L’impact de l’intelligence artificielle sur la pédagogie personnalisée dans les écoles : Perspectives des enseignants

Prepared by the researche : HELOU Lara – Master 1 de recherche en didactique de la biologie – Université Libanaise – Faculté de pédagogie

Democratic Arabic Center

Journal of Human Resources Development for Studies and Research : Twenty-Eighth Issue – April 2025

A Periodical International Journal published by the “Democratic Arab Center” Germany – Berlin

:To download the pdf version of the research papers, please visit the following link

        https://democraticac.de/wp-content/uploads/2025/04/%D9%85%D8%AC%D9%84%D8%A9-%D8%AA%D9%86%D9%85%D9%8A%D8%A9-%D8%A7%D9%84%D9%85%D9%88%D8%A7%D8%B1%D8%AF-%D8%A7%D9%84%D8%A8%D8%B4%D8%B1%D9%8A%D8%A9-%D9%84%D9%84%D8%AF%D8%B1%D8%A7%D8%B3%D8%A7%D8%AA-%D9%88%D8%A7%D9%84%D8%A7%D8%A8%D8%AD%D8%A7%D8%AB-%D8%A7%D9%84%D8%B9%D8%AF%D8%AF-%D8%A7%D9%84%D8%AB%D8%A7%D9%85%D9%86-%D9%88%D8%A7%D9%84%D8%B9%D8%B4%D8%B1%D9%88%D9%86-%D9%86%D9%8A%D8%B3%D8%A7%D9%86-%E2%80%93-%D8%A7%D8%A8%D8%B1%D9%8A%D9%84-2025.pdf

Résumé

Cet article examine l’impact de l’intelligence artificielle (IA) sur la pédagogie personnalisée dans les écoles privées au Liban, un sujet peu exploré jusqu’à présent. L’objectif principal est d’évaluer les perceptions de 35 enseignants sur les avantages et les défis de l’intégration de l’IA dans l’enseignement. Une approche quantitative a été utilisée, à travers un questionnaire en ligne. Les résultats montrent que l’IA aide à adapter les ressources aux besoins des élèves, tout en mettant en lumière des défis tels que le manque de formation et les préoccupations sur la confidentialité. Des programmes de formation sont essentiels pour optimiser l’impact de l’IA sur l’éducation.

Abstract

This article examines the impact of artificial intelligence (AI) on personalized pedagogy in private schools in Lebanon, a topic that has been little explored so far. The main objective is to assess the perceptions of 35 teachers regarding the advantages and challenges of integrating AI into teaching. A quantitative approach was used, with an online questionnaire. The results show that AI helps tailor resources to students’ needs but also highlights challenges such as a lack of training and concerns about privacy. Training programs are essential to optimize the impact of AI on education.

INTRODUCTION

L’intelligence artificielle (IA) a transformé de nombreux secteurs, y compris l’éducation, où elle joue un rôle important dans la pédagogie personnalisée¹.

• Objectif de l’étude

L’objectif principal de cette étude est d’évaluer l’impact de l’intelligence artificielle sur la pédagogie personnalisée, en recueillant les perceptions de 35 professeurs. Cette recherche vise à comprendre les avantages et les défis associés à l’intégration de l’IA dans l’enseignement personnalisé, un sujet peu exploré jusqu’à présent.

• Question de recherche et hypothèse

Cette recherche s’articule autour d’une question clé : Comment les enseignants perçoivent-ils l’impact de l’IA sur la personnalisation de l’apprentissage ? L’hypothèse formulée est la suivante : L’IA permet une personnalisation efficace de l’apprentissage, perçue positivement par les enseignants. Cette question est cruciale pour comprendre non seulement les bénéfices potentiels de l’IA en éducation, mais aussi les obstacles à surmonter pour une mise en œuvre réussie.

• Structure de l’article

Cet article est structuré en trois sections principales. Tout d’abord, l’introduction présente l’objectif et l’importance de l’étude, ainsi que la question de recherche et l’hypothèse. Ensuite, la revue de littérature examine les recherches précédentes sur l’utilisation de l’IA en pédagogie personnalisée, en mettant l’accent sur ses avantages et ses défis. Enfin, la méthodologie détaille le design de l’étude, y compris la sélection des participants, les outils de collecte de données, et les procédures d’analyse. Les résultats de l’étude, présentés dans une section distincte, offrent une analyse des perceptions des enseignants sur l’impact de l’IA dans la pédagogie personnalisée.

2. Revue de Littérature
   • Avantages de l’intégration de l’IA en éducation

L’IA, en exploitant des données en temps réel, adapte les parcours éducatifs aux besoins spécifiques de chaque élève, offrant ainsi une expérience d’apprentissage plus engageante. Cette capacité de l’IA est essentielle dans des classes hétérogènes où les niveaux de compétence et les styles d’apprentissage varient entre les élèves¹. Par exemple, les systèmes d’IA peuvent analyser les résultats des évaluations en temps réel et ajuster automatiquement les exercices proposés aux élèves, assurant ainsi la progression des élèves à leurs propres rythmes. De plus, l’intégration de l’IA dans l’éducation a permis de diversifier les méthodes d’enseignement, ce qui a contribué à améliorer l’efficacité de l’apprentissage². En outre, les outils d’IA peuvent créer des environnements d’apprentissage adaptés aux élèves ayant des troubles de l’apprentissage ou des handicaps³.

De plus, les systèmes d’évaluation basés sur l’IA peuvent automatiser des tâches telles que la correction des devoirs⁴. Par exemple, un système d’IA pourrait détecter les difficultés des élèves, permettant d’adapter les exercices afin de combler les lacunes constatées⁵.

L’IA permet aussi d’accéder à des ressources pédagogiques de haute qualité à travers des plateformes en ligne, où un tuteur intelligent simule l’interaction avec un enseignant ; il fournit un feedback immédiat et adapté au travail de chaque élève, ce qui permet à l’élève d’apprendre à son propre rythme, réduisant ainsi le risque d’échec scolaire et augmentant sa motivation³.

• Défis de l’intégration de l’IA en éducation

L’intégration de l’IA dans l’éducation n’est pas exempte de défis. Le manque de formation adéquate pour les enseignants en est un. Beaucoup d’enseignants n’ont pas les compétences techniques nécessaires pour utiliser efficacement les outils d’IA³. 70 % des enseignants interrogés dans une étude sur l’intégration de l’IA en éducation ont exprimé un besoin urgent de formation professionnelle pour comprendre et utiliser les systèmes d’IA⁶. Cette lacune dans la formation peut entraîner une sous-utilisation des technologies d’IA dans la pédagogie personnalisée ou une utilisation inappropriée, ce qui pourrait nuire à l’apprentissage des élèves.

En plus du manque de formation, le coût des outils d’IA représente un obstacle pour de nombreuses institutions éducatives, en particulier dans les pays en développement⁷. Les infrastructures nécessaires pour soutenir l’intégration de l’IA, telles que des ordinateurs modernes, une connexion internet stable et des logiciels spécialisés, sont souvent coûteuses⁷. Cela crée un fossé numérique entre les établissements bien financés et ceux qui ne le sont pas. Pour surmonter ce défi, une collaboration entre les décideurs politiques et les organismes éducatifs sera nécessaire pour garantir un accès équitable à l’IA.

Un autre défi majeur concerne la question de la confidentialité des données. L’IA nécessite l’accès à des données sur les élèves, y compris des informations personnelles et académiques pour proposer des activités et exercices adaptés. La protection de ces données est essentielle pour éviter tout usage abusif ou violation de la vie privée des élèves⁸. Les institutions éducatives doivent mettre en place des protocoles stricts pour sécuriser les données et garantir que les informations recueillies sont utilisées de manière éthique et uniquement à des fins éducatives. De plus, il est nécessaire de sensibiliser les enseignants, les élèves et les parents aux enjeux de la confidentialité et de la sécurité des données dans l’utilisation des outils d’IA.

En outre, l’introduction de l’IA dans les salles de classe peut rencontrer une résistance, tant de la part des enseignants que des élèves. Les enseignants peuvent craindre que l’IA remplace leur rôle ou diminue leur autorité, tandis que les élèves peuvent être réticents à s’engager avec des technologies qu’ils perçoivent comme impersonnelles. Cette résistance au changement peut être surmontée par une approche progressive, où les enseignants et les élèves seront impliqués dans le choix et l’implémentation des outils d’IA. En les incluant dès le départ, les éducateurs peuvent mieux comprendre comment l’IA peut améliorer leur enseignement, plutôt que de leur remplacer, et les élèves peuvent se familiariser avec ces outils de manière plus naturelle.

Enfin, il est important de considérer les implications éthiques de l’utilisation de l’IA dans l’éducation. L’un des principaux enjeux est la transparence des algorithmes utilisés. Les systèmes d’IA doivent être conçus de manière à éviter les biais, qui pourraient discriminer certains groupes d’élèves en fonction de leur sexe, origine ethnique, ou statut socio-économique. Les développeurs de ces technologies doivent travailler en étroite collaboration avec les éducateurs pour s’assurer que les algorithmes utilisés sont équitables et inclusifs⁵.

• Exemples de Réussite et Cas d’Études

L’intégration de l’IA dans les systèmes éducatifs a produit des résultats probants dans divers contextes. Certaines écoles ont pris l’initiative d’utiliser des outils d’IA pour personnaliser l’apprentissage des mathématiques⁹. Ces outils ont permis d’offrir des exercices adaptés au différents niveaux des élèves. Les résultats montrent une amélioration des compétences des élèves en mathématiques et un développement d’une attitude plus positive envers la matière.

Un autre exemple de réussite est observé dans l’enseignement supérieur, où l’IA a été utilisée pour fournir aux élèves des feedbacks spécifiques sur leurs travaux écrits. L’utilisation d’outils d’IA pour évaluer les essais a amélioré la qualité des commentaires ; les étudiants ont pu recevoir des conseils plus pertinents et plus détaillés, ce qui a contribué à une amélioration notable de leurs compétences rédactionnelles¹⁰.

Enfin, dans le domaine de l’apprentissage des langues, l’IA a également montré des résultats prometteurs. Un programme d’apprentissage des langues assisté par IA a permis à des élèves d’anglais langue seconde d’améliorer leur prononciation et leur fluidité en pratiquant avec un tuteur virtuel. Ce tuteur, capable d’analyser les erreurs de prononciation en temps réel, a fourni un feedback immédiat et des exercices ciblés pour corriger ces erreurs. Cette approche personnalisée a permis aux élèves de pratiquer l’anglais à leur propre rythme et d’améliorer leur compétence linguistique de manière efficace¹¹.

3. Méthodologie
   • Population et Échantillonnage

La population ciblée pour cette étude est composée de 35 professeurs, dont la majorité a utilisé des outils d’IA dans la pédagogie personnalisée. Ce groupe a été choisi de manière intentionnelle, permettant de sélectionner des participants qui possèdent une connaissance approfondie du sujet, assurant ainsi la pertinence des données recueillies¹². Cette méthode d’échantillonnage est utile dans les études exploratoires, où la qualité des informations recueillies est plus importante que la représentativité de l’échantillon¹². En sélectionnant spécifiquement des professeurs ayant une expérience avec l’IA dans l’apprentissage personnalisé, cette étude s’assure que les réponses recueillies sont fondées sur une pratique réelle.

• Outil de Collecte de Données

L’étude présentée ici est de nature quantitative, utilisant un questionnaire en ligne comme principal outil de collecte de données. Il est divisé en plusieurs sections, chacune visant à explorer un aspect spécifique de la recherche :

• La première section se concentre sur l’utilisation de l’IA ; les questions portent sur la fréquence d’utilisation des outils d’IA, les types d’outils utilisés (par exemple, assistants virtuels, systèmes de recommandation, évaluation automatisée) et les raisons pour lesquelles ces outils sont intégrés dans la pédagogie ;
• La deuxième section explore l’impact de l’IA sur la pédagogie personnalisée, demandant aux professeurs d’évaluer, sur des échelles de Likert, dans quelle mesure ils estiment que l’IA améliore la compréhension et l’engagement des élèves dans un cadre personnalisé. Elle aborde aussi la satisfaction générale des professeurs vis-à-vis de l’utilisation de l’IA dans l’enseignement personnalisé et recueille leurs suggestions pour améliorer l’intégration de ces technologies ;
• La troisième section recueille des données démographiques de base, telles que l’âge, le sexe, la discipline enseignée et les années d’expérience dans l’enseignement. Ces informations permettent d’examiner si des facteurs démographiques influencent les perceptions des professeurs.

