QCM : Apprentissage étudiant et IA — 21 questions

Questions et réponses du QCM

1. Quel objectif central le module poursuit-il concernant l’usage de l’intelligence artificielle dans l’apprentissage ?

Mémoriser les principales applications commerciales de l’IA dans les différentes disciplines universitaires
Apprendre à programmer des modèles d’IA pour remplacer les méthodes pédagogiques traditionnelles
Utiliser des outils d’IA dans chaque activité d’apprentissage afin d’en augmenter systématiquement la rapidité
Savoir décider si, quand et comment utiliser l’IA en évaluant ses capacités, ses limites et ses impacts

Savoir décider si, quand et comment utiliser l’IA en évaluant ses capacités, ses limites et ses impacts

Explication

Le module vise à développer une utilisation réfléchie de l’IA, fondée sur la connaissance de ses capacités, de ses limites et de ses impacts. Il ne se réduit pas à la programmation des modèles ni à l’adoption systématique de ces outils.

2. Quelle organisation caractérise le module consacré à l’intelligence artificielle ?

Un parcours composé de vidéos théoriques, de devoirs notés et d’un forum réservé aux enseignants
Deux chapitres centrés sur des conférences, des examens notés et des exercices de programmation en groupe
Quatre chapitres combinant vidéos, PDF, tests Moodle non notés, manipulations pratiques et forum
Quatre ateliers pratiques accompagnés d’un examen final, de lectures imprimées et de tutorats individuels

Quatre chapitres combinant vidéos, PDF, tests Moodle non notés, manipulations pratiques et forum

Explication

Le module associe quatre chapitres à des vidéos, des supports PDF, des tests Moodle non notés, des manipulations pratiques et un forum. Les autres descriptions modifient la nature ou l’évaluation des activités proposées.

3. Quelle évolution de l’emploi en début de carrière a été observée chez les travailleurs américains de 22 à 25 ans dans des secteurs exposés à l’IA générative depuis 2022 ?

Une diminution de 13 % dans des secteurs clés
Une stabilité de l’emploi malgré l’exposition à l’IA
Une augmentation de 13 % dans des secteurs clés
Une diminution de 22 % dans l’ensemble des secteurs

Une diminution de 13 % dans des secteurs clés

Explication

L’étude citée fait état d’une baisse de 13 % de l’emploi en début de carrière dans des secteurs clés exposés à l’IA générative. Elle ne rapporte ni une hausse équivalente ni une baisse mesurée sur l’ensemble des secteurs.

4. Pourquoi la génération d’un texte plausible ne garantit-elle pas que la réponse d’un modèle d’IA soit conforme à la réalité ?

Parce que le modèle possède une compréhension physique complète mais choisit parfois de la dissimuler
Parce que le modèle produit des réponses aléatoires sans s’appuyer sur les régularités du langage
Parce que le modèle vérifie chaque affirmation dans une base de données avant de la formuler
Parce que le modèle enchaîne des mots sans compréhension physique nécessaire du monde

Parce que le modèle enchaîne des mots sans compréhension physique nécessaire du monde

Explication

La production d’un texte plausible repose sur un enchaînement de mots qui ne constitue pas une compréhension physique du monde, de sorte que la réponse peut être fausse. La plausibilité linguistique ne signifie donc ni hasard complet ni vérification factuelle préalable.

5. Quelle pratique est requise lorsqu’un professionnel utilise une sortie d’IA pour une tâche comme le code, la logistique ou la médecine ?

Adopter le résultat si sa formulation paraît cohérente et détaillée
Confier la validation à l’outil en utilisant une consigne de contrôle plus précise
Vérifier le résultat et le corriger lorsque cela est nécessaire
Comparer le résultat avec plusieurs réponses générées par le même outil

Vérifier le résultat et le corriger lorsque cela est nécessaire

Explication

Un usage professionnel responsable exige que l’utilisateur puisse vérifier et corriger les résultats de l’IA. La cohérence apparente ou la multiplication des réponses du même outil ne remplace pas cette vérification humaine.

6. Qui doit assumer la responsabilité morale et parfois juridique d’une production obtenue avec l’aide d’une IA dans le monde professionnel ?

Le fournisseur du logiciel dans toutes les situations professionnelles
Un humain qui répond du résultat ou de la production
Le modèle d’IA qui a généré la formulation finale
L’utilisateur final sans tenir compte du contexte de la décision

Un humain qui répond du résultat ou de la production

Explication

Dans le cadre professionnel, la responsabilité morale et parfois juridique reste portée par un humain. Le modèle n’est pas un agent responsable, et la responsabilité du fournisseur ou de l’utilisateur dépend du contexte plutôt que d’une règle générale.

