Base de connaissances AIEdAIEd KB
Sur cette page

Cette page est traduite en français. Les pages d'articles sont encore rédigées en anglais. Lire cette page en anglais

Concepts

Enseignement de la biologie

Création 2026-08-19 · Mise à jour 2026-10-10

Cette page est une traduction automatique de la page anglaise, non relue par un locuteur natif.

L'enseignement de la biologie — l'étude de la manière dont les étudiants apprennent la biologie et de la façon de l'enseigner plus efficacement, englobant l'enseignement de laboratoire assisté par IA, la littératie en IA intégrée aux programmes de biologie, la pensée critique à l'ère de l'IA et l'usage d'outils spécialisés (identification d'espèces, bio-imagerie, modélisation prédictive) dans la formation biologique. Les exigences propres à la biologie — de vastes corpus de terminologie spécialisée, la pensée visuo-spatiale et systémique, le travail de laboratoire et de terrain pratique, et des méthodes « omiques » de plus en plus computationnelles — en font un contexte riche pour examiner à la fois les promesses et les risques de l'IA dans l'apprentissage des STIM.

Questions à examiner

  • La biologie impose des exigences propres aux apprenants — terminologie spécialisée, pensée visuo-spatiale et systémique, travail de laboratoire pratique. Avant de lire, comment pensez-vous que ces caractéristiques changent ce sur quoi l'IA peut réellement aider en biologie, par opposition à ce qu'elle pourrait saper ?
  • Une étude sur un assistant virtuel de laboratoire a constaté que les auxiliaires d'enseignement humains étaient plus exacts et plus efficaces que ChatGPT, alors que les étudiants préféraient la réponse de l'IA 40% du temps et ne détectaient la production de l'IA que 45% du temps. Pourquoi les étudiants pourraient-ils préférer une réponse d'IA moins exacte — et qu'est-ce que cela dit du « filet de sécurité » nécessaire dans l'enseignement en laboratoire ?
  • L'IA a révolutionné la recherche en biologie (AlphaFold, la biologie computationnelle) alors que son adoption dans l'enseignement de la biologie est restée prudente, sur fond d'inquiétudes concernant la tricherie et l'érosion de la pensée critique. Pourquoi, à votre avis, les mêmes outils qui alimentent la découverte scientifique sont-ils traités avec une telle prudence en classe ?
  • Une étude a intégré les concepts d'apprentissage automatique à un cours de biologie de lycée et a constaté que le contexte biologique soutenait en fait l'apprentissage de l'IA — une preuve en faveur de l'intégration de la littératie en IA au programme plutôt que d'en faire un supplément. Où, dans un cours de biologie, les concepts d'IA surviendraient-ils naturellement ?
  • Les chercheurs soutiennent qu'à mesure que l'IA redessine la recherche biologique, la pensée critique — scepticisme, compréhension contextuelle, raisonnement éthique — doit être délibérément cultivée sous supervision humaine. Si l'IA peut désormais identifier des espèces, interpréter des images et prédire des résultats, quel travail intellectuel reste-t-il que les étudiants doivent apprendre à faire eux-mêmes ?

Introduction

La recherche sur l'enseignement de la biologie et l'IA se regroupe autour d'une tension : l'IA a révolutionné la recherche en biologie (AlphaFold, les « omiques », la biologie computationnelle), alors que son adoption dans l'enseignement de la biologie est restée prudente, sur fond d'inquiétudes concernant la tricherie par IA générative, la désinformation et l'érosion de la pensée critique. Les articles de la base de connaissances consacrés à la biologie examinent collectivement comment les outils d'IA fonctionnent comme assistants d'enseignement en laboratoire, comment la littératie en IA peut être intégrée aux cours de biologie, comment la pensée critique doit être protégée à l'ère de l'IA, et comment des outils d'IA spécialisés soutiennent le travail de terrain et l'identification d'espèces.

Key research themes

L'IA dans le laboratoire de biologie. Doğru et Faulconer ont testé ChatGPT comme assistant virtuel d'enseignement dans un laboratoire de biologie de premier cycle, constatant que les auxiliaires humains étaient plus exacts et plus efficaces, bien que les étudiants aient préféré la réponse de l'IA 40% du temps et n'aient détecté la production de l'IA que 45% du temps — soulignant à la fois le potentiel d'allègement de la charge et la nécessité d'un « filet de sécurité » contre les informations de laboratoire incorrectes. Cela rejoint le volet chimie de l'IA pour la conception expérimentale et la philosophie de l'expérimentation — une préoccupation partagée pour l'IA dans les laboratoires de sciences pratiques.

La littératie en IA intégrée aux programmes de biologie. Zha et al. ont intégré les concepts d'apprentissage automatique et de réseaux de neurones à un cours de biologie de lycée à honorifiques, constatant des gains significatifs en connaissances sur l'IA et que le contexte biologique soutenait l'apprentissage de l'IA — une preuve en faveur de l'intégration de la littératie en IA dans les STIM plutôt que de sa relégation aux activités parascolaires. Elizondo-García et al. ont utilisé ChatGPT dans le cadre d'un apprentissage par défi en biologie et en mathématiques, constatant que les étudiants valorisaient l'immédiateté mais s'inquiétaient de la véracité, du remplacement des enseignants et de l'érosion des compétences — appelant à des codes d'intégrité académique et une éthique d'usage de l'IA actualisés.

