Lorsqu’un système d’intelligence artificielle et un enseignant donnent des retours au même élève, les deux contributions peuvent être complémentaires. C’est la principale leçon d’une étude publiée dans le British Journal of Educational Technology avec UC Berkeley et la NTNU, dans laquelle les élèves apprennent les nombres relatifs en se déplaçant dans l’espace.

C’est le logiciel SENSEi qui coordonne l’expérience. Vous trouvez déjà sur le site un article de synthèse sur la recherche ; ici, nous adoptons un angle différent : ce qu’un enseignant peut en retenir pour sa classe.

Quelle est la question de recherche ?

L’intelligence artificielle entre dans les classes. Le groupe de recherche se demande comment s’orchestrent les interactions entre enseignants et systèmes d’IA, et comment les élèves perçoivent cette intelligence pédagogique hybride.

Le cas analysé est MOVES-NL, un système piloté par l’IA pour apprendre l’arithmétique des nombres relatifs par le mouvement de tout le corps, avec un retour formatif immédiat, dans un environnement de la taille d’une salle.

L’étude en bref

Le système, décrit sur la page du projet du laboratoire EDRL de UC Berkeley, est coordonné par le logiciel SENSEi. L’expérience est simple à raconter :

• l’élève marche sur une droite numérique à l’échelle du corps, projetée au sol ;
• lorsqu’il s’arrête sur un nombre, celui-ci devient bleu et un son retentit ;
• le problème affiché sur le mur s’allume en vert lorsque les mouvements sont corrects ;
• dans l’une des interactions, le mur montre un avatar miroir de l’élève.

Le projet prévoit aussi des activités sur table, sur une droite numérique plus petite et sur tablette, pour relier l’expérience du corps au travail avec papier et crayon.

Dans l’étude, 29 élèves des grades 6 à 8 du système scolaire américain utilisent MOVES-NL individuellement, pendant environ une heure chacun, avec un facilitateur ou un enseignant. L’article de synthèse sur le site SENSEi indique comme lieu la Mission Dolores Academy de San Francisco. Les analyses sont à méthodes mixtes, sur plusieurs sources de données.

Qu’en ressort-il ?

Le groupe résume les résultats en quelques notes destinées aux professionnels :

• le retour du système et celui du facilitateur sont complémentaires pour la réussite de l’expérience ;
• l’IA permet aux élèves de réfléchir et de mettre à l’épreuve leurs connaissances antérieures ;
• l’IA oriente les enseignants pour travailler avec les élèves afin de consolider les notions difficiles ;
• la collaboration enseignant-IA peut engager les élèves dans une réflexion conceptuelle sur les règles mathématiques.

La synthèse sur le site SENSEi ajoute que l’effet miroir corporel avec l’avatar renforce la prise de conscience et que le système détecte en temps réel les conceptions erronées.

Que peut en retenir un enseignant pour sa classe ?

L’étude ne demande pas de confier la leçon à une machine. Elle suggère une répartition des tâches :

Dans l’étude, le soutien humain consiste aussi à demander aux élèves d’expliciter leurs actions et leurs décisions. C’est une pratique que chaque enseignant peut adopter : après une action, demander « pourquoi t’es-tu déplacé là ? ». Pour commencer :

• choisir une notion où les erreurs sont fréquentes, comme les nombres négatifs ;
• alterner le mouvement à l’échelle du corps et le travail sur table ;
• utiliser le retour du système comme point de départ d’une question, et non comme une note.

Pourquoi est-ce important aujourd’hui ?

MOVES-NL montre le logiciel SENSEi à l’œuvre dans une recherche internationale sur les mathématiques et l’IA. Pour l’école, le message est clair : le système rend l’erreur visible au moment où elle se produit, l’enseignant la transforme en une règle comprise. En classe, la salle magique fait vivre la même répartition des tâches : l’espace répond aux pas et aux gestes des élèves, l’enseignant décide depuis la tablette quand s’arrêter et demander pourquoi.

Pour les mathématiques, consultez les pages Primaire et Secondaire. Pour l’idée de fond, lisez l’étude de cas sur l’apprentissage incarné et la section Recherche.

Questions fréquentes

Qu’est-ce que l’intelligence pédagogique hybride ?

C’est la combinaison des retours d’un système d’intelligence artificielle et d’un enseignant, qui travaillent ensemble auprès du même élève.

L’IA remplace-t-elle l’enseignant ?

Non. L’étude indique que le retour du système et celui du facilitateur sont complémentaires. L’enseignant reste central.

Avec quelles universités la recherche est-elle menée ?

Avec UC Berkeley et la NTNU. Le travail réunit le groupe de recherche SENSEi et des chercheurs des deux institutions.

Combien coûte un espace comme celui-ci ?

Cela dépend de la configuration : espace, expériences, formation et services. Contactez-nous pour une évaluation.

Vous travaillez dans une école, un centre ou un musée et vous souhaitez un espace comme celui-ci ? Parlez-nous de votre projet : nous partons des besoins des personnes qui l’utiliseront.

Sources

• Cosentino G., Anton J., Sharma K., Gelsomini M., Giannakos M., Abrahamson D. (2024). Hybrid teaching intelligence: Lessons learned from an embodied mathematics learning experience. British Journal of Educational Technology
• Embodied Design Research Laboratory, UC Berkeley. MOVES-Number Line (page du projet)