7. Que montre l’observation rapportée sur l’approbation des actions et les réponses flatteuses des modèles d’IA ?

Les modèles approuvent les actions aussi souvent que les humains, mais les réponses flatteuses sont jugées moins bonnes
Les modèles approuvent les actions 50 % plus souvent que les humains, et les réponses flatteuses sont jugées meilleures
Les modèles approuvent les actions 50 % moins souvent que les humains, et les réponses critiques sont jugées meilleures
Les modèles approuvent les actions 13 % plus souvent que les humains, sans effet sur l’évaluation des réponses

Les modèles approuvent les actions 50 % plus souvent que les humains, et les réponses flatteuses sont jugées meilleures

Explication

L’observation indique une approbation des actions 50 % plus fréquente chez les modèles que chez les humains, tandis que les participants évaluent mieux les réponses flatteuses. Cela suggère un risque de complaisance plutôt qu’un avantage des réponses critiques.

8. Que peut-il se produire lorsqu’un utilisateur fait appel à une IA pour prendre une décision ?

Il peut distinguer avec certitude les recommandations exactes des recommandations erronées
Il peut surestimer la fiabilité de l’outil et suivre une suggestion erronée
Il peut vérifier automatiquement chaque suggestion avant d’accepter une décision
Il peut sous-estimer la précision de l’outil et rejeter ses suggestions correctes

Il peut surestimer la fiabilité de l’outil et suivre une suggestion erronée

Explication

L’assistance par IA peut conduire l’utilisateur à surestimer la justesse, l’exactitude, la fiabilité ou l’utilité de l’outil, puis à accepter une suggestion fausse. L’outil ne garantit donc ni une vérification automatique ni une distinction certaine entre erreurs et bonnes recommandations.

9. Quelle distinction décrit le mieux l’apprentissage universitaire ?

Il consiste à remettre rapidement une production conforme aux attentes d’évaluation.
Il consiste à créer des circuits neuronaux grâce à un effort qui permet d’acquérir des connaissances et des compétences.
Il consiste à obtenir une note élevée en limitant l’effort consacré à la tâche.
Il consiste à mémoriser des réponses générées afin de gagner du temps dans les travaux.

Il consiste à créer des circuits neuronaux grâce à un effort qui permet d’acquérir des connaissances et des compétences.

Explication

L’apprentissage universitaire demande un effort qui construit dans le cerveau de nouveaux circuits associés aux connaissances et aux compétences. Produire rapidement un rendu peut répondre à une exigence formelle, mais ne garantit pas cet apprentissage.

10. Quel risque pédagogique apparaît lorsque l’usage de l’IA permet de court-circuiter l’évaluation d’une production étudiante ?

La note peut refléter plus précisément la capacité de l’étudiant à mémoriser le cours.
La note peut mesurer davantage la qualité de l’accompagnement fourni par l’enseignant.
La note peut cesser de mesurer l’intérêt réel de l’étudiant pour apprendre.
La note peut devenir un indicateur plus fiable de la rapidité d’exécution de l’étudiant.

La note peut cesser de mesurer l’intérêt réel de l’étudiant pour apprendre.

Explication

Si l’IA court-circuite le moyen pédagogique fondé sur l’évaluation d’une production, la note ne mesure plus correctement l’intérêt de l’étudiant pour apprendre. Elle peut alors refléter la production assistée plutôt que l’apprentissage visé.

11. Pourquoi la maîtrise professionnelle de l’IA suppose-t-elle aussi de savoir accomplir une tâche sans elle ?

Pour vérifier les résultats obtenus et assumer professionnellement leurs conséquences.
Pour remplacer l’évaluation des résultats par une exécution personnelle de chaque tâche.
Pour éviter que les outils numériques ne soient utilisés dans les environnements de travail.
Pour privilégier les méthodes traditionnelles lorsque les outils d’IA donnent des réponses correctes.

Pour vérifier les résultats obtenus et assumer professionnellement leurs conséquences.

Explication

Savoir travailler sans IA permet de contrôler les résultats produits par l’outil et d’en assumer les conséquences professionnelles. La maîtrise de l’IA ne se réduit donc pas à faire réaliser les tâches par l’outil.

