J’ai l’impression d’avoir déjà vu cette scène
Chaque fois que je suis le débat actuel sur l’intelligence artificielle dans l’éducation, je repense aux débuts de la diffusion d’Internet.
Je me souviens très bien des inquiétudes. L’élève peut-il utiliser Internet comme source ? Que se passe-t-il si les informations sont fausses ? Va-t-il abandonner le livre ? Va-t-il simplement copier les réponses ? Comment l’enseignant saura-t-il si le travail a réellement été produit par l’élève ? La facilité de recherche réduira-t-elle l’usage de la mémoire ? Et l’enseignant perdra-t-il de la valeur si l’élève peut accéder seul aux informations ?
Ces questions étaient réelles. Elles ne relevaient pas simplement de la résistance au changement. Certaines sont toujours présentes aujourd’hui.
Mais Internet n’a pas disparu.
Il est devenu une partie de l’éducation, du travail et de la vie quotidienne. Progressivement, nous avons compris que le problème n’était pas l’existence d’Internet lui-même, mais la manière dont nous l’utilisons, vérifions ce que nous trouvons et définissons le rôle qui doit rester humain face à un nouvel outil.
Aujourd’hui, j’ai l’impression que nous nous trouvons devant la même scène.
Mais cette fois, l’outil est différent.
Internet me disait :
Voici les endroits où vous pourriez trouver la réponse.
L’intelligence artificielle me dit :
Posez-moi la question… et je vais essayer d’y répondre maintenant.
Chaque nouvelle technologie qui entre dans l’éducation fait revenir la même question sous une autre forme : devons-nous la rejeter parce qu’elle comporte des risques, ou apprendre à l’utiliser pour augmenter les capacités humaines plutôt que les réduire ?
De l’encyclopédie… au moteur de recherche… puis à l’intelligence artificielle
Pour comprendre l’ampleur du changement, il est utile de se rappeler comment nous accédions autrefois à l’information.
Lorsque j’utilise une encyclopédie, je consulte un contenu préparé par des auteurs ou des éditeurs et j’explore une structure de connaissances organisée à l’avance. L’encyclopédie me fournit une information écrite et éditée sur un sujet.
Puis est apparu le moteur de recherche.
Je n’avais plus besoin de savoir où se trouvait l’information. J’écrivais quelques mots, et le moteur parcourait un immense nombre de pages avant de me proposer des liens, des résultats et des sources.
À ce moment-là, une plus grande responsabilité m’a été transférée.
Quel lien ouvrir ? Quelle source croire ? L’information est-elle récente ? La source est-elle spécialisée ?
L’IA générative a ajouté une nouvelle étape.
Je ne lui demande pas seulement de m’indiquer où se trouve une page.
Je peux lui dire :
Explique-moi ce sujet. Simplifie-le. Compare deux idées. Donne-moi un exemple. Je n’ai pas compris, explique à nouveau. Transforme cette explication en questions. Teste-moi. Augmente le niveau de difficulté. Explique dans la langue que je comprends.
Et c’est là la différence fondamentale :
L’encyclopédie me donne un contenu dans lequel chercher, le moteur de recherche m’aide à trouver des sources, tandis que l’IA générative peut construire avec moi une nouvelle réponse dans le cadre d’un dialogue continu.
Mais cette capacité crée aussi un nouveau risque.
Le moteur de recherche me montre généralement la source. Un modèle d’intelligence artificielle peut me donner une réponse très cohérente sans que je sache immédiatement d’où vient chaque information, et certaines informations peuvent être inexactes.
La compétence de recherche ne devient donc pas moins importante.
Au contraire, la capacité de vérification peut devenir encore plus importante.
Que signifie réellement « IA générative » ?
Pendant longtemps, l’intelligence artificielle fonctionnait en arrière-plan de nombreux systèmes sans que nous dialoguions directement avec elle.
Systèmes de recommandation. Analyse de données. Correction automatique. Prévisions. Classification.
L’IA générative a rendu la relation beaucoup plus visible, car elle peut produire du texte, des images, de l’audio, du code et d’autres formes de contenu en réponse à une demande de l’utilisateur.
Cette vague est différente de nombreuses technologies éducatives antérieures parce que ces outils sont faciles à utiliser, largement accessibles et souvent disponibles en dehors du contrôle direct de l’institution éducative.
Et c’est important.
