L’IA remodèle la façon dont les gens et les organisations travaillent. Nous sentons ce changement chaque jour. Tous ceux qui travaillent dans le secteur de l’éducation savent que, par conséquent, la façon dont nous évaluons nos étudiants doit également changer. La plupart d’entre nous convenons que ce qui est nécessaire, ce sont des évaluations qui intègrent l’IA de manière à refléter le monde réel, mais qui réduisent en même temps les occasions pour les étudiants de laisser l’IA faire le travail à leur place. Donc, des systèmes plus compatibles avec l’IA, moins vulnérables à l’IA, check, et de nombreux enseignants sont déjà dans ce processus.
Le véritable défi est de le faire de manière cohérente à grande échelle, non pas sur un module ou même 10, mais sur une centaine. C’est quelque chose que je dois aborder dans mon rôle de doyenne associée responsable de l’évaluation de la Faculté des arts et des sciences sociales de l’Open University (OU). L’OU est la plus grande université d’Europe par la population étudiante, avec environ 140 000 étudiants directement inscrits. La Faculté des arts et des sciences sociales est la plus grande faculté de l’université, avec 50 000 étudiants dans 16 domaines soutenus par environ 1 700 employés. Métaphoriquement parlant, c’est un pétrolier ; changer de direction prend du temps et l’engagement de toutes les personnes concernées.
Étant donné que le cœur de cette question est la conception de l’évaluation, notre première étape a été d’entreprendre un exercice de cartographie de l’évaluation. Cela impliquait d’examiner chaque tâche d’évaluation sur chaque module de chaque diplôme de la faculté, en demandant :
- Quelles sont les vulnérabilités et les potentiels de la tâche ?
- Quels changements sont nécessaires pour y remédier?
- Combien de temps et de travail cela prendra-t-il pour le faire?
- Quelle priorité donner aux changements, étant donné que nous ne pouvons pas tout changer à la fois ?
Cela semble simple, mais lorsque vous êtes confronté à des centaines de points d’évaluation, cela devient une tâche majeure. Nous y sommes parvenus en dévolant la responsabilité au point local le plus pratique, à savoir nos responsables de qualification. Ces collègues ont travaillé en liaison avec les chefs de module placés sous leur responsabilité et se sont coordonnés avec les directeurs de l’enseignement au niveau scolaire pour produire des rapports complets sur leurs programmes.
Cette cartographie a, comme on pouvait s’y attendre, révélé une image mitigée. De nombreuses évaluations sont déjà prêtes pour l’IA, d’autres moins, en particulier compte tenu de la dépendance traditionnelle des matières artistiques et des sciences sociales à l’égard de l’essai. Ce sont les évaluations les moins prêtes qui ont été priorisées pour une mise à jour pour l’année universitaire 2026-2027, les responsables de module étant chargés de ce travail. Le mappage nous a également incité à réfléchir davantage à la « catégorie d’utilisation de l’IA » attribuée à chaque tâche. Ces catégories sont :
- Vous ne devez pas utiliser l’IA
- Vous pouvez utiliser l’IA
- Vous devez utiliser l’IA
Notre objectif est de déplacer l’essentiel de nos évaluations vers la catégorie 2, qui reflète le mieux les façons hétérogènes et les degrés variés par lesquels l’IA a infiltré la vie au-delà de l’étude. La catégorie 3 est conservée pour les tâches pour lesquelles l’utilisation d’un outil particulier est essentielle à l’apprentissage testé. La catégorie 1, quant à elle, est utilisée pour les cas qui exigent des étudiants qu’ils démontrent leur capacité à effectuer la tâche eux-mêmes. Par conséquent, ces derniers doivent être conçus pour être aussi résistants à l’IA que possible.
