Construire la paix dans l’esprit
des hommes et des femmes

Quand la neuroscience rencontre l’IA : à quoi ressemble l’avenir de l’apprentissage ?

28 Mars 2019

Rencontre avec le Dr Nandini Chatterjee Singh, chercheuse en neurosciences cognitives au MGIEP de l’UNESCO (Institut Mahatma Gandhi d’éducation pour la paix et le développement durable), où elle a dirigé l’élaboration d’un nouveau cadre pour l’apprentissage socio-émotionnel. Le MGIEP met l’accent sur l’intégration de l’apprentissage socio-émotionnel dans les systèmes éducatifs et les pédagogies numériques innovantes.

Le Dr Singh a répondu à cinq questions sur la convergence de la neuroscience et de l’intelligence artificielle dans l’apprentissage, en amont du Congrès international sur les sciences cognitives dans la salle de classe, où elle donnera une présentation cette semaine.

Quels sont les liens entre la neuroscience et l’intelligence artificielle en matière d’apprentissage ?

La neuroscience et l’IA s’emploient toutes deux à comprendre comment le cerveau fonctionne et à prédire ainsi les comportements. Et mieux nous comprenons le cerveau, mieux seront les concepts que nous pourrons créer pour les algorithmes d’IA. En matière d’apprentissage, le partenariat neuroscience/IA peut être synergique. Une bonne compréhension d’un processus d’apprentissage spécifique par la neuroscience peut servir à éclairer la conception de ce processus pour l’IA. De même, si l’IA peut trouver des tendances à partir de vastes séries de données et obtenir un modèle d’apprentissage, la neuroscience peut conduire des expériences pour les confirmer.

Deuxièmement, quand la neuroscience fournit des comportements d’apprentissage à l’IA, ces comportements peuvent être traduits en interactions numériques, qui sont à leur tour utilisées par l’IA pour examiner les tendances en matière d’apprentissage chez un grand nombre d’enfants à travers le monde. La force de l’IA est qu’elle peut reproduire cela à grande échelle. L’IA peut effectuer des suivis et des recherches dans d’immenses quantités de données pour voir comment se déroule cet apprentissage, et, le cas échéant, déterminer si l’apprentissage est différent ou s’il fait « fausse route ».

Un troisième aspect est celui de l’apprentissage personnalisé. Nous prenons de plus en plus conscience que l’apprentissage possède une forte composante individuelle. Pourtant, nos salles de classe sont organisées de manière à fournir un apprentissage commun à tous les enfants. Parfois, ces différences individuelles deviennent cruciales pour que les enfants donnent le meilleur d’eux-mêmes, et c’est alors que l’apprentissage devrait être personnalisé. La recherche en neurosciences sur les différences individuelles a montré que des renseignements détaillés sur tel ou tel individu peuvent révéler une mine d’informations sur son mode d’apprentissage. Toutefois, cela est extrêmement coûteux et demande beaucoup de travail. Cependant, ces renseignements détaillés issus de la neuroscience peuvent être fournis à l’IA pour œuvrer à plus grande échelle. L’IA peut recueillir un grand volume de données détaillées au niveau individuel, afin d’élaborer un chemin d’apprentissage pour chaque enfant. Ainsi, ce que la neuroscience peut étudier en petits groupes, l’IA peut l’appliquer à de vastes populations. Si nous voulons garantir un monde dans lequel chaque enfant puisse atteindre son plein potentiel, cet apprentissage personnalisé est très prometteur.

Comment pouvons-nous créer une structure autour de l’IA afin de garantir des normes d’apprentissage à l’échelle mondiale ?

Une chose dont l’IA tire parti et dont elle dépend constamment sont les grands volumes de données. Les algorithmes d’IA fonctionnent mieux s’ils sont alimentés par des flux de données continus. Nous devons garder à l’esprit que ce sont les humains qui conçoivent ces algorithmes. Cela veut dire que les algorithmes ne feront qu’aussi bien que les données sur lesquelles ils ont été formés. Il est essentiel de s’assurer que nous ayons accès à de grandes quantités de données provenant de différentes situations d’apprentissage. Ce qui est parfois problématique pour les algorithmes d’IA, c’est que la plupart des données de formation ont été sélectionnées à partir d’un groupe de population spécifique. Cela signifie que le système ne tient pas compte de la diversité des formes d’apprentissage.

Pour en revenir à la lecture et à l’écriture, par exemple, en neurosciences, une grande partie de nos recherches et de notre compréhension de la manière dont le cerveau apprend à lire proviennent d’individus qui apprennent à lire l’anglais et les langues alphabétiques. Pourtant, à travers le monde, des milliards d’individus parlent ou lisent des langues non alphabétiques et des textes qui sont visuellement complexes, qui ne sont pas vraiment pris en compte dans ces recherches. Notre compréhension est fondée sur un système spécifique qui ne reflète pas assez la diversité.

Par conséquent, il est important que les algorithmes d’IA soient testés dans des environnements variés aux quatre coins du monde afin d’embrasser les différences culturelles. Cela permettra de créer des modèles d’apprentissage plus solides, qui seront capables de répondre à des exigences d’apprentissage variées et de satisfaire tous les types d’apprenants à travers le monde. Si nous pouvons faire cela, alors nous pouvons prédire ce à quoi ressemblera le chemin d’apprentissage des enfants où qu’ils soient.

Les êtres humains présentent des similitudes dans leur manière d’apprendre, mais les pédagogies peuvent varier selon les situations. En outre, ces différences doivent être prises en compte dans les données fournies. Les résultats seraient beaucoup plus pertinents si nous étions capables d’intégrer et de refléter ces différences dans les données. Cela nous aidera à améliorer l’apprentissage de l’IA, pour enfin arriver à comprendre comment le cerveau fonctionne. Nous serions alors mieux à même de tirer parti des principes universels de l’apprentissage qui sont utilisés à travers le monde ainsi que des effets qui sont culturels par nature. C’est aussi quelque-chose que nous voulons conserver et exploiter pour essayer d’aider les enfants. Jusqu’à présent, les personnes qui conçoivent des algorithmes d’IA n’ont pas accordé beaucoup d’attention à cette question, mais ils commencent maintenant à en tenir compte dans de nombreuses régions du monde.

Comment percevez-vous le rôle de l’IA dans l’éducation inclusive aujourd’hui, en particulier dans le contexte des migrations ?

Les sociétés sont devenues multiculturelles par nature. Si vous entrez dans une salle de classe type dans la plupart des pays, vous trouverez des enfants de cultures diverses assis dans le même espace d’apprentissage. L’apprentissage doit être capable de répondre à des besoins variés et doit devenir plus inclusif et refléter la diversité culturelle. Les pédagogies innovantes telles que les jeux, les séances interactives et les situations de la vie réelle sont essentielles en ce qu’elles testent les capacités d’apprentissage en mettant l’accent sur les compétences que les enfants devraient acquérir. L’IA dépend des interactions numériques pour comprendre l’apprentissage et cela passe par l’évaluation des compétences et des comportements. Nous reconnaissons aujourd’hui que ce dont nous devons doter nos enfants, ce sont des compétences et des attitudes, et pas forcément des tonnes d’informations.

Les pédagogies numériques telles que les jeux interactifs font partie de celles qui se développent rapidement pour évaluer les compétences des enfants. Elles sont puissantes car elles peuvent être utilisées dans des environnements multiculturels et peuvent évaluer différentes compétences. Elles ne sont pas forcément liées à une langue ou à des programmes spécifiques mais sont plutôt basées sur les performances. Comment évaluer les capacités de collaboration des enfants en classe ? Dans le contexte des migrations et des compétences pour le XXIe siècle, ce sont des aptitudes indispensables et les jeux numériques offrent un moyen de les évaluer dans l’éducation. Lorsque ces jeux interactifs sont joués par des enfants du monde entier, ils fournissent des interactions numériques à l’IA. L’IA peut découvrir de nouvelles tendances et de nouveaux moyens de collaborer, sachant que les enfants ont des façons de faire les choses qui sont souvent originales. Une approche fondée sur les compétences peut être appliquée n’importe où, que ce soit dans une classe en Inde, en France ou au Kenya. En revanche, les méthodes basées sur les programmes scolaires sont propres à un contexte et montrent de grandes variations culturelles.

Quels sont les risques et les difficultés ?

