Communauté d'enquête

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

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

La communauté d'enquête (CoI) est un cadre pour conceptualiser une expérience éducative signifiante comme l'interaction dynamique d'une présence cognitive, d'une présence sociale et d'une présence enseignante. Née dans la recherche sur l'apprentissage médiatisé par ordinateur et en ligne (Garrison, Anderson et Archer, 2000), elle est devenue l'un des modèles les plus largement utilisés pour concevoir, évaluer et étudier l'éducation par l'enquête en ligne et hybride. À l'ère de l'IA générative, le cadre est reconceptualisé : le discours produit par la machine peut imiter une présence authentique, si bien que les présences doivent être comprises comme des accomplissements sociotechniques d'assemblages humain–IA générative plutôt que comme une activité purement humaine.

Questions à examiner

Dans un cours en ligne, qu'est-ce qui vous dit qu'un apprentissage signifiant se produit réellement — et comment sauriez-vous si ce n'était pas le cas ?
Le cadre de la communauté d'enquête nomme trois présences : cognitive, sociale et enseignante. Dans vos propres expériences en ligne, laquelle manque le plus souvent — et qu'advient-il alors de l'apprentissage ?
Si un agent conversationnel d'IA écrit des réponses fluides et d'apparence empathique dans un forum de discussion, une « présence sociale » a-t-elle lieu ? Ou la présence est-elle quelque chose que seuls les humains peuvent véritablement créer ?
L'IA générative peut produire des explications si cohérentes qu'elles semblent manifestement justes — mais la cohérence n'est pas la correction. Où avez-vous vu une « fluidité prise pour une justification », et comment vous en prémuniriez-vous dans un cours fondé sur l'enquête ?
Ce cadre suggère que les présences sont des « accomplissements sociotechniques » de l'humain et de l'IA travaillant ensemble plutôt qu'une activité purement humaine. Cela reformule-t-il la question de savoir qui vous tenez pour responsable lorsqu'une discussion en ligne devient superficielle ou se déroule bien ?

Introduction

Le cadre de la communauté d'enquête décrit une expérience d'apprentissage en ligne digne d'intérêt comme le produit de trois présences en interaction : la présence cognitive (les apprenants construisant et confirmant du sens par la réflexion et le discours soutenus), la présence sociale (les participants se projetant socialement et émotionnellement), et la présence enseignante (la conception, la facilitation et l'orientation du processus). Ancré dans les traditions constructivistes et deweyennes, il traite l'enquête comme sociale et itérative, et il sert désormais de lentille de conception et d'évaluation pour les cours médiatisés par l'IA — où un agent pédagogique peut soutenir une présence tout en érodant silencieusement une autre.

The three presences

La présence cognitive — la mesure dans laquelle les apprenants construisent et confirment du sens par la réflexion et le discours soutenus, opérationnalisée par le modèle de l'enquête pratique (événement déclencheur → exploration → intégration → résolution).
La présence sociale — la capacité des participants à se projeter socialement et émotionnellement, exprimée par la communication affective, la communication ouverte et la cohésion de groupe.
La présence enseignante — la conception, la facilitation et l'orientation des processus cognitifs et sociaux pour réaliser des résultats personnellement signifiants et éducativement dignes d'intérêt, incluant la conception et l'organisation, la facilitation du discours et l'enseignement direct.

La CoI est ancrée dans les traditions pragmatiques constructivistes et deweyennes : l'enquête est sociale, itérative, et mue par une difficulté ressentie qui motive la recherche d'une résolution.

CoI as a framework for online teaching

La CoI est née dans l'enseignement et l'apprentissage en ligne, avec lesquels elle reste le plus fortement associée. Elle fournit un vocabulaire pour diagnostiquer pourquoi un cours en ligne fonctionne ou échoue : un faible engagement et l'isolement dans les cours asynchrones sont habituellement des échecs des présences sociale et enseignante, alors qu'une discussion de surface reflète souvent une faible présence cognitive. Cela fait de la CoI une lentille de conception pratique pour les conditions mêmes que le médium en ligne crée — la disparition de la coprésence physique, le besoin d'une construction délibérée de communauté, et la structuration de la discussion qui se substitue au contact en face à face. À l'ère de l'IA générative, la CoI est aussi l'endroit où les enseignants en ligne affrontent les questions nouvelles les plus difficiles : qui est « présent » lorsque des agents LLM publient, modèrent ou répondent, et comment garder les trois présences signifiantes lorsque le discours généré par la machine peut les imiter. La page de la base de connaissances sur l'enseignement en ligne traite donc la communauté d'enquête comme le cadre central du volet de présence sociale et de construction de communauté de sa pratique recommandée.

