Explorer les effets des agents conversationnels sur l’écriture réflexive des apprenant·e·s

Durée : janvier 2024 – décembre 2024
Statut : terminé
Niveau de formation : niveau tertiaire
Thème : artificial intelligence AI, digital tools
Mots-clés : système d’apprentissage adaptatif, intelligence artificielle, métacognition

Situation initiale

L’écriture réflexive aide les étudiant·e·s à donner du sens à leurs apprentissages et à développer des compétences métacognitives. Pourtant, beaucoup – notamment dans les formations en économie – peinent à réfléchir en profondeur. Elles et ils éprouvent des difficultés à structurer leurs pensées, à dépasser la simple description et à transformer leurs expériences en apprentissages exploitables. Les approches classiques (prompts statiques ou essais de fin de cours) offrent rarement le soutien ou le feedback en temps voulu dont les apprenant·e·s ont besoin. Les enseignant·e·s souhaitent guider la réflexion, mais manquent souvent de temps et d’outils pour offrir un accompagnement individualisé à grande échelle. Les agents conversationnels (chatbots) pourraient contribuer à résoudre ce problème en posant des questions de relance, en offrant un guidage progressif et en modélisant une réflexion de haute qualité. Cependant, les preuves empiriques sur la manière dont ces agents influencent la qualité de la réflexion, l’apprentissage et l’expérience étudiante restent limitées. Les institutions ont également besoin de solutions fiables, respectueuses de la vie privée, et de tableaux de bord simples permettant aux enseignant·e·s de suivre la progression sans alourdir leur charge. Notre projet répond à ces besoins en concevant, testant et déployant un agent conversationnel et un tableau de bord destinés à soutenir une écriture réflexive personnalisée dans des cours universitaires réels.

Objectifs

• Concevoir et intégrer MindMate, un agent conversationnel guidant pas à pas l’écriture réflexive.
• Développer un tableau de bord visualisant la progression des apprenant·e·s.
• Évaluer les effets sur la qualité de la réflexion, les compétences métacognitives et l’engagement, par comparaison avec des prompts statiques.
• Comparer différentes stratégies de prompts, assurer un usage responsable de l’IA et transférer les résultats dans la pratique d’enseignement à la BFH et dans les institutions partenaires (projet Innosuisse).

Méthode

Nous avons adopté une approche de recherche itérative, fondée sur le design, à travers plusieurs cours de la BFH. Des ateliers de co-conception avec étudiant·e·s et enseignant·e·s ont orienté les prototypes rapides de MindMate et du tableau de bord. Des études sur le terrain ont intégré les deux outils dans l’application Reflect ; deux cours pilotes ont comparé prompts conversationnels et statiques. L’évaluation a combiné analyses de réflexions basées sur des grilles, learning analytics, enquêtes et entretiens. Des outils NLP sécurisés ont permis l’analyse thématique et de sentiment. Les résultats quantitatifs et qualitatifs ont été synthétisés en principes de design et en lignes directrices pédagogiques.

Résultats

Les pilotes ont donné des résultats prometteurs. Les étudiant·e·s utilisant MindMate ont produit des réflexions plus structurées, spécifiques et orientées vers l’action que ceux et celles utilisant des prompts statiques. Elles et ils ont mentionné un meilleur guidage, un espace de pensée non jugeant et des liens renforcés entre théorie et pratique. Les effets étaient les plus forts lorsque l’agent proposait des prompts progressifs et un feedback bref et personnalisé. Les enseignant·e·s ont apprécié le tableau de bord pour sa vue d’ensemble rapide et sa capacité à cibler les besoins en feedback. Des garde-fous importants ont été identifiés : transparence sur le soutien de l’IA, éviter un guidage excessif remplaçant la réflexion, et préciser les attentes concernant l’intégrité académique et l’usage des données. Les détails du protocole, des résultats et des implications de conception sont présentés dans le résumé étendu CHI 2025 sur MindMate et un article complémentaire sur l’écriture réflexive assistée par XR.

Mise en œuvre de la translation

• En classe : MindMate est intégré à l’application Reflect et a été utilisé dans au moins deux cours à la BFH.
• Tableau de bord enseignant·e·s : permet de suivre la progression, d’identifier les étudiant·e·s nécessitant un appui et d’optimiser le temps de feedback.
• Ressources pédagogiques : guides courts, exemples de prompts et modèles d’activités pour adopter l’écriture réflexive avec appui IA.
• Extension (subvention Innosuisse 2024–2026) : renforcement des fonctionnalités, de la confidentialité et de la gouvernance ; déploiement prévu dans d’autres cours et institutions partenaires. Des supports de formation et d’intégration pour enseignant·e·s accompagnent ce travail de transfert.

Effets observés : meilleure qualité et plus grande profondeur des réflexions, engagement accru, feedback enseignant·e plus ciblé et efficace.

Effets attendus : renforcement des compétences métacognitives et d’autorégulation, meilleur transfert entre expérience et action, et accès équitable et évolutif au feedback formatif. Pour les institutions, l’approche soutient l’évaluation axée sur les compétences et contribue au développement durable des savoirs en lien avec les objectifs d’apprentissage tout au long de la vie. L’impact est suivi à l’aide de scores de grilles, d’analyses, d’enquêtes et de l’adoption par les enseignant·e·s.

Institutions participantes