Motivation et Intelligence Artificielle

La motivation dans l’apprentissage : un facteur clé

La motivation est un élément central du processus d’apprentissage auto-régulé (SRL). Elle permet d’initier, de maintenir et d’optimiser les efforts éducatifs des apprenants. On distingue deux types de motivation :

• Motivation extrinsèque : Dépend des facteurs externes (récompenses, évaluations). Bien qu’efficace à court terme, elle est souvent instable et moins résistante aux changements.
• Motivation intrinsèque : Émerge de l’intérieur, basée sur le plaisir ou la satisfaction personnelle. Elle favorise un engagement durable, de meilleures performances et un apprentissage approfondi.

Les chercheurs s’accordent sur l’importance de la motivation intrinsèque, qui s’avère plus robuste face aux influences extérieures.

L’impact de l’IA sur la motivation des apprenants

L’intégration des agents d’apprentissage basés sur l’IA (chatbots, assistants virtuels, plateformes adaptatives) a un effet contrasté sur la motivation des étudiants. Les études récentes révèlent des avantages mais aussi des limites.

Effets positifs des technologies d’IA

Plusieurs études montrent que l’utilisation de chatbots éducatifs et d’autres outils basés sur l’IA peut renforcer la motivation et la performance académique :

• Une interaction avec des chatbots d’IA, comme dans les études de Al Abdullatif et al. (2023) et Lee et al. (2022), améliore la motivation, l’auto-efficacité et les performances académiques.
• Les environnements d’apprentissage basés sur des chatbots, comme ceux étudiés par Yin et al. (2021), augmentent la motivation intrinsèque.

Limitations et résultats contrastés

Cependant, d’autres recherches soulignent des effets mitigés :

• Fryer et al. (2017) constatent que les interactions avec des tuteurs humains suscitent un intérêt plus durable que les échanges avec des chatbots.
• Deng & Yu (2023) suggèrent que l’utilisation des chatbots éducatifs n’améliore pas systématiquement la motivation, mettant en lumière la nécessité d’une approche plus nuancée.

Besoin de Nouvelles Études Comparatives

Les résultats contrastés de ces études soulignent la nécessité de recherches approfondies pour mieux comprendre l’impact des agents d’apprentissage basés sur l’IA. Une question clé se pose :

Dans quelle mesure l’engagement avec des agents d’apprentissage (IA, tuteurs humains, outils éducatifs) influence-t-il la motivation intrinsèque des apprenants ?

Perspectives de recherche

Des études comparatives entre différentes modalités d’apprentissage (IA vs. interactions humaines) pourraient permettre de mieux cerner les leviers d’une motivation durable et efficace dans l’enseignement numérique.

Conclusion

L’intelligence artificielle modifie profondément les dynamiques de l’apprentissage. Si elle offre des opportunités pour renforcer la motivation, son impact varie selon le contexte et les modalités d’interaction. Un équilibre entre technologies éducatives et accompagnement humain semble être la clé d’une motivation optimale des apprenants.

---

Cet article est une synthèse de la partie sur la motivation de l’article suivant : Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2024). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology.

Bibliographie des recherches citées

Al-Abdullatif, A. M., Al-Dokhny, A. A., and Drwish, A. M. (2023). Implementing the bashayer chatbot in saudi higher education: measuring the influence on students’ motivation and learning strategies. Frontiers in Psychology, 14:1129070.

Lee, Y.-F., Hwang, G.-J., and Chen, P.-Y. (2022). Impacts of an ai-based cha bot on college students’ after-class review, academic performance, self-efficacy, learning attitude, and motivation. Educational technology research and development, 70(5):1843– 1865

Yin, J., Goh, T.-T., Yang, B., and Xiaobin, Y. (2021). Conversation technology with micro-learning: The impact of chatbot-based learning on students’ learning motivation and performance. Journal of Educational Computing Research, 59(1):154–177.

Fryer, L. K., Ainley, M., Thompson, A., Gibson, A., and Sherlock, Z. (2017). Stimulating and sustaining interest in a language course: An experimental comparison of chatbot and human task partners. Computers in Human Behavior, 75:461–468.

Deng, X. and Yu, Z. (2023). A Meta-Analysis and Systematic Review of the Effect of Chatbot Technology Use in Sustainable Education. Sustainability, 15(4):2940. Number: 4 Publisher: Multidisciplinary Digital Publishing Institute