Les systèmes tutoriels intelligents (STI) ou tuteurs intelligents sont des systèmes d'intelligence artificielle générative (IAg) qui se comportent presque comme un tuteur humain, en adaptant les actions pédagogiques aux besoins d'apprentissage de chacun des apprenants. Ils guident et assistent les apprenants (débutants ou non) dans un apprentissage, dans des contextes de résolution de problèmes ou d'exercices principalement. Le type de guidage se module en fonction du parcours de l'apprenant et des difficultés qu'il rencontre.
Cette stratégie favorise l'acquisition de connaissances factuelles ou connaissances conceptuelles de même que des connaissances procédurales. La conception de ces systèmes permet d'effectuer une rétroaction constante aux apprenants, d'activer les connaissances antérieures et de présenter de nouvelles connaissances tout en les faisant pratiquer. Le coût de mise en place de cette stratégie constitue le principal frein à son intégration dans un projet de formation.
Stratégies apparentées Les environnements d'apprentissage basés sur la découverte comme les micromondes, les simulations ou les jeux sérieux sont souvent représentés comme des sous-catégories des systèmes tutoriels intelligents (STI). En effet, ils partagent une nature dynamique et adaptative du système à l'état de l'apprenant, ils peuvent tous être considérés comme des environnements d'apprentissage à base de connaissances (EABC) et ils sont potentiellement liés au domaine de l'intelligence artificielle en éducation (AIED).
La différence entre ces deux types est que les « environnements d'apprentissage par la découverte » sont fondés sur une approche constructiviste de l'apprentissage. Les interventions de ces systèmes ont surtout comme objectif d'amener l'apprenant à remettre en question son raisonnement. Ainsi, le système exploite les erreurs de l'apprenant constructivement en l'amenant à découvrir la cause de ses erreurs afin qu'il opère les ajustements nécessaires. Les systèmes tutoriels intelligents découlent plutôt d'une approche cognitiviste de l'apprentissage puisque la connaissance s'acquiert principalement par un processus de traitement de l'information consistant à la manipulation des données. Les interventions de ces systèmes indiquent surtout à l'apprenant la validité de ses actions (Bourdeau et al., 2010).
Domaines apparentés Environnement d'apprentissage à base de connaissances (EABC) Système d'apprentissage à base de connaissances (SABC) Enseignement intelligemment assisté par ordinateur (EIAO) Intelligence artificielle en éducation / Artificial Intelligence in Education (AIED) Environnement informatique pour l'apprentissage humain (EIAH)
Type de stratégie Cette stratégie pédagogique est une microstratégie. D'ailleurs, « les unités d'informations prises en compte sont en général très petites, au niveau des faits et de leurs interrelations, les systèmes actuels n'ont pas la capacité de raffiner ou de modifier la structure des connaissances au niveau de l'ensemble d'un cours et de ses objectifs » (Paquette, 2005, p. 24). Par contre, cette stratégie pourrait probablement être utilisée comme une macrostratégie grâce à de nouveaux modèles de représentation du curriculum, comme Curriculum REpresentation and Acquisition Model (CREAM), qui peuvent supporter l'organisation et le déroulement d'un cours complet par un STI, en y organisant la matière à enseigner sous trois perspectives : domaine, pédagogie et didactique..
Type de connaissances Ce type de stratégie pédagogique qui relève plutôt d'une approche cognitiviste de l'apprentissage favorise habituellement l'acquisition des connaissances factuelles ou conceptuelles (de type déclaratif). Toutefois, les connaissances procédurales, c'est-à-dire « comment faire quelque chose » sont aussi visées. D'ailleurs, la théorie cognitive ACT (Adaptative Control of Thought d'Anderson) qui décrit le processus d'apprentissage des connaissances procédurales sert souvent de base à la conception des STI (Nkambou, 2012, ).
Cette stratégie pédagogique semble particulièrement pertinente pour l'apprentissage de contenu complexe contenant de nombreux éléments très interactifs comme les mathématiques ou l'informatique, puisqu'elle permet de prendre en compte plusieurs effets de la théorie sur la charge cognitive. D'ailleurs, dans la littérature sur le sujet, on constate effectivement que ce type de stratégie a souvent été utilisée pour ces domaines, mais elle est également utilisée pour d'autres, comme la géographie ou même la pluviométrie (voir section Milieux d'intervention).
Le « modèle du domaine » (représentation du contenu d'un domaine de connaissances à apprendre) est l'un des éléments les plus importants d'un STI, car les autres composantes du système accèdent à ce modèle pour réaliser leurs fonctions respectives. Ainsi, le modèle pédagogique se base sur le modèle du domaine pour planifier les activités d'apprentissage et préparer leur mise en œuvre. La nature de la représentation peut se faire à deux niveaux : Modèle de connaissances : le contenu du domaine; Modèle de l'expert : le contenu relatif à la manière de résoudre un problème particulier dans le domaine.
Description Les systèmes tutoriels intelligents (STI) sont des environnements d'apprentissage numériques qui imitent plus ou moins le comportement d'un tuteur humain dans ses capacités d'expert pédagogue et d'expert du domaine. Tout comme un tuteur, le logiciel peut amener l'apprenant à réaliser une tâche et lui fournir des rétroactions pertinentes sur ses actions.