12. Comment la lecture et l’écriture contribuent-elles au développement de la pensée ?

Elles permettent d’examiner ses idées, de repérer ses lacunes et d’identifier les failles de son raisonnement.
Elles permettent de produire un texte fluide sans devoir analyser la solidité de ses idées.
Elles permettent de retenir des formulations correctes en évitant de modifier son point de vue.
Elles permettent de communiquer une opinion avant d’avoir vérifié sa compréhension du sujet.

Elles permettent d’examiner ses idées, de repérer ses lacunes et d’identifier les failles de son raisonnement.

Explication

Lire et écrire rendent possible l’examen des idées, la détection des lacunes de compréhension et l’identification des failles du raisonnement. La fluidité ou la communication d’une opinion ne suffit pas à assurer ce travail réflexif.

13. Selon John Warner, quel rôle l’écriture joue-t-elle dans la formation de la pensée personnelle ?

Elle sert principalement à reproduire des opinions déjà formulées avec une présentation plus claire.
Elle aide à comprendre ses pensées, à affiner sa voix et à construire ses opinions.
Elle aide à exprimer une position stable avant l’examen de ses propres idées.
Elle permet de distinguer les pensées personnelles des connaissances apprises sans les transformer.

Elle aide à comprendre ses pensées, à affiner sa voix et à construire ses opinions.

Explication

John Warner associe l’écriture à la compréhension de ses pensées, à l’affinement de sa voix et à la construction de ses opinions. Elle ne se limite donc pas à reproduire ou à mettre en forme des idées déjà constituées.

14. Quel décalage peut caractériser l’usage intensif d’outils d’IA par des étudiants ?

Une formulation plus personnelle peut coexister avec une vérification plus rigoureuse des connaissances.
Une production plus longue peut coexister avec une compréhension automatiquement plus approfondie.
Une syntaxe moins fluide peut coexister avec une mémorisation plus solide des connaissances.
Une grande fluidité du texte peut coexister avec une faible appropriation des connaissances.

Une grande fluidité du texte peut coexister avec une faible appropriation des connaissances.

Explication

L’usage intensif de l’IA peut donner une fluidité superficielle sans que les connaissances soient internalisées ni véritablement appropriées. Un texte bien formulé ne constitue donc pas, à lui seul, une preuve d’apprentissage approfondi.

15. Quelle comparaison entre les groupes « Cerveau seul » et « LLM » décrit correctement les effets cognitifs observés ?

Le groupe « Cerveau seul » a fourni davantage d’effort cognitif et a obtenu un apprentissage plus approfondi.
Le groupe « Cerveau seul » a bénéficié d’une efficacité supérieure de l’outil et d’une mémoire plus précise.
Le groupe « LLM » a obtenu une charge cognitive plus importante et une précision sémantique supérieure.
Le groupe « LLM » a fourni davantage d’effort cognitif et a obtenu une appropriation plus forte du travail.

Le groupe « Cerveau seul » a fourni davantage d’effort cognitif et a obtenu un apprentissage plus approfondi.

Explication

Le groupe « Cerveau seul » a supporté une charge cognitive plus importante et a montré un apprentissage, une mémoire, une précision sémantique et une appropriation supérieurs. Le groupe « LLM » a davantage bénéficié de l’efficacité de l’outil, ce qui ne signifie pas un apprentissage plus approfondi.

16. Après six mois d’utilisation de l’IA générative, quelle évolution conjointe est observée chez les élèves étudiés ?

Les notes aux devoirs maison baissent de 18 %, le temps de travail augmente de 30 % et les notes aux devoirs surveillés montent de 20 %.
Les notes aux devoirs maison augmentent de 18 %, le temps de travail diminue de 30 % et les notes aux devoirs surveillés baissent de 20 %.
Les notes aux devoirs maison restent stables, le temps de travail diminue de 20 % et les notes aux devoirs surveillés montent de 18 %.
Les notes aux devoirs maison augmentent de 20 %, le temps de travail diminue de 18 % et les notes aux devoirs surveillés baissent de 30 %.

Les notes aux devoirs maison augmentent de 18 %, le temps de travail diminue de 30 % et les notes aux devoirs surveillés baissent de 20 %.

Explication

Après six mois, les devoirs maison bénéficient d’une hausse apparente des notes tandis que le temps consacré diminue et que les devoirs surveillés régressent. Cette évolution à six mois ne doit pas être confondue avec la baisse des examens d’entrée observée après deux ans.

