Détecter l’IA dans une copie : pourquoi la fiabilité n’est pas la bonne question
Les détecteurs se sont améliorés, et cela ne règle rien : une probabilité sur un texte ne fonde pas une décision sur un élève.
Accueil / Articles
Articles
Articles
Ce qui fait travailler un retour : l’information, pas la note
Plus de 38 % des effets du feedback sont négatifs. Ce qui fait la différence, c’est la quantité d’information, pas la note.
L’acceptation n’est pas l’usage : ce que mesurent les enquêtes sur l’IA à l’école
Les enquêtes d’acceptation mesurent une intention validée contre une déclaration. L’usage déclaré suit mal l’usage enregistré.
Corriger avec l’IA : se comparer à nos vraies erreurs, pas à la perfection
Un siècle de recherche sur la correction humaine, et ce qu’il implique pour utiliser l’IA comme second regard.
Un item juste n’est pas forcément aligné : trois questions pour juger un item d’évaluation
Alignement, exigence cognitive, qualité : trois questions distinctes pour juger un item au regard du PER.
Protéger l’effort qui fait apprendre : que confier à l’IA, que garder exigeant ?
Difficultés désirables et premières études sur l’IA en classe : ce que l’effort apporte à l’apprentissage.
Préparer vite avec l’IA : le vrai travail, c’est de vérifier
L’IA fait gagner du temps de préparation ; le vrai travail est de vérifier l’objectif, le niveau d’exigence et l’exactitude.
Ce que l’IA change vraiment pour l’enseignant qui prépare et qui évalue
Préparer, évaluer, apprendre : trois déplacements que l’IA provoque dans le travail enseignant.