L’intégration de l’Intelligence Artificielle (IA) en évaluation pédagogique marque un changement important dans le domaine de l’évaluation, incluant 2 joueurs clés : les organisateurs d’évaluations et les candidats. L’intégration rapide, particulièrement avec des systèmes d’IA générative comme ChatGPT par OpenAI ou BART par Google, offre de vastes opportunités mais aussi des défis. Une préoccupation considérable est le rythme auquel les candidats adoptent l’IA comparé à l’intégration plus lente des organisateurs d’évaluation, potentiellement pouvant faire un impact sur l’équité et l’objectivité des évaluations. Alors que les mécanismes de régulation peinent à suivre avec l’évolution de l’IA, naviguant cette nouvelle réalité de collaboration humain-IA est essentiel pour préserver l’intégrité des évaluations et rester compétitif dans un marché qui avance rapidement. Cet article a pour but d’explorer le rôle de l’IA dans la détection et la prévention de collusion, un aspect crucial pour assurer l’efficacité des opérations d’évaluation dans cet environnement dynamique et saturé d’IA.

Naviguer les deux facettes de l’IA en évaluation pédagogique

Comprendre les capacités de l’IA dans la conception d’évaluation

Le rôle primaire de l’IA, particulièrement les IA génératives comme démontré par des outils tel que ChatGPT, est sa capacité de création de contenu remarquable. Cette technologie a aussi transformé la conception d’évaluation, permettant la génération de divers items et la construction de scénarios de résolution de problèmes complexes, ainsi élargissant considérablement la portée de la création d’évaluations innovantes. En revanche, alors que l’IA améliore grandement les possibilités de créations d’items, elle introduit aussi des défis uniques. L’un de ces défis est le risque de collusion dans les réponses aux questions d’évaluations lorsque ces outils sont utilisés par les candidats dans des contextes d’évaluations.

Faire face à la collusion en évaluation

La collusion est depuis longtemps un défi en évaluation, particulièrement quand les étudiants coopèrent illégalement lors de devoir censés être accomplis de manière indépendante,ce qui se produit souvent en raison d’un manque de préparation. Cette méthode de collusion s’adapte a l’environnement d’évaluation, qu’il soit sur papier, par ordinateur ou contrôlé à distance. En évaluation en ligne, même avant que la pandémie est emporté une montée en puissance de la surveillance à distance, une forme commune de collusion était l’utilisation de moteur de recherche en ligne tel que Google pour trouver des réponses. Récemment, cependant, les moteurs de recherche ont souvent été remplacé par des plateformes d’IA comme ChatGPT. Les étudiants peuvent utilisés ces plateformes pour générer des réponses à travers la collaboration humain-IA, qu’ils copient ensuite comme réponses pour l’examen conduit à distance. Ce problème affecte à la fois les examens à enjeux faibles et élevés dans diverses juridictions.

Détecter et prévenir la collusion grâce à l'IA

La détection et la prévention de la collusion constituent un objectif clé pour les décideurs politiques responsables de la politique d’évaluation à l’échelle mondiale. Diverses méthodes sont explorées et expérimentées sur le terrain. Il existe différentes solutions actuellement à l'essai, l'une d'entre elles étant l'analyse des frappes au clavier (ou les contrôles copier/coller) et la surveillance du comportement (ou softlock). La première approche implique le suivi des combinaisons de touches (telles que Ctrl-C et Ctrl-V) et les actions de collage par clic droit, ainsi que l'insertion de gros caractères, pour surveiller les modèles de frappe. Cette dernière approche se concentre sur la détection du moment où un utilisateur quitte l'environnement d'évaluation, par exemple en changeant d'onglet ou de navigateur, ou en quittant le mode plein écran, ainsi que le moment choisi pour ces activités. Les activités suspectes identifiées par ces méthodes sont signalées pour une enquête plus approfondie, contribuant ainsi à garantir l'intégrité du processus d'évaluation. De plus, la mise en œuvre d'une fonctionnalité de blocage du navigateur au sein de l'environnement d'évaluation peut restreindre l'utilisation de ressources non autorisées sur le même appareil pendant un examen, en particulier dans les évaluations à enjeux élevés.

Équilibrer confidentialité, équité et surveillance

L’intégration de l’IA dans les environnements d’évaluation soulève naturellement d’importantes questions concernant la confidentialité et l’équité. Lors de la détection de comportements tels que les insertions de texte à grande échelle, il est important de prendre en compte des facteurs tels que la vitesse de frappe d'un candidat et le moment de son activité. Cette approche permet d’éviter les préjugés à l’encontre des personnes maîtrisant la saisie et garantit que les réponses sont authentiquement générées et ne proviennent pas d’outils d’IA générative. Il est donc essentiel que les systèmes de surveillance assistés par l’IA soient conçus de manière impartiale, dans le plus grand respect des droits des étudiants. L’équilibre entre leur efficacité à identifier les collusions potentielles et le respect des normes éthiques est crucial. Relever ces défis éthiques sera la clé de l’intégration durable de l’IA dans le domaine des évaluations pédagogiques.

