L’IA pour l'éducation: Interaction entre la technologie, la pédagogie et l'engagement des acteurs. Regard socio-éducative

Abstract

Résumé

En s'appuyant sur le modèle de l'acceptation de la technologie et la théorie de l'apprentissage autodirigé, cette recherche explore l’ajout de l'intelligence artificielle (IA) dans l'amélioration de l'enseignement apprentissage, en mettant l'accent sur la qualité de l'enseignement et la promotion de l'engagement critique. Une méthodologie de revue de cadrage a permis de sélectionner 91 études pertinentes réalisées entre 2010 à 2025. Les données de chaque article, les objectifs de recherche, les méthodes, les résultats et les considérations éthiques, ont été systématiquement analysées afin de fournir une compréhension approfondie de l'utilisation de l'apprentissage automatique, le traitement du langage naturel et les systèmes d'apprentissage adaptatif dans l'éducation, en mettant en évidence les principaux avantages de l'apprentissage personnalisé, des meilleures stratégies d'enseignement et des processus administratifs plus efficaces. Elle aborde également les défis tels que la confidentialité des données, les préoccupations éthiques et la fracture numérique. Si l'IA a le potentiel d'améliorer significativement la qualité de l'éducation, son succès repose sur la résolution des problèmes éthiques, la garantie d'un accès équitable et le renforcement de la culture numérique des enseignants et des étudiants, aussi la nécessité d'une collaboration entre enseignants, décideurs politiques et développeurs technologiques pour exploiter pleinement le potentiel de l'IA.

Mots clés 

 Intelligence artificielle, enseignement et apprentissage, éducation de qualité, engagement critique, modèle d'acceptation de la technologie

Abstract

Drawing on the technology acceptance model and self-directed learning theory, this research explores the role of artificial intelligence (AI) in improving teaching and learning, with a focus on teaching quality and fostering critical engagement. A scoping review methodology was used to select 91 relevant studies conducted between 2010 and 2025.The data in each article, including research objectives, methods, results, and ethical considerations, were systematically analyzed to provide a comprehensive understanding of the use of machine learning, natural language processing, and adaptive learning systems in education, highlighting key benefits of personalized learning, improved teaching strategies, and more efficient administrative processes. It also addresses challenges such as data privacy, ethical concerns, and the digital divide. While AI has the potential to significantly improve the quality of education, its success hinges on resolving ethical issues, ensuring equitable access, and strengthening the digital literacy of teachers and students. It also necessitates collaboration between teachers, policymakers, and technology developers to fully harness the potential of AI.

Keywords

 Artificial intelligence, teaching and learning, quality education, critical engagement, technology acceptance model