Comment l’IA pourrait-elle ruiner ou raviver notre culture de l’apprentissage ?

Co-écrit par Brett Smith

Source : Avec l’aimable autorisation de Julia Leonard et Brett Smith

Brett et moi sommes tous deux professeurs à l’université de Yale, mais nous obtenons des réactions opposées lorsque nous nous présentons lors d’une soirée. En tant que professeur adjoint de psychologie étudiant la motivation et l’apprentissage chez les enfants, je reçois des questions immédiates, enthousiastes et parfois urgentes. Brett, maître de conférences au département de mathématiques, reçoit presque toujours la même réponse : « Oh, je ne suis pas un matheux ».

Ces réactions polarisées reflètent une aversion pour les mathématiques profondément ancrée dans notre culture^.1 Nous pensons que le recours à l’intelligence artificielle (IA) peut amener les élèves à se sentir déconnectés des autres disciplines et, en fin de compte, conduire à une crise de motivation pour l’apprentissage à l’école.

L’ université de Yale et bien d’autres s’efforcent d’adapter leurs cours à la présence du ChatGPT. Tandis que les enseignants discutent de la manière d’empêcher les élèves d’utiliser l’IA pour rédiger leurs dissertations, les élèves sont confrontés à une autre question, qui taraude les professeurs de mathématiques depuis que les élèves peuvent acheter une calculatrice de poche : Pourquoi dois-je apprendre cela si un ordinateur peut le faire pour moi ?

Le moment est venu de disséquer l’impact des calculatrices sur l’enseignement des mathématiques et la manière dont les meilleurs professeurs de mathématiques ont pivoté pour enseigner en tenant compte de l’évolution constante de la technologie. Les mathématiques pourraient bien être notre meilleur test pour l’enseignement à l’ère de l’intelligence artificielle.

Le problème des services publics

En psychologie, nous disons que les ordinateurs affectent la perception de l’utilité des étudiants, c’est-à-dire la valeur des compétences enseignées.

Un exemple de cours à forte utilité perçue serait Psychology and the Good Life, enseigné par ma collègue Laurie Santos. Psychology and the Good Life présente aux étudiants la recherche en psychologie liée au bonheur et au bien-être, et il est rapidement devenu le cours le plus populaire à Yale, avec près de 1 200 étudiants de premier cycle inscrits en un seul semestre – probablement parce que les étudiants voient l’intérêt d’être heureux et en bonne santé.²

D’autre part, le problème de l’utilité perçue des mathématiques peut être mesuré par le nombre de fois où les étudiants demandent : « Quand est-ce que j’utiliserai ceci dans le monde réel ? ». Cette question est souvent une réponse à l’apprentissage d’un processus qui peut être automatisé par une calculatrice. Paradoxalement, c’est la compréhension des processus mathématiques qui nous permet de construire des machines plus grandes et plus performantes pour naviguer dans le monde réel, qu’il s’agisse de smartphones ou de vaisseaux spatiaux.

Les compétences de base permettent d’acquérir une compréhension conceptuelle

Même si les compétences de base en mathématiques (comme l’addition de fractions) peuvent être automatisées par un ordinateur, il est toujours vital d’apprendre à les faire soi-même. Il en va de même pour les compétences de base en anglais (rédiger un paragraphe), en sciences (concevoir une expérience), etc. En fait, notre capacité à utiliser efficacement la technologie dépend de notre compréhension des tâches que les ordinateurs accomplissent pour nous.

Prenons l’exemple de l’achat d’une tasse de café.

• Le prix du café sur le menu est de 3,00 $.
• Après avoir cliqué sur l’option « 20 % de pourboire », le prix total s’élève à 3,82 $.

Si vous êtes comme moi, vous ne réfléchissez pas beaucoup à cette négociation, mais vous prenez votre café avec une légère inquiétude d’avoir payé trop cher.

Lorsque nous utilisons la technologie, nous ne voyons généralement que l’entrée et la sortie. Même si la ^technologie3 fonctionne parfaitement, il y a deux endroits où nous pouvons rencontrer des problèmes : au café, soit le barista peut entrer le mauvais article sur l’écran tactile, soit vous pouvez en déduire que le prix total est trop élevé.