17. Après deux ans d’usage de l’IA générative, quelle évolution concerne les examens d’entrée à forts enjeux ?

Leurs résultats diminuent de 24 %.
Leurs résultats diminuent de 20 %.
Leurs résultats restent proches du niveau initial.
Leurs résultats augmentent de 24 %.

Leurs résultats diminuent de 24 %.

Explication

L’usage prolongé de l’IA générative est associé à une diminution de 24 % des résultats aux examens d’entrée à forts enjeux. La baisse de 20 % concerne les devoirs surveillés après six mois, et non ces examens après deux ans.

18. Quelle situation correspond à l’externalisation des devoirs plutôt qu’au tutorat par l’IA ?

L’étudiant délègue à l’IA la réalisation des exercices demandés.
L’étudiant utilise l’IA pour accroître l’effort cognitif requis par l’exercice.
L’étudiant confronte les réponses de l’IA à ses propres démarches de résolution.
L’étudiant conserve un temps de révision comparable à celui consacré sans IA.

L’étudiant délègue à l’IA la réalisation des exercices demandés.

Explication

L’externalisation consiste à confier à l’IA la réalisation des exercices, ce qui déplace l’activité d’apprentissage hors de l’étudiant. Le tutorat par l’IA se caractérise au contraire par le maintien d’un temps de révision comparable à celui observé sans IA.

19. Pourquoi l’utilisation de l’IA pour des travaux dirigés ou pratiques peut-elle compromettre les apprentissages futurs ?

Elle remplace les connaissances théoriques par une mémorisation plus durable.
Elle augmente la répétition des exercices et accélère la consolidation des savoirs.
Elle réserve les activités pratiques aux étudiants ayant déjà maîtrisé les compétences.
Elle empêche la pratique nécessaire à l’acquisition progressive des compétences.

Elle empêche la pratique nécessaire à l’acquisition progressive des compétences.

Explication

Les travaux dirigés et pratiques servent à construire progressivement les compétences par l’exercice, et leur délégation à l’IA prive l’étudiant de cette pratique. L’augmentation de la répétition ne décrit donc pas le mécanisme négatif visé ici.

20. Quelle question faut-il se poser avant de faire appel à un modèle de langage ?

Quelle solution permettra de remplacer les étapes de réflexion jugées les plus difficiles.
Quelle formulation produira le texte le plus rapidement exploitable pour remettre le travail demandé.
Ce que l’on veut acquérir personnellement et cognitivement à long terme, au-delà de l’intérêt immédiat.
Quelle réponse permettra de terminer la tâche avec le moins d’effort possible à court terme.

Ce que l’on veut acquérir personnellement et cognitivement à long terme, au-delà de l’intérêt immédiat.

Explication

Avant d’utiliser un modèle de langage, il faut comparer son bénéfice immédiat avec ce que la tâche permet d’acquérir personnellement et cognitivement sur le long terme. Se concentrer sur la rapidité ou la réduction de l’effort risque de négliger l’intérêt d’apprentissage de l’activité.

21. Quelle stratégie favorise un apprentissage plus profond avec l’intelligence artificielle ?

Utiliser l’IA pour réduire la charge cognitive et obtenir plus rapidement une réponse.
Utiliser l’IA pour déléguer les exercices afin de consacrer le temps gagné à d’autres tâches.
Utiliser l’IA pour éviter les étapes difficiles et privilégier une mémorisation immédiate.
Utiliser l’IA pour accroître la charge cognitive et maintenir un effort de réflexion.

Utiliser l’IA pour accroître la charge cognitive et maintenir un effort de réflexion.

Explication

Un apprentissage plus profond exige que l’IA augmente la charge cognitive plutôt qu’elle ne la réduise, car l’acquisition des connaissances implique un effort cognitif. Apprendre plus vite grâce à une moindre implication ne garantit donc pas un apprentissage plus profond.

Révisez avec les flashcards

Mémorisez les réponses avec 46 flashcards sur Apprentissage étudiant et IA.

Quel est l'objectif principal du module concernant l'usage des outils d'IA ?

Permettre aux étudiants de décider si, quand et comment utiliser des outils d’IA.

Que doivent connaître les étudiants sur les outils d'IA selon le module ?

Leurs capacités, limites, impacts sociétaux et environnementaux.

Quelle influence des outils d'IA le module aborde-t-il ?

Leur influence sur les différentes disciplines.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Apprentissage étudiant et IA.

Voir la fiche →

Cours similaires

Évolution et développement web

Hardware et réseaux informatiques

Traitement d’image et deep learning

Système d’information et bases de données

Fichiers et Internet

Révisions informatique collège

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM