Résumé

Quiz en ligne, examens à distance, e-portfolios, feedback automatisé : les outils numériques ont profondément renouvelé l’évaluation des apprentissages dans l’enseignement supérieur. Ces évolutions modifient les pratiques enseignantes et les expériences étudiantes. Elles soulèvent aussi des questions décisives d’équité, d’intégrité académique et d’usage des données.

Cet ouvrage analyse l’e-évaluation à partir de quatre dimensions complémentaires : pédagogique, docimologique, technologique et éthique. Il s’appuie sur des cadres théoriques récents et sur des études de cas menées dans des contextes universitaires variés. Les contributions interrogent la conception des dispositifs d’évaluation, l’exploitation des traces d’apprentissage, la qualité du feedback et l’engagement des étudiant·es. Elles examinent également les contraintes liées aux infrastructures, à l’accessibilité, à la sécurité des examens et à l’essor de l’intelligence artificielle.

Destiné aux enseignant·es du supérieur, aux ingénieur·es pédagogiques, aux responsables institutionnels et aux chercheur·ses en sciences de l’éducation, cet ouvrage propose des repères analytiques et des pistes concrètes pour repenser les pratiques évaluatives dans un environnement numérique en constante évolution.

Directeur·trice(s) d’ouvrage

Maison d’édition

Épistémé

Commande et fiche de l’ouvrage

sur le site de l’éditeur

La version numérique de l’ouvrage peut être téléchargée gratuitement sur le site de l’éditeur grâce au soutien de swissuniversities.

Cet ouvrage peut être emprunté à la bibliothèque du CSE.

L’article Évaluer les apprentissages avec les outils numériques est apparu en premier sur Espace de documentation pédagogique.

L’article Le design pédagogique est apparu en premier sur Espace de documentation pédagogique.

Ce texte a été co-écrit avec Claude IA (Révision version 1 du texte, analyse OCR du modèle PRAX-IA et révision de la version 2)

Depuis novembre 2022, l’essor des intelligences artificielles génératives (IAG) a suscité une multitude de réflexions et de débats dans le champ de l’enseignement supérieur. Ces outils, désormais accessibles à un large public, suscitent des questions profondes, notamment en ce qui concerne l’intégrité des évaluations académiques et l’influence des IAG sur les processus d’apprentissage. En réponse à ces transformations, le modèle PRAX-IA a été élaboré comme un cadre de soutien à une réflexion structurée. Il s’appuie sur une revue de littérature en lien avec les pratiques pédagogiques et les applications de l’IA. PRAX-IA vise à soutenir les enseignant·e·s dans leurs interrogations et leurs choix pédagogiques en leur offrant des outils pratiques et un ensemble de ressources à consulter.

Ce modèle s’appuie sur deux axes principaux : une entrée spécifique par le biais des évaluations référencés dans la littérature et une réflexion plus globale sur l’impact de l’IA dans l’ensemble du cours. Chaque axe est enrichi par une base de connaissances documentée et par des ressources pratiques, accessibles via un espace dédié.

https://miro.com/app/board/uXjVLWSbC0Q=/

Avant de présenter en détail les deux axes du modèle, il est important de souligner que PRAX-IA s’appuie sur une revue de littérature issue d’une veille régulière, visant à rassembler des recherches, des cadres théoriques et des exemples de pratiques liés à l’évaluation, à l’intelligence artificielle et à la pédagogie dans le contexte universitaire. Les ressources proposées dans la section « ressources » du modèle résultent de cette veille hebdomadaire, qui est en constante évolution pour intégrer les contributions les plus récentes et pertinentes.

Première porte d’entrée : les évaluations académiques face aux IAG

L’évaluation est sans doute la dimension la plus impactée par l’émergence des IAG. PRAX-IA propose de commencer par une analyse approfondie des pratiques d’évaluation, avec un triple objectif : identifier les vulnérabilités, définir des stratégies adaptées et élaborer des conditions d’usage cohérentes de l’IA dans les évaluations.

Identifier les types d’épreuves fragilisées

La première étape consiste à inventorier les formats d’évaluation actuellement utilisés (examens, devoirs à domicile, travaux collaboratifs, etc.) pour repérer ceux qui pourraient être particulièrement vulnérables face aux IAG. Cette analyse permet de mieux comprendre quelles épreuves nécessitent des adaptations immédiates. Par exemple, les dissertations à domicile ou les réponses ouvertes pourraient être facilement générées par des IA et doivent donc être repensées.