Une école peut décider d’acheter ou non une plateforme.
Mais l’élève peut déjà utiliser un outil d’IA sur son téléphone avant même que l’école ait terminé de définir sa politique à son sujet.
Encore une fois, la technologie évolue plus vite que l’institution.
Lorsque la machine a commencé à demander : « Comment veux-tu que je te l’explique ? »
C’est peut-être ici que commence la véritable transformation pédagogique.
Dans une classe traditionnelle, l’enseignant se trouve devant un groupe.
Il peut avoir vingt, trente élèves ou davantage.
L’un comprend immédiatement. Un autre a besoin d’un exemple. Un troisième doit revenir à un concept précédent. Un quatrième comprend mieux grâce à une représentation visuelle. Un cinquième a besoin d’un défi plus difficile pour ne pas s’ennuyer.
Un bon enseignant essaie de tenir compte de ces différences, mais le temps est limité.
L’intelligence artificielle ouvre une autre possibilité.
Un élève peut dire :
Je n’ai pas compris.
Et recevoir une autre explication.
Puis demander :
Donne-moi un exemple lié au football.
Et les exemples changent.
Un autre peut dire :
Je maîtrise déjà les bases. Donne-moi quelque chose de plus avancé.
Et obtenir un autre niveau.
Nous nous rapprochons ici d’une idée ancienne de l’éducation :
l’apprentissage personnalisé.
L’apprentissage personnalisé est depuis longtemps une ambition pédagogique ; l’intelligence artificielle commence à rendre certaines formes de personnalisation plus faciles à déployer à grande échelle.
Mais cela ne signifie pas que l’IA connaît l’apprenant comme le connaît son enseignant.
Elle ne connaît que ce que nous lui donnons, ce qui apparaît dans l’interaction et les données que le système est autorisé à utiliser.
Il existe une grande différence entre un système qui connaît des données sur l’élève et un être humain qui connaît réellement l’élève.
D’un cours unique pour tous… à plusieurs explications d’un même cours
Une possibilité très importante apparaît ici.
Dans le modèle traditionnel, nous concevons un cours unique puis nous le présentons à un groupe.
Avec l’intelligence artificielle, l’objectif pédagogique peut rester identique tandis que la manière d’y parvenir change.
Une version simplifiée. Une version plus avancée. Des exemples différents. Des exercices supplémentaires. Des questions fondées sur les erreurs précédentes. Une traduction. Une explication audio. Une révision d’un concept antérieur.
Cela diffère en partie des systèmes d’Adaptive Learning apparus avant la vague actuelle de l’IA générative.
Un système adaptatif pouvait par exemple constater une erreur et proposer une question plus simple ou une leçon antérieure tirée d’un contenu déjà préparé.
Aujourd’hui, le système peut parfois générer un nouvel exemple, une nouvelle explication ou un nouveau dialogue au moment même où l’apprenant en a besoin.
La personnalisation ne consiste plus uniquement à sélectionner le bon contenu dans une bibliothèque préexistante ; elle commence à signifier la possibilité de produire une explication, une activité et une interaction qui évoluent avec les besoins de l’apprenant.
Nous passons de :
la même éducation pour un grand nombre d’élèves
à une nouvelle possibilité :
le même objectif… mais des chemins différents adaptés à différents apprenants.
Chaque élève a-t-il désormais un « professeur particulier » ?
L’idée est séduisante.
Nous pourrions dire que l’élève transporte désormais avec lui un enseignant capable de répondre à tout moment.
Deux heures du matin ?
Il demande.
Après l’école ?
Il demande.
Avant l’examen ?
Il demande.
Il ne ressent aucune gêne à poser dix fois la même question.
Il n’a pas peur de dire :
Je n’ai même pas compris la partie la plus simple du cours.
Cela peut être extrêmement utile.
Un élève qui ne peut pas payer des cours particuliers peut bénéficier d’une certaine forme de soutien permanent. Un élève timide peut poser des questions plus librement. Un apprenant qui souhaite aller plus loin peut demander un défi supplémentaire.
Mais je préfère parler avec prudence d’un assistant intelligent d’apprentissage ou d’un compagnon d’apprentissage, plutôt que de supposer qu’il remplace entièrement l’enseignant.
L’éducation ne se résume pas à fournir des réponses.
L’enseignant observe. Encourage. Construit une relation. Comprend le contexte social. Remarque qu’un élève a perdu confiance. Parfois, il comprend que le problème n’est même pas lié au cours.
La relation éducative évolue donc vers un modèle impliquant enseignant–IA–apprenant, plutôt qu’un simple remplacement de l’enseignant.
Si l’élève possède un assistant intelligent… l’enseignant aussi
C’est probablement l’un des aspects qui transformera le plus le travail quotidien de l’enseignant.
Pensons au temps consacré à préparer :
Des questions. Des exercices. Des exemples. Des résumés. Des activités. Différentes versions d’un test. Des supports pédagogiques. Des explications pour plusieurs niveaux. Des plans de cours. Une première rétroaction.
L’intelligence artificielle peut aider à réaliser une partie importante de ces tâches.
L’enseignant peut demander :
Donne-moi cinq exemples supplémentaires. Transforme ce texte en activité. Crée des questions pour trois niveaux. Propose une manière visuelle d’expliquer ce concept. Simplifie ce contenu pour un élève qui a besoin de soutien. Propose une activité de groupe. Aide-moi à construire une grille d’évaluation.
Mais un mot est essentiel :
Aider.
Elle ne doit pas remplacer le jugement de l’enseignant.
L’IA peut produire vingt questions en quelques secondes.
Mais l’enseignant doit toujours vérifier :
Ces questions sont-elles adaptées ? Mesurent-elles le bon objectif ? L’une d’elles est-elle incorrecte ? Le niveau de langue est-il approprié ? Existe-t-il des biais ? Cette activité sert-elle réellement mes élèves ?
L’intelligence artificielle peut aider l’enseignant à produire rapidement des outils pédagogiques, mais le jugement sur leur valeur éducative reste une responsabilité humaine.
L’enseignant n’a peut-être pas perdu un rôle… il a peut-être gagné un assistant
J’aime aussi regarder cette évolution sous un angle positif.
Depuis longtemps, nous disons que les enseignants sont surchargés.
Si un outil peut leur faire gagner du temps en préparant des matériaux initiaux, en proposant des activités, en produisant des questions ou en convertissant le contenu sous plusieurs formes…
la bonne question n’est peut-être pas :
L’IA va-t-elle prendre la place de l’enseignant ?
Mais plutôt :
Quelles tâches peut-elle alléger afin que l’enseignant dispose de davantage de temps pour ce que la machine fait moins bien ?
Davantage de temps pour le dialogue.
Pour l’observation.
Pour les élèves qui ont besoin de soutien.
Pour réfléchir à la conception de l’apprentissage.
Pour les projets.
Pour la relation humaine.
La meilleure utilisation de l’intelligence artificielle dans l’éducation ne consiste peut-être pas à rendre l’enseignant moins important, mais à le libérer d’une partie du travail qui l’empêche d’exercer ses rôles les plus humains.
Puis est apparue une autre notion : les AI Agents
L’évolution ne s’est pas arrêtée aux modèles auxquels nous posons une question avant de recevoir une réponse.
L’intérêt augmente aujourd’hui autour des AI Agents.
La différence est importante.
Lorsque j’utilise un modèle génératif de manière simple, je dis :
Écris. Explique. Résume. Réponds.
Un agent intelligent peut être conçu pour poursuivre un objectif, planifier une série d’étapes, utiliser des outils et des informations autorisés, puis suivre la progression.
Imaginons qu’un élève dise :
Je veux apprendre les bases de la programmation en un mois.
Un assistant éducatif de ce type peut commencer par évaluer son niveau, proposer un plan, le répartir sur plusieurs jours, proposer des activités, suivre la progression, adapter la difficulté selon les résultats et revoir ensuite les points faibles.
Nous passons de :
une machine qui me répond
à :
un système qui peut m’aider à gérer un parcours d’apprentissage.
L’IA générative peut dialoguer avec l’apprenant ; l’agent intelligent ouvre la possibilité d’aider à planifier et suivre certaines parties du parcours d’apprentissage lui-même.
C’est passionnant.
Mais cela rend également les questions de confidentialité, de contrôle, de précision et de responsabilité encore plus importantes.
Lorsque la réponse devient trop facile… que devient l’effort ?
C’est probablement le point pédagogique qui m’inquiète le plus.
Autrefois, pour obtenir une réponse, l’élève devait parfois chercher.
Ouvrir plusieurs sources.
