L'IA Générative dans la Recherche en Psychologie Éducative
L'Intelligence Artificielle Générative (IA Générative) a émergé comme un outil transformateur ces dernières années, avec des applications s'étendant à l'éducation, à la santé, et au-delà. Dans la psychologie éducative, l'IA Générative offre des outils et des approches innovants pour comprendre comment les apprenants pensent, ressentent et se comportent. Au-delà de ses applications générales dans l'éducation, des recherches récentes mettent en lumière des façons spécifiques dont l'IA Générative est exploitée pour faire progresser notre compréhension des aspects cognitifs, émotionnels et sociaux de l'apprentissage.
Applications dans la Recherche en Psychologie Éducative
Bien que l'IA Générative ait d'abord été utilisée dans les domaines de l'écriture et de l'analyse, une vague d'innovation a rendu possible l'intégration de l'IA Générative directement dans les tâches expérimentales et les procédures, afin d'étudier comment les participants la perçoivent et interagissent avec elle.
L'Intelligence Artificielle Générative (IA Générative) s'avère être un outil polyvalent et puissant dans la recherche en psychologie éducative, offrant de nombreuses applications. Voici comment l'IA Générative est appliquée :
Amélioration des Compétences en Résolution de Problèmes : Les chatbots alimentés par l'IA, tels que ChatGPT, fournissent des solutions étape par étape et des conseils ciblés, incitant les étudiants à s'engager dans une pensée critique et à appliquer des stratégies de résolution de problèmes (Miraglia, 2024).
Métacognition et Processus Cognitifs : Les incitations métaconnaissantes générées par l'IA peuvent améliorer la pensée critique lors des recherches basées sur l'IA Générative en encourageant les apprenants à faire une pause, à réfléchir et à évaluer les informations (Singh et al., 2025).
Apprentissage Personnalisé : L'intégration de l'IA Générative peut faciliter un enseignement personnalisé adapté aux besoins individuels des étudiants, améliorant l'expérience d'apprentissage et tenant compte des styles d'apprentissage variés (Miraglia, 2024).
Analyse du Langage : Les capacités avancées de traitement du langage naturel de l'IA Générative permettent une analyse plus approfondie des réponses des étudiants, fournissant des insights sur leur motivation, leur frustration, leur engagement et d'autres états émotionnels (Întorsureanu et al., 2025).
Expressions Émotionnelles : L'IA Générative a montré qu'elle peut augmenter la motivation, réduire l'anxiété et favoriser un environnement émotionnellement favorable. Des outils fournissant des retours émotionnels en temps réel peuvent également aider à développer des compétences d'apprentissage socio-émotionnel comme la conscience de soi et l'empathie (Kohnke & Moorhouse, 2025 ; Henriksen et al., 2025).
Échafaudage Cognitif : L'échafaudage cognitif fait référence au soutien donné aux apprenants qui les aide à comprendre différents concepts, et les technologies IA peuvent faciliter l'apprentissage en fournissant une assistance adaptée au niveau de compréhension actuel d'un étudiant (Miraglia, 2024).
Engagement et Interactivité Améliorés : En simulant des conversations et des interactions semblables à celles des humains, l'IA générative peut améliorer l'engagement des étudiants et leur motivation à apprendre (Miraglia, 2024).
Développement des Compétences du XXIe Siècle : Les applications de l'IA Générative soutiennent la culture de compétences essentielles telles que la créativité, le travail d'équipe et la communication, essentielles pour prospérer dans un monde numérisé (Miraglia, 2024).
Assistance Pendant le Processus d'Apprentissage : Les chatbots IA servent de compagnons d'étude, fournissant des explications et des clarifications dans divers sujets, ce qui aide les étudiants à mieux comprendre et contextualiser le matériel pédagogique (Miraglia, 2024).
Autonomiser les Éducateurs : Les technologies de l'IA Générative peuvent simplifier les tâches administratives pour les éducateurs, telles que la planification, le notation et la diffusion d'informations. Cela leur permet de se concentrer davantage sur l'enseignement et l'interaction avec les étudiants (Miraglia, 2024).