Définir un niveau acceptable d’usage de l’IA

L’étape suivante consiste à déterminer dans quelle mesure l’usage de l’IA est autorisé ou encouragé dans les évaluations. PRAX-IA introduit à cet effet l’échelle AIAS (Perkins, Furze, Roe, MacVaugh, 2024) un cadre structuré pour évaluer différents niveaux d’intégration de l’IA, depuis son interdiction stricte jusqu’à son incorporation active comme outil d’apprentissage. Ce modèle permet de définir une position claire et cohérente, qui peut ensuite être communiquée aux étudiant·e·s.

La partie « ressources » contient des documents explicatifs sur l’échelle AIAS, ainsi que des exemples d’applications dans différents contextes disciplinaires. Ces ressources permettent également de comparer l’AIAS à d’autres cadres théoriques, offrant ainsi une perspective élargie.

Développer les compétences IA nécessaires

Une fois le niveau acceptable d’usage de l’IA défini, PRAX-IA invite à réfléchir aux compétences IA à développer, tant chez les enseignant·e·s que chez les étudiant·e·s. Le référentiel d’Anders (Anders, 2023), proposé dans le modèle, identifie les savoirs et savoir-faire nécessaires pour intégrer l’IA dans un contexte académique. Ce référentiel peut être utilisé pour définir des objectifs pédagogiques spécifiques, adaptés aux cours et aux disciplines concernées.

Pour faciliter cette démarche, PRAX-IA met à disposition un compagnon IA, un outil interactif qui aide à formuler des Learning Outcomes (objectifs d’apprentissage) en lien avec l’IA. La partie « ressources » offre par ailleurs des référentiels internationaux et des exemples pratiques, illustrant comment ces compétences peuvent être intégrées dans les curriculums existants.

Élaborer des conditions d’usage en lien avec son cours

La réflexion sur les évaluations se termine par une étape stratégique : l’élaboration de conditions d’usage de l’IA, adaptée aux réalités de chaque cours. PRAX-IA propose de structurer ces conditions d’usage autour de quatre axes : la transparence, la régulation, l’intégration pédagogique et l’accompagnement. Là encore, des ressources pratiques et des exemples de bonnes pratiques sont disponibles pour guider les enseignant·e·s et les institutions.

Deuxième porte d’entrée : une réflexion globale sur l’impact de l’IA dans les cours

Si la première porte d’entrée se focalise sur les évaluations, la seconde encourage une réflexion plus large visant à analyser l’impact global de l’intelligence artificielle sur l’ensemble des cours. Cette approche s’appuie sur la notion selon laquelle l’évaluation ne peut être dissociée du contexte pédagogique global : les objectifs d’apprentissage, les activités pédagogiques et les évaluations doivent constituer un ensemble cohérent.

Le canevas de cohérence pédagogique occupe ici une place centrale. Il assiste les enseignant·e·s dans l’analyse de l’alignement entre les divers composants de leur cours, en prenant en considération les modifications potentielles induites par l’intégration de l’intelligence artificielle. Ce cadre leur offre la possibilité de réfléchir de manière structurée aux ajustements requis pour intégrer l’IA de manière pertinente et constructive.

La première question à considérer dans cette démarche est la suivante :

L’intelligence artificielle a-t-elle un impact sur mes cours ?

Cette réflexion implique de saisir de quelle manière les étudiant·e·s utilisent déjà l’IA dans leur processus d’apprentissage. Quels outils utilisent-ils ou utilisent-elles ? Dans quelles circonstances ? Ces pratiques ont-elles une influence sur la manière dont ils interagissent avec le contenu du cours ?

PRAX-IA offre des outils simples destinés à l’observation et à l’analyse de ces usages. Ces outils aident les enseignant·e·s à mieux saisir les implications pédagogiques des technologies employées par leurs étudiant·e·s, dans le but d’identifier les éventuels ajustements à apporter.

Dois-je intégrer l’IA dans mes pratiques enseignantes ?

Si l’intelligence artificielle exerce une influence considérable sur un cours, il devient important de considérer les modalités d’intégration optimale de celle-ci dans le processus d’enseignement. Cette intégration peut prendre différentes formes, selon les disciplines, les besoins des étudiant·e·s, les objectifs pédagogiques et les recommandations institutionnelles.

