Dans un contexte marqué par une attrition croissante des enseignants, il est crucial de mieux comprendre les motivations qui poussent à choisir cette profession (Alexander et al., 2020). Le modèle théorique Fit-Choice (Watt & Richardson, 2007), s’appuyant sur la théorie de l’expectancy-value (Eccles, 2005), met en lumière l’influence des perceptions et représentations de la profession sur ce choix.
Notre étude s’intéresse aux représentations des étudiants en première année de formation à l’enseignement en Suisse, avant leur entrée dans le programme. Ces étudiants ont été invités à compléter la phrase : « Pour moi, être enseignant, c’est… ».
Les réponses de 569 participants seront analysées à l’aide de deux approches distinctes.

Dans un premier temps, nous utiliserons l’intelligence artificielle générative pour identifier les dimensions thématiques présentes dans leurs réponses. Ces résultats seront ensuite confrontés à ceux obtenus via une analyse textométrique « classique » réalisée avec Python.
Cette comparaison, en lien avec le modèle théorique Fit-Choice, nous a permis d'évaluer toutes les limites de l’intelligence artificielle par rapport aux méthodes textométriques traditionnelles. Cette étude visait ainsi à enrichir la réflexion sur les outils d’analyse basé sur l’intelligence artificielle et leurs limites dans la recherche en psychologie de l’éducation.