Lire.
Comparer.
Essayer.
Aujourd’hui, il peut écrire une question et obtenir une réponse organisée en quelques secondes.
C’est formidable lorsque la réponse devient un moyen de comprendre.
Cela devient un problème lorsqu’elle remplace la réflexion.
Si l’élève rencontre un problème et demande immédiatement à l’IA de le résoudre entièrement…
qui a réellement réfléchi ?
Si le système écrit tout le texte…
qui a appris à écrire ?
S’il réalise le projet…
qu’a appris l’élève grâce au projet ?
Lorsque la réponse devient extrêmement facile à obtenir, le nouveau défi pédagogique consiste peut-être à préserver la valeur de l’effort et de la tentative.
Nous ne devrions donc pas seulement demander :
L’élève a-t-il utilisé l’IA ?
Mais :
Comment l’a-t-il utilisée ?
A-t-il demandé la réponse ou un indice ?
A-t-il copié ou discuté ?
L’outil l’a-t-il fait moins réfléchir ?
Ou l’a-t-il aidé à comprendre quelque chose qu’il ne parvenait pas à comprendre auparavant ?
L’intelligence artificielle peut vous aider à penser… ou penser à votre place
La différence entre les deux peut tenir dans une formulation très simple.
Un élève dit :
Résous la question.
Un autre dit :
Ne me donne pas la réponse. Pose-moi des questions qui m’aideront à la trouver.
Le même outil.
Deux expériences d’apprentissage complètement différentes.
Le premier obtient peut-être un résultat plus rapide.
Le second peut obtenir davantage d’apprentissage.
Une nouvelle compétence apparaît ici.
Pas seulement le Prompt Engineering au sens technique.
Mais la capacité à demander l’aide de l’IA d’une manière qui préserve notre propre rôle dans la réflexion.
La valeur éducative de l’intelligence artificielle n’apparaît pas lorsqu’elle réalise la tâche à la place de l’apprenant, mais lorsqu’elle aide l’apprenant à devenir plus capable de la réaliser lui-même.
C’est, à mes yeux, l’un des principes les plus importants de l’utilisation de l’IA dans l’éducation.
Mais l’intelligence artificielle peut parler avec assurance… même lorsqu’elle se trompe
Il existe également un risque qu’il ne faut pas sous-estimer.
Les modèles génératifs peuvent produire des réponses naturelles, organisées et très convaincantes.
Mais ils peuvent se tromper.
Mélanger des informations.
Produire des éléments inexacts.
Présenter une source ou un détail avec plus de confiance qu’il ne le mérite.
Cela diffère d’une page Web mal conçue qui nous pousse immédiatement à nous méfier.
L’intelligence artificielle peut présenter l’erreur de manière excellente.
Nous retrouvons donc une compétence essentielle des articles précédents :
la vérification.
À l’ère de l’IA, il ne suffit pas que l’apprenant sache poser la bonne question ; il doit aussi savoir quand douter de la réponse et comment la vérifier.
La pensée critique et l’évaluation responsable des réponses générées deviennent des compétences fondamentales.
L’histoire d’Internet est-elle en train de se répéter ?
Dans une large mesure, oui.
Lorsque Internet est arrivé, certains craignaient que les élèves cessent de lire des livres.
Puis nous avons compris qu’Internet pouvait conduire vers un livre.
Vers une recherche.
Une université.
Une bibliothèque.
Et aussi vers de mauvais contenus.
Internet n’était ni entièrement bon ni entièrement mauvais.
Tout dépendait de son utilisation.
L’IA rejoue cette scène de manière plus puissante.
Elle peut aider un élève qui ne peut pas payer un professeur particulier.
Elle peut aider un autre à tricher.
Elle peut rendre la connaissance accessible dans la langue de l’utilisateur.
Elle peut fournir une information fausse.
Elle peut faire gagner du temps à l’enseignant.
Elle peut créer une dépendance excessive.
Elle peut encourager l’élève à réfléchir.
Ou lui offrir le chemin le plus court pour éviter de réfléchir.
Le problème de la technologie éducative réside rarement uniquement dans ce que l’outil peut faire ; il réside aussi dans ce que nous décidons de lui faire faire à l’intérieur du processus d’apprentissage.
Faut-il donc l’interdire à l’école ?
Cette question me rappelle également ce qui s’est passé avec le téléphone.