CoI under generative-AI pressure

L'IA générative déstabilise le postulat que les indicateurs de présence peuvent être attribués principalement aux apprenants et aux enseignants humains (voir Ba, Gašević, Lim et Anderson). Elle peut :

Gonfler la présence cognitive — des explications fluides générées par la machine accélèrent la construction de sens mais risquent une clôture prématurée lorsque la cohérence est prise pour une justification.
Imiter la présence sociale — des énoncés produits par la machine peuvent ressembler à de l'empathie et à de la réactivité avec une grande crédibilité linguistique, compliquant la responsabilité relationnelle.
Redistribuer la présence enseignante — la conception, la facilitation et l'enseignement direct deviennent des accomplissements distribués, les enseignants montrant comment interroger les productions générées et détecter les citations hallucinées.

Des données probantes empiriques fondées sur les réseaux reposent désormais sous ces affirmations : dans une quasi-expérience où 63 étudiants chinois de premier cycle (33 avec, 30 sans chatbot GPT-4o mini) ont annoté des lectures partagées sur CollaboRead au fil de cinq tâches hebdomadaires, l'analyse de réseaux épistémiques a montré que la classe assistée liait la présence sociale à l'intégration et à la résolution alors que la classe témoin la liait au déclenchement et à l'exploration (axe X U = 25.00, p = 0.01, r = 1.00 ; axe Y U = 13.00, p = 1.00, r = 0.04), avec un engagement cognitif et émotionnel auto-déclaré plus élevé dans la classe assistée. Les présences se séparent alors à l'intérieur de la condition plutôt qu'entre elles : les groupes à haut niveau ont initié 1407 demandes de rétroaction sur 2319 annotations (60.7%) contre 737 sur 2167 (34.0%) dans le groupe à bas niveau, qui restait dans une boucle auto-référentielle et exploitait faiblement l'étayage. (Pan et al., 2026)

Plutôt qu'un outil, un partenaire dialogique, ou une « quatrième présence » spéculative, l'IA générative est mieux comprise comme une condition épistémique — une influence pervasive qui reconfigure la manière dont les présences sont mises en œuvre, interprétées, documentées et gouvernées, à travers à la fois des productions visibles et des logiques invisibles de données d'entraînement, d'algorithmes et de plateformes.

Les auteurs mêmes du cadre fournissent une taxonomie des rôles pour cette condition : Stenbom et Garrison (2026) placent l'IA comme soutien à la conception pédagogique, ressource d'apprentissage indépendante, fonction de soutien à l'enseignant par l'analytique, membre de la communauté, et partenaire dialogique durable, et proposent la métacognition partagée — l'auto- et la co-régulation — comme ce qui maintient les apprenants en train d'auditer les productions de l'IA.

Practical implications

La relation entre l'implication de l'IA générative et la qualité de l'enquête est conditionnée par la responsabilité humaine, et non linéaire : une forte présence peut survenir avec une implication élevée ou faible de l'IA générative lorsque la responsabilité est forte, et une faible présence dans les deux cas lorsque la responsabilité est faible.
L'évaluation de l'enquête devrait passer des productions finales polies à des preuves sensibles au processus — les traces d'formulation des invites et de révision, les pratiques de divulgation et d'attribution, les gestes de vérification, et les journaux d'interaction. Cela s'aligne sur le mouvement plus large de la base de connaissances vers une évaluation authentique et révélant le processus, et à l'écart des réponses fondées sur la détection.
Pédagogiquement, les apprenants ont souvent besoin d'une formation explicite (par ex. une pratique fondée sur la simulation avec des rôles scriptés et des points de décision liés à l'IA générative) pour soutenir une enquête authentique dans des conditions d'IA générative — et les enseignants devraient montrer comment interroger les productions générées, ce qui suppose de bâtir l'IA literacy, l'évaluation critique et une confiance calibrée.

Concepts liés

FAQ liées

Comment concevoir et animer des cours en ligne asynchrones quand l'IA peut faire le travail ?

Métadonnées

Niveau	Higher Ed
Apprentissage et enseignement	Enseignement et apprentissage en ligne, Pédagogies et stratégies d'enseignement
Technologies et techniques	L'IA générative
Fondements de l'IA dans l'éducation	La pensée critique

Source History Edit Chat