Comment l'IA peut-elle me faire gagner du temps en tant qu'enseignant ?

Traduction automatique de la page anglaise, non encore relue par une personne de langue maternelle.

C'est jeudi soir, semaine huit. Trois plans de cours sont à rendre lundi, les rapports de laboratoire sont à moitié corrigés, et la réunion de département de vendredi comporte un point sur ce que chacun a fait de l'IA depuis la formation d'août. Un collègue dit que l'outil a divisé son temps de préparation par deux. Vous l'avez essayé deux fois, passé quarante minutes à réparer une fiche d'exercices, et vous en êtes sorti convaincu que tout cela était survendu.

Vous décrivez tous les deux le même outil. Il fait gagner du temps sur la rédaction de matériel que vous alliez de toute façon réviser, et il en coûte quand vous le pointez vers un jugement sur un étudiant en particulier. Que l'économie vous revienne dépend d'une décision que la plupart des enseignants ne prennent jamais : à quoi servent les heures récupérées.

L'essentiel pour la réunion : confiez le premier brouillon et gardez le jugement. Les plans de cours, les exemples résolus, les questions de discussion, les items de quiz formatif, les explications alternatives, la formulation des grilles d'évaluation et le texte administratif courant sont un travail que vous pouvez spécifier, vérifier et corriger. Les objectifs, les notes finales et tout appel concernant un apprenant précis restent chez vous. Nommez ce que l'heure libérée achète, parce que les preuves sur le gain de temps sont des preuves sur l'endroit où va le temps.

La version courte

1. Listez les tâches de la semaine dernière qui ont produit un document que vous avez ensuite révisé. Ce sont vos candidates.

2. Commencez par du matériel structuré que vous pouvez vérifier contre votre propre spécification : billets de sortie, items de quiz, exemples résolus, une seconde explication d'un concept difficile.

3. Écrivez où va l'heure récupérée avant de la récupérer.

4. Chronométrez trois tâches récurrentes pendant deux semaines. Votre sentiment de l'économie est peu fiable d'une manière précise et documentée.

5. Gardez la fixation des objectifs, les notes sommatives et les appels individuels concernant un étudiant de votre côté de la ligne.

Commencez par un travail que vous alliez de toute façon réécrire

Le chiffre le plus solide de cette base de connaissances vient d'un essai randomisé résumé dans How AI Is Changing Teaching Workflows. Deux cent cinquante-neuf enseignants de sciences utilisant ChatGPT ont passé environ 69% du temps de préparation de cours du groupe témoin, soit une réduction d'environ 31%, et des réviseurs experts en aveugle n'ont trouvé aucune perte de qualité détectable. Les enseignants l'ont réaffecté plutôt que thésaurisé, déplaçant le temps vers la planification, la correction et le travail auprès des étudiants.

Un second jeu de données dans le même travail, plus de 104.000 messages de plus de 15.000 éducateurs, montre pourquoi l'économie atterrit à des endroits inattendus. L'invite moyenne touche 1.7 catégories à la fois, si bien qu'une simple demande de plan de cours revient avec de la différenciation et un quiz que l'enseignant n'avait pas pensé à demander.

C'est une réaffectation plutôt qu'une réduction : ce que vous gagnez avec l'IA générative, c'est la différence entre une page blanche et un brouillon assez précis pour qu'on puisse le contester.

Faites correspondre la tâche à ce que l'outil fait bien

La qualité est inégale selon un schéma assez stable pour qu'on planifie autour. Les réviseurs en aveugle ont préféré les versions générées par IA des conclusions de cours et des billets de sortie dans 59.7% des cas à du matériel conçu par des professionnels, et préféré le matériel d'IA pour des contenus de niveau secondaire dans 59.2% des cas. L'économie augmente aussi là où votre confiance est la plus faible : enseigner hors de sa propre discipline est le cas où l'écart est le plus large entre ce que l'outil vous donne et ce que vous auriez écrit seul.

Deux catégories vont dans l'autre sens. Sur du matériel de niveau primaire, les humains étaient préférés dans environ 65% des cas pour la pertinence développementale. Les étayages ciblés pour les apprenants plurilingues et les élèves en éducation spécialisée revenaient neutres plutôt que faux, ce qui est pire que cela en a l'air, puisqu'un étayage neutre est un étayage qu'on reconstruit depuis le début.

Le test qui prédit cela avant que vous n'y passiez une soirée : pouvez-vous énoncer la spécification assez précisément pour vérifier la sortie ? Un billet de sortie sur un objectif, oui. Si un paragraphe convient à une enfant de neuf ans précise qui lit avec deux ans de retard sur sa classe, non.

