Étude de l'adoption des principaux types d'usages de l'intelligence artificielle par les enseignants et enseignantes du postsecondaire
Thèse ou mémoire / Thesis or Dissertation
Date de publication
Autrices et auteurs
Identifiant ORCID de l’auteur
Contributrices et contributeurs
Direction de recherche
Publié dans
Date de la Conférence
Lieu de la Conférence
Éditeur
Cycle d'études
Doctorat / Doctoral
Programme
Affiliation
Mots-clés
- intelligence artificielle
- enseignants
- ICT for teaching
- higher education
- littératie
- adoption
- TICE
- enseignement supérieur
- artificial intelligence
- teachers
- literacy
- adoption
Organisme subventionnaire
Résumé
Résumé
Depuis une dizaine d’années, les usages de l’IA se sont complexifiés et prétendent à la réalisation de tâches qui ont traditionnellement toujours été confiées aux enseignant·e·s comme l’évaluation des apprentissages ou le soutien à la motivation. Des outils d’IA générative accessibles à tout le monde et hautement performants rendent possible le déploiement d’outils qui demeuraient expérimentaux et précaires dans le domaine de l’IAED comme le recours aux agents conversationnels pour l’apprentissage. La question de recherche de la thèse est la suivante : considérant la croissance des usages de l’IA au postsecondaire qui entrent en tension avec le rôle de l’enseignant·e, quels sont ceux qui sont les plus à même d’être adoptés par ces derniers, en tenant compte de leur niveau de littératie de l’IA ? Pour y répondre, la thèse propose d’abord une recension des écrits sur la manière dont ce rôle a été conceptualisé dans le domaine de l’IAED depuis 1970. Deux études empiriques sont ensuite présentées, une visant à développer un questionnaire pour mesurer le niveau de littératie de l’IA des enseignant·e·s (n = 395), et une seconde visant à étudier l’adoption de cinq types d’usages de l’IA par ceux-ci (n = 127) : évaluation, prédiction et profilage, rétroaction aux étudiant·e·s, détection du plagiat et création de matériel didactique. L’élaboration du questionnaire de littératie s’appuie sur des analyses factorielles, alors que l’étude sur l’adoption emploie des modélisations d’équations structurelles. Trois facteurs de littératie de l’IA ont été identifiés, soit les connaissances techniques sur l’IA, la capacité à en faire un usage pédagogique et la sensibilité aux enjeux éthiques. Les enseignant·e·s ont un faible niveau de connaissances techniques et se disent peu confiants sur leur capacité à faire des usages pédagogiques, mais ont un haut niveau de sensibilité aux enjeux éthiques. Par rapport à l’adoption, les usages d’évaluation et de profilage sont ceux qui génèrent une plus faible intention d’utilisation, avec une attitude plutôt défavorable. La discussion propose une réflexion sur la littératie à l’ère de l’IA, une actualisation du triangle didactique de Houssaye (1988) intégrant l’IA et des pistes futures pour la recherche dans le domaine et l’encadrement de l’IA.
In the last ten years, AI applications have evolved and are now aiming at automatizing tasks that were usually accomplished by teachers such as assessment and motivational support. Generative AI tools easily accessible and highly performing now make it possible to develop a plethora of uses that were until now hard to scale, like the use of chatbots for learning. The research question of this thesis goes as follow: considering the growing tension between AI’s role and teachers’ role, what are the most likely AI applications to be adopted by higher education teachers, considering their AI literacy level? The first step to answer this question was to make a systematic review of the literature about how the role of the teacher was traditionally envisioned in the field of AI in education. Then, two empirical studies were conducted, one aiming at developing a questionnaire to measure the level of AI literacy among higher education teachers (n = 395) and a second one aiming at explaining the adoption of five applications of AI (n = 127): automated assessment, prediction and profiling, automated feedback to students, plagiarism detection and course material creation. The literacy questionnaire was elaborated through factorial analysis, and the adoption study through structural equations modeling. Three factors of AI literacy were identified: technical knowledge of AI, ability to develop pedagogical applications of AI, and sensitivity to ethical concerns. Teachers have a low level of technical knowledge and do not feel confident in using AI for educational purposes but have a high level of sensitivity to ethical concerns. In regard to adoption, teachers have a low intention to use automated assessment and profiling, whereas they are enthusiastic about plagiarism detection and course material creation. A higher level of technical knowledge is associated with lower expectation regarding the performance of AI. Based on these results, the discussion deepens the concept of AI literacy, proposes a revision of the didactic triangle (Houssaye, 1988) integrating AI, and enlights future issues in regard to research in AIED and regulation of AI.
In the last ten years, AI applications have evolved and are now aiming at automatizing tasks that were usually accomplished by teachers such as assessment and motivational support. Generative AI tools easily accessible and highly performing now make it possible to develop a plethora of uses that were until now hard to scale, like the use of chatbots for learning. The research question of this thesis goes as follow: considering the growing tension between AI’s role and teachers’ role, what are the most likely AI applications to be adopted by higher education teachers, considering their AI literacy level? The first step to answer this question was to make a systematic review of the literature about how the role of the teacher was traditionally envisioned in the field of AI in education. Then, two empirical studies were conducted, one aiming at developing a questionnaire to measure the level of AI literacy among higher education teachers (n = 395) and a second one aiming at explaining the adoption of five applications of AI (n = 127): automated assessment, prediction and profiling, automated feedback to students, plagiarism detection and course material creation. The literacy questionnaire was elaborated through factorial analysis, and the adoption study through structural equations modeling. Three factors of AI literacy were identified: technical knowledge of AI, ability to develop pedagogical applications of AI, and sensitivity to ethical concerns. Teachers have a low level of technical knowledge and do not feel confident in using AI for educational purposes but have a high level of sensitivity to ethical concerns. In regard to adoption, teachers have a low intention to use automated assessment and profiling, whereas they are enthusiastic about plagiarism detection and course material creation. A higher level of technical knowledge is associated with lower expectation regarding the performance of AI. Based on these results, the discussion deepens the concept of AI literacy, proposes a revision of the didactic triangle (Houssaye, 1988) integrating AI, and enlights future issues in regard to research in AIED and regulation of AI.
Table des matières
Notes
Notes
Autre version linguistique
Ensemble de données lié
Licence
Approbation
Évaluation
Complété par
Référencé par
Ce document diffusé sur Papyrus est la propriété exclusive des titulaires des droits d'auteur et est protégé par la Loi sur le droit d'auteur (L.R.C. (1985), ch. C-42). Sauf si le document est diffusé sous une licence Creative Commons, il ne peut être utilisé que dans le cadre d'une utilisation équitable et non commerciale comme le prévoit la Loi (i.e. à des fins d'étude privée ou de recherche, de critique ou de compte-rendu). Pour toute autre utilisation, une autorisation écrite des titulaires des droits d'auteur sera nécessaire.