Journ茅e d'茅tude

Depuis quelques ann茅es, l鈥檌ntelligence artificielle (IA) conna卯t un nouveau printemps dans l鈥檈nsemble des secteurs de la soci茅t茅, incluant l鈥櫭ヾucation et l鈥檈nseignement et l鈥檃pprentissage des langues. Si le potentiel de l鈥橧A pour la classe de langue ne fait pas de doute, sa mise en 艙uvre peut susciter divers enjeux qui gagnent 脿 锚tre anticip茅s autant que possible. Dans le cadre de cette pr茅sentation, nous ciblons un type d鈥檈njeux particulier, celui des biais que l鈥橧A peut v茅hiculer et des pr茅judices 茅ventuels qui peuvent en d茅couler. Appliqu茅e 脿 l鈥檈nseignement et l鈥檃pprentissage des langues, nous verrons notamment que l鈥橧A est susceptible de porter pr茅judice 脿 certains groupes linguistiques et 脿 certaines langues.

Inventio, Revisio et Corrector听: trois agents conversationnels dans un cours de litt茅rature qu茅b茅coise

Plusieurs travaux r茅cents ont montr茅 l鈥檌mportance des instructions fournies aux mod猫les de langage en amont des conversations pour obtenir des r茅sultats dignes d鈥檌nt茅r锚t (Hewing & Leinhos, 2024). Cette communication pr茅sente une application de cet 芦听art de l鈥檌nvite听禄 dans un cours de litt茅rature qu茅b茅coise donn茅 en fran莽ais et suivi par une cinquantaine d鈥櫭﹖udiant路es, dont plus de la moiti茅 non francophone. Devant les difficult茅s d'expression constat茅es lors d'un premier travail 茅crit, trois agents conversationnels sp茅cifiques ont 茅t茅 cr茅茅s 脿 l鈥檃ide de messages syst猫me d茅di茅s et de r茅glages simples : Inventio (aide 脿 la r茅flexion par questionnement), Revisio (aide-r茅viseur portant son attention 脿 la clart茅 du propos et 脿 l鈥檕rganisation des id茅es) et Corrector (aide-correcteur s鈥檃ttachant plus pr茅cis茅ment aux erreurs linguistiques). Nous pr茅senterons ces trois agents conversationnels, illustrerons les r茅sultats par des exemples et discuterons de leurs limites et de l'appr茅ciation 茅tudiante. L'exp茅rience, bien qu鈥檈lle n鈥檃it pas 茅t茅 men茅e dans un cours de langue, soul猫ve le potentiel de l'IA comme outil d'aide 脿 l'expression pour des 茅tudiant路es aux profils vari茅s dans des disciplines exigeant une ma卯trise fine de la langue fran莽aise.听听

Quand l鈥橧A con莽oit l鈥櫭﹏igme : cr茅ation d鈥檜n jeu d鈥櫭﹙asion virtuel en FLE

L鈥檌ntelligence artificielle g茅n茅rative transforme les pratiques p茅dagogiques en fran莽ais langue 茅trang猫re (FLE), en facilitant la cr茅ation de ressources sur mesure (Poyet & Develotte, 2022). Cette communication pr茅sente un projet pilote qui explore l鈥檌nt茅gration de l鈥橧A dans la conception d鈥檜n jeu d鈥櫭﹙asion p茅dagogique destin茅 脿 des employ茅s d鈥檜ne institution financi猫re canadienne, dans une optique d鈥檃pprentissage du fran莽ais sur objectifs sp茅cifiques.听

Au croisement de la ludification et de l鈥檌ng茅nierie p茅dagogique, ce projet exploite le potentiel motivant du jeu (Deterding et al., 2011) et la capacit茅 de l鈥橧A 脿 g茅n茅rer rapidement des contenus adapt茅s (Zawacki-Richter et al., 2019).听Nous retracerons les 茅tapes de conception du jeu 脿 l鈥檃ide d鈥檜n journal de bord, en soulevant les d茅fis rencontr茅s : respect du registre linguistique (notamment le fran莽ais canadien), coh茅rence narrative et pertinence des 茅nigmes produites par l鈥橧A, investissement en temps et en argent. Un sondage men茅 aupr猫s des apprenants permettra d鈥櫭﹙aluer l鈥檈fficacit茅 et l鈥檃ttrait de cette approche.

Cette pr茅sentation contribue 脿 la r茅flexion sur les usages de l鈥橧A en didactique du FLE, en insistant sur la compl茅mentarit茅 n茅cessaire entre outils technologiques et expertise humaine pour garantir la qualit茅 et l鈥檈ngagement dans l鈥檃pprentissage.

Optimizing Language Learning with AI: Intelligent Systems for Deep Learning Retention with Socratic Agents

In this project, we designed an AI agent grounded in the Socratic method and informed by foundational learning theories such as Flow, Dual Coding, Cognitive Load, and Elaboration Theory. Unlike conventional LLMs, this agent engages learners through reflective questioning, encouraging critical thinking and metacognitive awareness. To support this, we developed a learning management system that collects rich data on learner interactions 鈥� analyzing mistakes, tracking progress, and detecting patterns. The system evolves alongside the learner, creating a feedback loop that adapts to individual needs. Rather than prioritizing speed or automation, the focus is on depth, retention, and meaningful learning: building AI tools that not only deliver content, but help learners truly understand and grow.听

LITERACY fuels innovation, equipping individuals and communities with the skills, knowledge, and tools to create and communicate data in ways that propel change and progress. Kate Arthur explores literacy鈥檚 evolving role in ethical innovation, emphasizing the need to understand AI鈥攚hat it is, how it works, how to engage with it thoughtfully, and its impact on people and the planet. Her book Am I Literate? Redefining Literacy in the Age of Artificial Intelligence equips leaders with the confidence and curiosity to navigate an uncertain future.听