Concevoir des exercices pour l'AI Fluency
Objectifs
A l’issue de cette lecon, vous serez capable de :
- Concevoir des exercices qui aident les etudiants a developper et demontrer leur AI Fluency
- Gerer le volume et la complexite accrus du travail enrichi par l’IA
Trois principes fondamentaux
Authenticite
Creez des exercices qui refletent les collaborations IA du monde reel. Les etudiants doivent travailler sur des taches qui ressemblent a ce qu’ils feront dans leur vie professionnelle.
Iteration
Integrez des opportunites de perfectionnement qui mettent en evidence la progression. Un seul rendu final ne montre pas l’apprentissage ; le processus iteratif, si.
Transparence pedagogique
Soyez clair : vous evaluez le processus de collaboration, pas seulement les productions. Les etudiants doivent comprendre que c’est leur maniere de travailler avec l’IA qui compte.
Types d’exercices
Exercices bases sur les resultats
- Amelioration de productions IA : demandez aux etudiants d’ameliorer ce que l’IA a produit
- Comparaison de systemes IA : faites utiliser differents outils pour la meme tache et analyser les differences
- Le produit final revele les competences de collaboration, meme quand on evalue le resultat
Exercices bases sur les processus
- Logs de chat annotes : les etudiants partagent leurs conversations IA avec des annotations expliquant leurs choix
- Narrations enregistrees : les etudiants commentent en temps reel leur processus de collaboration
- La prise de decision invisible devient visible par la documentation
Exercices bases sur la reflexion
- Journaux d’apprentissage : reflexions regulieres sur l’evolution de leur pratique IA
- Declarations de politique personnelle : les etudiants articulent leurs principes d’usage de l’IA
- Attention a la fatigue reflexive : variez les formats pour maintenir l’engagement
Gerer le volume accru
L’enrichissement par l’IA genere plus de contenu. Strategies pratiques :
- Grilles detaillees : permettent une evaluation rapide mais structuree
- Evaluation par les pairs : les etudiants apprennent en evaluant le travail des autres
- Conferences eclair : des echanges courts mais cibles avec chaque etudiant
- Echantillonnage selectif : evaluez certaines sections en detail plutot que tout
Exercice : creer un exercice complet
Etape 1 : architecture de l’exercice (10 minutes)
- Referencez la grille d’evaluation creee a la lecon precedente
- Discutez avec l’IA du type d’exercice qui permettrait le mieux de demontrer les competences ciblees
- Choisissez 2-3 composantes qui fonctionnent ensemble de maniere coherente
- Assurez-vous que la charge de travail est gerable pour les etudiants et pour vous
- Faites en sorte que l’exercice reflete la collaboration IA reelle dans votre domaine
Etape 2 : integrer iteration et progression (10 minutes)
- Identifiez les moments ou les etudiants devraient faire une pause et affiner leur travail
- Planifiez des points de controle permettant d’apprendre des premieres tentatives
- Creez des supports pour les etudiants qui ont du mal avec la reflexion
Etape 3 : planifier la mise en oeuvre (10 minutes)
- Redigez des instructions claires mais non ecrasantes
- Incluez des declarations explicites sur ce que vous evaluez (processus et reflexion, pas seulement le resultat)
- Specifiez les livrables, formats et exigences de soumission
- Planifiez la gestion de la notation (evaluation par les pairs, echantillonnage, conferences…)
Questions de reflexion
- Quels defis anticipez-vous dans la mise en oeuvre de ces evaluations ?
- Comment communiquerez-vous la valeur du processus et de la reflexion aux etudiants ?
Points cles
- Les exercices efficaces d’AI Fluency mettent l’accent sur l’authenticite, l’iteration et la transparence pedagogique
- Les exercices bases sur les resultats revelent les competences de collaboration
- Les exercices bases sur les processus rendent visible la prise de decision invisible
- Les exercices bases sur la reflexion developpent la conscience metacognitive mais necessitent de la variete
- La gestion du volume accru exige des approches strategiques comme les grilles, l’evaluation par les pairs et l’echantillonnage