Recommandations pratiques : équiper les parties prenantes pour un domaine transformé

Une fois la collusion identifiée et détectée dans les évaluations à distance, les décisions doivent être alignées contextuellement sur les enjeux et la nature de l’évaluation. Diverses parties prenantes, notamment les décideurs politiques en matière d’éducation au plus haut niveau, le personnel administratif des organismes d’évaluation, les tuteurs responsables des élèves, ainsi que les directeurs d’école et les enseignants supervisant l’apprentissage, doivent aborder les scénarios spécifiques suivants :

• Modèles inhabituels détectés dans les réponses des étudiants Recommandation : Mettre en œuvre une formation complète pour le personnel et les éducateurs sur les technologies d'IA afin de reconnaître ces tendances et d'y répondre. Développer des canaux de communication clairs avec les tuteurs pour informer les étudiants du potentiel et des limites de l’IA dans les évaluations.

• Un étudiant admet avoir utilisé l’assistance de l’IA Recommandation : Créer des cadres politiques solides qui définissent les conséquences de l'utilisation de l'IA à des fins de mauvaise pratique et des lignes directrices pour son utilisation équitable. Offrir des conseils et des commentaires constructifs à l’élève pour aborder les raisons sous-jacentes de ses actions.

• Augmentation de l'accessibilité des outils d'IA parmi les étudiants Recommandation : Investir dans des garanties technologiques telles que des solutions de surveillance avancées pour surveiller l'intégrité des évaluations. Examiner et mettre régulièrement à jour ces outils pour suivre l’évolution des capacités de l’IA.

• Confusion parmi les gardiens sur le rôle de l'IA dans les évaluations Recommandation : organiser des séances de formation à l'intention des tuteurs, clarifiant la manière dont les outils d'IA sont utilisés dans les évaluations et l'importance de l'intégrité académique. Collaborer avec les enseignants et les administrateurs pour garantir une approche unifiée.

• Nécessité d’une amélioration continue de la conception des évaluations Recommandation : Concevoir des évaluations pour évaluer les compétences de pensée créative et critique favorisées par une utilisation appropriée de l'IA peut garantir qu'elles reflètent véritablement la compréhension et les efforts des élèves, favorisant ainsi à la fois le progrès pédagogique et l'intégrité des évaluations.

• Préoccupations éthiques concernant la surveillance de l’IA dans les évaluations Recommandation : Plaider en faveur de l'utilisation éthique de l'IA dans l'éducation à travers des ateliers, des séminaires et des débats publics, en mettant l'accent sur l'équilibre entre le progrès technologique et les considérations éthiques.

• Apprentissage assisté par l’IA et collusion facilitée par l’IA Recommandation : Encourager les enseignants à intégrer des outils d'IA générative comme ChatGPT dans le processus éducatif pour des tâches telles que la réflexion et l'organisation, tout en étant également conscients de leur rôle potentiel dans la facilitation de la collusion. Guider les enseignants et les étudiants à travers une formation qui met l’accent sur la distinction entre l’apprentissage assisté par l’IA et la collusion facilitée par l’IA, garantissant une utilisation éthique et l’importance de l’originalité dans le travail des étudiants.

Les innovations en matière d’IA offrent de nouvelles opportunités pour améliorer les évaluations, mais elles nécessitent également que les enseignants et les étudiants soient dotés des compétences et de la sensibilisation nécessaires pour naviguer efficacement dans ce domaine transformé.

Réflexion sur le parcours et regard vers l'avenir

Alors que nous examinons la dynamique de l’administration des tests dans un domaine saturé d’IA, il devient clair qu’il est crucial d’équilibrer le potentiel de l’IA avec des pratiques d’évaluation équitables et fiables. Cet article visait à mettre en lumière les défis et les opportunités tant au niveau du intérieur qu’extérieur de l’administration des tests, offrant des informations pratiques pour un avenir où la collaboration humain-IA est la norme. L’objectif est d’inspirer une vision d’intégration responsable de l’IA dans les évaluations pédagogiques, en favorisant un avenir qui exploite les capacités de l’IA tout en respectant les normes les plus élevées d’intégrité et d’équité.

A propos de l'auteur

Vali Huseyn est une spécialiste de l'évaluation pédagogique possédant une vaste expérience dans l'amélioration des phases clés du cycle d'évaluation, notamment la création d'items (banque d'items), l'enregistrement, l'administration, la notation, l'analyse des données et la création de rapport. Son travail implique une collaboration stratégique avec une gamme de fournisseurs de technologies d'évaluation, d'autorités de certification et d'instituts de recherche, contribuant ainsi à l'avancement de la communauté de l'évaluation. Au Centre d'examen d'État d'Azerbaïdjan, Vali a joué un rôle crucial dans la modernisation des évaluations locales à grande échelle. En tant que chef des partenariats stratégiques et responsable de l'unité de gestion de projet, il a co-mis en œuvre plusieurs projets de développement régional axés sur l'apprentissage et l'évaluation dans la région post-soviétique.

N'hésitez pas à vous connecter avec Vali sur LinkedIn pour en savoir plus sur les meilleures pratiques de transition vers un environnement d'évaluation en ligne.

---