Points clés:
Alors que nous luttons tous sur le chemin d’une véritable inclusion éducative, nous sommes confrontés à quatre piliers de l’équité décrits par Rochelle Guitérisé: Accès, Réussite, Pouvoir et Identité.
Les éducateurs soucieux de l’équité excellent généralement en matière d’accès. Ouvrir les portes à tous les étudiants est une évidence. Cependant, nous devons continuellement promouvoir les systèmes afin que tous les étudiants puissent réussir dans des espaces où ils sont propriétaires et ressentent un sentiment d'appartenance (identité). Autrement, l’équité et l’inclusion ne sont encore qu’un rêve.
Même si nous reconnaissons que certains de ces éléments nécessitent un changement majeur des systèmes, nous souhaitons également mettre tous les enseignants en informatique au défi de donner l'exemple. Amener l'informatique, avec sa longue histoire d'exclusion, vers un avenir inclusif aura des effets d'entraînement dans tous les domaines de contenu. . Utiliser le Principes de l'AiiCE, qui recommandent d'adopter des approches adaptées à l'identité des étudiants (Alliance for Identity-Inclusive Computing Education, 2023), nous suggérerons des étapes vers une pédagogie d'éducation inclusive avec la conception universelle pour l'apprentissage (UDL) et des partenaires de pensée d'IA générative.
Un premier pas vers une éducation inclusive peut être fait grâce à l’adoption de l’UDL. Selon le CSTA : Pédagogies pédagogiques inclusives, « L'UDL est une approche de planification pédagogique conçue pour donner à tous les élèves une chance égale d'apprendre en supprimant les obstacles qui empêchent les élèves de s'impliquer pleinement dans les communautés de leur classe » (White, 2023). Cependant, il s’agit d’une tâche qui prend du temps (bien qu’elle en vaut la peine) pour les enseignants déjà surchargés.
Dans le cadre d'un travail plus intelligent, et non plus dur, nous décrirons une manière de commencer à intégrer les principes de l'UDL dans les cours, en progressant vers plus d'équité et d'inclusion grâce à l'utilisation d'outils d'IA générative (GenAI). Le modèle génératif utilisé est ChatGPT 3.5 (pour une utilisation optimale nous recommandons ChatGPT 4).
Enseigner à l’étudiant moyen n’a jamais été efficace. Nos étudiants possèdent un large éventail de cerveaux différents, dotés de différentes capacités sensorielles et de traitement. Les bons enseignants trouvent des moyens de répondre aux besoins d’apprentissage de tous ces cerveaux divers au sein d’une même classe.
L'UDL utilise les principes fondamentaux des neurosciences pour donner aux éducateurs un cadre pour responsabiliser tous les apprenants (CAST, 2018). La CUA est un processus, et non un produit, et exige que les enseignants repensent leur planification et leur prestation d'enseignement. Même s’il ne s’agit pas nécessairement de demander aux enseignants d’en faire plus, il s’agit plutôt de leur demander absolument de faire quelque chose de différent. Alors que les enseignants luttent pour transformer leurs pratiques pédagogiques, l’IA générative offre de solides opportunités. Lorsque nous associons un cadre testé et basé sur la recherche comme l'UDL à l'IA, cela nous rapproche de l'objectif d'une véritable inclusion de tous les apprenants dans les cours d'informatique.
La mise en œuvre de l’UDL nécessite de repenser l’élaboration et la planification des cours. Ralabate (2016) nous pose cinq questions fondamentales qui permettent aux enseignants de commencer à transformer leur pratique. Alors que les enseignants adoptent cette transformation, l’IA générative peut être un partenaire de réflexion pour utiliser efficacement les cinq questions fondamentales. Ces questions portent sur l'accessibilité, la flexibilité, l'absence de parti pris, la validité et la fiabilité de nos activités d'apprentissage.
Nous abordons ci-dessous les quatre premières de ces questions, ainsi que les invites d’IA générative qui peuvent être utilisées pour accélérer la mise en œuvre de chacune de ces questions.
| Question | Description | Invite d'IA générative |
| Accessible | Qui peut participer au cours et qui ne peut pas le faire ? | Veuillez examiner ce plan de cours et dites-moi quel type d'élève ne serait pas en mesure de participer pleinement à cette leçon. |
| Sources | Choix de l’élève quant à la manière dont il apprend et démontre son apprentissage. | Veuillez fournir plusieurs méthodes permettant aux élèves de démontrer [cible/objectif d'apprentissage]. |
| Sans biais | Qu’est-ce qui, dans mon activité d’apprentissage, désavantage par inadvertance les étudiants ? | Quels composants de cette leçon supposent des connaissances préalables similaires à moi, à l'instructeur, ou quels composants sont….. |
| Valide | Mon évaluation évalue-t-elle l’objectif d’apprentissage spécifique que je tente d’évaluer ? | Veuillez changer le niveau de lecture de cette question en un niveau de 7e année (choisissez un niveau accessible à tous les élèves) |
La dernière question concerne la fiabilité. La fiabilité mesure la capacité d'une activité d'apprentissage à atteindre ses objectifs. La variabilité des performances de mon élève est-elle entièrement due à ses performances, ou y a-t-il une variance due à la conception de l’activité (Ralabate, 2016). Il est impossible d’éliminer véritablement les écarts dus à la conception, mais ils seront minimisés si les quatre premières questions sont soigneusement examinées et mises en œuvre dans le processus de conception. En guise de contrôle final de fiabilité, GenAI peut être utilisé pour trianguler la notation – demandez-lui d'évaluer les données des étudiants par rapport à une grille d'évaluation. En comparant plusieurs réponses GenAI avec les résultats de l'enseignant, nous pouvons minimiser les biais implicites et garantir que les notes que nous attribuons sont des mesures authentiques de l'apprentissage des élèves.
Les systèmes produisent ce pour quoi ils sont conçus. Notre système éducatif a été construit pour produire des résultats inéquitables, et c’est ce qu’il produit. Nous pensons que les enseignants en informatique peuvent relever le défi du moment et repenser leur enseignement de manière à éduquer efficacement tous les cerveaux – des cerveaux ayant des besoins extrêmement divers. Nous connaissons le pourquoi (équité), nous savons le comment (UDL), et avec l’IA générative, nous avons désormais les moyens d’accomplir ce qui est demandé du moment.
Bibliographie
Alliance pour une éducation informatique inclusive pour l’identité (2023). Principes de l'AIICE IIC. https://identityincs.org/resources/aiice-iic-tenets/
ACTEURS (2018). UDL et le cerveau apprenant. Wakefield, Massachusetts. Extrait de http://www.cast.org/products-services/resources/2018/udl-learning-brain-neuroscience
Gutiérrez, R. (2011). Le contexte est important : comment devrions-nous conceptualiser l'équité dans l'enseignement des mathématiques ?. Dans Équité dans le discours pour l'enseignement des mathématiques : théories, pratiques et politiques (pp. 17-33). Dordrecht : Springer Pays-Bas.
Ralabaté P. (2016). Votre planificateur de cours UDL : le guide étape par étape pour enseigner à tous les apprenants. Éditions Brookes.
White, SV et coll. (2023, 5 juin). Pédagogies pédagogiques inclusives. Association des professeurs d'informatique. https://csteachers.org/inclusive-teaching-pedagogies/
Bios:
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
- PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
- PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
- PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
- La source: https://www.eschoolnews.com/educational-leadership/2024/01/12/educational-equity-computer-science-generative-ai/
