Ressources
Integrating Generative AI in Psychology Courses
Cette page est une traduction automatique de la page anglaise, non relue par un locuteur natif.
Un volume collectif gratuit de la Society for the Teaching of Psychology (2026, ISBN 978-1-941804-82-7) qui organise l'IA générative cours par cours plutôt qu'outil par outil. La psychologie fournit les répondants de nombreuses enquêtes sur l'usage de l'IA sans en être le sujet ; ce livre est le contre-exemple, avec 21 chapitres de cours plus une introduction et une conclusion sur 255 pages.
L'argument que défend le livre
Le postulat des éditeurs est que les enseignants de psychologie sont exceptionnellement bien placés pour enseigner l'usage de l'IA, parce que la discipline enseigne déjà le jugement sur la mesure, les preuves et le comportement humain. Leur affirmation est plus étroite que « la littératie en IA compte ». Elle est que la littératie en IA est développementale : les étudiants ne l'ont pas ou n'en sont pas dépourvus ; ils l'acquièrent à travers un accès par étapes, la réflexion et la rétroaction.
Trois engagements de conception en découlent, et la plupart des chapitres en mettent au moins un en œuvre. Graduez ce que les étudiants peuvent faire avec un outil, en passant d'un usage guidé à un usage autonome à mesure que le jugement se développe. Associez l'usage à la vérification, de sorte qu'une affirmation faite avec un modèle doive être vérifiée par rapport à une source et montrée. Définissez la réussite comme le jugement sur quand utiliser l'outil et s'il faut l'utiliser, non comme la fluidité avec lui.
La structure est l'argument. Les chapitres sont regroupés selon le cours qu'un enseignant s'apprête à donner — cours fondamentaux et transversaux, cours cliniques et de counseling, méthodes de recherche et statistiques — plutôt que par outil, capacité ou politique institutionnelle.
Section I : cours fondamentaux et transversaux
- L'accès est le premier problème, pas l'outil (Slade et Hyk). Les étudiants qui arrivent sans expérience préalable de l'IA sont doublement désavantagés : il leur manque la compétence de prompting et le jugement sur le moment où une réponse fluide est fausse. Le chapitre enseigne l'ingénierie de prompts en parallèle de dépôts ouverts de prompts réutilisables, et traite cet enseignement comme une mesure d'équité. L'auteur déclare un intérêt financier dans une entreprise qui commercialise l'IA éducative.
- L'IA comme générateur de contenu pour l'enseignement (Corcoran). Le cas d'usage du chapitre est la préparation de l'enseignant lui-même : visuels, exemples, problèmes et autres stimuli d'enseignement générés par rapport à un objectif énoncé. Son argument est que la personnalisation à cet objectif, et non la nouveauté, est ce qui rend la sortie utile. Le chapitre insiste aussi pour que les étudiants apprennent à propos de l'IA — ses limites et son éthique — et ne se contentent pas de la recevoir.
- Les compétences d'étude comme pont vers la théorie (Costa). Dans un cours avancé d'apprentissage et de mémoire, les étudiants utilisent des outils d'étude IA puis relient ce que font les outils à la pratique espacée et à la récupération. La conception fait de la psychologie le sujet et de l'outil le spécimen, ce qui est la manière la plus nette d'enseigner un cours dont le contenu est la science de l'apprentissage que les outils prétendent mettre en œuvre.
- Un projet appliqué de changement de comportement (Emanuel). Les étudiants mènent un projet de changement de comportement de santé avec un système d'IA comme coach. Leurs réflexions séparent ce qui a fonctionné — des suggestions immédiates, personnalisées et sans jugement — de ce qui n'a pas fonctionné : pas d'empathie, et des informations erronées plausibles sur la santé. Le chapitre est l'un des rares à placer un modèle dans un rôle où se tromper a un coût.
- L'IA comme coach de débat (Jackson). Un cours avancé de psychologie sociale utilise un modèle pour cartographier les arguments, faire émerger les contre-arguments et répéter les réfutations avant un débat public, chaque affirmation étant vérifiée par rapport à des sources évaluées par les pairs. Sur les réflexions écrites, 75 % ont trouvé le modèle au moins modérément utile dans la préparation et 35 % étaient fortement positives ; environ 10 % y ont trouvé peu d'utilité, surtout parce que le modèle produisait des arguments génériques ou des erreurs confiantes. L'itération ultérieure ajoute un plan de préparation d'une page et un registre de preuves reliant chaque affirmation à une source.
- Un chatbot de cours avec des tâches de rétroaction (Lee, Nam et Wages). Un chatbot construit pour Introduction to Psychology, Research Methods et Psychology Apprenticeship a soutenu le brainstorming de sujets, l'affinement des questions de recherche et la structure des articles. Les auteurs rapportent 124 étudiants dans l'enquête pré-test et un taux de réponse au post-test de 25 %, si bien que les preuves de résultats sont plus minces que le détail de l'implémentation.