Pour garantir la fiabilité et la validité des réponses, le questionnaire a été conçu en s’appuyant sur des études précédentes dans le domaine de l’éducation et de la technologie.

• Procédure de Collecte et d’Analyse des Données

La procédure de collecte des données s’est déroulée en plusieurs étapes.                               Tout d’abord, le questionnaire en ligne a été testé auprès d’un groupe pilote formé de trois professeurs, permettant de corriger d’éventuelles ambiguïtés dans les questions. Ensuite, il a été diffusé auprès de 35 professeurs, qui ont été invités à y répondre dans un délai de deux semaines. Les réponses ont été recueillies de manière anonyme.

Une fois les données collectées, elles ont été analysées à l’aide de logiciels statistiques tels que SPSS et Excel. Les analyses statistiques comprenaient des statistiques descriptives pour résumer les caractéristiques de l’échantillon ainsi que des analyses de corrélation pour examiner les relations entre les différentes variables étudiées.

• Considérations Éthiques

Dans le cadre de cette étude, chaque professeur a été informé de son objectif avant de participer et avait le droit de se retirer de l’étude à tout moment sans aucune conséquence. Les données recueillies sont anonymes et traitées de manière confidentielle. Ces précautions éthiques étaient essentielles pour garantir la confiance des participants et l’intégrité des résultats obtenus.

4. Résultats

Afin d’évaluer statistiquement l’impact de l’IA sur la pédagogie personnalisée, des statistiques descriptives ont été obtenues pour les professeurs ayant répondu au questionnaire.

• Données démographiques des participants

Concernant les données démographiques, sur les 35 répondants, 74,3% (n=26) étaient des femmes. En ce qui concerne l’âge des personnes participant à l’enquête, une représentation variée des groupes d’âge a été remarquée. Le groupe d’âge le plus représenté est celui variant entre 40-49 ans, soit 31,4% (n=11) tandis que le groupe d’âge le moins représenté est celui entre 50-59 ans, soit 5,7% (n=2). Quant à la durée d’enseignement, 42,9% (n=15) des personnes participant à l’enquête ont plus de 20 ans d’expérience, ce qui montre que la population est composée en grande partie d’enseignants très expérimentés. Les autres groupes (moins de 5 ans, 5-10 ans et 11-20 ans) sont répartis de manière relativement égale, avec des pourcentages respectifs de 17,1%, 22,9% et 17,1 %. Enfin, concernant les disciplines enseignées, les participants se concentrent en particulier sur les disciplines scientifiques étant les mathématiques (n=4, 11,4 %), les sciences (n=3, 8,6 %) et les SVT (n=3, 8,6 %). Le tableau 1 résume ces résultats.

Tableau 1. Données démographiques des participants à l’enquête

• Utilisation de l’IA en pédagogie

Concernant l’utilisation de l’IA dans l’enseignement, la majorité (88,6%, n=32) des participants le font. Parmi les outils les plus utilisés, les systèmes de recommandation sont les plus appliqués (83,9%, n=26), suivis par les assistants virtuels (tels que les chatbots, les assistants vocaux) et l’évaluation automatisée, utilisés dans les mêmes proportions (45,2%, n=14). De plus, 38,7% (n=12) des participants utilisent des outils d’IA pour l’analyse et la visualisation des données, témoignant d’un intérêt significatif bien que cet usage soit moins fréquent que celui des systèmes de recommandation et des assistants virtuels. Quant aux raisons d’utilisation de l’intelligence artificielle, l’amélioration de l’engagement des élèves est la plus répandue (71,4%, n=25) tandis que son utilisation pour l’évaluation précise des capacités des élèves est la moins avantageuse (28,6%, n=10). Enfin, concernant la fréquence d’utilisation de cet outil, presque la moitié (48.6%, n=17) l’utilisent au moins une fois par semaine. Il est à noter que le Tableau 2 représente tous les résultats trouvés relatifs à l’utilisation de l’IA dans le milieu scolaire.