Donnez une destination à l'heure récupérée

La preuve la plus claire que l'économie est réelle, et qu'elle ne fait rien par elle-même, vient d'une vaste expérience menée dans 178 établissements et auprès d'environ 19.000 élèves de terminale sur la rétroaction automatisée de dissertations. Les étudiants dont la rétroaction venait du système ont progressé autant que ceux qui étaient corrigés par des personnes. Les correcteurs humains coûtaient environ $0.85 par dissertation et n'ajoutaient aucun bénéfice mesurable par-dessus.

Dans les classes avec IA, les étudiants ont eu environ 35% de conversations individuelles de plus avec les enseignants au sujet de l'écriture et ont écrit 30% de dissertations de plus. Les heures de travail à domicile des enseignants ont baissé de 20%, et la part de ceux qui qualifiaient leur temps de « très insuffisant » est passée de 23% à 9%. Les plus grands gains d'apprentissage se sont portés sur la tâche d'écriture la plus complexe, celle que l'IA est le moins capable d'évaluer, parce que l'enseignant avait désormais des heures à y consacrer.

La réserve est la phrase à emporter en réunion. Le quartile inférieur n'a montré aucune amélioration. Les étudiants les plus en difficulté n'ont rien gagné d'un enseignant qui avait simplement plus de place dans sa journée, donc l'endroit où vont les heures est tout l'argument, et une réaffectation équitable appartient au plan dès le départ plutôt qu'à une revue à la fin.

Mesurez l'économie plutôt que de la ressentir

Le gain de temps est l'affirmation sur laquelle les enseignants se trompent le plus systématiquement à leur propre sujet. Dans trois études préenregistrées auprès de 2.691 participants, les personnes sous-estimaient la fréquence de leur usage de l'IA et surestimaient le temps et l'effort épargnés, déclarant les tâches plus rapides et plus faciles alors que des mesures objectives ne montraient aucune différence. Utiliser l'outil plus tôt dans une séance prédisait un usage plus important ensuite, si bien que l'erreur se cumule dans un seul après-midi (The efficiency-gain illusion: People underestimate the rate of AI use and overestimate its benefits on simple tasks).

Ce qui aide, c'est la calibration métacognitive, et sa version la moins chère est un journal. Pendant deux semaines, notez les heures de début et de fin de trois tâches récurrentes, une avec l'outil et deux sans. Attendez-vous à une tâche avec une véritable économie importante, plusieurs sans aucune, et deux où l'outil a ajouté une étape de révision qui a mangé le gain.

Effort et capacité se séparent aussi. Une étude intra-sujets auprès de 13 enseignants du supérieur a trouvé que l'accès à l'IA réduisait l'effort cognitif perçu de la conception pédagogique d'une médiane de 6.33 à 3.33 (p = .004), tandis qu'une formation au prompting ajoutée par-dessus n'améliorait pas la qualité des conceptions (When Teachers Use AI Chatbots and Are Trained for It: Impact on Learning Design Quality and Cognitive Effort). Moins de tension un jeudi soir est un vrai bénéfice. Ce n'est pas une preuve que les conceptions se sont améliorées.

Gardez les objectifs et les notes finales de votre côté

Un travail de conception participative avec six enseignants du secondaire a produit une frontière qui vaut d'être copiée. Ils ont conçu le système comme un expert borné : capable dans un domaine étroit, travaillant sous supervision. Ils voulaient de l'aide pour présenter du contenu, générer des problèmes d'entraînement et donner de la rétroaction formative, et refusaient de céder la fixation des objectifs ou l'évaluation sommative, en insistant sur une possibilité de reprise pour les cas ambigus. Ce qu'ils protégeaient est le cœur du rôle de l'enseignant : décider ce qui vaut la peine d'être appris et juger si cela a été appris.

La notation est la tâche au rendement apparent le plus élevé et à la transférabilité la plus faible. Le benchmark OpRaise a fait tourner trois modèles de pointe sur 761 dissertations authentiques de psychologie de premier cycle, issues de 125 étudiants de trois universités britanniques, avec 27 configurations d'invite par modèle. L'accord avec les bandes de mention humaines allait de 35% à 65% selon l'établissement. Les notes se resserraient vers le milieu, si bien que les dissertations les plus fortes et les plus faibles étaient les moins bien notées, et les modèles s'accordaient entre eux bien plus qu'avec les correcteurs humains. La conclusion centrale des auteurs est que des preuves recueillies dans un contexte ne se transfèrent pas à un autre.