- L'évaluation à trois niveaux (Granito). Les tâches diagnostiques, formatives et sommatives reçoivent chacune une version enrichie par l'IA, et l'extrémité sommative se déplace vers des projets authentiques où l'outil est un partenaire de soutien plutôt que le livrable. C'est le chapitre à lire si la question est de savoir quoi cesser de noter.
Section II : cours cliniques et de counseling
- La psychothérapie comme activité d'introduction (Castro). Les étudiants choisissent un trouble du DSM-5-TR et une technique de psychothérapie, puis vivent une séance simulée et discutent de ce que la télésanté basée sur l'IA gagne et perd. La conception enseigne la technique par contraste : la simulation montre ce qu'est la part relationnelle de la thérapie en l'omettant.
- Construire des études de cas ensemble (Pulido). Les étudiants utilisent ChatGPT pour rédiger des ébauches d'études de cas DSM-5-TR puis les évaluent, ce qui place la compétence d'évaluation sur l'étudiant plutôt que sur le modèle. Le chapitre décrit des adaptations pour les deuxième et premier cycles et traite l'affinement itératif des prompts comme une partie du raisonnement clinique, pas comme une corvée technique.
- La conceptualisation de cas en séminaire (Draheim). La conceptualisation de cas est le moment où les étudiants synthétisent les informations sur le client et la recherche sur les résultats des traitements, et elle est difficile à enseigner au niveau du premier cycle. Le séminaire utilise l'IA pour générer et critiquer des conceptualisations, la charge de rétroaction de l'enseignant étant nommée comme la contrainte qui rend l'outil attirant en premier lieu.
- L'humilité culturelle (Draheim). Un devoir à la maison utilise un modèle pour travailler un article sur l'humilité culturelle, suivi d'un exercice en classe pour trouver les biais à l'intérieur de la sortie générative. L'appariement compte : l'outil est utilisé pour ouvrir un sujet puis devient l'objet de la critique la même semaine.
- Un enseignement sensible au trauma (Rubio). Les cours de trauma de deuxième cycle utilisent des modèles de texte et d'image pour co-créer des histoires thérapeutiques et des images de lieu sûr, ancrées dans le modèle triphasique de Herman et le modèle neuroséquentiel de Perry. Le cadre fait le travail ici ; les outils fournissent la matière que le cadre contraint ensuite.
- Des bots comme thérapeutes (Niederjohn). Les étudiants parlent à plusieurs chatbots et comparent l'expérience avec le travail en face à face sur l'alliance thérapeutique. Le chapitre fournit les chiffres qui rendent l'exercice urgent : 65 % des professionnels de la santé mentale dans des enquêtes antérieures voyaient des bénéfices au soutien par chatbot, tandis que 86 % ne soutenaient pas leur usage dans les soins. Sa suggestion pratique est une échelle — jeu de rôle avec l'IA d'abord, puis les pairs, puis des patients simulés joués par des humains.
- Le jeu de rôle pour les stagiaires (Labriola et VanHara). Les jeux de rôle avec l'IA remplacent le jeu de rôle scripté entre pairs par des présentations cliniques non scriptées, ce qui, selon les auteurs, augmente le réalisme et la volonté de prendre des risques. Ils ancrent le besoin dans des données d'enquête auprès des étudiants : 86 % de près de 4 000 étudiants dans 16 pays ont déclaré utiliser l'IA, 58 % ont dit manquer de connaissances suffisantes à son sujet, et 72 % voulaient des cours de littératie en IA.
Section III : méthodes de recherche, statistiques et littératie scientifique
- L'IA comme copilote de recherche (Sumutka et collègues). Les activités guident les novices à travers la délimitation d'un sujet, la recherche de sources, la génération et l'opérationnalisation de variables, et l'application de l'éthique. L'objectif déclaré est la littératie informationnelle d'abord et la vitesse ensuite, et le chapitre est explicite : l'outil est autant modélisé qu'utilisé.
- La génération de questions comme évaluation critique (Burkett). Une approche en trois phases dans un cours de méthodes de recherche de premier cycle transforme ChatGPT en générateur de questions évaluatives sur des plans d'étude, avec un GPT personnalisé construit à cet effet. Les questions servent ensuite de mesure de la compréhension — un geste d'évaluation dont d'autres chapitres parlent mais qu'ils opérationnalisent rarement.
- Usages et abus, sous forme de modules (Urdan, Firtch et White). Des modules prêts à l'emploi couvrent la génération de plans de recherche, les tests d'entraînement et les modes d'échec connus, au motif que la friction d'adoption est le véritable obstacle pour les enseignants curieux de l'IA mais manquant de temps.
