BeLEARN, Feedback, IA et sentiment de propriété psychologique

Evaluation de l'impact des feedbacks basés sur l'IA sur le sentiment de propriété psychologique des élèves vis-à-vis de leurs textes écrits : le rôle modérateur de la modalité de feedback

Comment des rétroactions basées sur l’IA peuvent-elles aider les étudiant·e·s à s’améliorer sans diminuer leur sentiment d’appropriation de leur travail, leur motivation et leur responsabilité ?

Durée : janvier 2026 – décembre 2026
Statut : en cours
Niveau de formation : niveau tertiaire
Thème : artificial intelligence AI, digital skills & literacy
Mots-clés : appropriation psychologique, rétroaction, tâches d’écriture, IA

Situation initiale

Les progrès récents en intelligence artificielle générative (GenAI) ont conduit au développement de solutions variées visant à automatiser le processus de rétroaction dans les contextes éducatifs. Basés sur des modèles de langage de grande taille (LLMs), ces outils peuvent soutenir les étudiant·e·s dans leurs écrits en leur fournissant des rétroactions critiques, correctives et adaptatives fondées sur des cadres théoriques. De plus, leur disponibilité permet aux étudiant·e·s de recevoir, de manière asynchrone, des rétroactions personnalisées en tête-à-tête lorsqu’ils·elles en ont besoin, sans intervention de leurs enseignant·e·s, garantissant ainsi la rapidité — une qualité essentielle des rétroactions. Si l’efficacité et la capacité de mise à l’échelle des outils de rétroaction basés sur les LLM sont évidentes, leur impact sur le sentiment d’appropriation psychologique des étudiant·e·s demeure toutefois peu exploré. L’appropriation psychologique renvoie au sentiment que quelque chose est « à moi », caractérisé par un investissement personnel et un sentiment de responsabilité envers un objet ou un résultat. Dans les contextes éducatifs, favoriser cette appropriation du travail est associé à une motivation accrue, un engagement plus profond et de meilleurs apprentissages. Lorsque les étudiant·e·s révisent leurs textes sur la base de rétroactions externes — en particulier lorsqu’elles sont automatisées —, des questions émergent quant à la mesure dans laquelle ils·elles se sentent toujours lié·e·s à leur travail révisé et en assument la responsabilité. Différentes modalités de rétroaction peuvent influencer de manière variable ce sentiment d’appropriation des textes révisés.

Objectifs

L’objectif de ce projet est d’explorer l’appropriation psychologique dans l’interaction avec des outils de rétroaction technologiques en contexte éducatif. Nous visons à concevoir, évaluer et affiner un mécanisme de rétroaction basé sur un LLM pour l’outil Rflect, afin de fournir des orientations aux chercheur·e·s et développeur·euse·s sur la manière de créer des outils de rétroaction qui renforcent l’agency et le sentiment d’appropriation des étudiant·e·s. Les objectifs sont : 1) l’évaluation de trois modalités de rétroaction en classe, et 2) la formulation de principes de conception pour l’intégration de rétroactions basées sur des LLM dans un contexte éducatif préservant l’appropriation psychologique.

Méthode

Le projet adopte une méthodologie issue de l’HCI et des systèmes d’information, combinant design centré sur les apprenant·e·s, ingénierie de prompts et une expérience de terrain longitudinale. Dans la Phase 1, des entretiens avec des étudiant·e·s alimentent la conception de principes de rétroaction ancrés dans l’apprentissage autorégulé et l’appropriation psychologique. Trois stratégies de rétroaction basées sur l’IA sont conceptualisées et implémentées au moyen de prompts adaptés dans un outil existant d’écriture réflexive. Dans la Phase 2, une expérience de terrain de six semaines en classe teste ces stratégies auprès d’étudiant·e·s issu·e·s de différents parcours éducatifs. La qualité de l’écriture, l’usage de la rétroaction, le sentiment d’efficacité personnelle et l’appropriation psychologique sont mesurés dans le temps au moyen d’analyses quantitatives.

Translation prévue

Une traduction des résultats du projet vers la pratique éducative est prévue grâce à leur implémentation directe dans les institutions des porteur·euse·s du projet. Comme l’expérience sera intégrée à des cours d’écriture existants, les résultats pourront être rapidement évalués dans des contextes d’enseignement authentiques et affinés de manière itérative avec Rflect. Cette configuration permet des rétroactions immédiates de la part des étudiant·e·s et des enseignant·e·s, facilitant l’élaboration de recommandations pratiques et sensibles au contexte. Par ailleurs, la collaboration avec notre partenaire Rflect permet une adaptation et une mise à l’échelle aisées, posant les bases d’un déploiement plus large dans les institutions éducatives suisses après une validation initiale.

Ce projet fait progresser la recherche sur la GenAI en éducation en fournissant de nouvelles preuves sur la façon dont différentes stratégies de rétroaction basées sur l’IA influencent non seulement la qualité de l’écriture, mais aussi l’appropriation psychologique, la motivation et l’apprentissage en profondeur des étudiant·e·s. Il livre des principes de conception pour des rétroactions basées sur l’IA qui équilibrent gains de performance et agency étudiante. Les résultats du projet sont destinés à être présentés dans des articles scientifiques dans des revues de systèmes d’information, mais aussi dans des revues en technologie éducative et en HCI. Pour l’enseignement supérieur suisse, le projet permet l’intégration à grande échelle de rétroactions adaptatives et centrées sur les apprenant·e·s dans l’écriture réflexive à travers un outil edtech existant, au bénéfice direct de milliers d’étudiant·e·s.

Responsable du projet

BeLEARN, Feedback, IA et sentiment de propriété psychologique
Prof. Dr. Thiemo Wambsganss Institut pour la gestion des technologies numériques, BFH

Collaborateur·trice·s du projet

BeLEARN, Feedback, IA et sentiment de propriété psychologique
Joséphine Banczyk Institut des systèmes d'information, Université de Berne
BeLEARN, Feedback, IA et sentiment de propriété psychologique
Prof. Dr. Panda Sachin Institut des systèmes d'information, Université de Berne
BeLEARN, Feedback, IA et sentiment de propriété psychologique
Prof. Dr. Jens Dibbern Institut des systèmes d'information, Université de Berne
BeLEARN, Feedback, IA et sentiment de propriété psychologique
Léane Wettstein Institut pour la gestion des technologies numériques, BFH

Institutions participantes