Les STI sont essentiellement des environnements de résolution de problèmes ou d'exercices. Ils favorisent l'apprentissage dans un domaine précis en guidant et en assistant l'apprenant. Parfois, ils exposent d'abord le contenu du domaine à l'apprenant; parfois, ils présentent directement les exercices qui permettront d'assimiler les connaissances (Bourdeau et al., 2010, ).
Ces systèmes cherchent à prendre en compte l'état et le niveau de l'apprenant pour adapter ses choix pédagogiques aux besoins particuliers du moment pour chaque apprenant. L'adaptabilité se révèle principalement de trois manières différentes (Bourdeau et al., 2010, ) : présentation dynamique des objectifs d'apprentissage relativement à l'état des connaissances de l'apprenant ; ajustement des stratégies ou des tactiques pédagogiques dans un contexte d'assistance en fonction de l'état de l'apprenant ; configuration de l'interface ou des rétroactions transmises à l'apprenant en fonction de ses préférences ou de ses besoins.
De son côté, Lefevre explicite quelque peu les avantages attendus de ce type de stratégie pédagogique (2012, )Lefevre, M. (2012). Environnements Informatiques pour l'Apprentissage Humain. Récupéré le 20 novembre 2013 à http://liris.cnrs.fr/marie.lefevre/ens/M2R-EIAH/M2R-EIAH-2013-CM1-Intro.pdf. : enseigner des méthodes, des démarches et des modes de raisonnement ; réagir aux questions de l'apprenant ; conseiller, expliquer ou justifier ; évaluer les méthodes de l'apprenant ; détecter ses erreurs et leurs causes; proposer des moyens de remédiation ; adapter les tâches et la progression.
Un tel comportement d'adaptation à l'apprenant par le système est possible puisqu'il possède les composantes « intelligentes », soit une base de connaissances et un moteur d'inférence qui exploite les connaissances de la base. Ces techniques venant de l'intelligence artificielle font donc en sorte que l'environnement est capable d'émuler le tuteur en « raisonnant » à l'aide des connaissances incluses dans sa base de données. Plus précisément, l'architecture conceptuelle classique d'un STI comporte un modèle du domaine qui connaît quoi enseigner, un modèle pédagogique qui sait comment enseigner, un modèle de l'apprenant qui peut personnaliser l'apprentissage en tenant compte de celui-ci et un modèle de l'interface, soit les moyens visibles permettant l'interrelation entre l'apprenant et le système.
Historique des STI Carbonell publie en 1970 le premier article. réunissant les domaines de l'intelligence artificielle et de l'enseignement assisté par ordinateur (EAO). C'est le début de l'histoire de l'intelligence artificielle en éducation, dans années 1980 des systèmes experts sont utilisés dans l'éducation (apprentissage des langues en laboratoires de langue par exemple). Ce sont des prémisse à l'apparition des systèmes tutoriels intelligents.
Ils ont été profondément transformés puis remplacés par l'essor de l'intelligence artificielle générative et de chatbots ou d'agents intelligents combinant des modèles pédagogiques et des algorithmes d'IA capables d'adapter en continu les contenus et les exercices aux besoins individuels des apprenants. Ces nouveaux outils reposent généralement sur trois composantes : un modèle de l'élève (qui identifie et met à jour ses lacunes et ses acquis) ; un modèle pédagogique (qui propose des stratégies adaptées) ; et un « modèle de domaine », qui organise les connaissances à transmettre. Ce tuteur artificiel peut fournir des rétroactions personnalisées, simuler des environnements d'apprentissage et soutenir l'autonomie des étudiants, sans se fatiguerExplorons comment les systèmes de tutorat intelligents (STI) et les agents conversationnels peuvent favoriser l'apprentissage et le développement professionnel continu ; Académie CHUM, Université de Laval, consulté le=2023-09-02, url=https://nadianaffi.fse.ulaval.ca/wp-content/uploads/sites/5/2023/12/Tuteurs-intelligents.pdf, PDF, 13 pages. Ce tutorat intelligent suscite aussi des critiques, car il peut contribuer à isoler l'apprenant, réduire le rôle des enseignants, ou exprimer des biais présents dans les algorithmes ou en cas d'inégalités d'accès aux technologies, accentuer certaines fractures éducatives et numériques.
En 1982, Cohen et al. publient une méta-analyse sur les résultats éducationnels du tutorat et de ses bienfaits. Deux ans plus tard, Benjamin Bloom publie également un article relatant l'efficacité du tutorat (1984). Les chercheurs du domaine font le constat que le tutorat est un fondement solide sur lequel construire des systèmes adaptatifs et interactifs capables de fournir des services personnalisés et individuels (Bourdeau et al., 2010).
Les premiers STI sont apparus au début des années 80 à la convergence de plusieurs disciplines définissant le domaine émergent de l'intelligence artificielle en éducation, comme les sciences cognitives, l'informatique ou les sciences de l'éducation. SCHOLAR est le tout premier système du genre.
Le livre Intelligent Tutoring Systems paru en 1982 est le premier livre sur les STI. C'est une collection d'articles sur des travaux représentant une percée dans la mise en oeuvre de concepts et de techniques d'intelligence artificielle pour l'apprentissage (Sleeman et Brown). Toutefois, c'est la publication du livre Artificial Intelligence and Tutoring Systems de Wenger qui établit réellement les grandes lignes du nouveau domaine. C'est donc 1987 que débute le développement des STI modernes.
Les apports significatifs du domaine des STI édités au début des années 2000 sont marqués par le livre de Woolf (2008) et celui par Nkambou et al. (2010)..
Conditions favorisant l'apprentissage