La pensée critique à l'ère de l'IA. Papaneophytou et Nicolaou soutiennent qu'à mesure que l'IA façonne la recherche biologique, la pensée critique — scepticisme, compréhension contextuelle et raisonnement éthique — doit être délibérément cultivée, la supervision humaine demeurant indispensable pour valider les productions de l'IA et prévenir les biais. Cela rejoint les préoccupations transversales à la base de connaissances que sont la réduction des usages abusifs de l'IA et le délestage cognitif.

La pratique de l'argumentation socratique assistée par l'IA dans la formation des enseignants. Une quasi-expérience menée auprès de 124 futurs enseignants de biologie a montré qu'un tuteur socratique ChatGPT-4 portant sur des questions socioscientifiques relevait la qualité de l'argumentation par rapport à une discussion entre pairs hors ligne (3.91 contre 3.21, F(1,121) = 14.23, p < .001), avec les gains les plus importants en réfutation et en production de contre-preuves (Ergasheva et al., 2026).

Les outils d'IA spécialisés et la revue plus large. Cotton et Cotton passent en revue l'ensemble du paysage des outils d'IA dans la formation biologique, y compris iNaturalist et Google Lens pour l'identification d'espèces, les outils de bio-imagerie et d'apprentissage automatique, les technologies d'assistance et la modélisation prédictive des étudiants à risque — aux côtés des défis d'intégrité, de conception de l'évaluation, de désinformation et de pensée critique posés par l'IA générative.

Quelle part de la note est réellement exposée. En pondérant chaque catégorie notée des 38 programmes de cours fondamentaux d'un département par la vulnérabilité évaluée par les enseignants, 33% des points de cours se sont révélés fortement exposés et 81% au moins quelque peu exposés — 41% et 100% en ligne — seuls les examens surveillés en présentiel étant jugés minimalement vulnérables (Chan et al., 2026).

Connexions aux concepts apparentés

L'enseignement de la biologie se situe dans le domaine plus large des STIM et partage les préoccupations de pratique en laboratoire et de terminologie spécialisée de l'enseignement de la chimie et de la physique. Les connexions distinctes : à la pensée critique par l'accent mis à l'ère de l'IA sur le scepticisme et la supervision ; à l'IA literacy par l'intégration des concepts d'IA aux cours de biologie ; à la collaboration humain-IA par les assistants virtuels de laboratoire et l'apprentissage par défi ; à l'intégrité académique et à l'éthique par l'usage abusif de l'IA générative et la politique ; et à l'évaluation par l'évaluation médiatisée par l'IA. Les concepts d'enseignement supérieur et de primaire et secondaire rendent compte des niveaux auxquels se situe la recherche sur l'IA en biologie, et le tutorat intelligent et la simulation rejoignent le soutien à l'enseignement et au laboratoire assistés par l'IA.

Implications for biology instructors

  • Conserver un « filet de sécurité » humain autour des assistants d'IA en laboratoire. Doğru et Faulconer constatent que les auxiliaires humains sont plus exacts et plus efficaces que ChatGPT, alors que les étudiants préféraient l'IA 40% du temps et ne détectaient la production de l'IA que 45% — vérifiez et annotez les informations de laboratoire produites par l'IA, et n'en dépendez jamais sans modération pour les contenus critiques pour la sécurité.
  • Intégrer la littératie en IA au programme de biologie, et non en supplément. Zha et al. montrent que le contexte biologique soutient l'apprentissage de l'IA ; intégrez les concepts d'apprentissage automatique et de réseaux de neurones aux travaux de cours là où ils surviennent naturellement.
  • Cultiver délibérément la pensée critique à l'ère de l'IA. Papaneophytou et Nicolaou soutiennent que le scepticisme, la compréhension contextuelle et le raisonnement éthique doivent être enseignés explicitement, sous supervision humaine pour valider les productions de l'IA et prévenir les biais.
  • Enseigner l'usage responsable aux côtés de l'apprentissage par défi. Les études sur l'apprentissage par défi constatent que les étudiants valorisent l'immédiateté mais s'inquiètent de la véracité et de l'érosion des compétences — actualisez les codes d'intégrité académique et l'éthique d'usage de l'IA en parallèle de l'adoption.
  • Explorer le paysage des outils spécialisés. Cotton et Cotton recensent des outils (iNaturalist, Google Lens, bio-imagerie, prédiction du risque) que les enseignants peuvent déployer pour le travail de terrain, l'identification d'espèces et le soutien aux étudiants — choisissez des outils conçus à dessein plutôt que des chatbots généralistes lorsque cela convient.

Concepts liés

Articles liés

Métadonnées

DisciplineBiology Education, Stem Education
NiveauHigher Ed, K 12
Technologies et techniquesL'IA générative
Fondements de l'IA dans l'éducationLittératie en IA, La pensée critique, Collaboration humain-IA
SourceHistoryEditChat

Intégrer cette page

Copiez le code ci-dessous pour intégrer cette page dans un système de gestion de l'apprentissage ou un autre site. La version intégrée n'affiche que le contenu de la page : l'en-tête, la navigation et le pied de page du site sont masqués.