Stanford expérimente l'IA pour un apprentissage profond

À Stanford, des enseignants recourent à l’intelligence artificielle de manière expérimentale et encadrée pour améliorer l’apprentissage. Face à l’arrivée rapide de ces outils chez les étudiants et les professeurs, le Center for Teaching and Learning a lancé la série Teaching with AI Community Share-out, dans le cadre du programme AI Meets Education at Stanford piloté par le Bureau du vice-provost chargé de l’enseignement de premier cycle. L’objectif n’est pas de juger les projets ni de mettre en avant leurs auteurs, mais de créer un espace d’échange sur l’usage de l’IA dans les cours. En deux ans, vingt-trois intervenants de plusieurs écoles ont présenté des applications concrètes. L’un des exemples présentés est celui d’Amit Kaushal, professeur clinique associé en médecine et professeur adjoint en bioingénierie, qui a conçu un système de questions en temps réel pour ses cours. L’outil utilise l’IA pour regrouper, classer et résumer les interrogations des étudiants pendant une présentation. Il permet à l’enseignant de repérer les incompréhensions les plus fréquentes sans interrompre la dynamique du cours. Kaushal estime que cette approche préserve la relation entre le professeur et les étudiants, tout en offrant une participation anonyme à ceux qui hésitent à s’exprimer publiquement. Le système est depuis utilisé dans d’autres contextes, forums, conférences et réunions. Waheeda Khalfan, maître de conférences en biologie, a elle travaillé avec une équipe à un outil pour guider les étudiants dans les cours fondamentaux de biologie. Ces cours pouvant être suivis dans un ordre libre, les étudiants arrivent avec des niveaux préparatoires différents. Grâce à un traitement de contenus de cours antérieurs, l’IA aide à identifier les connaissances préalables nécessaires. Les résultats, après vérification humaine, servent à créer des diagnostics rapides et des guides de préparation. Un autre outil, Foundations Navigator, permet aux étudiants de visualiser les prérequis et de choisir un parcours cohérent entre les cours. Les chercheurs insistent sur la nécessité d’une supervision humaine pour garantir l’exactitude des contenus. Un troisième dispositif, STEPS, a été conçu pour enseigner la résolution de problèmes en sciences. Développé par Shima Salehi, professeure assistante d’éducation, et Jennifer Schwartz Poehlmann, maître de conférences en chimie, ce tuteur numérique ne donne pas la réponse. Il pose des questions pour conduire l’étudiant à construire lui-même sa méthode. Les retours ont d’abord été négatifs, certains étudiants souhaitant obtenir directement la solution. Ils ont ensuite apprécié l’accompagnement vers une démarche autonome et une meilleure confiance face aux problèmes. Enfin, Ariel Stilerman, spécialiste des langues et cultures d’Asie de l’Est, a déployé plusieurs outils pour l’enseignement du japonais classique. BungoBot fonctionne comme un tuteur socratique: il ne traduit pas automatiquement les phrases, mais questionne les étudiants pour les amener à comprendre les textes anciens. D’autres outils, comme Hiki, dictionnaire inversé, et Sata, simulateur de conversation avec une dame de cour du XIe siècle, ont accéléré les apprentissages et donné aux étudiants les moyens de lire des manuscrits rares. Pour ces enseignants, l’enjeu n’est pas de remplacer l’humain, mais d’expérimenter des méthodes plus ouvertes, personnalisées et engageantes.