Cependant, il est essentiel de repenser l’évaluation pour un monde transformé par l’IA ; l’accent ne peut pas être mis sur des tâches isolées. Aucun travail ne peut jamais être entièrement protégé contre l’utilisation abusive de l’IA et aucune tâche ne peut capturer toute la gamme des compétences liées à l’IA qu’un sujet exige désormais. Ce qui compte, c’est le parcours tout au long de la qualification ; un mélange de formats, d’approches et de niveaux d’authenticité qui, ensemble, renforcent les capacités, la confiance et une pratique éthique. C’est là que nos responsables de la qualification entrent à nouveau en jeu. En coordonnant la conception d’une série diversifiée d’évaluations, ils et leurs équipes cherchent à la fois à préparer les étudiants aux réalités du travail basé sur l’IA et à réduire les occasions d’utilisation inappropriée de l’IA. Cette approche renforce l’apprentissage de manière cumulative plutôt que de reposer sur un point spécifique.
Le spectre de l’inconduite académique se profile dans ce travail. En effet, c’est l’utilisation abusive croissante de l’IA, ainsi que la nécessité d’intégrer l’IA dans l’expérience d’apprentissage de manière positive qui dynamise de nombreux collègues. Lorsque vous avez affaire à 50 000 étudiants, le nombre de renvois pour inconduite présumée augmente vraiment. Nous savons qu’avec l’IA, la détection des inconduites est une course aux armements qui ne peut pas être gagnée. Nous savons également que pour les étudiants et même, dans certains cas, pour le personnel, la frontière entre l’utilisation légitime et illégitime n’est pas du tout claire et qu’une quantité considérable d’inconduite est donc involontaire. Le corps professoral introduit par conséquent un nouvel enseignement qui examine le fonctionnement de l’IA, ce qu’elle fait et ne fait pas bien, l’éthique entourant son utilisation, la façon d’évaluer de manière critique ses résultats et la façon de l’utiliser et de la citer de manière appropriée dans le travail évalué.
Pour que tout cela se produise, le personnel professoral a besoin d’en savoir plus sur les capacités en constante évolution de l’IA et ce qu’elles signifient pour le paysage éducatif. Compte tenu de notre taille, cela représente beaucoup de personnes à mobiliser et à rallier à notre cause. Pour cette raison, nous avons nommé des responsables de l’IA et de l’évaluation dans chacune des trois écoles académiques de la faculté. Ces collègues ont pour mission de se tenir informés des recherches sur l’impact de l’IA dans leurs disciplines et de fournir des conseils d’experts et une formation au personnel impliqué dans l’évaluation. Cela commence par la définition de l’évaluation, mais inclut également l’enseignement des compétences en IA, en aidant les étudiants à réussir nos évaluations révisées et en notant les tâches repensées.
Le travail décrit ici représente les premières étapes d’une route plus longue. Nous reconnaissons que, tant que l’IA continue de se développer, notre pratique en tant qu’enseignants devra également changer en réponse à cela. En fin de compte, la question de l’IA et de l’évaluation doit devenir une autre chose que nous considérons comme routinière, comme l’inclusivité, la diversité et l’employabilité. Nos aspirations en tant que faculté sont donc les suivantes :
- Une évaluation et un enseignement qui intègrent l’IA dans les qualifications de manière appropriée au sujet et au monde en général
- Une évaluation moins vulnérable à l’IA, créant ainsi moins d’inconduite, qu’elle soit délibérée ou par inadvertance
- Les étudiants qui comprennent les implications éthiques et pratiques de l’utilisation de l’IA, notamment en ce qui concerne l’intégrité académique, ainsi que ses points forts et ses limites.
- Des enseignants qui sont conscients de l’impact de l’IA sur l’évaluation et l’apprentissage, et qui peuvent adapter leur enseignement et leur évaluation en conséquence
- Du personnel pour lequel la conception et la prestation d’évaluations en tenant compte de l’IA deviennent une partie intégrante de leur pratique pédagogique quotidienne.
La réalisation de ces objectifs ne sera pas facile, même au niveau local. C’est, je dirais, beaucoup plus difficile à grande échelle. Néanmoins, nous sommes confiants que nous y arriverons. Nous ne pouvons pas ralentir le rythme du développement de l’IA, et nous ne le voudrions pas non plus. Mais nous pouvons façonner la façon dont nos étudiants sont préparés à tirer parti des opportunités qu’elle offre.
Written by:
