L’internet des objets (IdO) transforme de nombreux domaines de notre vie quotidienne et les impacts en enseignement supérieur vont se faire ressentir. Que doit-on savoir sur la démocratisation de l’usage de l’intelligence artificielle des objets ? Comment l’appréhender? Quelles peuvent être les limites et les avancées de cette technologie dans le monde de l’enseignement supérieur?
On parle d’internet des objets [en anglais] pour désigner des réseaux de terminaux physiques, nommés « objets », qui intègrent des capteurs, des logiciels et d’autres technologies en vue de se connecter à d’autres systèmes sur internet et d’échanger des données avec eux. On en avait déjà parlé à la Vitrine technologie-éducation (maintenant Éductive) en 2016. En l’espace de 5 ans, cette technologie a fait beaucoup de chemin.
Aussi connu sous le nom de internet of things (IoT) en anglais, l’IdO dynamisé par l’intelligence artificielle transforme la manière dont nous interagissons avec les appareils du quotidien, dans l’espace privé, dans les espaces publics connectés, au travail et à l’école.
La connectivité basée sur l’IdO supplante progressivement les crayons, le papier et les tableaux noirs à mesure que les approches pédagogiques et les possibilités d’apprentissage se développent.
Il va sans dire que l’intelligence artificielle des objets (IAdO) converge vers des environnements numériques intelligents qui tendent à stocker de grandes quantités d’informations sur nos activités au quotidien. Selon une étude CISCO, les données quotidiennes produites par les appareils IdO représentent 5 milliards de gigaoctets, ce qui équivaut au visionnage d’un milliard d’heures de séries télé sur Netflix. Sachant qu’en 2020, les Québécois consacrent 31 heures par semaine à la télévision, faites le calcul et imaginez la masse de données générée par l’internet des objets!
L’IAdO repose sur 3 technologies clés :
- l’intelligence artificielle
- Intelligence programmable qui permet aux dispositifs d’apprendre, de raisonner et de traiter l’information.
- le réseau 5G
- Réseau mobile de 5e génération avec une latence extrêmement rapide, pour le traitement des données en temps réel.
- les données massives
- Volume de données provenant de nombreuses sources connectées à l’internet, qui sont trop importantes pour les méthodes de traitement normales.
Qu’est-ce que l’IAdO veut dire pour l’enseignement supérieur ?
Selon une étude d’Hanan Aldowah [en anglais], doctorante en technologie pédagogique et multimédia, les établissements d’enseignement supérieur peuvent exploiter l’IAdO pour favoriser la réussite en proposant des expériences d’apprentissage plus enrichissantes, en améliorant l’efficacité opérationnelle des infrastructures et du système administratif et en obtenant des informations exploitables en temps réel sur les performances des étudiants.
Exemples de scénarios d’apprentissage optimisés par l’IAdO
De multiples scénarios d’apprentissage peuvent soutenir cette approche.
Par exemple, dans le cadre d’une leçon en géologie, les élèves pourraient découvrir des informations en direct et en 3D envoyées par des flux, des capteurs et d’autres données sur un volcan actif en Indonésie, au Japon ou en Italie.
Si l’on va plus loin, l’IAdO pourrait offrir la possibilité aux élèves d’une salle de cours en Abitibi-Témiscamingue, par exemple, ou à la maison d’interagir et de partager des informations avec des étudiants plus avancés, des experts ou d’autres enseignants en Europe, en Afrique ou en Asie.
Il s’agit d’une immense opportunité d’apprentissage que le réseau collégial pourrait explorer.
Efficacité opérationnelle des infrastructures
Dans le cadre de l’efficacité opérationnelle des infrastructures, les établissements collégiaux et universitaires pourraient être connectés aux appareils des laboratoires de recherches, d’étudiants et de professeurs, afin que le personnel administratif puisse mieux planifier et utiliser les espaces éducatifs requis.
La demande grandissante de cours et autres événements pédagogiques hybrides est un véritable défi de planification. L’IAdO permettrait par exemple aux étudiants de savoir à l’avance si une salle d’étude est disponible et s’il est plus approprié de travailler en ligne avec leurs camarades plutôt que de se déplacer par exemple.
On pourrait aussi ajouter à cela de nombreux exemples, comme l’usage des montres intelligentes pour favoriser et automatiser le relevé de présence des étudiants.
Performance des étudiants
Les dispositifs intelligents d’IdO peuvent collecter des informations sur les étudiants, à travers des dispositifs d’apprentissage, de trackers de santé et de caméras.
Dans le cadre du système de gestion de l’apprentissage, l’établissement peut mettre en place des solutions d’apprentissages personnalisées pour chaque étudiant:
- des parcours d’apprentissage
- un plan d’étude
- et bien plus encore
L’internet des objets permet de contrôler le système et les ressources utilisées. L’intelligence artificielle consolide le tout en proposant des ressources plus appropriées aux étudiants qui maîtrisent certains sujets et fournit du matériel d’étude supplémentaire à ceux qui ont des difficultés ou souhaiteraient avoir plus de défis.
Des capteurs intelligents et interconnectés seraient capables de reconnaître quand les étudiants sont distraits et de changer la solution d’apprentissage pour le sujet cible. Les retours d’information sur l’apprentissage et l’état de vigilance des étudiants peuvent être partagés avec les professeurs afin de mieux répondre aux besoins de leurs classes. Les études de Mark Andrejevic et Neil Selwyn sur la technologie de reconnaissance faciale pour analyser l’engagement des étudiants et favoriser leur implication soulèvent cependant des préoccupations critiques concernant ces usages [en anglais].
En somme, cet article permet d’explorer les possibilités de l’IAdO en enseignement supérieur. Cela dit, il est important de souligner que de nombreux enjeux relevant de l’éthique de l’usage du numérique en éducation restent encore à explorer. Au fur et à mesure que l’IAdO progresse et que les machines disposent de plus de sources d’information afin d’atteindre leur potentiel, les humains seront de plus en plus réticents à permettre une autonomisation des systèmes. Que devrait-on autonomiser et que devrait-on continuer de superviser? Devons-nous permettre aux machines d’apprendre à partir de l’observation, ce qui comprendra les bonnes et les mauvaises pratiques, ou bien faire de la rétention de connaissances et nourrir cette technologie? Ceci pourrait réduire la capacité d’apprentissage profond de l’IA et, par conséquent, son potentiel de valeur? Déployer une véritable gouvernance et un contrôle de l’IAdO serait de garantir dans un premier temps que les machines disposent d’un algorithme qui les aide à faire des choix sur la base des principes définis par leurs concepteurs et les équipes de terrain.