Dans ce cas, il est relativement simple de vérifier les données d’entrée, mais nous devons être en mesure d’effectuer le calcul afin de vérifier que les données de sortie sont équitables (elles le sont, n’oubliez pas la taxe)^.4 Il est plus important de s’entraîner à réfléchir au processus si, par exemple, vous essayez de partager un chèque de dîner entre des amis ou si vous achetez quelque chose d’important, comme une voiture ou une maison.

Education Essential Reads

Helping Adult Learners by Guiding from the Sidelines

Does an Ivy League Degree Really Help Secure a Job?

Imaginez maintenant que vous souhaitiez utiliser ChatGPT pour écrire un courriel à votre collègue. Vous tapez les informations de base que vous souhaitez communiquer et vous recevez en retour un projet cordial et bien structuré. Est-il possible de cliquer sur « envoyer » ?

Votre processus de rédaction d’un courriel n’a rien à voir avec ce qui se passe dans le grand modèle linguistique de ChatGPT. Cependant, votre expérience de la rédaction et de la lecture d’e-mails peut vous aider à décider si vous devez ou non retourner à la planche à dessin.

Le point principal est-il clair ? Le ton est-il juste ? Est-ce que cela vous ressemble ? Cette analyse de la relation entre les entrées et les sorties reflète notre compréhension conceptuelle du processus de communication écrite. De plus, ChatGPT manque cruellement de ce type de compréhension conceptuelle.

Avec l’accès à l’IA, nos étudiants pourraient penser qu’ils peuvent sauter les cours d’introduction et passer plus rapidement à des sujets plus avancés. En réalité, c’est peut-être le contraire qui se produit. La clé pour résoudre le problème du réchauffement climatique et éviter les pandémies futures réside dans notre capacité à créer et à interpréter des modèles informatiques à partir d’une compréhension conceptuelle profonde. Cette expertise ne peut être acquise qu’en pratiquant les compétences fondamentales pour nous-mêmes.

Cela nous amène à la crise que nous traversons actuellement : Plus la technologie fait facilement le travail à notre place, moins nous sommes motivés pour apprendre à faire le même travail nous-mêmes. L’intérêt pour l’apprentissage est désormais un problème non seulement en mathématiques, mais aussi en sciences et en lettres.

Motiver l’apprentissage à l’ère de l’intelligence artificielle

Que pouvons-nous donc faire pour motiver les élèves pendant cette révolution de l’IA ? L’une des approches consiste à s’inspirer des pratiques fondées sur des données probantes dans le domaine de l’enseignement des mathématiques. Par exemple, des travaux expérimentaux montrent que le fait d’enseigner aux parents ou aux enfants l’utilité des mathématiques au moyen d’exemples d’applications du monde réel et d’exercices de rédaction réflexive peut accroître la persévérance et l’engagement des élèves.

Nous pouvons également tirer des enseignements des pédagogies innovantes dans l’enseignement des mathématiques. L’apprentissage par enquête et l’apprentissage par projet sont des exemples de pratiques d’enseignement qui développent des compétences au service d’objectifs conceptuels plus élevés. Plus généralement, le fait d’impliquer les élèves dans toute forme d’apprentissage actif pendant les cours améliore les résultats, et le travail en groupe favorise la motivation.

Mes propres recherches montrent que l’observation des efforts des autres conduit à la réussite et motive les enfants à faire plus d’efforts. À l’ère du ChatGPT, il est peut-être plus important que jamais de tirer parti de la psychologie de l’apprentissage.

Et maintenant ?

Les ordinateurs « apprendront » inévitablement à effectuer de plus en plus de tâches que nous considérons actuellement comme exclusivement humaines. Les poèmes, les chansons et les peintures sont déjà entrés dans la catégorie des problèmes qui peuvent être « calculés » par l’IA.

Dans le même temps, les gens ont encore besoin d’acquérir des compétences qui peuvent être automatisées, sous peine de perdre leur capacité à générer des idées nouvelles et à résoudre des problèmes difficiles, même avec l’aide de la technologie. Si nous profitons de ce moment pour réévaluer l’objectif de l’apprentissage, nous pourrions alors nous amuser davantage avec les « mathématiciens » lors d’une fête.

Brett Smith est maître de conférences au département de mathématiques de l’université de Yale, où il donne des cours d’introduction, aidant les étudiants à explorer la puissance et la beauté des mathématiques.