L'essor des technologies éducatives pilotées par l'IA affiche des bénéfices mesurables sur l'engagement et la personnalisation de l'apprentissage. Pourtant, la conception de ces outils souffre d'un biais structurel : la majorité des recherches et des évaluations se concentrent sur le milieu scolaire (K-12), caractérisé par des cadres formels et des programmes stables. Ce focus laisse les apprenants adultes face à des systèmes peu alignés sur leurs besoins, leurs contraintes et leurs objectifs spécifiques [source].
L'écart entre milieu scolaire et formation adulte
Le design des outils d'IA actuels repose largement sur des schémas optimisés pour l'enseignement primaire et secondaire. Or, l'apprentissage des adultes répond à des logiques différentes. Pour combler ce fossé, des chercheurs de la Georgia Institute of Technology et d'autres institutions ont mené une étude empirique sur le déploiement de plusieurs technologies d'apprentissage par l'IA au sein du National AI Institute for Adult Learning and Online Education (AI-ALOE) aux États-Unis [source].
Une approche basée sur le terrain
Plutôt que de théoriser sur des modèles abstraits, l'étude s'appuie sur l'analyse de données issues de déploiements réels et longitudinaux. En utilisant une analyse thématique réflexive, les chercheurs ont synthétisé les défis récurrents et les considérations de conception observés sur le terrain [source].
Cette méthode permet de passer de l'observation de systèmes déjà en place à une structure de conception actionnable. L'objectif est de transformer les défis rencontrés par les utilisateurs adultes en principes de développement concrets pour les futurs outils d'IA.