Dois-je adapter mes objectifs pédagogiques ?

L’intégration de l’intelligence artificielle entraîne fréquemment une réévaluation des objectifs pédagogiques. Ils doivent prendre en considération les compétences spécifiques que les étudiants doivent acquérir en rapport avec l’intelligence artificielle, telles que la capacité à utiliser ces outils de manière critique ou à comprendre leurs limites.

Dois-je adapter mes activités pédagogiques ?

Après la redéfinition des objectifs, il est conseillé d’ajuster ou de concevoir des activités d’apprentissage qui soient en adéquation avec ces nouvelles priorités. Ces activités doivent permettre aux étudiant·e·s de mobiliser l’IA de manière réfléchie et constructive, tout en développant les compétences nécessaires pour en tirer parti.

Boucler la boucle avec l’évaluation

Finalement, cette réflexion globale soulève inévitablement la question de l’évaluation. Si les activités d’apprentissage évoluent pour inclure l’intelligence artificielle, il est impératif d’adapter les pratiques d’évaluation afin de garantir une cohérence pédagogique. Le canevas de cohérence pédagogique sert à structurer cette réflexion, en s’assurant que les ajustements effectués sont en adéquation avec les objectifs et les activités du cours.

Conclusion : Un instrument en développement destiné à soutenir une réflexion collective

PRAX-IA a été créé pour répondre aux défis engendrés par l’apparition des intelligences artificielles génératives (IAG) dans le domaine de l’enseignement supérieur. Ces technologies suscitent des interrogations nouvelles concernant l’évaluation, les apprentissages et la cohérence pédagogique des cours.

Conçu comme un cadre de réflexion, PRAX-IA a pour ambition d’accompagner les enseignant·e·s dans leur adaptation à ce contexte en constante évolution, tout en offrant des outils concrets et des ressources actualisées.

L’objectif principal consiste à favoriser une réflexion critique, que ce soit individuellement ou de manière collégiale sans prétendre offrir des solutions universelles.

PRAX-IA propose deux axes de réflexion : l’adaptation des évaluations et une approche plus globale sur l’impact de l’IA dans les cours, laissant une flexibilité aux enseignant·e·s pour choisir le point de départ qui leur semble le plus pertinent.

Nous vous invitons à le découvrir ! Accéder au modèle

L’article PRAX-IA<div id='secondary_title'><span> — </span>Un modèle pour aider à positionner les pratiques d'évaluation dans un contexte influencé par l'intelligence artificielle générative</div> est apparu en premier sur Espace de documentation pédagogique.

Résumé

Conçu pour les enseignant·es qui, intervenant dans l’enseignement supérieur ou dans la formation d’adultes, souhaitent élaborer de nouveaux enseignements ou en revisiter d’anciens, cet ouvrage propose une approche pratique, visuelle et modulaire fondée sur le principe de la cohérence pédagogique, et articulée autour d’un canevas intégrant les principales dimensions d’un enseignement. Proposant une démarche en trois temps, ce livre privilégie la réflexion individuelle à partir de bases théoriques solides pour permettre à chacun et chacune d’élaborer sa vision de l’enseignement, de construire ou de faire évoluer un enseignement, et de développer ses compétences pédagogiques.

Directeur·trice(s) d’ouvrage

Maison d’édition

Épistémé

Commande et fiche de l’ouvrage

sur le site de l’éditeur, ouvrage disponible en français ou en anglais

La version numérique de l’ouvrage peut être téléchargée gratuitement sur le site de l’éditeur grâce aux fonds de soutien Gold Open Access de l’Université de Lausanne.

Pour rester informé·e des développements autour du livre et du canevas (e.g., board MIRO), inscrivez-vous sur le site https://designpedagogique.info/

Cet ouvrage peut être emprunté à la bibliothèque du CSE.

L’article Design pédagogique est apparu en premier sur Espace de documentation pédagogique.

Les analyses docimologiques permettent d’améliorer la qualité des évaluations des apprentissages. L’objectif de ces analyses est de fournir des indicateurs permettant d’évaluer la validité et la fiabilité d’un QCM afin d’identifier les modifications à apporter à l’épreuve. Ce Padlet regroupe diverses ressources aidant à l’analyse de ce type de questionnaires.

