evidoria

← Retour à la liste

Bonne pratique Importée

Recommandeur de formation continue par chatbot d'IA — Haute école pédagogique du Burgenland

Autriche · Eisenstadt · Voir le profil de Autriche

Preuves: Observationnel / avant-après Top 28% 60/100 · Demandez à Evidence Copilot à propos de cette pratique

Une étude évaluée par des pairs, menée pendant six semaines à la Haute école pédagogique du Burgenland (Autriche), a testé un chatbot d'IA recommandant des formations continues à 1 125 enseignants : 2 030 interactions, 85,6 % de réponses correctes, un taux d'échec de 14,4 % et 85 % de sentiment positif.

4,235 teachers
Enseignants éligibles
1,125 teachers
Enseignants ayant utilisé le chatbot (15 Apr-31 May 2024)
2,030 interactions
Interactions valides enregistrées (15 Apr-31 May 2024)
1.69 queries/teacher
Moyenne de requêtes par enseignant
85.6 %
Précision des réponses
14.4 %
Taux de repli ('fallback')
85 %
Sentiment positif des utilisateurs
0.36 Spearman's rho
Corrélation entre spécificité de la requête et satisfaction
0.012 p-value
Significativité statistique de la corrélation
2.05 OR
Rapport de cotes pour les requêtes à mots-clés spécifiques au domaine

Détails

Maturité
Pilote
Promoteur
University College of Teacher Education Burgenland (Centre for Digital Education)
Période
15 April - 31 May 2024 (field study); published September-October 2025
Région (NUTS)
AT11
Mots-clés
teacher professional development, AI chatbot, higher education

Contexte

Les chercheurs Thomas Leitgeb et Michael Leitgeb, du Centre for Digital Education de la University College of Teacher Education Burgenland (Autriche), ont conçu et évalué un chatbot fondé sur l'IA qui propose aux enseignants des recommandations personnalisées et sensibles au contexte pour des formations continues (PD), fondées sur la théorie TPACK et la théorie de l'autodétermination.

Objectifs

Le postulat de départ : les catalogues de formation continue génériques et uniformes rencontrent une faible adhésion parce qu'ils ignorent la matière enseignée, le stade de carrière et les besoins pédagogiques spécifiques de chaque enseignant.

Activités

Sur un déploiement de terrain de six semaines (15 avril–31 mai 2024), 1 125 des 4 235 enseignants éligibles ont utilisé le chatbot, générant 2 030 interactions valides (en moyenne 1,69 requête par enseignant), analysées selon un plan à méthodes mixtes convergent et parallèle — régression logistique, analyse de corrélation, et codage qualitatif de contenu et de sentiment.

Résultats

Les chercheurs ont mesuré un taux de réponses exactes de 85,6 % contre un taux de repli ('fallback') de 14,4 % (inférieur au repère du domaine, d'environ 20 %), un taux de sentiment positif des utilisateurs de 85 %, et une corrélation positive modérée (rho de Spearman = 0,36, p = 0,012) entre la spécificité de la requête d'un enseignant et sa satisfaction vis-à-vis de la réponse ; des mots-clés spécifiques au domaine, comme « didactique numérique », multipliaient par environ deux les chances d'obtenir un retour positif (OR = 2,05). Les enseignants interrogeaient le plus souvent le chatbot sur les compétences numériques, l'IA et l'inclusion, et les retours qualitatifs saluaient des suggestions rapides et adaptées au contexte, les critiques portant sur les cas où les recommandations paraissaient encore génériques.

Conclusions

L'étude, publiée dans la revue à comité de lecture Artificial Intelligence in Education (octobre 2025), constitue un pilote mono-institutionnel et mono-régional : elle démontre un outil de recommandation de formation continue bien instrumenté et évalué quantitativement, mais pas encore un déploiement multi-institutionnel ou transfrontalier, et elle mesure la performance du chatbot et la satisfaction des enseignants plutôt que les résultats en classe ou pour les élèves qui en découleraient.

Mise en œuvre
Coût indicatif
Faible (< 50 k€) — No budget figures published; scale limited to one institution's chatbot deployment over six weeks.
Délai jusqu’aux résultats
Court (< 1 an) — Six-week field deployment (15 April-31 May 2024); findings published September-October 2025.
Personnel et compétences
Researchers Thomas Leitgeb and Michael Leitgeb, Centre for Digital Education, University College of Teacher Education Burgenland

Conditions de réussite

  • Grounding recommendations in TPACK and self-determination theory rather than a generic catalogue
  • Personalisation to a teacher's subject, career stage and pedagogical needs
  • Rigorous mixed-methods instrumentation (logistic regression, correlation analysis, sentiment coding) to monitor accuracy and satisfaction

Modes d’échec courants

  • 14.4% fallback rate where the chatbot could not answer
  • Qualitative criticism that some recommendations still felt generic

Où cela s’applique

Type de gouvernance
single higher-education institution (teacher-training college)
Échelle
single-institution, single-region pilot (Burgenland, Austria)
Niveau de revenu
high-income (Austria/EU)

Habituellement financé par

Horizon Europe Erasmus+

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles