Rayonnement

Les recherches en intelligence artificielle appliquée à l’éducation se sont, jusqu’ici, surtout intéressées au développement de plateformes capables de personnaliser l’enseignement individualisé. L’adoption de ces outils reste néanmoins limitée, en raison notamment d’un manque de transparence, de pratiques d’évaluation claires et d’interfaces peu engageantes. Aussi, bien que l’arrivée de l’IA générative et des grands modèles de langage (connus sous l’acronyme LLMs pour Large Language Model) s’avèrent efficaces pour répondre aux questions, leur capacité à soutenir le raisonnement humain demeure limitée. Dans ce contexte, comment les adapter pour mieux servir la pédagogie et comment améliorer les apprentissages? C’est sur ces questions que porteront les travaux de la professeure adjointe Ange Adrienne Nyamen Tato avec l’appui financier du Conseil de recherches en sciences naturelles et en génie du Canada (CRSNG). 

Objectifs du projet de recherche

Le projet de recherche vise à apporter des éléments de réponse à travers le développement de modèles, d’architectures, d’algorithmes et d’outils basés sur des techniques d’IA et de LLMs. L’objectif à long terme est de créer des LLMs pédagogiquement sensibles (PA-LLM, Pedagogically Aware LLM) et optimisés pour l’apprentissage humain.

La recherche s’articulera autour de cinq objectifs principaux :

1) Procéder à une identification exhaustive des facteurs influençant l’apprentissage humain, à partir des théories et des données éducatives ;

2) Développer des architectures et algorithmes avancés pour une modélisation holistique des apprenants, intégrant efficacement les facteurs identifiés ;

3) S’assurer d’une intégration optimale du modèle de l’apprenant dans un LLM ;

4) Veiller à une intégration optimale des théories pédagogiques et d’apprentissage, ainsi que de mécanismes de correction des biais dans le LLM ;

5) Concevoir des PA-LLMs transparents et personnalisés, intégrant les principes d’équité, de diversité et d’inclusion (EDI).

Bonifier l’IA pour mieux soutenir la pédagogie

Inspirés par l’IA éducative, les nouveaux algorithmes intègreront des données pédagogiques dans les LLMs et adapteront les dialogues aux préférences individuelles. Ces approches promettront de réduire les biais, d’améliorer l’accessibilité et de transformer les pratiques pédagogiques, en exploitant pleinement le potentiel des avancées en personnalisation et en adaptation de l’enseignement.

Les solutions proposées incluront des mécanismes de surveillance et de correction continue des biais. Les PA-LLMs offriront aux enseignants un soutien plus précis et personnalisé pour leurs élèves, tout en proposant aux apprenants des environnements d’apprentissage plus intuitifs, engageants et efficaces. Ce projet ouvrira de nouvelles perspectives pour des LLMs centrés sur l’humain.