La protection et la sécurité des données restent bien sûr des questions très importantes et représentent le plus grand défi dans ce domaine. Nous devons nous assurer que les enfants ne soient jamais exposés et que les données ne soient jamais utilisées à mauvais escient. Cela doit faire l’objet d’une attention et d’un soutien accrus à l’échelle mondiale.

Un autre aspect essentiel est que les évaluations d’apprentissage ne devraient pas se limiter à un seul domaine. Il existe de nombreux moyens, moments et espaces pour apprendre. L’apprentissage est continu par nature et devrait pouvoir être adapté aux besoins des enfants à un moment particulier. L’évaluation devrait également être continue afin d’obtenir une vision globale des progrès accomplis par l’enfant. S’il n’y a pas de progrès, nous pouvons alors proposer des interventions et aider à comprendre pourquoi l’apprentissage ne se fait pas. La neuroscience nous apprend que plus tôt vous pouvez intervenir, plus l’enfant aura de chances de pouvoir changer et s’adapter. Le cerveau est capable d’apprendre et de changer beaucoup plus facilement et rapidement pendant l’enfance qu’à l’âge adulte.

Cela étant, nous voulons être prudents quant aux conclusions que nous tirons des façons d’intervenir auprès des enfants. Les mauvais résultats scolaires peuvent avoir une origine sociale ou émotionnelle.

L’apprentissage aujourd’hui doit donc être pluridimensionnel. Outre les compétences académiques, les compétences sociales et émotionnelles doivent également être évaluées. Correctement utilisées, ces informations peuvent nous permettre d’en apprendre beaucoup sur le bien-être académique et émotionnel des enfants. En associant les deux, la bonne intervention peut être proposée. À moins que de multiples évaluations convergent toutes vers le même résultat, les capacités d’apprentissage d’un enfant ne doivent pas être étiquetées. L’IA est un bon moyen de conduire des évaluations de compétences multiples, au lieu d’une seule. C’est quelque-chose que nous devrions exploiter et non abandonner. Les critères de référence des algorithmes doivent être correctement pris en compte pour n’importe quel type d’évaluation. Ils doivent provenir d’une grande quantité de données ventilées afin de fournir des résultats plus précis. Il ne faut en aucun cas compromettre cela.

Comment la communauté enseignante réagit-elle à ce nouveau mode d’apprentissage et d’évaluation ?

Certains enseignants s’inquiètent de l’avenir de l’apprentissage, mais c’est aussi parce qu’ils n’ont pas forcément une vision globale. Les personnes qui travaillent dans le domaine de l’IA et qui promeuvent son utilisation dans l’apprentissage doivent jouer un rôle crucial pour dire aux enseignants qu’ils ne seront pas obsolètes. Les enseignants auront davantage de moyens et seront en mesure de répondre aux besoins de chaque type d’élève dans leurs classes. Le monde idéal serait d’avoir un enseignant par enfant, mais cela est bien sûr impossible. L’IA est un outil qui aide les enseignants à trouver la bonne intervention pour un élève qui serait en difficulté d’apprentissage. Cette intervention découle de données qui ont été vérifiées en termes de préjugés et de diversité et ne suit pas une approche « à taille unique ». Par conséquent, les enseignants peuvent s’assurer qu’elle répondra aux besoins de l’enfant. L’IA offre à l’enseignant la possibilité d’adapter l’apprentissage à l’enfant. En outre, nous ne connaissons pas réellement tous les types d’apprentissage différents. Parfois, nous devons être prêts à apprendre des enfants eux-mêmes. Les enfants peuvent nous éclairer sur les différentes manières dont l’apprentissage se produit réellement, et les enseignants devraient être capables de les appliquer en classe. Les enseignants sont des personnes extrêmement puissantes qui peuvent façonner les cerveaux d’un si grand nombre d’enfants. S’ils font du bon travail, ils construisent des individus pour la vie.

Le MGIEP de l’UNESCO met l’accent sur l’intégration de l’apprentissage socio-émotionnel dans les systèmes éducatifs et les pédagogies numériques innovantes. Basé sur la neuroscience de l’apprentissage, le programme phare de l’Institut « Repenser l’apprentissage » vise à doter les jeunes élèves des compétences nécessaires pour relever les défis mondiaux actuels afin de bâtir des sociétés plus pacifiques et durables. En savoir plus