Utiliser les LLM dans le but de rendre la méthodologie abstraite plus individuelle, captivante et évolutive

Durée : novembre 2024 – décembre 2025
Statut : en cours
Niveau de formation : niveau tertiaire
Thème : artificial intelligence AI, digital skills & literacy, digital tools
Mots-clés : modèles de langage de grande taille, enseignement de la psychologie, apprentissage interactif, apprentissage par cas, éducation personnalisée

Situation initiale

Bien que des compétences telles que la pensée logique et abstraite soient très recherchées, bon nombre d’étudiant·e·s ont du mal à s’impliquer dans les cours méthodologiques et à y réussir. Les méthodes pédagogiques traditionnelles peinent à répondre à ces défis, ce qui souligne la nécessité d’une approche d’apprentissage plus centrée sur l’étudiant·e, appliquée et interactive. Les étudiant·e·s souhaitent de plus en plus explorer des concepts abstraits de manière pertinente pour leurs objectifs professionnels. Cependant, concevoir de telles expériences personnalisées et interactives pour un public étudiant hétérogène demande beaucoup de ressources. Cela renforce le besoin de solutions innovantes et évolutives.

Objectifs

Notre projet vise à exploiter le potentiel des modèles de langage de grande taille (LLM) pour révolutionner l’enseignement par cas. Nous ciblons des étudiant·e·s en psychologie inscrit·e·s dans des cours de méthodologie. En utilisant un référentiel de ressources numériques de haute qualité, nous allons développer un prototype de tutorat basé sur les LLM. À partir de cas psychologiques réalistes, ce tuteur aidera les étudiant·e·s à appliquer leurs connaissances théoriques à des situations concrètes, à renforcer leurs compétences pratiques, à maintenir leur motivation et à améliorer leur apprentissage en psychologie.

Méthode

Les étudiant·e·s utilisant le tuteur pourront indiquer leurs domaines d’intérêt. En s’appuyant sur ces données, le tuteur générera des cas interactifs — par exemple, interpréter des intervalles de confiance dans des essais cliniques — alignés sur leurs aspirations professionnelles. Il les guidera à travers des simulations de cas, fournira un retour correctif et posera des questions de suivi. L’efficacité du tuteur sera évaluée lors d’une étude expérimentale à l’Université de Berne, en comparant l’engagement, le développement de compétences et la satisfaction entre deux conditions : utilisation du tuteur LLM versus méthodes traditionnelles. Le tuteur sera également intégré dans des cours de statistiques à UniDistance Suisse, à la FFHS et à l’Université de Fribourg, où il sera évalué par des études expérimentales ou observationnelles.

Translation prévue

Après des tests réussis à l’Université de Berne, le tuteur est transposé dans trois cours méthodologiques : un à UniDistance Suisse, un à la FFHS et un à l’Université de Fribourg. Ensuite, il sera publié en open source sur GitHub afin de le rendre accessible au public. En cas de résultats positifs, le tuteur sera intégré dans les solutions open source du projet « Learning Analytics » et du projet « Prepare ». Avec des financements supplémentaires, il pourra être testé dans d’autres niveaux scolaires via le testbed du EdTech Collider.

Ce projet a pour ambition de transformer l’éducation en intégrant des LLM pour offrir un apprentissage par cas interactif et personnalisé. Les étudiant·e·s bénéficieront d’expériences d’apprentissage sur mesure qui renforcent leur engagement, développent leurs compétences pratiques et améliorent l’application de leurs connaissances théoriques. Une mise en œuvre réussie pourrait servir de modèle évolutif pour l’utilisation des LLM dans l’apprentissage individualisé, orienter les pratiques éducatives futures et favoriser une adoption plus large des approches pédagogiques basées sur les LLM.

Institutions participantes