Tableau 2. Données relatives à l’utilisation de l’IA

• Impact de l’IA sur la pédagogie personnalisée

À propos de l’impact de l’IA sur la pédagogie personnalisée, 80% des participants (45,7% d’accord et 34,3% tout à fait d’accord) considèrent que l’IA contribue à adapter les ressources pédagogiques aux besoins des élèves. Toutefois, juste 40% (28,6% d’accord et 11,4% tout à fait d’accord) pensent que cet outil facilite la compréhension des contenus par les étudiants tandis que 82,9% (51,4% d’accord et 31,4% tout à fait d’accord) considèrent que l’IA favorise l’engagement des élèves dans un cadre personnalisé. Enfin, 62,9% (48,6% d’accord et 14,3% tout à fait d’accord) pensent que cet outil permet d’évaluer les capacités individuelles des élèves. Pareil aux deux premières sections, le Tableau 3 montre tous les résultats trouvés relatifs à l’impact de l’IA sur la pédagogie personnalisée des étudiants.

Tableau 3. Données relatives à l’impact de l’IA sur la pédagogie personnalisée

Concernant le potentiel inexploité de l’IA dans la pédagogie personnalisée, presque trois quarts des participants (74,3% divisée entre 48,6% qui sont d’accord et 25,7% qui sont tout à fait d’accord) favorisent cette hypothèse tandis que juste 77,1% (45,7% pensent que cet outil est prometteur et 31,4% pensent qu’il est très prometteur) considèrent que l’IA est prometteuse dans la pédagogie personnalisée. En plus, 88,6% des participants n’ont pas de suggestions pour améliorer l’intégration de l’IA dans cette pédagogie.

En outre, le principal défi de l’utilisation de l’IA dans la pédagogie personnalisée est le manque de formation des enseignants comme affirmé par 60% (n = 21). Quant aux types de formations et ressources envisagées pour mieux intégrer l’IA dans la pédagogie personnalisée, les ateliers pratiques (74,3%, n = 26) et les logiciels (71,4%, n = 25) sont les plus demandés par les participants.

Le tableau 4 montrent les différents pourcentages pour ces questions.

Tableau 4. Données relatives aux défis de l’utilisation de l’IA

• Etude corrélationnelle
  • L’application des outils IA dans l’enseignement en fonction des informations démographiques

Cette première corrélation considère l’étude des trois questions relatives aux facteurs démographiques (sexe, tranche d’âge et années d’expérience dans le domaine d’éducation) avec l’application des outils d’IA dans l’enseignement. Les valeurs trouvées montrent le suivant :

• Le Student test montre qu’il n’y a pas de différences significatives avec l’âge comme la valeur de p est égale à 0,478 (supérieure à 0,05) ;
• Le Khi-2 test montre qu’il y a des différences significatives au niveau du sexe comme la valeur de p trouvée est égale à 0,001 (inférieure à 0,05) ;
• Le Student test montre qu’il n’y a pas de différences significatives avec l’expérience professionnelle des participants comme la valeur de p est égale à 0,224 (supérieure à 0,005).
  • L’impact de l’IA sur la pédagogie personnalisée en fonction des informations démographiques

Cette deuxième corrélation considère l’étude des trois questions relatives aux facteurs démographiques (sexe, tranche d’âge et années d’expérience dans le domaine d’éducation) avec les questions relatives aux perspectives concernant l’adaptation des ressources pédagogiques aux besoins des élèves, la compréhension des contenus adaptés par les élèves, l’engagement des élèves dans un cadre personnalisé, et l’évaluation des capacités individuelles des élèves. Les valeurs trouvées sont présentées dans le Tableau 6.

Tableau 5. Résultats de corrélation entre les facteurs démographiques et l’impact de l’IA sur la pédagogie personnalisée

Les résultats trouvés montrent qu’il n’y a pas de différences significatives entre les différents groupes concernant le sexe, la tranche d’âge et l’expérience des enseignants participant à cette enquête. Ainsi, pour en conclure, les réponses des enseignants relatif aux perspectives concernant la capacité de l’IA à adapter les ressources pédagogiques aux besoins des élèves, la compréhension des contenus adaptés par les élèves, l’engagement des élèves dans un cadre personnalisé, et l’évaluation des capacités individuelles des élèves sont semblables, indépendamment des facteurs démographiques.

5. Discussion

L’un des principaux atouts de l’IA en pédagogie personnalisée réside dans sa capacité à adapter l’apprentissage aux besoins de chaque élève. Nos résultats révèlent que 80 % des participants estiment que l’IA joue un rôle clé dans la personnalisation des contenus éducatifs, avec une moyenne de 4,09 sur l’échelle de Likert. Cela montre que les enseignants considèrent l’IA comme un outil essentiel pour ajuster les ressources pédagogiques en fonction des besoins des élèves, favorisant ainsi leur progression. De plus, l’IA contribue à l’engagement des élèves en rendant les leçons plus interactives, suscitant ainsi leur intérêt³. La majorité des enseignants interrogés ont noté une augmentation de l’engagement, avec un score moyen de 4,11, ce qui indique que l’IA améliore non seulement l’attention des élèves, mais également leur participation active.

Cependant, des défis subsistent quant à l’intégration de l’IA dans l’éducation personnalisée. Un des principaux obstacles est le manque de formation des enseignants, comme le soulignent Nafidi et al., qui constatent que beaucoup n’ont pas reçu de formation adéquate pour utiliser ces technologies⁶. En effet, 60% des enseignants de notre étude ont exprimé le besoin d’une formation accrue. De plus, les coûts d’implémentation représentent un défi, avec 22,9% des enseignants identifiant cela comme une barrière significative. Enfin, des préoccupations éthiques se posent, notamment en matière de confidentialité des données. Wang et al. (2024) signalent les risques liés à la collecte d’informations personnelles, et 48,6% des enseignants partagent ces inquiétudes⁸.

Toutefois, 22,9% des enseignants notent une résistance des élèves, qui perçoivent parfois l’IA comme une intrusion. Pour surmonter ces défis, il est crucial d’investir dans la formation des enseignants et des élèves.

Enfin, il est à noter que l’étude corrélationnelle n’a pas montré de différences significatives entre les différents participants concernant leur données démographiques et les autres détails relatifs à l’application et l’impact de l’IA sur la pédagogie personnalisée.

6. Conclusion

L’intégration de l’intelligence artificielle (IA) en éducation offre des avantages significatifs, notamment en matière de pédagogie personnalisée et d’engagement des élèves. Elle permet d’adapter les parcours d’apprentissage aux besoins spécifiques des élèves, favorisant une progression plus efficace tout en rendant les leçons interactives et engageantes. Toutefois, des défis subsistent, tels que le manque de formation des enseignants, qui constitue un obstacle majeur à l’adoption généralisée de ces technologies. De plus, les préoccupations concernant la confidentialité des données demeurent essentielles, étant donné que l’IA repose sur la collecte de grandes quantités d’informations personnelles.

Pour maximiser les bénéfices de l’IA, des recherches futures devraient se concentrer sur l’amélioration de la transparence des algorithmes et la compréhension des biais potentiels, garantissant une utilisation éthique. Il serait également pertinent d’explorer des solutions pour réduire les coûts d’implémentation de l’IA, facilitant ainsi son adoption dans des établissements moins bien dotés. Enfin, une collaboration entre décideurs politiques, éducateurs et chercheurs est cruciale pour développer des pratiques qui maximisent l’impact positif de l’IA en éducation, tout en assurant la sécurité des données et en favorisant une culture d’inclusion. Il est à noter que l’étude par questionnaire a été limitée à 35 participants, ce qui souligne l’importance de répéter cette recherche à l’avenir en considérant un échantillon plus large.

