L’Intelligence artificielle à l’université: Questions pratiques et enjeux éthiques

Mohamed GACEMI
Université Abdelhamid Ibn Badis, Algérie
gacemi20univ@gmail.com
https://orcid.org/0000-0003-0754-1718

Abstract

L’utilisation par les étudiants à l’université de l’intelligence artificielle générative est une réalité palpable. Cet article présente les résultats d’une enquête exploratoire réalisée auprès d’étudiants universitaires avec l’objectif de mettre en lumière l’usage et les pratiques qu’en font ces derniers lorsqu’ils réalisent des travaux. Loin d’être exhaustive, cette contribution montre que cet usage est déjà ancré dans les pratiques estudiantines : résolution de problèmes, génération de contenus, notamment du texte et des images… Alors que beaucoup d’étudiants ont déjà adoptée des outils intégrant l’intelligence artificielle générative à l’exemple de CHATGPT ou GIMINI, des inquiétudes sont exprimées par des chercheurs et des enseignants qui critiquent la négligence de la dimension éthique quant à l’usage de ces outils. Ils craignent que le plagiat et la fraude deviennent des pratiques répandues parmi les étudiants et que l’usage de cette technologie devienne incontrôlable au niveau de l’enseignement supérieur.

Keywords: enseignement supérieur, fraude, intelligence artificielle générative, plagiat, pratiques estudiantines, technologie numérique

DOI:
https://doi.org/10.70091/atras/AI.44

How to Cite this Paper :

Gacemi, M. (2024). L’intilligence artificielle à l’université : Questions pratiques et enjeux éthiques. Cas des étudiants de l’université de Ghardaïa. ATRAS Revue, 5(Numéro Spécial), 692-706

References:

Bandura, A. (1986). Social foundations of thought and action. A social cognitive theory.
            Englewood Cliffs New Jersey, USA: Prentice-Hall.
Conseil supérieur de l’éducation et Commission de l’éthique en science et en technologie (2024). Intelligence artificielle générative en enseignement supérieur : enjeux pédagogiques et éthiques, Québec, Le Conseil ; La Commission.
Chen, X., Zhang, Y., & Liu, Q. (2021). Accelerating Drug Discovery through AI: A Case Study in Pharmacology. Journal of Artificial Intelligence Research, 42, 567-581.
Chomsky, N., Roberts, I., & Watumull, J. (2023) Noam Chomsky: The False Promise of ChatGPT. New York Times du 08 Mars 2023. https://www.nytimes.com/2023/03/08/opinion/noam-chomsky-chatgpt-ai.html.
Diallo, M-F. (2023). « Ce que CHATGPT fait à l’enseignement, à la recherche et aux organisations ». Revue française de gestion. Revue française de gestion 2023/5 (N° 312), Éditions JLE Éditions JLE Éditions. DOI:10.3166/rfg.312.09-14
Gupta, A. (2024). Impact of Generative AI in Transforming Higher Education Pedagogy. Dans A. Gupta (ed.), Big Data Analytics Techniques for Market Intelligence (pp. 285-300). IGI Global. DOI:10.4018/979-8-3693-0815-8.ch017.
Gimpel, H. et al. (2023): Unlocking the power of generative AI models and systems such as GPT-4 and CHATGPT for higher education: A guide for students and lecturers. Hohenheim Discussion Papers in Business, Economics and Social Sciences, 02. Universität Hohenheim, Stuttgart, https://nbn-resolving.de/urn:nbn:de:bsz:100-opus-21463
Hodges, A. (1983). Alan Turing, the Enigma. Oxford, Burnett Books.
Johnson, A., & Smith, B. (2019). The Impact of Personalized Learning on Student Attitudes and Self-Efficacy in Mathematics. Educational Technology Research and Development, 38(2), 201-218.
Kasneci, Enkelejda, Kathrin Sessler, Stefan Küchemann, et al. (2023). « ChatGPT for Good?On Opportunities and Challenges of Large Language Models for Education », Learning and Individual Differences, vol. 103, p. 1-13.
Lepage, A., & Collin, S. (2023). Enseigner et apprendre à l’ère de l’intelligence artificielle. M. Romero & L. Heiser, (Dir.), Préserver l’agentivité des enseignants et des élèves : des pistes issues d’une rescension des écrits. Livre blanc, Canopé. https://cnam.hal.science/CDFT-CNAM/hal-04013223v2
Lee, H., & Wu, T. (2019). Adaptive Assessments: Identifying Learning Gaps and Improving Performance in Mathematics. Journal of Educational Assessment, 18(1), 89-104.
Mokkadem, A. (2023) « L’intelligence artificielle dans les établissements universitaires : quelles répercussions sur l’activité pédagogique ? AL TURATH Journal, 13(04), 74-88.
Murugesan, S. et Cherukuri, A-K. (2023). « The Rise of Generative Artificial Intelligence and
            Its Impact on Education: The Promises and Perils », Computer, vol. 56, no 5, p. 116-121.
Perkins, Mike (2023). « Academic Integrity Considerations of AI Large Language Models in the Post-Pandemic Era: ChatGPT and Beyond », Journal of University Teaching and Learning Practice, vol. 20, no 2, p. 1- 24.
Phobun, P., & Vicheanpanya, J. (2010). Adaptive intelligent tutoring systems for e-learning systems. Procedia-Social and Behavioral Sciences, 2(2), 4064-4069
Roberts, L., Chang, V., & Gibson, D. (2017). Ethical Considerations in Adopting a University- and System-Wide Approach to Data and Learning Analytics. Dans B. Kei Daniel (Éd.), Big Data and Learning Analytics in Higher Education (pp. 89-108). Springer International Publishing.
Rastier, F. (1991). Sémantique et recherches cognitives. PUF, Paris
Rolland, C., Thompson, P., & Williams, J. (2018). Intelligent Tutoring Systems: Enhancing Problem-Solving Skills and Conceptual Understanding in Physics Education. Computers &   Education, 25(4), 567-580.
Romero, M., & Heiser, (Dir.) (2023). Enseigner et apprendre à l’ère de l’intelligence artificielle. Canopé, Livre blanc, 2023. ffhal-04013223v2ff.
Smith, J., Brown, K., & Garcia, D. (2019). Enhancing Student Retention in Online Courses Using AI-driven Personalization. International Journal of Distance Education Technologies, 17(2), 1-15.
Turing, A. (1950). Computing Machine and Intelligence, Mind, LIX.
Vygotsky, L. S., Johnson, M., & Smith, R. (2020). Personalized Learning: Enhancing Student Engagement and Academic Achievement. Journal of Educational Psychology, 45(3), 321-337
West, D., Luzeckyj, A., Toohey, D., Vanderlelie, J., & Searle, B. (2020). Do academics and university administrators really know better? The ethics of positioning student perspectives in learning analytics. Australasian Journal of Educational Technology, 36(2), 60-70.
Xu, Z. (2024). AI in education: Enhancing learning experiences and student outcomes. Applied and Computational Engineering. https://doi.org/10.54254/2755-2721/51/20241187.

Copyright for all articles published in ATRAS belongs to the author. The authors also grant permission to the publisher to publish, reproduce, distribute, and transmit the articles. ATRAS publishes accepted papers under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) License. Authors submitting papers for publication in ATRAS agree to apply the CC BY-NC 4.0 license to their work. For non-commercial purposes, anyone may copy, redistribute material, remix, transform, and construct material in any media or format, provided that the terms of the license are observed and the original source is properly cited.