Catégorie : Évaluation des apprentissages
Outils et techniques basés sur l’IA pour évaluer les étudiants de manière efficace.
-
Évaluer à l’ère des IA : un guide de réflexion sur l’évaluation universitaire
Guide de réflexion sur l’évaluation universitaire à l’ère de l’IA, publié par l’Université de Sherbrooke. Deux postures : refuser ou apprivoiser l’IA.
-
L’IA en éducation : recommandations et bonnes pratiques selon Champlain College-Lennoxville
! Contenu vedette, 4. Collégial, Adoption, Biais, Confidentialité, Développement durable, Droit d’auteur, Encadrement, Éthique, Évaluation des apprentissages, Gouvernance, Guides, Intégrité académique, Politiques institutionnelles, Politiques institutionnellesLe Champlain College-Lennoxville publie un rapport sur l’IA en éducation, proposant trois scénarios d’intégration et des recommandations pour un usage encadré et responsable.
-
ChatGPT améliore-t-il l’apprentissage étudiant ? Une méta-analyse des études expérimentales
Une méta-analyse de 69 études révèle que ChatGPT améliore la performance académique et la motivation, mais ses effets sur l’auto-efficacité restent incertains.
-
Réinventer l’intégrité académique à l’ère de l’intelligence artificielle
L’ouvrage explore les défis posés par les IA génératives sur les pratiques académiques et propose des solutions autour de la formation, des publications et des organisations.
-
L’IA générative en enseignement supérieur : synthèse et cas d’usage
5. Universitaire, Biais, Confidentialité, Données, Éthique, Évaluation des apprentissages, Gouvernance, Guides, Intégrité académique, Organisations, Politiques institutionnelles, Politiques institutionnellesL’intelligence artificielle générative transforme l’enseignement supérieur en offrant des outils innovants pour l’apprentissage, la recherche et l’administration. Le rapport de l’APRU explore ses opportunités et ses défis.
-
Cinq enjeux d’évaluation face à l’émergence des IA génératives en éducation
L’émergence des IA génératives redéfinit les pratiques éducatives, en particulier dans le domaine de l’évaluation. Cet article met en lumière cinq défis majeurs que les enseignants et décideurs doivent considérer pour adapter leurs stratégies.
-
Les personnes enseignantes peuvent-elle détecter les textes générés par l’IA ?
Une étude explore si les enseignants peuvent distinguer les textes générés par l’IA des productions rédigées par des élèves, soulevant des enjeux pour l’évaluation et l’intégrité académique.
-
Guide d’utilisation de l’IAg pour les étudiant.es de King’s College
5. Universitaire, Évaluation des apprentissages, Formation, Guides, Intégrité académique, Politiques institutionnellesKing’s College London fournit des directives pour guider l’utilisation de l’IAG dans les études, en mettant l’accent sur l’intégrité et les règles d’attribution.
-
PAIR : un cadre pour intégrer l’intelligence artificielle générative dans l’éducation
5. Universitaire, Évaluation des apprentissages, Pratiques pédagogiques, Récits pratiques, Ressources éducativesLe cadre PAIR propose une méthode structurée pour intégrer l’IAG dans l’enseignement, avec un accent sur l’éthique, la réflexion critique et les compétences humaines.
-
Lignes directrices de l’UdeM pour une utilisation responsable de l’IA aux cycles supérieurs
5. Universitaire, Confidentialité, Évaluation des apprentissages, Formation, Intégrité académique, Politiques institutionnellesL’UdeM publie des lignes directrices encadrant l’usage de l’IAG aux cycles supérieurs, promouvant la transparence, l’intégrité et la responsabilité.