Lorsque le smartphone est entré dans la classe, la réponse la plus simple était :
Interdire l’appareil.
Aujourd’hui, un débat semblable se développe autour de l’intelligence artificielle.
Mais si l’élève va vivre et travailler dans un monde où l’IA est utilisée, le rôle de l’éducation est-il de faire comme si elle n’existait pas ?
Il vaut peut-être mieux lui apprendre :
Quand l’utiliser.
Quand ne pas l’utiliser.
Comment déclarer son utilisation.
Comment vérifier ses résultats.
Ce qu’il doit faire lui-même.
Quelles informations ne doivent pas être introduites dans l’outil.
Et quelles sont les limites d’une dépendance excessive.
Ainsi :
L’apprenant n’a pas seulement besoin d’apprendre avec l’intelligence artificielle ; il doit aussi apprendre à utiliser l’intelligence artificielle sans cesser lui-même d’apprendre.
Et les devoirs ? Peut-être que l’ancienne question ne suffit plus
C’est l’un des points les plus difficiles.
Si le devoir demande :
Écrivez un texte de mille mots sur un sujet.
Et que l’IA peut produire ce texte en quelques secondes…
qu’est-ce que nous évaluons réellement ?
Devons-nous interdire l’outil ?
Peut-être dans certaines activités, oui.
Mais nous devons peut-être également repenser l’activité elle-même.
Nous pouvons demander à l’élève :
De discuter ce qu’il a écrit.
D’expliquer pourquoi il a choisi cette idée.
D’examiner une réponse de l’IA et d’en identifier les erreurs.
De comparer des sources.
De réaliser un projet.
De défendre son point de vue.
De documenter ses étapes de travail.
D’expliquer où il a utilisé l’outil et ce qu’il a modifié lui-même.
L’intelligence artificielle nous ramène donc à une question ancienne :
Comment savons-nous que l’apprentissage a réellement eu lieu ?
L’intelligence artificielle ne transforme pas seulement la manière de délivrer l’éducation ; elle nous oblige également à repenser la manière dont nous savons que l’apprenant a réellement appris.
Et cela peut être une opportunité, pas seulement un problème.
Nous pourrions découvrir que certains anciens devoirs mesuraient davantage la capacité de produire un document que la capacité de comprendre.
Qu’en est-il de la confidentialité et de l’équité ?
Si le système personnalise l’apprentissage, il peut avoir besoin de données.
Le niveau de l’élève.
Ses erreurs.
Son historique.
Ce qu’il a lu.
Ce qu’il n’a pas compris.
Parfois des informations plus sensibles.
Une nouvelle question apparaît :
Jusqu’où l’outil doit-il connaître l’enfant pour pouvoir l’aider ?
Qui possède les données ?
Combien de temps sont-elles conservées ?
L’élève peut-il les supprimer ?
Peuvent-elles être utilisées à d’autres fins ?
Puis vient la question de l’équité.
Un élève dispose d’un modèle puissant et payant.
Un autre n’a pas un appareil adapté.
Ou une bonne connexion.
Ou un contenu disponible dans sa langue.
Nous retrouvons donc une règle récurrente de cette série :
Toute technologie capable de réduire une fracture peut en créer une autre si nous ne réfléchissons pas à ceux qui peuvent y accéder et à la manière dont elle est utilisée.
Le discours sur « l’apprentissage personnalisé pour tous » ne doit donc pas devenir une simple promesse technologique.
L’enseignant va-t-il disparaître ?
Je pense que nous pouvons maintenant répondre à cette question de manière plus mûre qu’au début de la série.
Lorsque le livre est apparu, l’enseignant n’a pas disparu.
Lorsque la vidéo est arrivée, il n’a pas disparu.
Avec Internet, il n’a pas disparu.
Mais son rôle a changé à chaque fois.
L’intelligence artificielle peut accélérer cette transformation.
Si la machine peut fournir une définition plus rapidement et plus clairement…
la valeur de l’enseignant ne réside pas dans le fait de mémoriser cette définition.
Si elle peut produire vingt questions…
sa valeur ne réside pas dans la rapidité avec laquelle il écrit des questions.
Si elle peut expliquer une idée de cinq manières différentes…
la compétition entre l’enseignant et la machine ne devrait pas porter sur celui qui parle le plus.
La valeur de l’enseignant peut résider davantage dans :
Le choix de l’objectif.