L’article Analyses docimologiques est apparu en premier sur Espace de documentation pédagogique.

Vous trouverez dans le guide à disposition sur le wiki du CSE des informations sur les activités d’évaluation proposées sur MoodleExam, notamment :

• Créer et paramétrer un Quiz Synchrone (Test)
• Surveiller un examen ENEP sur MoodleExam [FR, EN]
• Créer et paramétrer une Production synchrone (Devoir)
• Ainsi qu’une FAQ des questions les plus fréquentes

L’article Guide d’utilisation MoodleExam est apparu en premier sur Espace de documentation pédagogique.

Compilatio est un logiciel de détecteur de similitudes qui permet de comparer les travaux académique remis par les étudiant·es et de détecter le degré de similitude de leur contenu avec des contenus issus de diverses bases de documents (bibliothèques, bases des travaux étudiant·es Unil, etc.) et prévenir ainsi toute tentation ou tentative de plagiat. Il peut être utilisé directement en ligne ou via un plugin intégré sur Moodle et MoodleExam dans le cadre des examens sur ordinateur. Ces tutoriels vidéos vous présenteront notamment comment consulter et interpréter les résultats d’une analyse, et l’utilisation du plugin sur Moodle Unil.

6 m 20 s

▶

Consulter et interpréter les résultats d'une analyse Compilatio

4 m 48 s

▶

Utiliser le plugin Compilatio dans une activité Devoir sur Moodle

L’article Tutoriels COMPILATIO est apparu en premier sur Espace de documentation pédagogique.

Résumé

L’évaluation traverse les champs de l’éducation et de la formation. Le présent ouvrage, fondé sur les travaux du colloque de Lausanne en 2019, interroge plus particulièrement ce qui se passe entre normalisation, contrôle et développement formatif. Insister sur ce qui se produit entre ces postures, c’est prendre en compte à la fois les ruptures et les continuité mais aussi les multiples relations, glissements, passages et confrontations en jeu. C’est ainsi cibler les interactions et inter-engendrements à l’œuvre, tout en prospectant dans quelle mesure et de quelle manière les dispositifs d’évaluation et les transformations qui leur sont liés peuvent s’articuler de manière féconde.

Directeur·trice(s) d’ouvrage

Maison d’édition

Les Presses de l’ADMEE

Commande et fiche de l’ouvrage

sur le site de l’éditeur

ISBN : 978-2-9701536-0-3

Cet ouvrage peut être emprunté à la bibliothèque du CSE.

L’article Évaluations, sources de synergies est apparu en premier sur Espace de documentation pédagogique.

Cette ressource fait partie des contenus régulièrement recommandés par nos conseiller·ères pédagogiques. Elle est consultable sur Cairn.info pour les membres de l’Unil ou pour les institutions disposant d’un abonnement.

Accéder

Dumont, A. (2017). Chapitre 12. Comment évaluer les apprentissages des étudiants dans un contexte de classe inversée ? Le cas d’une classe d’anglais avancé. Dans V. Roulin, A. Allin-Pfister et D. Berthiaume Comment évaluer les apprentissages dans l’enseignement supérieur professionnalisant ? : Regards d’enseignants (p. 171-181). De Boeck Supérieur. https://doi.org/10.3917/dbu.rouli.2017.01.0171.

L’article Comment évaluer les apprentissages des étudiant·es dans un contexte de classe inversée ? est apparu en premier sur Espace de documentation pédagogique.

Cette ressource fait partie des contenus régulièrement recommandés par nos conseiller·ères pédagogiques. Elle est consultable sur Cairn.info pour les membres de l’Unil ou pour les institutions disposant d’un abonnement.

Accéder

Martin, M. (2017). Chapitre 7. Comment co-construire une grille critériée et négocier l’évaluation sommative avec les étudiants ? Dans V. Roulin, A. Allin-Pfister et D. Berthiaume Comment évaluer les apprentissages dans l’enseignement supérieur professionnalisant ? : Regards d’enseignants (p. 101-114). De Boeck Supérieur. https://doi.org/10.3917/dbu.rouli.2017.01.0101.

L’article Comment co-construire une grille critériée et négocier l’évaluation sommative avec les étudiant·es ? est apparu en premier sur Espace de documentation pédagogique.