Concevoir des activités pédagogiques responsables avec l’IA générative dans Cognelo : opérationnalisation d’une taxonomie de design pour l’enseignement de la programmation

Contexte

L’IA générative transforme rapidement l’enseignement de la programmation. Les étudiants et étudiantes peuvent désormais utiliser des outils comme ChatGPT ou GitHub Copilot pour obtenir des explications, générer du code, corriger des erreurs, recevoir du feedback ou produire des solutions complètes. Ces usages offrent des possibilités importantes pour soutenir l’apprentissage, mais ils soulèvent aussi des risques pédagogiques : contournement de l’effort cognitif, dépendance à l’IA, perte d’autonomie, difficulté à vérifier la compréhension réelle de l’étudiant ou de l'étudiante et manque de traçabilité des contributions de l’IA.

Ce projet s’inscrit dans le cadre de Cognelo, une plateforme modulaire d’apprentissage, d’évaluation et de tutorat intelligent centrée sur les activités pédagogiques. Cognelo vise à soutenir la conception, le déploiement et l’analyse d’activités d’apprentissage, notamment en programmation. La plateforme permet d’intégrer différents types d’activités, comme des questions à choix multiples, des problèmes de Parsons, des exercices de programmation et des exercices de programmation Web. Elle constitue donc un environnement pertinent pour concevoir, tester et comparer des activités intégrant l’IA générative de manière contrôlée.

Le projet s’appuie sur une taxonomie de design pour l’usage responsable de l’IA générative en programmation. Dans cette perspective, l’usage responsable n’est pas défini simplement comme une question d’autorisation ou d’interdiction de l’IA. Il est plutôt considéré comme une propriété de la configuration pédagogique. Une activité intégrant l’IA est responsable dans la mesure où elle préserve trois dimensions : l’agence de l’étudiant ou de l'étudiante, la demande cognitive nécessaire à l’apprentissage et la responsabilisation de l’apprenant et de l'apprenante vis-à-vis du travail produit.

Problématique

De nombreux enseignants et enseignantes souhaitent intégrer l’IA générative dans leurs cours, mais disposent de peu d’outils concrets pour transformer des principes généraux — par exemple, « utiliser l’IA de manière responsable » — en activités pédagogiques précises, observables et évaluables. Une même technologie peut produire des effets très différents selon le moment où l’IA intervient dans l’activité, le type de sortie qu’elle fournit et les mécanismes de vérification, de justification ou de traçabilité exigés des étudiants et étudiantes.

Par exemple, demander à l’IA de générer une solution complète avant toute tentative de l’étudiant ou de l'étudiante crée un risque élevé de substitution du raisonnement étudiant. À l’inverse, demander à l’étudiant ou à l'étudiante de produire d’abord une tentative, puis d’utiliser l’IA pour obtenir un feedback, comparer des solutions ou critiquer du code généré peut préserver davantage l’effort cognitif et favoriser la réflexion.

La question centrale du projet est donc la suivante :

Comment concevoir, intégrer et évaluer dans Cognelo des activités de programmation qui opérationnalisent un usage responsable de l’IA générative?

Objectif général

L’objectif général du projet est de concevoir et d’évaluer un ensemble d’activités pédagogiques intégrant l’IA générative dans Cognelo, en s’appuyant sur une taxonomie de design du responsible GenAI use en programmation.

Objectifs spécifiques

1. Formaliser un modèle de conception d’activités responsables
   Définir une grille de conception permettant de positionner une activité selon deux dimensions principales :
   • le moment d’entrée de l’IA dans l’activité : avant, pendant ou après l’effort indépendant de l’étudiant ou l'étudiante;
   • la portée de la sortie fournie par l’IA : solution complète, solution partielle, feedback/évaluation ou matériel à critiquer.
2. Concevoir des patrons d’activités intégrables dans Cognelo
   Développer plusieurs modèles d’activités pédagogiques responsables, par exemple :
   • activité post-tentative avec feedback IA;
   • activité de débogage assisté par indices;
   • activité de critique de code généré par l’IA;
   • activité de comparaison entre solution étudiante et suggestion IA;
   • activité avec journal de justification et de traçabilité de l’usage de l’IA.
3. Implémenter un prototype dans Cognelo
   Adapter ou développer un module Cognelo permettant de créer, paramétrer et déployer ces activités. Le prototype devra permettre de contrôler les conditions d’usage de l’IA, par exemple :
   • accès à l’IA seulement après une tentative initiale;
   • limitation de la sortie IA à des indices ou du feedback;
   • obligation pour l’étudiant ou l'étudiante de justifier les suggestions IA acceptées ou rejetées;
   • conservation d’une trace des interactions avec l’IA.
4. Évaluer les activités auprès d’étudiants ou d’enseignants
   Mener une étude exploratoire afin d’évaluer la pertinence, l’utilisabilité et la valeur pédagogique des activités conçues. L’évaluation pourra porter sur :
   • la perception des étudiants et étudiantes;
   • la perception des enseignants et enseignantes;
   • la qualité des productions étudiantes;
   • la capacité des étudiants et étudiantes à expliquer leur travail;
   • les traces d’interaction dans Cognelo.
5. Analyser comment les configurations influencent le niveau de responsabilité pédagogique
   Comparer différentes configurations d’activités afin d’examiner lesquelles semblent mieux préserver l’effort cognitif, l’autonomie de l’étudiant ou de l'étudiante et la responsabilisation face au travail produit.

Questions de recherche possibles

Le projet pourrait être guidé par les questions suivantes :

1. Comment traduire une taxonomie de l’usage responsable de l’IA générative en patrons concrets d’activités pédagogiques dans Cognelo?
2. Quels types de configurations — post-tentative, feedback IA, critique de code généré, indices gradués — sont perçus comme les plus responsables et les plus utiles par la communauté enseignante et étudiante?
3. Dans quelle mesure les activités intégrant des mécanismes de séquençage, de limitation de la sortie IA, de justification et de traçabilité permettent-elles de préserver l’agence, la demande cognitive et la responsabilisation de l’étudiant ou de l'étudiante?
4. Quelles traces collectées dans Cognelo peuvent servir à évaluer le niveau de responsabilité pédagogique d’une activité intégrant l’IA?

Méthodologie proposée

Le projet pourrait être structuré en quatre phases :

Phase 1 — Analyse conceptuelle et conception des patrons d’activités

L’étudiant ou l'étudiante commencera par analyser la taxonomie du responsible GenAI use et identifiera les configurations pédagogiques les plus pertinentes pour Cognelo. Cette phase permettra de produire une grille de conception qui relie chaque activité à ses choix de design : moment d’entrée de l’IA, portée de la sortie IA, mécanismes de vérification, niveau de traçabilité et rôle attendu de l’étudiant ou de l'étudiante.

Phase 2 — Développement du prototype dans Cognelo

L’étudiant ou l'étudiante développera ou adaptera un module de Cognelo permettant de créer des activités intégrant l’IA générative selon des contraintes pédagogiques explicites. Le prototype pourrait inclure :

• un éditeur d’activité pour l’enseignant ou l'enseignante;
• un paramétrage du moment où l’IA devient accessible;
• un contrôle du type de sortie IA autorisé;
• une interface étudiante pour demander du feedback ou critiquer une sortie IA;
• un mécanisme de justification des décisions prises par l’étudiant ou l'étudiante;
• un système de traces permettant d’analyser l’usage de l’IA.

Phase 3 — Déploiement exploratoire

Le prototype pourra être testé dans un contexte réel ou semi-réel d’enseignement de la programmation. Selon les contraintes du projet, l’étude pourra prendre la forme :

• d’une expérimentation en classe;
• d’une étude pilote avec quelques étudiants et étudiantes volontaires;
• d’une évaluation par des enseignants et enseignantes;
• d’une comparaison de scénarios pédagogiques sans déploiement complet en classe.

Phase 4 — Analyse des données

Les données analysées pourront inclure :

• les traces d’activité dans Cognelo;
• les productions des étudiants et étudiantes;
• les réponses aux questions de justification;
• les interactions avec l’IA;
• des questionnaires de perception;
• des entretiens courts avec étudiants ou enseignants.

L’analyse visera à déterminer si les activités conçues soutiennent réellement un usage responsable de l’IA, et quelles dimensions du design semblent les plus importantes.

Contributions attendues

Ce projet devrait produire trois types de contributions.

Contribution scientifique

Le projet contribuera à l’opérationnalisation empirique d’une taxonomie de design pour l’usage responsable de l’IA générative en programmation. Il permettra de passer d’un cadre conceptuel à des activités concrètes, implémentées et évaluables.

Contribution technologique

Le projet enrichira Cognelo avec un module ou des fonctionnalités permettant de concevoir des activités IA responsables. Ces fonctionnalités pourront servir de base à d’autres projets de recherche sur le tutorat intelligent, l’évaluation formative, le feedback automatisé et les traces d’apprentissage.

Contribution pédagogique

Le projet fournira aux enseignants et enseignantes des modèles réutilisables d’activités intégrant l’IA générative de manière structurée, sans simplement laisser les étudiants et étudiantes utiliser librement des outils externes. Ces modèles pourront aider les enseignants et enseignantes à passer d’une logique « IA permise ou interdite » à une logique de conception pédagogique contrôlée.

Livrables attendus

Les livrables du projet pourraient inclure :

1. une revue ciblée des travaux sur l’usage responsable de l’IA générative en programmation;
2. une grille de conception d’activités responsables;
3. un ensemble de patrons d’activités pédagogiques;
4. un prototype intégré à Cognelo;
5. une étude exploratoire auprès d’étudiants ou d’enseignants;
6. un mémoire de maîtrise;
7. idéalement, un article scientifique soumis à une conférence ou une revue en technologies éducatives, AIED ou computing education.

Exemple d’activités à concevoir

Activité 1 — Feedback IA après tentative

L’étudiant ou l'étudiante doit d’abord soumettre une première solution à un exercice de programmation. L’IA devient ensuite disponible pour fournir un feedback, sans donner une solution complète. L’étudiant ou l'étudiante doit indiquer quelles suggestions il ou elle accepte, lesquelles il ou elle rejette, et pourquoi.

Activité 2 — Critique de code généré par l’IA

Cognelo présente un code généré par IA contenant des erreurs ou des choix discutables. L’étudiant ou l'étudiante doit tester, critiquer, corriger et justifier ses modifications. Dans ce cas, l’IA n’est pas utilisée comme fournisseur de réponse, mais comme objet d’analyse.

Activité 3 — Débogage avec indices gradués

L’étudiant ou l'étudiante travaille sur un programme incorrect. L’IA peut fournir des indices progressifs, mais elle ne peut pas donner directement le code corrigé. L’activité vise à préserver l’effort de débogage tout en réduisant la frustration.

Activité 4 — Comparaison solution étudiante / suggestion IA

Après avoir proposé sa propre solution, l’étudiant ou l'étudiante reçoit une suggestion IA. Il ou elle doit comparer les deux approches, identifier les différences, expliquer laquelle est préférable et justifier sa décision.

Activité 5 — Journal de traçabilité de l’usage de l’IA

L’étudiant ou l'étudiante doit documenter chaque interaction avec l’IA : ce qui a été demandé, ce qui a été proposé, ce qui a été accepté ou rejeté, et comment cela a influencé la solution finale.