- Le chatbot qui n'a pas été à la hauteur (Hilley et Edwards). « Zig », construit sur la plateforme Juji pour un cours de statistiques obligatoire, était censé fournir une aide à la demande sur les problèmes d'entraînement. Il n'a pas répondu aux attentes. Ses échecs sont précis et instructifs : un étudiant qui demandait le test de Levene a tapé « levee » et a essuyé un refus, une question sur la notation a produit une réponse sans rapport sur les scores z, et des demandes d'exemples ont reçu des définitions à la place. Une grande partie de cela tient à une plateforme chargée de questions-réponses plutôt qu'à un modèle de raisonnement, mais le chapitre est le résultat négatif honnête du volume et celui à lire avant de construire un bot de cours.
- Une intégration par étapes dans l'enseignement de R (Garrison, Tyson et Lyu). Le modèle en quatre étapes commence par un apprentissage sans IA et n'ajoute des outils qu'à mesure que les étudiants peuvent évaluer ce que les outils produisent. Le signal de préparation que les auteurs nomment est la frustration face aux limites de l'IA, et le mode d'échec qu'ils documentent est l'introduction de l'IA plus tôt, qui a produit une dépendance avant que les fondamentaux soient là.
- ChatGPT plus Elicit dans un séminaire de dernière année (Katzarska-Miller). Quatre ateliers préparatoires précèdent un article de recherche d'un semestre, avec un modèle génératif pour la rédaction et un outil d'assistant de recherche pour la littérature. Le chapitre ancre la conception dans la théorie de l'apprentissage socioconstructionniste et utilise une autoévaluation avant et après le cours pour vérifier si la littératie en IA a évolué.
Ce qui revient dans les vingt et un chapitres
- Graduez l'accès. Presque chaque chapitre retient l'outil jusqu'à ce que les étudiants aient quelque chose pour le juger, que ce soit une statistique, un cadre, une position de débat ou un fondamental de programmation.
- Exigez la vérification et rendez-la visible. Des registres de preuves, des vérifications de sources, des journaux de prompts et des notes « ce qui a changé après la vérification des faits » apparaissent dans toutes les sections. L'exigence est ce qui convertit l'usage de l'outil en apprentissage.
- Utilisez la réflexion des étudiants comme instrument. Les réflexions sont la base de preuves de la plupart des chapitres, ce qui est aussi la faiblesse méthodologique centrale du volume.
- Concevez au niveau du cours, pas au niveau de l'outil. La décision d'organisation propre au livre — un chapitre par cours — est la recommandation.
- Gardez le jugement de l'enseignant comme objet. L'affirmation récurrente est que les étudiants doivent partir capables de décider quand ne pas utiliser l'outil.
Là où le livre est mince
Les chapitres sont des récits de praticiens. Presque aucun ne rapporte un design, un échantillon ou une taille d'effet, et là où des chiffres apparaissent, ils décrivent l'implémentation plutôt que l'apprentissage. Les exceptions sont partielles : Lee et collègues ont des enquêtes pré- et post-test avec un taux de réponse au post-test de 25 %, et l'analyse des réflexions de Jackson est un codage thématique d'une classe.
L'enthousiasme est aussi inégalement contrôlé. Corcoran et Costa écrivent en avocats ; Hilley et Edwards rapportent un échec ; seuls Slade et Hyk déclarent un intérêt commercial. Les chapitres nommant des produits précis vieilliront vite, puisque la plupart décrivent les outils tels qu'ils se comportaient en 2025.
Les lacunes de couverture à connaître : le coût et les niveaux premium sont à peine discutés, l'accessibilité et le handicap ne sont pas traités comme une section, et K-12 n'apparaît que dans le chapitre de Castro sur l'enseignement secondaire. Le volume porte sur l'enseignement de la psychologie au premier cycle et aux cycles supérieurs aux États-Unis, avec peu sur les grands cours magistraux au-delà de ceux de Costa et Granito.
Ce que vous pouvez en faire
Lisez le chapitre du cours que vous vous apprêtez à donner. Les trois sections — cours fondamentaux et transversaux, cours cliniques et de counseling, méthodes de recherche et statistiques — gardent les chapitres apparentés ensemble. Exemples : un chatbot tuteur d'IA en statistiques psychologiques, ChatGPT associé à Elicit dans un séminaire de dernière année, l'IA comme coach de débat, la conceptualisation de cas et l'humilité culturelle en formation clinique, et un chapitre de méthodes de recherche où les étudiants génèrent des questions avec ChatGPT puis les critiquent.
À qui cela s'adresse
Les enseignants de psychologie à tout stade de carrière, et les enseignants des disciplines des sciences sociales voisines dont les problèmes d'évaluation ont la même forme : travaux à forte composante d'essais, discussion de cas, anxiété face aux statistiques, petits cours où une refonte est faisable.
Remarques et réserves
PDF gratuit, pas de compte. Le copyright est celui de la STP, pas une licence Creative Commons : les copies personnelles et en classe sont permises avec attribution, tandis que la redistribution ou l'usage commercial nécessite l'autorisation de l'auteur. Les chapitres sont des récits de praticiens, pas des études — pas de designs, d'échantillons ou de tailles d'effet — alors traitez les affirmations comme des rapports d'expérience et citez les chapitres individuellement.