Théories et cadres

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.

Théories et cadres (Theories and frameworks) — l'inventaire de travail des structures explicatives et organisationnelles que cette base de connaissances utilise réellement. Les théories expliquent pourquoi l'apprentissage se produit (théories de l'apprentissage, théorie de l'autodétermination, théorie socioculturelle, théorie de l'activité) ; les cadres organisent les décisions de conception, d'enseignement et d'adoption (TPACK, SAMR, modèles d'adoption des technologies, ICAP, conception universelle de l'apprentissage) ; les modèles rendent les affirmations sur l'apprentissage testables et calculables (théorie de la réponse aux items, validité de l'évaluation, traçage des connaissances). Utilisez cette page pour trouver la lunette sur laquelle repose une étude, ou pour en choisir une pour vos propres travaux.

Questions à examiner

Une théorie prédit ce qui se produit lorsque quelque chose change ; un cadre vous indique à quoi prêter attention. Lorsqu'une étude rapporte un gain sous la bannière d'un cadre mais ne fait aucune prédiction qui aurait pu échouer, qu'a-t-on réellement appris ?
Le TPACK, le SAMR, la conception universelle de l'apprentissage, les modèles d'adoption et le cadre ICAP précèdent tous les grands modèles de langue. Lesquelles de leurs parties tiennent-elles encore lorsque l'outil peut écrire, expliquer et s'adapter de lui-même, et comment le sauriez-vous ?
Plusieurs des théories cataloguées ci-dessous ont été forgées pour l'IA au cours des dernières années. Que faudrait-il pour que l'une d'elles soit fausse, et quelqu'un a-t-il cherché à le montrer ?
L'adoption est souvent rapportée comme un mouvement à travers des stades. Si un collègue rapporte que son cours est passé cette année « de la substitution à la redéfinition », quelles preuves indépendantes demanderiez-vous avant de le croire ?
Une grande partie de ce champ applique une théorie empruntée plutôt qu'il ne la teste. Choisissez un constat dont vous vous servez : pourrait-il être recadré comme un test de la théorie de l'autodétermination, et quelle mesure cela exigerait-il ?

Introduction

Chaque tuteur IA, système de rétroaction et tableau de bord incorpore des hypothèses sur la manière dont les gens apprennent, que les concepteurs les énoncent ou non. Cette page rassemble les théories, les cadres et les modèles d'où proviennent ces hypothèses, ordonnés sommairement selon l'ampleur de leur usage dans la littérature de recherche actuelle, et indique brièvement à quoi chacun est utile. Les distinctions entre les trois étiquettes sont réelles mais mineures, et elles sont résumées vers la fin plutôt que traitées comme le sujet. Ce qui importe pratiquement est de savoir sur quelle lunette repose une affirmation, et si cette lunette peut la soutenir.

Les théories de l'apprentissage appliquées par la littérature

Celles-ci expliquent des mécanismes : elles nomment les pièces qui font le travail et prédisent ce qui suit lorsque ces pièces changent. Dans la littérature sur l'IA, elles sont pour l'essentiel empruntées à la psychologie et aux sciences de l'apprentissage, et employées comme cadres interprétatifs autour d'un nouvel outil.

Les théories de l'apprentissage (parapluie) — la famille dans son ensemble, incluant les pôles classiques du béhaviorisme et du constructivisme, ainsi que l'écart « constructivisme de nom, béhaviorisme de fait » qui revient dans les implémentations d'IA. Le connexionnisme et la théorie de la charge cognitive sont également couverts ici.
Le constructivisme — l'apprentissage comme construction active des connaissances. Il sous-tend le travail par projets, le tutorat par dialogue fondé sur l'IA, et la critique selon laquelle les systèmes d'exercices et de rétroaction violent leur propre pédagogie déclarée.
La théorie socioculturelle — l'apprentissage comme médiatisé par les outils et l'interaction sociale, ce qui explique que l'IA soit théorisée comme un artefact médiateur plutôt que comme une simple aide.
La théorie de l'activité — prend le système d'activité entier, contradictions incluses, comme unité d'analyse. Fréquente dans les études d'IA tournées vers les enseignants, où le constat intéressant est habituellement la tension entre outils, règles et communauté.
L'apprentissage situé et l'apprentissage incarné — l'apprentissage comme lié au contexte et au corps, le contrepoids au traitement de l'IA comme un médium purement linguistique.
La cognition distribuée — la pensée répartie entre des personnes et des artefacts, ce qui cadre l'assistance par l'IA comme une redistribution du travail cognitif plutôt que comme une substitution à celui-ci.
La communauté d'enquête — les présences sociale, cognitive et pédagogique qui font fonctionner une expérience en ligne ; à la fois une théorie de l'expérience et un cadre de conception.
La théorie de l'autodétermination — l'autonomie, la compétence et le lien avec autrui comme préconditions motivationnelles. Souvent l'explication avancée lorsque l'usage de l'IA élève l'engagement sans élever l'apprentissage.
Le cognitivisme — le traitement de l'information, la mémoire de travail, et la divergence entre le sentiment d'apprendre et l'apprentissage réel.

Modèles de l'apprenant et du processus d'apprentissage

L'apprentissage autorégulé — planifier, surveiller et évaluer son propre apprentissage. Le construit de travail pour demander si le soutien par l'IA atteint les phases qui comptent ou seulement l'exécution.
La métacognition — penser à sa propre pensée, et le construit le plus souvent nommé lorsque l'IA est accusée de penser à la place des étudiants.
La motivation — pourquoi les apprenants s'engagent, et le construit qui sépare l'engagement de l'apprentissage dans les études sur l'IA.
L'auto-efficacité — la croyance en sa propre capacité, distincte de la compétence, et un médiateur fréquent entre l'usage de l'IA et les résultats.
L'agentivité — qui dirige le travail : le construit qui sous-tend la tension du champ entre contrôle et autonomie, ainsi que le mécanisme d'agentivité déléguée dans la plus récente des théories.
Les difficultés désirables, la récupération, l'espacement et l'entrelacement, et le texte de réfutation** — des constats qui rendent la friction pédagogiquement précieuse, appliqués aux décisions sur ce qu'une IA devrait faire.
Le transfert de l'apprentissage — si la capacité persiste une fois le soutien retiré, ce que la théorie récente traite comme le critère séparant l'apprentissage de l'assistance plutôt que comme un résultat parmi d'autres.

Cadres d'enseignement, d'intégration et d'adoption

Le TPACK — le savoir de l'enseignant qui mêle technologie, pédagogie et contenu ; le cadre par défaut des études d'IA tournées vers les enseignants.
Les modèles d'adoption — l'intention comme fonction de l'utilité perçue et de la facilité d'usage perçue. Assez utilisés pour que le recours du champ à l'intention plutôt qu'au comportement constitue une critique récurrente.
Le cadre ICAP — classe l'engagement en passif, actif, constructif et interactif ; utile pour demander quel mode une interaction avec l'IA rend réellement possible.
Le SAMR — de la substitution à la redéfinition. Populaire comme récit de maturité, faible comme instrument de mesure.
La conception universelle de l'apprentissage, l'apprentissage inclusif et l'accessibilité — des cadres de conception portant sur qui est servi, et ceux que l'on invoque le plus souvent dans les travaux sur le handicap et l'équité.
La conception pédagogique, la conception de programmes et le conception par le design — comment les tâches, les séquences et les programmes sont structurés avant même qu'un outil ne soit choisi.
La gestion du changement — si un système est adopté ou non, ce qui est généralement une question institutionnelle plutôt que pédagogique.

Modèles de mesure et computationnels

La théorie de la réponse aux items — l'estimation des items et des capacités, et le modèle qui rend les chiffres d'un test interprétables.
La mesure éducative — le paysage des instruments, incluant les mesures élaborées spécifiquement pour la littératie en IA.
La validité — si un instrument mesure le construit qu'il revendique, ce qui décide si un résultat rapporté soutient l'affirmation théorique qui lui est attachée.
Les mesures auto-déclarées — la source de données probantes dominante et la plus fragile de cette littérature ; plusieurs des construits ci-dessus sont connus pour diverger fortement entre auto-déclaration et performance.
Le traçage des connaissances et la modélisation de l'apprenant — estimer l'état d'un apprenant au fil du temps à partir des données d'interaction.
Le diagnostic cognitif — attribuer la performance à des composantes de compétence spécifiques, le pendant en modélisation de l'enseignement diagnostique.
Les références d'évaluation, l'évaluation de l'IA en éducation et la conscience psychométrique dans la conception de l'IA — comment les systèmes et les interventions sont notés, comparés et audités.
La recherche fondée sur la conception — la méthode qui génère la théorie à partir d'interventions conçues plutôt qu'elle ne la teste à l'avance.

Théories forgées pour l'ère de l'IA

Quatre propositions dans la base de connaissances construisent la théorie plutôt qu'elles ne l'empruntent. Ce sont des pages d'articles plutôt que des nœuds de concepts, parce que chacune constitue un argument unique :

Le générativisme — une nouvelle théorie de l'apprentissage soutenant que les quatre théories classiques présentent des limites conceptuelles significatives à mesure que l'IA générative prolifère.
La co-agency épistémique — un modèle de la manière dont les apprenants et les systèmes d'IA produisent conjointement des connaissances et de la compréhension.
La ligne de base cognitive absente — théorise pourquoi les étudiants natifs de l'IA surestiment leur propre apprentissage lorsque l'IA gonfle la performance.
L'agentivisme — une théorie de portée intermédiaire nommant quatre mécanismes (l'agentivité déléguée, la surveillance et la vérification épistémiques, l'internalisation reconstructive, et le transfert sous soutien réduit) et énonçant six propositions testables.

Distinguer les trois étiquettes

Les mots sont employés librement dans la littérature, et la différence mérite un paragraphe plutôt qu'une page entière :

Une théorie explique un mécanisme et prédit ce qui se produit lorsque ses parties changent. Elle peut échouer, ce qui explique que les études qui en testent une puissent rapporter des tailles d'effet.
Un cadre organise ou prescrit. Il nomme les composantes auxquelles prêter attention, généralement sans prédire d'amplitudes, et il ne peut être falsifié.
Un modèle est une représentation formelle, le plus souvent de la mesure ou de l'état de l'apprenant. Il peut être ajusté, comparé, et montré comme erroné d'une manière dont un cadre est incapable.
Les étiquettes se chevauchent. La communauté d'enquête est à la fois une théorie et un cadre de conception ; la théorie de l'activité est explicative et analytique. Traitez l'étiquette comme un indice sur ce qu'une source affirme, et non comme une catégorie de classement.

Couches connexes

Deux pages voisines portent délibérément sur autre chose. La philosophie de l'IA en éducation pose des questions normatives et conceptuelles — à quoi l'éducation sert-elle, une machine peut-elle enseigner — et ne prédit pas de tailles d'effet ; une étude peut être philosophiquement naïve et théoriquement solide, ou l'inverse. Le développement théorique est la méta-activité de construction, d'emprunt et de révision de la théorie, incluant la critique récurrente selon laquelle une grande partie des travaux en AIED applique la théorie existante plutôt qu'ils ne la testent. Cette page est l'inventaire ; le développement théorique porte sur la production et la révision de l'inventaire.

Choisir une lunette lorsque la question est pratique

Les enseignants partant d'un problème peuvent remonter le fil : si les apprenants ne s'engagent pas, le cadre ICAP et la théorie de l'autodétermination nomment des causes différentes et suggèrent des solutions différentes ; si la question est de savoir s'il faut adopter un outil, les modèles d'adoption et le SAMR posent à son sujet des questions différentes.
Les concepteurs pédagogiques tirent le plus des cadres de conception — la conception universelle de l'apprentissage, la conception pédagogique et l'étayage — associés à une théorie qui prédit ce qui se produit lorsque l'étayage est retiré.
Les chercheurs devraient énoncer quel nœud une étude revendique et si la conception peut réellement le tester ; les modèles de mesure (IRT, validité, auto-déclaration) décident si un résultat rapporté soutient cette affirmation.
Les administrateurs rencontrent ces cadres comme des questions d'adoption et de changement, où un modèle par stades est souvent employé comme récit de maturité plutôt que comme instrument.

Ce que les cadres ne peuvent pas faire

Les cadres ne sont pas des données probantes. Ils sont généralement empruntés à des contextes antérieurs aux LLM et localisés par quiconque les applique, ils peuvent fonctionner comme des marqueurs, et les modèles par stades invitent à une adoption par cases à cocher qui rapporte un mouvement à travers les niveaux plutôt qu'un apprentissage. Les affirmations qui reposent sur un cadre devraient être lues parallèlement aux limites transversales du champ, à la validité de ce qui a mesuré le résultat, et aux limites connues de l'auto-déclaration.

L'alignement du mécanisme sur la théorie peut néanmoins être décisif : une synthèse thématique de 55 études sur l'apprentissage par le jeu soutenu par l'IA a montré que l'efficacité dépendait de la mesure où le mécanisme d'IA mettait en œuvre la pédagogie qu'il était censé servir, et non de la sophistication algorithmique (Kaşarcı et Yurt (2026)).

Concepts liés

Le développement théorique en IA éducative — construire et réviser la théorie dans le champ
Philosophie de l'IA en éducation — la couche normative et conceptuelle
Théories de l'apprentissage — le parapluie de la théorie de l'apprentissage
Sciences de l'apprentissage — le champ voisin d'où provient l'essentiel de la théorie empruntée
Limites de la recherche en AIED — ce que la base de données probantes peut et ne peut pas soutenir
Le savoir technologique, pédagogique et disciplinaire (TPACK) — le cadre des savoirs de l'enseignant
Les modèles d'adoption des technologies — les cadres d'adoption
Théorie de la réponse à l'item — un modèle de mesure
Conception universelle de l'apprentissage — un cadre de conception
Les méthodes de recherche en AIED — comment la théorie est testée

Métadonnées

Apprentissage et enseignement	Théories de l'apprentissage
Évaluation et mesure	Validité de l'évaluation, Théorie de la réponse à l'item
Méthodes de recherche et évaluation	Les méthodes de recherche en AIED
Fondements de l'IA dans l'éducation	L'IA en éducation, Le développement théorique en IA éducative, Philosophie de l'IA en éducation

Source History Edit Chat