, K., Keltner, D., & Jenkins, J. M. (2006). Understanding emotions (2nd ed.). Blackwell Publishing.
Pessoa, L. (2013). The cognitive-emotional brain: From interactions to integration. MIT press.

10. Une même activité et protocole de recherche,
des analyses pluridisciplinaires et multimodales visant la compréhension de la
résolution créative de problèmes
ANR CreaMaker
#CreaCube
Didactique des mathématiques
(DeBlois, Freiman, Rafalska)
Information et communication
(Heiser, expérience vecue)
Psychomotricité (Leroy)
Sciences de l’Education et de la
Formation (Romero, Prokofieva, Barma)
Sciences du numérique
(Vieville)
Neurosciences computationnelles
(Alexandre, Vieville)
Interactions Humain
Artefact (Charisi)
Ergonomie
(Kalmpourtzis)
Modélisation
mathématique (Kohler)

11. ● Enseignement à la culture et compétences numériques
● Recherche sur la résolution créative de problèmes (ANR
CreaMaker, Artificial Intelligence Devoted to Education) et sur
les usages créatifs de l’IA (GTnum Scol_ia)

12. Margarida Romero est
professeure des universités et
directrice du LINE.
Laurent Heiser est docteur au
LINE et à l’IMSIC Toulon et
responsable du centre de
formation de l’Inspé de la Seyne
sur Mer (Inspé de Nice
-Université Côte d’Azur).
Maryna Rafalska est maître de
conférences au LINE.
https://orcid.org/0000-0003-33
56-8121
https://orcid.org/0000-0002-239
9-7873
https://hal.archives-ouvertes.fr/se
arch/index/q/*/authFullName_s/M
aryna+Rafalska
Pilotage du #GTnum #Scol_IA (LINE)

13. D’où je vous parle ?

14. GTnum #Scol_IA
Margarida Romero, Laurent Heiser et Maryna Rafalska
https://scoliablog.wordpress.com/
Les GTnum sont des groupes de travail numériques (GTnum) sélectionnés par la Direction du Numérique Educatif (DNE) pour
● l’avancement scientifique sur la thématique,
● le développement et analyse des pratiques sur le terrain
● et l’acculturation des acteurs éducatifs sur la thématique.
Le GTnum 9 #Scol_IA est orienté sur la thématique “Intelligence artificielle et éducation”.
Pour développer ces objectifs,
● Structuration en 5 équipes de travail
● Approche en science ouverte et participative
● Ouverture trans et interdisciplinaire
● Ancrage à la fois territoriale et internationale
T1. Formation à l’IA
T2. Acculturation à l’IA
T3. Dispositif innovants
T4. Trace d’apprentissage
T5. Modélisation de l’apprenant

15. ● Dans le cadre du livre blanc, “Éducation et Numérique : enjeux et défis”
(Giraudon et al. 2020) l’intelligence artificielle est définie comme
“l’automatisation des processus et comportements que nous, humains,
percevons comme intelligents” (p. 32).
● « la construction de programmes informatiques qui s’adonnent à des tâches
qui sont, pour l’instant, accomplies de façon plus satisfaisante par des
êtres humains, car elles demandent des processus mentaux de haut niveau
tels que l’apprentissage perceptuel, l’organisation de la mémoire et le
raisonnement critique » (Minsky, 1956).
● Plus récemment, Young et al (2019) définissent l'intelligence
artificielle “comme tout système spécifique à un domaine utilisant des
techniques d'apprentissage automatique pour prendre des décisions
rationnelles concernant des tâches non déterministes”.
Intélligence humaine, machines stupides

16. IA et éducation
Domaines d’application
Alexandre (2021)

17. Maison de l’Intelligence Artificielle
● Projet Arc-en-Ciel
● 75% des collégiens des Alpes Maritimes formés à l’IA

18. Quelle formation au numérique pour tous
(médiation) ?
https://www.researchgate.net/publication/344832484_Vibot_le_robot

