Les systèmes d'IA générative (IAG), comme ChatGPT, offrent une personnalisation de l’apprentissage des langues, mais soulèvent des inquiétudes quant à leurs effets potentiellement néfastes sur le développement des compétences langagières (Godwin-Jones, 2024). Ce projet examine donc le potentiel pédagogique des systèmes d'IAG dans ce contexte. L'IAG désigne des systèmes informatiques qui produisent du contenu (texte, image, etc.) en utilisant des modèles d'apprentissage machine entraînés sur divers ensembles de données. L'étude emploie un cadre de Feuerriegel et coll. (2024), catégorisant l'IAG en trois niveaux : modèles (algorithme), systèmes (interface avec modèle intégré) et applications (utilisations réelles). La méthodologie comprend l'identification de onze applications d'IAG pour l'apprentissage des langues, la sélection de systèmes d'IA, la création de requêtes (prompts) et le développement de textes échantillons. Par exemple, la révision de texte a utilisé ChatGPT et Grammarly avec un prompt débutant par « Révisez le texte suivant » et un texte échantillon de niveau langagier intermédiaire. Les résultats montrent des variations de performance entre les applications et les systèmes. Notamment, une performance supérieure de l'IA limitait parfois l'autonomie de la personne apprenante, compromettant la valeur pédagogique. Cette constatation souligne la nécessité d'équilibrer les capacités de l'IA avec l'agentivité pour améliorer l'apprentissage des langues.
Connexion requise
Pour ajouter un commentaire, vous devez être connecté.
