Un module de 5 semaines dans neuf universités kazakhes, mené par l'Université de Zhetysu, a fait grimper la culture de l'IA de futurs enseignants de physique bien au-dessus du groupe témoin (10,20 contre 7,34), Frontiers in Education, 2025.
10.20 mean score (SD 1.19)
Score de littératie en IA après intervention, groupe formé (2024)
7.34 mean score (SD 0.62)
Score de littératie en IA après intervention, groupe de comparaison (2024)
95.948 log Bayes factor
Preuve bayésienne de l'effet (Log BF10) (2024)
Détails
Maturité
Pilote
Promoteur
Zhetysu University
Période
2024
Mots-clés
higher education, teacher training, physics education, AI literacy
Contexte
Le département de physique et de mathématiques de l'université de Zhetysu, à Taldykorgan, a coordonné une étude recrutant des étudiants en formation d'enseignants de physique issus de neuf universités kazakhes pour un programme volontaire et extrascolaire de littératie en IA, répondant à une lacune documentée dans la capacité des futurs enseignants de physique à utiliser l'IA générative de manière responsable.
Objectifs
Le module de 5 semaines visait à développer sept compétences en IA pour les futurs enseignants de physique : évaluer la pertinence de l'IA pour un problème de physique, générer des scénarios, simplifier des concepts, élaborer des plans de cours et des évaluations, évaluer de manière critique les résultats de l'IA, et traiter les questions de confidentialité et de sécurité.
Activités
Un groupe d'intervention (n=59) a participé à des sessions synchrones hebdomadaires d'environ 60 minutes via Google Meet, complétées par des activités asynchrones sur Google Classroom, à l'aide d'outils tels que ChatGPT, Gemini, eduaide.ai et magicschool.ai ; un groupe de comparaison auto-sélectionné (n=77) n'a reçu aucune formation.
Résultats
Les scores de littératie en IA après l'intervention étaient nettement plus élevés dans le groupe formé (moyenne 10,20, ET 1,19) que dans le groupe de comparaison (moyenne 7,34, ET 0,62) ; l'analyse bayésienne a mis en évidence des preuves décisives de l'effet (Log BF10=95,948).
Conclusions
Les auteurs notent que la durée de 5 semaines pourrait être trop courte pour une rétention durable, que l'échantillon était composé à 89,7 % de femmes, que la séparation des groupes résultait d'une auto-sélection et non d'une randomisation, et que la généralisation se limite à l'enseignement de la physique dans un seul pays.
Mise en œuvre
Coût indicatif
Faible (< 50 k€)
Délai jusqu’aux résultats
Court (< 1 an)
Habituellement financé par
National / regional programmes
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.
La MUST, Centre national de l'IIOE en Mongolie, applique avec l'UNESCO-ICHEI un dispositif de micro-certification apportant IA et compétences numériques …