http://www.sudoc.fr/291045081 fre FR Intégration d’un agent conversationnel basé sur l’IA générative dans un MOOC : Influence sur l’engagement des apprenants Mémoire de master Memoire Unistra Sciences de l’Éducation et de la Formation, Parcours Ingénierie des Systèmes Numériques Virtuels pour l’Apprentissage (SYNVA) Ce travail de recherche se concentre sur l'influence de l'IA-Gén sur l'engagement des apprenants dans les MOOC, en examinant spécifiquement les aspects cognitifs, sociaux, comportementaux et affectifs de cet engagement. L'étude a analysé l'influence du plugin corolair, une IA-Gén, dans le MOOC Villes Durables et Innovantes EN AFRIQUE. MOOC disponible sur la plateforme https://mooc-campus.afd.fr/ du Campus groupe de l’AFD. L'objectif était de tester si l’on peut prédire l’engagement d’un apprenant dans un MOOC en fonction de sa fréquence d’utilisation de corolair durant son parcours apprentissage. La démarche expérimentale mise en oeuvre a reposé sur un test en conditions réelles au cours duquel, un groupe d'apprenants a suivi ce MOOC dans lequel nous avons pris le soin d’installer cet outil d'IA-Gén. Ces apprenants étaient invités à en faire usage durant leurs apprentissages. Par exemple, pour poser des questions liées au cours, pour reformuler des concepts et des notions du cours, et ce à leur propre rythme individuel. Les données sur les différentes dimensions de l’engagement de ces apprenants ont été collectées via un questionnaire auquel ils ont répondu après avoir suivi l’intégralité du MOOC. Une fois que ces données ont été recueillies, nous les avons analysées en utilisant le test statistique de corrélation, également connu sous le nom de test de corrélation de Bravais-Pearson, pour déterminer si chaque dimension de l'engagement d'un apprenant peut être prédite en fonction de sa fréquence d'utilisation de corolair durant son apprentissage. Dans un premier temps, nous avons effectué le tris à plat des résultats du questionnaire. Ceux-ci ont révélé un intérêt de la part de ces apprenants pour l'utilisation de l'IA-Gén intégrée dans un environnement de cours, ici le plugin d’IA-Gén corolair. Dans un deuxième temps, quatre tris croisés ont été effectué. Entre la fréquence d’utilisation de corolair par un apprenant et une des dimensions de son engagement (cognitif, social, comportemental et affectif) dans le MOOC. Ces croisements statistiques ont revélé qu’on ne peut pas prédire l’engagement d’un apprenant en fonction de la fréquence d’utilisation de l’outil d’IA-Gén corolair intégré. De ce fait, en ce qui concerne son influence, cette étude nous a permis de mettre en lumière certaines limites liées à la mesure de l’engagement d’un apprenant dans les MOOC. En effet, l’absence d’un groupe témoin supplémentaire et la faiblesse de la taille de l’échantillon ont rendu difficile une prédiction assez fiable et précise des effets de l’utilisation de cette technologie sur les différentes dimensions de l’engagement d’un apprenant. Cette faiblesse méthodologique limite donc notre capacité à généraliser à grande échelle les résultats obtenus avec certitude. En résumant, bien que cette étude pourrait mettre en évidence les bienfaits de l'IA-Gén pour renforcer certains aspects de l'engagement des apprenants, elle nous rappelle également la nécessité d'améliorer notre méthodologie pour mieux explorer les applications de l'IA-Gén dans les formations en ligne. Cette recherche ouvre ainsi des perspectives pour de futures études, mais aussi pour une intégration plus efficace de l'IA-Gén dans les environnements de formations à distance. 2025-06-30 Intelligence artificielle générative Cours en ligne ouverts à tous Corrélation Plugin Engagement Esaka, Gédéon Trestini, Marc Benayed, Miloud Université de Strasbourg 248383442 Institut national supérieur du professorat et de l’éducation PDF Accès réservé aux membres de l'Université de Strasbourg sur authentification https://publication-theses.unistra.fr/restreint/memoires/2025/INSPE/2025_esaka_gedeon.pdf