Références

• Gaudreau, H. (2020, December 11). L’intelligence artificielle en éducation : un aperçu des possibilités et des enjeux. ResearchGate; unknown. https://www.researchgate.net/publication/346952655_L’intelligence_artificielle_en_education_un_apercu_des_possibilites_et_des_enjeux#:~:text=Abstract.%20Le%20Rapport%20sur%20l%E2%80%99%C3%A9tat%20et%20les%20besoins
• Robbes, B. (2009). La pédagogie différenciée : historique, problématique, cadre conceptuel et méthodologie de mise en œuvre. ResearchGate; unknown. https://www.researchgate.net/publication/289066822_La_pedagogie_differenciee_historique_problematique_cadre_conceptuel_et_methodologie_de_mise_en_oeuvre#:~:text=Selon%20Meirieu%20(1985),%20deux%20formes%20contrast%C3%A9es%20de%20p%C3%A9dagogie
• Holmes, W., Bialik, M., & Fadel, C. (2019, March 3). Artificial Intelligence in Education. Promise and Implications for Teaching and Learning. ResearchGate; Center for Curriculum Redesign. https://www.researchgate.net/publication/332180327_Artificial_Intelligence_in_Education_Promise_and_Implications_for_Teaching_and_Learning#:~:text=By%20automating%20routine%20tasks%20and%20adapting%20to%20the
• Moustafa, Z. (2020, April 15). Évolutions de l’Intelligence Artificielle : quels enjeux pour l’activité humaine et la relation… ResearchGate; OpenEdition.
• Luckin, R., Holmes, W., Griffiths, M., & Pearson, L. (2016). Intelligence Unleashed An argument for AI in Education. https://www.pearson.com/content/dam/corporate/global/pearson-dot-com/files/innovation/Intelligence-Unleashed-Publication.pdf#:~:text=Suggested%20reference:%20Luckin
• Nafidi, Y., Alami, A., Moncef, Z., & Afkar, H. (2018, January 31). L’intégration Des TIC Dans L’enseignement Des Sciences De La Vie Et De La Terre Au Maroc: Etat Des Lieux… ResearchGate; European Scientific Institute, ESI. https://www.researchgate.net/publication/322904796_L’integration_Des_TIC_Dans_L’enseignement_Des_Sciences_De_La_Vie_Et_De_La_Terre_Au_Maroc_Etat_Des_Lieux_Et_Defis_A_Relever#:~:text=Ces%20r%C3%A9sultats%20montrent%20que%20la%20majorit%C3%A9%20des%20jeunes
• Nations Unies. (2024, August 8). Il faut combler le fossé de l’intelligence artificielle pour garantir un avenir équitable pour tous, selon l’OIT. ONU Info. https://news.un.org/fr/story/2024/08/1147776#:~:text=La%20r%C3%A9volution%20de%20l’intelligence%20artificielle%20(IA)%20ne%20fera
• Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in education: A systematic literature review. Expert Systems with Applications, 252, 124167–124167. https://doi.org/10.1016/j.eswa.2024.124167
• Roll, I., & Wylie, R. (2016). Evolution and Revolution in Artificial Intelligence in Education. International Journal of Artificial Intelligence in Education, 26(2), 582–599. https://doi.org/10.1007/s40593-016-0110-3
• Marzuki, Widiati, U., Rusdin, D., Darwin, D., & Indrawati, I. (2023). The impact of AI writing tools on the content and organization of students’ writing: EFL teachers’ perspective. Cogent Education, 10(2). https://doi.org/10.1080/2331186x.2023.2236469
• Shortt, M., Tilak, S., Kuznetcova, I., Martens, B., & Akinkuolie, B. (2021). Gamification in mobile-assisted language learning: a systematic review of Duolingo literature from public release of 2012 to early 2020. Computer Assisted Language Learning, 36(3), 1–38. https://doi.org/10.1080/09588221.2021.1933540
• Semaan, S. (2010, August). Methodological Innovations Online (Échantillonnage espace-temps et échantillonnage déterminé selon les…) ResearchGate; SAGE. https://www.researchgate.net/publication/230726823_Methodological_Innovations_Online_Echantillonnage_espace-temps_et_echantillonnage_determine_selon_les_repondants_des_populations_difficiles_a_joindre#:~:text=de%20la%20population%20cible,%20les%20aspects%20th%C3%A9oriques%20et