FICHE DE LECTURE
Article 151
1. Identification de l’article
Titre : Titre
Auteur(s) : Titre
Source (revue, site, etc.) : Titre
Date de publication : Titre
Comment citer l’article : Titre
2. Résumé de l’article
3. Mots-clés
4. Problématique – Question principale abordée
5. Présentation du contenu
Partie 1 : Titre
6. Résultats ou points clés
7. Appréciation personnelle
8. Eléments iconographiques
9. Références bibliographiques
10.Articles connexes
### Fiche de lecture d’un article scientifique
#### 1. Identification de l’article
Titre de l’article : Generative AI in Higher Education: A Global Perspective of Institutional Adoption
Policies and Guidelines
Auteur(s) : Yueqiao Jin, Lixiang Yan, Vanessa Echeverria, Dragan Gašević, Roberto Martinez-
Maldonado
Source (revue, site, etc.) : Computers and Education: Artificial Intelligence, Vol. 8
Date de publication : 19 Décembre 2024
Comment citer l’article : Jin, Y., Yan, L., Echeverria, V., Gašević, D., & Martinez-Maldonado, R.
(2024). Generative AI in higher education: A global perspective of institutional adoption policies and
guidelines. Computers and Education: Artificial Intelligence, 8, 100348.
https://doi.org/10.1016/j.caeai.2024.100348
#### 2. Résumé de l’article
Cet article analyse les politiques et lignes directrices d’adoption de l’intelligence artificielle générative
(GAI) dans l’enseignement supérieur à travers 40 universités réparties dans six régions mondiales, en
s’appuyant sur la théorie de la diffusion des innovations. Il explore les caractéristiques de l’innovation
GAI (compatibilité, testabilité, observabilité), les canaux de communication et les responsabilités des
parties prenantes. Les résultats montrent que les universités promeuvent l’intégrité académique,
améliorent les pratiques pédagogiques et favorisent l’équité grâce à des lignes directrices éthiques, des
évaluations authentiques et des programmes de formation à l’alphabétisation GAI. Cependant, des
lacunes subsistent dans les cadres politiques, notamment sur la confidentialité des données et l’accès
équitable aux outils GAI. L’étude recommande des canaux de communication clairs, une collaboration
entre parties prenantes et une évaluation continue pour une adoption efficace.
#### 3. Mots-clés
IA générative ; enseignement supérieur ; théorie diffusion innovations ; politique adoption ;
perspective globale
#### 4. Problématique / Question principale abordée
Comment les universités mondiales intègrent-elles la GAI dans leurs politiques et lignes directrices, et
quelles stratégies peuvent-elles adopter pour garantir une adoption responsable, équitable et efficace ?
#### 5. Présentation du contenu
- Intro (p.1-2): Contexte adoption GAI => besoin politiques institutionnelles => objectifs étude
(perspective globale).
- Sect.1 Cadre théorique (p.3-4): Théorie diffusion innovations => caractéristiques GAI (compatibilité,
testabilité, observabilité) => enjeux (fracture numérique, pensée critique).
- Sect.2 Méthodologie (p.5-6): Analyse 40 universités => six régions => politiques/lignes directrices.
- Sect.3 Résultats (p.7-9): Intégrité académique, pratiques pédagogiques, équité => lacunes
(confidentialité, accès équitable).
- Sect.4 Discussion (p.10-11): Importance communication, collaboration, évaluation continue.
- Conclusion (p.12): Recommandations (politiques inclusives, formation, cadres éthiques).
Citations sélectionnées:
- “Universities are proactively addressing GAI integration by emphasising academic integrity” (p.7).
- “Gaps remain in comprehensive policy frameworks, particularly in addressing data privacy” (p.9).
- “Clear communication channels and stakeholder collaboration are essential” (p.10).
#### 6. Résultats ou points clés
- Politiques : Focus intégrité académique, pédagogie, équité.
- Mesures : Lignes directrices éthiques, évaluations authentiques, formation GAI.
- Lacunes : Confidentialité données, accès équitable.
- Recommandations : Communication claire, collaboration, évaluation continue.
#### 7. Appréciation personnelle
Ce que j’ai compris : La GAI transforme l’enseignement supérieur, mais nécessite des politiques
robustes pour une adoption équitable et éthique.
Ce que j’ai trouvé intéressant : Perspective globale ; usage théorie diffusion innovations.
Ce que j’ai trouvé discutable ou critiquable : Échantillon limité (40 universités) ; manque détails mise
en œuvre.
En quoi cet article est utile pour moi : Référence pour politiques GAI ; inspire stratégies
institutionnelles inclusives.
#### 8. Éléments iconographiques
Tableaux (p.8) : Résumé politiques universités ; schémas (p.9) : Cadre adoption GAI. Pertinence :
Soutiennent analyse qualitative.
#### 9. Références bibliographiques présentes dans l’article
- Yan, L., et al. (2024). GAI in education: Opportunities and challenges. Educational Technology
Research.
- Kasneci, E., et al. (2023). ChatGPT for education: A review. Journal of Educational Technology.
- UNESCO (2021). AI and Education: Guidance for Policy-makers. UNESCO.
- Tsai, Y., & Gasevic, D. (2017). Learning analytics in higher education. Journal of Learning
Analytics.
- Moorhouse, B. L., et al. (2023). GAI policies in universities. Higher Education Research.
#### 10. Articles connexes
- Chan, C. K. Y. (2023). A comprehensive AI policy framework for education. Educational
Technology Research. (Non cité ; politiques IA).
- Selwyn, N. (2022). AI in Education: Promises and Pitfalls. Journal of Educational Technology. (Non
cité ; défis IA).
- Luckin, R., et al. (2016). Intelligence Unleashed: An argument for AI in Education. Pearson. (Non
cité ; potentiel IA).