La conception de l’expérience.
La compréhension de l’élève.
L’observation des progrès.
La construction de la motivation.
La gestion du dialogue.
La définition des règles et des limites éthiques.
Le lien entre la connaissance et la vie.
La décision de savoir quand utiliser l’IA…
et quand demander à l’élève de réfléchir seul.
Lorsque la machine est devenue capable d’expliquer et de répondre, la valeur de l’enseignant a augmenté dans sa capacité à identifier la bonne question, le bon contexte et ce que l’apprenant doit encore faire lui-même.
La relation éducative devient donc de plus en plus une relation entre enseignant, IA et apprenant.
D’un « enseignant pour un groupe »… vers la possibilité d’une expérience différente pour chaque apprenant
Nous arrivons peut-être ici à la transformation la plus importante.
L’imprimerie a permis au même contenu d’atteindre un grand nombre de personnes.
L’école a permis à un enseignant de former un groupe.
La radio et la télévision ont élargi le public.
Internet a rendu la connaissance mondiale.
Mais l’intelligence artificielle ouvre une possibilité différente.
Un million d’apprenants peuvent étudier le même sujet…
sans nécessairement l’étudier de la même manière.
L’un a besoin d’une histoire.
Un autre d’un schéma.
Un troisième d’un exemple pratique.
Un quatrième d’un défi plus difficile.
Un cinquième doit revenir une étape en arrière.
Pour la première fois à cette échelle, le défi n’est peut-être plus de proposer un bon cours unique à des millions d’élèves, mais d’aider des millions d’élèves à atteindre le même objectif à travers des expériences adaptées à leurs différences.
L’apprentissage personnalisé devient alors plus qu’une simple plateforme.
Il devient une nouvelle manière de poser une question ancienne :
Si chaque être humain apprend à un rythme, dans un contexte et parfois selon une manière différente, pourquoi supposons-nous toujours qu’une seule méthode doit convenir à tout le monde ?
Mais ne laissez pas l’intelligence artificielle apprendre à votre place
C’est probablement ce que je souhaite le plus laisser de cet article.
Je ne suis pas favorable à considérer l’intelligence artificielle comme l’ennemie de l’éducation.
Je ne suis pas non plus favorable à l’admiration aveugle qui conduirait à lui confier tout le processus d’apprentissage.
L’outil est puissant.
Les possibilités sont réelles.
Les risques le sont aussi.
La nouvelle compétence que nous devons peut-être enseigner à nos enfants et à nos élèves est :
Comment travailler avec l’intelligence artificielle tout en conservant le rôle humain dans la réflexion, le choix et la responsabilité.
L’IA peut être :
Un assistant pédagogique.
Un coach.
Un partenaire de réflexion.
Un traducteur.
Un correcteur.
Un assistant de l’enseignant.
Un outil d’entraînement.
Un moyen de personnaliser l’apprentissage.
Mais une question doit rester à chaque fois :
Cet outil rend-il l’apprenant plus capable après son utilisation… ou plus dépendant de lui ?
La meilleure intelligence artificielle éducative n’est pas celle qui donne le plus grand nombre de réponses à l’élève, mais celle qui l’aide à devenir plus capable de trouver les réponses, de les comprendre et de les critiquer lui-même.
Peut-être que la leçon d’Internet se répète une nouvelle fois.
La véritable valeur n’était pas simplement dans le fait d’avoir accès à Internet.
Elle était dans le fait d’apprendre à l’utiliser.
Et la valeur de l’intelligence artificielle ne résidera pas dans sa capacité à répondre à tout…
mais dans ce que l’être humain deviendra capable de faire et d’apprendre lorsqu’il saura travailler avec elle.
Dans la prochaine étape, nous ne resterons plus devant la connaissance sur un écran, même si cet écran est intelligent et capable de dialoguer.
Nous commencerons à entrer à l’intérieur même de la connaissance.
Que se passe-t-il lorsque l’apprenant peut se tenir dans un lieu historique, manipuler un modèle tridimensionnel ou réaliser une expérience dans un monde qui n’existe pas physiquement ?
Et c’est ici que commence la prochaine étape de notre voyage « L’être humain apprend » :
L’être humain apprend (18) : Lorsque l’apprenant est entré dans la connaissance… Comment la réalité virtuelle et augmentée ont-elles transformé l’expérience d’apprentissage ?