Études de Cas de Recherche Incorporant l'IA Générative dans les Tâches Expérimentales
L'IA Générative suscite de l'intérêt dans la psychologie éducative pour sa large gamme de possibles utilisations dans la recherche et la pratique. Voici quelques exemples de recherche montrant comment l'IA Générative est utilisée dans la psychologie éducative :
Apprentissage Génératif à Travers le Tutorat Basé sur l'IA
Dans une étude de Makransky et al. (2025), l'IA Générative a été utilisée à travers un chatbot spécial appelé ChatTutor. Il a incité les étudiants à expliquer des concepts et à enseigner à l'IA, en s'appuyant spécifiquement sur des principes de la théorie de l'apprentissage génératif, indiquant son ancrage dans des théories éducatives. Les étudiants ont interagi avec le système ChatTutor, qui intégrait un échafaudage opportun et des retours calibrés à leur compréhension. Ce design facilitait la participation active et visait à créer des interactions d'apprentissage significatives centrées sur l'étudiant. Les résultats ont montré que l'utilisation de ChatTutor améliorait la rétention à long terme des connaissances conceptuelles des étudiants (Makransky et al., 2025).
Littératie Psychologique à Travers des Évaluations Intégrées à l'IA
Dans une étude (Richmond & Nicholls, 2024), l'IA Générative (ChatGPT) a été utilisée dans une évaluation en trois phases pour améliorer la littératie psychologique chez des étudiants de premier cycle en psychologie. Dans la Phase 1 (Génération de Brouillon Assistée par IA et Critique), les étudiants devaient utiliser un outil IA génératif pour produire un brouillon de communiqué de presse. Les étudiants ont ensuite critiqué ce contenu généré par l'IA à l'aide d'une grille d'évaluation, identifiant les forces, les faiblesses et les priorités de révision, et attribuant des notes en fonction de la grille. Dans la Phase 2 (Critique par l'IA), les étudiants ont révisé le texte produit par ChatGPT, incorporant leur critique et documentant les modifications avec des modifications suivies, avant de soumettre leur révision pour des retours de l'instructeur. Dans la Phase 3 (Révision et Production Vidéo), les étudiants ont intégré les retours de leur instructeur, incorporé des graphiques, et fait leur soumission vidéo finale. Cette méthode visait à déterminer si un engagement précoce avec les produits de l'IA améliorerait la qualité du travail des étudiants, et les résultats ont indiqué des bénéfices de performance significatifs par rapport aux processus de révision par les pairs traditionnels.
Personnalisation du Contenu Éducatif en Fonction des Intérêts des Étudiants à l'Aide de l'IA Générative
Tasdelen & Bodemer (2025), dans leur étude, ont utilisé l'IA Générative pour créer un contenu éducatif personnalisé adapté aux intérêts individuels des étudiants. L'étude visait à évaluer les effets des matériaux générés par l'IA sur la motivation intrinsèque, l'intérêt et la performance d'apprentissage. L'IA Générative a créé des matériaux d'apprentissage qui correspondaient spécifiquement aux intérêts identifiés pour chaque étudiant. Différentes tâches ont été conçues à l'aide de l'IA Générative et présentées aux étudiants durant l'étude. Ces tâches étaient conçues pour être personnalisées en fonction du contexte, s'adaptant aux intérêts uniques des participants. La recherche impliquait une application web auto-développée qui facilitait l'accès au contenu généré par l'IA. Les étudiants ont participé à l'étude via cette plateforme durant leurs cours de mathématiques réguliers. Le système d'IA Générative était capable de générer dynamiquement des matériaux éducatifs en fonction des intérêts rapportés par les étudiants. Cette capacité en temps réel a garanti que les tâches éducatives demeuraient pertinentes et engageantes. Dans l'ensemble, l'étude montre que l'IA Générative a joué un rôle crucial dans la création de meilleurs matériaux d'apprentissage, améliorant ainsi leur engagement d'apprentissage, leur motivation, leur intérêt et leurs résultats globaux.
Compréhension des Textes Scientifiques à Travers le Mentorat Alimenté par IA
L'IA Générative a été utilisée à travers la plateforme OwlMentor dans une étude de Thüs et al. (2024), conçue pour aider les étudiants à comprendre des textes scientifiques. Les principales applications de l'IA Générative dans cette étude incluaient : génération automatique de questions, dialogue alimenté par l'IA où les étudiants pouvaient interagir dans une interface de type chat et discuter ou poser des questions, création de quiz avec génération de quiz personnalisés et retours. En utilisant les capacités de l'IA, la plateforme pouvait adapter les réponses et les incitations aux demandes individuelles des étudiants, améliorant leur parcours d'apprentissage grâce à des interactions spécifiques au contexte. Les utilisateurs ont montré une amélioration notable de leurs performances globales des pré-tests aux post-tests, suggérant que l'utilisation de la plateforme a eu un impact positif sur leurs résultats d'apprentissage à travers divers sujets.
