FICHE DE LECTURE
Article 133
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
[Link] connexes
### Fiche de lecture d’un article scientifique
#### 1. Identification de l’article
Titre de l’article : Generative Artificial Intelligence in Education: Advancing Adaptive and
Personalized Learning
Auteur(s) : Manel Guettala, Samir Bourekkache, Okba Kazar, Saad Harous
Source (revue, site, etc.) : Acta Informatica Pragensia, Vol. 13, Issue 3
Date de publication : 2024
Comment citer l’article : Guettala, M., Bourekkache, S., Kazar, O., & Harous, S. (2024). Generative
Artificial Intelligence in Education: Advancing Adaptive and Personalized Learning. Acta Informatica
Pragensia, 13(3), 460–489. [Link]
#### 2. Résumé de l’article
Cet article explore l’impact de l’intelligence artificielle générative (IA) sur l’apprentissage adaptatif et
personnalisé en éducation. À travers une revue approfondie, il retrace l’évolution des modèles d’IA
générative (ChatGPT, GPT-4o) et analyse des études de cas sélectionnées selon des critères définis.
Les résultats montrent que l’IA générative améliore l’engagement des étudiants, les scores aux tests et
le développement des compétences, tout en identifiant des défis éthiques (biais, confidentialité),
techniques (infrastructure) et pédagogiques (formation des enseignants). L’article souligne la
transition d’Éducation 4.0 vers Éducation 5.0, intégrant l’apprentissage socio-émotionnel et la
connexion humaine. En conclusion, il recommande une approche collaborative entre éducateurs et
technologues pour maximiser les bénéfices de l’IA tout en abordant les défis.
#### 3. Mots-clés
IA générative ; apprentissage adaptatif ; apprentissage personnalisé ; éthique ; Éducation 5.0
#### 4. Problématique / Question principale abordée
Comment l’IA générative peut-elle transformer l’apprentissage adaptatif et personnalisé en éducation,
et quels sont les bénéfices, défis et implications éthiques de son intégration ?
#### 5. Présentation du contenu
- Intro (p.460-462): Contexte IA générative => problématique apprentissage personnalisé => objectifs
étude.
- Sect.1 Évolution IA générative (p.463-468): Modèles (ChatGPT, GPT-4o) => cadres théoriques =>
applications éducation.
- Sect.2 Méthodologie (p.469-472): Critères sélection études de cas => analyse bénéfices/défis.
- Sect.3 Résultats (p.473-482): Bénéfices (engagement, scores, compétences) => défis (éthique,
technique, pédagogique).
- Sect.4 Discussion (p.483-486): Transition Éducation 4.0/5.0 => rôle apprentissage socio-émotionnel.
- Conclusion (p.487-489): Recommandations (collaboration, cadres éthiques).
Citations sélectionnées:
- “Generative AI represents a transformative shift in the educational landscape” (p.460).
- “Ethical, technical, and pedagogical challenges require careful consideration” (p.473).
- “Education 5.0 emphasizes social-emotional learning alongside personalization” (p.483).
#### 6. Résultats ou points clés
- Bénéfices : Engagement étudiant, amélioration scores, développement compétences.
- Défis : Éthique (biais, confidentialité), technique (infrastructure), pédagogique (formation).
- Transition Éducation 5.0 : Intégration socio-émotionnel.
- Recommandations : Approche collaborative, cadres éthiques.
#### 7. Appréciation personnelle
Ce que j’ai compris : L’IA générative révolutionne l’éducation, mais nécessite une gestion éthique et
collaborative.
Ce que j’ai trouvé intéressant : Focus Éducation 5.0 ; analyse études de cas.
Ce que j’ai trouvé discutable ou critiquable : Manque détails études de cas ; généralisation limitée.
En quoi cet article est utile pour moi : Référence pour IA personnalisée ; inspire politiques éducatives.
#### 8. Éléments iconographiques
Tableaux (p.470-472) : Critères études de cas ; graphiques (p.475-478) : Bénéfices/défis. Pertinence :
Soutiennent analyse quantitative/qualitative.
#### 9. Références bibliographiques présentes dans l’article
- UNESCO (2021). AI and Education: Guidance for Policy-makers. UNESCO.
- Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach. Pearson.
- Zawacki-Richter, O., et al. (2019). Systematic review of AI in higher education. Journal of Computer
Assisted Learning.
- Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of
Instructional Technology.
- European Commission (2017). DigComp 2.1: Digital Competence Framework. Publications Office
of the EU.
#### 10. Articles connexes
- Chan, C. K. Y. (2023). A comprehensive AI policy framework for education. Educational
Technology Research. (Non cité ; politiques IA).
- Luckin, R., et al. (2016). Intelligence Unleashed: An argument for AI in Education. Pearson. (Non
cité ; potentiel IA).
- Selwyn, N. (2022). AI in Education: Promises and Pitfalls. Journal of Educational Technology. (Non
cité ; défis IA).