19. Quelle formation pour les enseignants à la
culture et compétences numériques ?
https://www.researchgate.net/publication/344832484_Vibot_le_robot

20. Quelles compétences ?

21. Learning sciences
How we learn ? Learning process as contextual, multilevel (intrapsychological,
interpsychological) in interaction with agents and artefacts
Learning sciences / Problem solving @margaridaromero

22. Tricot (2015)

23. Learning sciences / Problem solving @margaridaromero
What we learn ?

24. Source : http://andre.tricot.pagesperso-orange.fr/2_ICLTC2019_Reasoning_more_efficiently_with_primary_knowledge_v2.pdf

25. #5c21

26. Romero, M., & Belhassein, D. (2019). Interdisciplinarité et usages co-créatifs du numérique en éducation. Dans Darbellay, F. (Ed.). L'interdisciplinarité à
l'école: succès, résistance, diversité. Alphil.

31. Comment les approches IA peuvent soutenir la
recherche en sciences de l’éducation ?

32. Une approche complémentaire des liens entre intelligence artificielle et éducation.
ANR CreaMaker. Modélisation d’une tâche de résolution créative de problèmes
https://creamaker.wordpress.com/
Publications : https://creamaker.wordpress.com/2019/02/06/publications-within-the-creamaker-project/
Aide : Artificial Intelligence Devoted to Education (AIDE)

33. Aide : Artificial Intelligence Devoted to Education (AIDE)
Tâche
d’apprentissage
Analyse de
l’activité
Modèle de la
tâche
Modèle de
données
Modèle de
l’apprenant
Activité
d’apprentissage
Traces d’interaction
(learning analytics)
générés dans l’EIAH
Données générées à partir
de schémas analytiques
(vidéo, observations…)
Romero, M., Viéville, T. & Heiser, L. (accepted). Analyse d’activités d’apprentissage médiatisées en robotique pédagogique. Dans Alberto, B.,
Thievenaz, J. (in press). Traité de méthodologie de la recherche en Sciences de l’Éducation et de la Formation.
https:/
/www.researchgate.net/publication/344151929_Analyse_d’activites_d’apprentissage_mediatisees_en_robotique_pedagogique

34. Aide : Artificial Intelligence Devoted to Education (AIDE)
Réalisation des tâches dans un contexte
ludique et immersif de type espace game
Machine
Learning
Modèle de la tâche
Opérationnalisation
des observables
Données massives en environnement
contrôlé de recherche
Identification des composantes en
pensée informatique et résolution de
problèmes
Aide (learning assistant) en cours de
réalisation de la tâche.

35. Aide : Artificial Intelligence Devoted to Education (AIDE)
Modélisation de la
tâche (ontologie)
Modèles
neurosciences
computationnelles
(Mnemosyne)

36. IA et éducation
Données
Souveranité
Liberté pédagogique
Modèle économique EdTech

37. CreACubE @ aIde How we solve problems with technology ?
Kohler (2020)

38. Enjeux éducatifs à l’ère de l’IA :
Compétences, dispositifs de formation et
opportunités pour la recherche en
éducation.
Margarida.Romero@univ-cotedazur.fr
Laboratoire d’Innovation et Numérique pour l’Education (LINE)
Prof. des universités 1C. Université Côte d’Azur
Prof. associée à l’Université Laval (Canada)
https://margaridaromero.me/
3e journée Enseignement et Formation en IA
« IA pour l’enseignement » de l’Association Française
pour l’Intelligence Artificielle (AFIA)
6 Janvier 2022
ANR CreaMaker
#CreaCube
Artificial Intelligence Devoted
to Education (AIDE)
MSc SmartEdTech

39. IA et éducation
Domaines d’application
How to Teach Artificial Intelligence
(VanderArk, 2020)

40. IA et éducation
Domaines d’application
A l’origine, des systèmes experts et des systèmes de tutorat intelligent

41. IA et éducation
Domaines d’application
Système de tutorat intelligent
(Luckin et al. 2016)

42. Aide : Artificial Intelligence Devoted to Education (AIDE)

43. AIDE tasks
Learning in specific tasks
CreACubE @ aIde How we solve problems with technology ?
Problem solving tasks engaging technological knowledge
(computational thinking)
Systems
Problem
analysis
Creation
Solution
Formal systems (COMPO3)
Physical systems (COMPO4)
I
d
e
n
t
i
f
y
t
h
e
p
r
o
b
l
e
m
(
C
O
M
P
O
1
)
O
r
g
a
n
i
z
e
a
n
d
m
o
d
e
l
t
h
e
p
r
o
b
l
e
m
(
C
O
M
P
O
2
)
D
e
v
i
s
e
a
s
o
l
u
t
i
o
n
(
C
O
M
P
O
5
)
E
v
a
l
u
a
t
e
t
h
e
s
o
l
u
t
i
o
n
a
n
d
p
e
r
f
o
r
m
i
t
e
r
a
t
i
o
n
(
C
O
M
P
O
6
)

44. Problem
“Build a vehicle moving from a red point to a black point”
CreACubE @ aIde How we solve problems with technology ?
Material to solve the problem
Solution ?

45. Problem
“Build a vehicle moving from a red point to a black point”
CreACubE @ aIde How we solve problems with technology ?
Material to solve the problem
Solution ?
Norman (1986) designates as the gulf of execution, the distance between the
user's goals and the means of achieving them through the system.

46. CreACubE @ aIde How we solve problems with technology ?
Information inputs
Instructions
State of the system
(unitary and system
level)
Mental model of
the situation
Mental model of
the solution
Behaviors (grasp,
turn, explore…)
Goals :
performance
play/explore

47. Associating (divergent thinking).

48. Selecting/inhibiting (convergent thinking).

49. Problem
“Build a vehicle moving from a red point to a black point”
CreACubE @ aIde How we solve problems with technology ?
Material to solve the problem
Solution ?
Norman (1986) designates as the gulf of execution, the distance between the
user's goals and the means of achieving them through the system.
What we can do ?
Explore the material
Be creative (association). Use the material in an
alternative way (AUT, Guilfort, 1967)
Learn about the material
features and exploit it
Evaluate solutions before
recombining in order to
inhibit unsuccessful ideas

50. Model of the task
(ontologie)
Modèles
neurosciences
computationnelles
(Mnémosyne)
CreACubE @ aIde How we solve problems with technology ?

51. CreACubE @ aIde How we solve problems with technology ?
Which observables (and grammar) for analysing exploratory and exploitation analysis ?

52. Creative problem solving with interactive robotic cubes
CreACubE @ aIde How we solve problems with technology ?
Exploration
Explotation
At the unitary level (cubes)
At the system level (figure)

53. Creative problem solving with interactive robotic cubes
CreACubE @ aIde How we solve problems with technology ?

54. Creative problem solving with interactive robotic cubes
CreACubE @ aIde How we solve problems with technology ?

55. Creative problem solving with interactive robotic cubes
CreACubE @ aIde How we solve problems with technology ?

56. CreaCube
Component 1: Organize & model the situation
Component 2: Identify problems
Component 5: Devise a solution
Component 6: Adopt an iterative process
Component 3: Hone formal systems (e.g. coding, maths, logic)
Component 4: Integrate physical systems
COMPO1
Understanding the
problem-situation
Concept of autonomous
vehicle
COMPO2
Imagining the use of the
cubes for meeting the task
objectives
COMPO3
Importance of the order of a sequence (system behaviour
defined by the order of the cubes)
COMPO4
Magnets
Sensors
Actuatuors
Electric circuit
Cubes assembled as a system
COMPO5
Creating a solution by
assembling by inverting the
distance sensor signal
COMPO6
Solution anlysis for improvement
through a new figure
Systems
Problem
analysis
Creation
Solution
Problem analysis
Systems
Creation