Apprentissage Visuel et Engagement Critique à Travers la Génération d'Images par IA
Dans une étude (Berg et al., 2024), l'IA Générative a été utilisée pour faciliter l'apprentissage des étudiants et améliorer l'engagement. Les étudiants ont utilisé Midjourney pour créer des images basées sur des incitations qu'ils avaient développées. Les images générées ont aidé les étudiants à passer d'une compréhension superficielle à une compréhension plus profonde et critique des sujets abordés. Ils ont constaté qu'associer des images à des textes facilitait la mémorisation et la compréhension des informations. L'utilisation d'images générées par IA a servi de base aux discussions en classe. Les étudiants ont analysé les images par rapport à leurs incitations, discutant de quels aspects étaient exacts ou trompeurs, améliorant ainsi la pensée critique sur le contenu. L'étude a mis en lumière le facteur de motivation des étudiants créant leurs propres images IA, essentiellement une forme d'apprentissage actif, qu'ils trouvaient plus agréable que de regarder passivement des images existantes. Les enseignants ont suggéré que les incitations utilisées par les étudiants pourraient servir de base à l'évaluation, aidant les éducateurs à évaluer la compréhension des étudiants à travers les images qu'ils avaient générées. La principale conclusion de l'étude est que les outils de génération d'images par IA, tels que Midjourney, peuvent avoir un impact positif sur l'apprentissage des étudiants en le rendant plus centré sur l'étudiant, interactif, amusant et engageant.
Conclusion
L'IA Générative révolutionne la psychologie éducative en offrant des solutions innovantes qui soutiennent l'apprentissage personnalisé, améliorent l'engagement et favorisent la pensée critique. À mesure que ce domaine évolue, l'exploration continue aidera à découvrir encore plus de façons significatives d'intégrer l'IA dans la recherche et la pratique en psychologie éducative. Cependant, il est tout autant important de comprendre les préoccupations éthiques liées à la confidentialité des données, aux biais et à l'utilisation responsable de l'IA dans les environnements d'apprentissage.
Références
Berg, C., Omsén, L., Hansson, H., & Mozelius, P. (2024). Les images générées par l'IA des étudiants : Impact sur la motivation, l'apprentissage et la satisfaction. Conférence Internationale sur la Recherche en IA, 4(1), 500–506.
Henriksen, D., Creely, E., Gruber, N., & Leahy, S. (2025). Apprentissage socio-émotionnel et IA générative : Une revue critique de la littérature et un cadre pour la formation des enseignants. Journal de l'Éducation des Enseignants, 76(3), 312–328.
Întorsureanu, I., Oprea, S.-V., Bâra, A., & Vespan, D. (2025). IA Générative dans l'éducation : Perspectives à travers un prisme académique. Électronique, 14(5), 1053.
Kohnke, L., & Moorhouse, B. L. (2025). Améliorer les aspects émotionnels de l'éducation linguistique grâce à l'intelligence artificielle générative (IA Générative) : Une enquête qualitative. Ordinateurs dans le Comportement Humain, 167, 108600.
Makransky, G., Shiwalia, B. M., Herlau, T., & Blurton, S. (2025). Au-delà de l'effet « wow » : Utiliser l'IA Générative pour accroître la compréhension générative. Revue de Psychologie Éducative, 37(3).
Miraglia, L. (2024). La promesse de l'intelligence artificielle générative. Implications psychologiques dans des contextes éducatifs. Rivista di Scienze dell'Educazione, 62(1).
Richmond, J. L., & Nicholls, K. (2024). Utiliser l'IA Générative pour promouvoir la littératie psychologique, le feedback et l'intelligence artificielle chez les étudiants de psychologie de premier cycle. Enseignement de la Psychologie, 52(3), 291–297.
Sengar, S. S., Hasan, A. B., Kumar, S., & Carroll, F. (2024). Intelligence artificielle générative : Une revue systématique et des applications. Outils et Applications Multimédia, 84(21), 23661–23700.
Singh, A., Guan, Z., & Rieh, S. Y. (2025). Améliorer la pensée critique dans la recherche par IA Générative avec des incitations métaconnaissantes. prépublication arXiv arXiv:2505.24014.
Tasdelen, O., & Bodemer, D. (2025). IA Générative en classe : Effets des matériaux d'apprentissage et des tâches personnalisés en fonction du contexte sur la motivation et la performance. Journal International de l'Intelligence Artificielle dans l'Éducation.
Thüs, D., Malone, S., & Brünken, R. (2024). Explorer l'IA Générative dans l'enseignement supérieur : Un système RAG pour améliorer l'engagement des étudiants avec la littérature scientifique. Frontières en Psychologie, 15.