L'intelligence artificielle générative : une opportunité pour améliorer l'évaluation formative dans un contexte universitaire massif

Abstract

Dans le contexte actuel de l’enseignement supérieur, marqué par une évolution constante de l’environnement socio-technologique, l’évaluation formative avec feedback présente un potentiel considérable. Cependant, sa mise en œuvre à grande échelle pose des défis pédagogiques et logistiques importants. Concevoir des questionnaires pédagogiquement alignés, analyser les résultats et exploiter les indicateurs cognitifs et métacognitifs pour fournir des feedbacks personnalisés à un grand nombre d’étudiants entraîne une charge de travail significative pour les enseignants.Face à ces défis, l’intelligence artificielle générative (IAG) apparaît comme une solution prometteuse. Grâce à l’IAG, il est possible de générer des tables de spécifications détaillées et de concevoir des questionnaires conformes aux normes de qualité. L’IAG permet également de traiter et d’analyser de grandes quantités de données complexes pour identifier les facteurs de réussite ou les obstacles dans les parcours d’apprentissage, facilitant ainsi la génération de feedbacks personnalisés et favorisant une individualisation plus efficace du suivi pédagogique. De plus, l’automatisation des tâches répétitives permet aux enseignants de se concentrer sur l’accompagnement des étudiants tout en réduisant leur charge de travail.Dans cette communication, nous présenterons les résultats préliminaires d’une expérimentation exploratoire visant à intégrer l’IAG à chaque étape du processus d’évaluation formative, depuis l’élaboration des tables de spécifications jusqu’à la génération des feedbacks. Ce travail s’inscrit dans la continuité du projet Erasmus+ CORETEV, axé sur l’intégration de l’approche qualité dans l’évaluation des apprentissages. Bien que préliminaires, nos résultats sont prometteurs. L’IAG s’est révélée efficace pour accélérer et affiner la création d’évaluations alignées et de feedbacks personnalisés. Cependant, des défis subsistent, notamment en matière de contrôle de la qualité. Des recherches supplémentaires seront nécessaires pour valider ces premiers constats et exploiter pleinement le potentiel de cette technologie dans l’évaluation formative.

In the current context of higher education, marked by a constantly changing socio-technological environment, formative assessment with feedback has considerable potential. However, its large-scale implementation poses significant pedagogical and logistical challenges. Designing pedagogically aligned questionnaires, analyzing results and exploiting cognitive and metacognitive indicators to provide personalized feedback to a large number of students entails a significant workload for teachers.Faced with these challenges, generative artificial intelligence (GAI) is emerging as a promising solution. Thanks to GAI, it is possible to generate detailed specification tables and design questionnaires that comply with quality standards. IAG also makes it possible to process and analyze large quantities of complex data to identify success factors or obstacles in learning paths, facilitating the generation of personalized feedback and promoting more effective individualization of pedagogical follow-up. In this paper, we will present the preliminary results of an exploratory experiment aimed at integrating IAG into every stage of the formative assessment process, from the creation of specification tables to the generation of feedback. This work is a continuation of the Erasmus+ CORETEV project, focused on integrating the quality approach into learning assessment. Although preliminary, our results are promising. IAG has proved effective in accelerating and refining the creation of aligned assessments and personalized feedback. However, challenges remain, particularly in terms of quality control. Further research is needed to validate these initial findings and exploit the full potential of this technology in formative assessment.