Vous pouvez recourir à la notation automatisée de dissertations si vous la validez sur votre propre discipline et vos propres étudiants, et si la décision reste à une personne. La qualité de la rétroaction par IA dit quoi vérifier : vitesse et volume ne sont pas la même chose qu'utilité, et le jugement pédagogique sur le commentaire dont un étudiant a besoin ensuite reste chez vous.

Ce que les enseignants comprennent mal

« Les 31%, c'est mon chiffre. » Ce sont 259 enseignants de sciences du primaire et du secondaire sur la préparation de cours. La direction se transfère ; l'ampleur non. Un séminaire bâti sur la discussion peut économiser moins, et un cours de laboratoire avec des contraintes de sécurité peut n'économiser rien sur la partie pour laquelle vous vouliez le plus d'aide.

« Gagner du temps est l'objectif. » L'expérience brésilienne est le contre-exemple. Les heures sont venues gratuitement et le quartile inférieur n'a rien gagné. L'objectif, c'est ce que les heures achètent.

« Un bon brouillon signifie que je peux aussi céder l'étape suivante. » Les six enseignants ont tracé leur ligne aux objectifs et au jugement sommatif pour une raison. La qualité d'un billet de sortie ne dit rien de la capacité de l'outil à décider ce que le billet de sortie devrait évaluer.

Ce qui va vous revenir dessus

« J'ai essayé et la sortie était générique. » La plupart des enseignants de la recherche prenaient le premier résultat et le révisaient à la main plutôt que d'itérer avec des invites de suivi. Un deuxième et un troisième tour qui fournissent votre niveau, votre lecture, vos trois derniers items de quiz et un exemple de ce à quoi ressemble un bon travail changent la sortie plus que de changer d'outil. La littératie en IA est l'investissement le moins cher, et c'est dans l'affinage des invites qu'il rapporte.

« Si je deviens plus rapide, le temps sera rerempli de réunions. » Probablement, et c'est la façon la plus courante dont une économie disparaît. Mettez la destination par écrit là où votre directeur de département peut la voir, avant que l'espace ne se remplisse.

« La rétroaction par IA lèse les étudiants les plus en difficulté. » Le quartile inférieur au Brésil n'a rien gagné, et c'est la mise en garde la plus forte de cette page. Associez l'économie à un usage délibéré. L'augmentation de 35% des conversations individuelles est ce que ces classes ont fait des heures, et c'était un choix de l'enseignant.

« La notation, c'est là que sont réellement mes heures. » C'est vrai, et c'est aussi là que l'outil est le moins transférable d'un établissement à l'autre. Validez localement ou laissez tomber.

« Cela déqualifie la profession. » Le résultat de Pishtari est la version honnête : l'effort perçu a baissé, et la formation ajoutée n'a pas amélioré la qualité des conceptions. De l'effort épargné n'est pas de la capacité gagnée, et la frontière des six enseignants est un endroit raisonnable où tenir la ligne pendant que vous apprenez lesquelles de vos tâches sont lesquelles.

À faire cette semaine

1. Écrivez les cinq tâches que vous avez faites la semaine dernière et qui ont abouti à un document que vous avez ensuite révisé.

2. Choisissez celle dont la spécification est la plus claire et rédigez-la avec l'outil, en chronométrant les deux versions.

3. Placez le temps récupéré dans un créneau nommé de votre agenda : une conversation avec un étudiant, une seconde passe de rétroaction, ou la lecture sérieuse d'un lot de brouillons.

4. Écrivez votre liste de ce que vous ne déléguez pas et gardez-la visible : objectifs, notes finales, tout ce qui dépend des besoins d'un seul étudiant.

5. Tenez le journal pendant deux semaines, puis décidez quelles deux tâches vous sont définitivement destinées à être cédées.

Où aller ensuite

Comment l'IA peut-elle m'aider à donner de meilleures rétroactions à grande échelle ? pousse plus loin la question de la rétroaction, et Quelles compétences les enseignants doivent-ils posséder à l'égard de l'IA ? avec Comment concevoir un développement professionnel sur l'IA qui change réellement les pratiques enseignantes ? couvrent ce qu'un département peut bâtir pour que cela cesse de dépendre d'expérimentations individuelles. Comment repenser l'évaluation pour qu'une note me dise encore quelque chose de défendable sur ce que l'étudiant sait ou sait faire ? et Comment puis-je réduire la triche par IA dans mon cours ? traitent les conséquences pour l'évaluation. How AI Is Changing Teaching Workflows. est l'article derrière les chiffres de préparation, et human oversight est le principe sur lequel tourne cette page.