Version française / please read in English below
Nous devons reconnaître que les étudiants utilisent de plus en plus l'IA générative. Leur courbe d'apprentissage est souvent beaucoup plus raide que la nôtre. Ils utilisent toutes sortes d'outils d'IA de manière de plus en plus sophistiquée et différenciée. Pour nous, enseignants et dirigeants d'écoles, qui sommes souvent loin d'être des spécialistes en la matière, il est de plus en plus difficile d'apprécier cette transformation et ce changement sophistiqués. Sans en vouloir faire trop, c'est ce qui rend la réflexion sur l'intelligence artificielle dans l'enseignement supérieur si passionnante, du moins pour moi: Le rythme de développement est si rapide qu'il est difficile de le suivre, ce qui me rappelle ma redoutable première année de lycée. D'une certaine manière, cela semble dangereux, car il semble n'y avoir que peu ou pas de base solide. Mon approche bien intentionné et sérieusement intéressé de l'IA et de la manière dont nous pourrions ou devrions l'intégrer dans les expériences d'apprentissage actuelles et futures, ne fait que montrer à quel point je suis ignorant, en retard et perdu...
“We took the midnight train going anywhere”
J'ai toujours été un fervent défenseur d'une intégration intelligente, et non rapide, des nouvelles technologies dans les écoles et leurs expériences d'apprentissage. Ce n'est pas parce qu'une technologie semble populaire, cool ou "absolument nécessaire" qu'elle convient forcément à toutes les écoles, à tous les cours ou à toutes les périodes de l'année. Les arguments "c'est le truc du moment" et "toutes les autres écoles sautent sur le train" ne sont pas des conseils stratégiques valables ou exploitables. Imaginez un instant que votre train doive partir plus tard et dans une autre direction pour éviter une collision... Nous devrions le savoir, puisque la destination et l'heure de départ étaient planifiées à l'avance, n'est-ce pas ?
Sur le long terme, et malgré les changements technologiques radicaux qui se produisent dans le monde, dans notre vie professionnelle et privée, les modèles d'enseignement supérieur se sont révélés remarquablement résistants, inchangés et probablement trop stables (en particulier en France). Cette résilience à changer la culture, les bases ou l'approche profonde de l'enseignement a probablement poussé les responsables d'écoles à appliquer les nouvelles technologies très rapidement et souvent sans véritable réflexion stratégique. En tant que responsables institutionnels, nous pouvons être peu sensibles aux implications des nouvelles technologies et nous concentrer trop souvent sur les problèmes à court terme plutôt que sur les possibilités à long terme. Il suffit de penser à 2020, lorsque nous avons été contraints de mettre une expérience d'apprentissage basée sur la présence physique dans une minuscule boîte de cours numériques et en ligne. Nous avons parcouru un long chemin depuis. Nous avons essayé de suivre le rythme, mais nous n'avons malheureusement pas encore appris que nous serons toujours en retard à court terme... C'est le sens du jeu !
En ce qui concerne l'IA, nous avons eu tendance à nous concentrer sur les menaces que ChatGPT (et d'autres) fait peser sur les modèles d'évaluation actuels en termes de tricherie, plutôt que sur les possibilités de revoir les stratégies d'évaluation, ainsi que de réviser l'ensemble du modèle et de l'approche de l'enseignement et de l'apprentissage contemporains. Une transformation effectuée correctement consiste à intégrer le changement, et non à qu’innover sur le plan technologique. Il n'y a pas besoin de rapidité, mais de clarté, de processus et d'adhésion de tous les utilisateurs et parties prenantes impliqués.
Montrez-moi l'argent !
L'IA générative, avec son immense potentiel et ses possibilités innombrables, est arrivée à un moment où les universités subissent d'intenses pressions financières. Compte tenu de la rapidité du développement, de l'étroitesse des budgets et de la malheureuse dépendance à l'égard des modèles de prestation actuels, souvent obsolètes, l'école est tentée de freiner les investissements. Le statu quo est encore bon, alors attendons un peu et prenons un train plus tard... Il n'est pas nécessaire de suivre un Mastère en gestion du changement pour comprendre que les organisations complexes, en particulier lorsqu'elles sont à court d'argent, ont une tendance adaptative à essayer d'absorber le changement dans leur mode de fonctionnement actuel - à résister aux idées radicales. Ce n'est pas une mauvaise chose en soi et cela contribue certainement à la résilience et à la persistance institutionnelles. D'un autre côté, il existe un danger de manquer les signaux émergeants des perturbations et des changements radicaux, de sorte que l'incapacité à s'adapter devient existentielle pour les institutions.
une nouvelle approche
Un changement réussi est une question de leadership stratégique. C'est aussi simple que cela ! Pour prendre les bonnes décisions, il faut procéder à une analyse autocritique de l'objectif à atteindre et de la situation actuelle, et déterminer ses capacités et ses faiblesses. Les acteurs dans l'enseignement supérieur ne sont pas toujours bien équipés ou formés pour comprendre ce que les défis technologiques signifient pour leurs activités actuelles - y compris pour attirer des candidats et offrir des possibilités d'apprentissage tout au long de la vie. Les enseignants et le personnel chargé de l'assurance qualité ne sont pas encore bien formés pour comprendre les capacités du ChatGPT à faciliter l'apprentissage. Ils ont tendance à se concentrer sur les menaces, bloquant souvent involontairement l'innovation. Si la compréhension des capacités de l'IA générative n'est pas sérieusement et profondément abordée, déployée et utilisée efficacement, les apprenants et l'apprentissage iront tout simplement ailleurs, laissant les universités sur le chemin comme une vieille locomotive à vapeur. L'augmentation des investissements à grande échelle des entreprises dans l'enseignement et l'apprentissage constitue une menace évidente, ainsi qu'une immense opportunité pour cette transformation radicale de la manière dont nous apprenons tous.
English version / Lisez la version française ci-dessus
We have to acknowledge that students are making more and more extensive use of generative AI. Their learning curve is often much steeper than ours. Students use all different kinds of AI tools in increasingly sophisticated and discriminating ways. For us academics and university leaders who are by far mostly no specialists on the matter, it gets harder and harder to appreciate this sophisticated transformation and change. Not to make a point, this makes thinking about Artificial Intelligence in higher education so exciting, at least for me. The pace of development is so fast that it is difficult to keep up, giving me reminiscing feelings of my dreaded freshman high school year. It somehow seems dangerous, because there seems to be little to no solid ground. My well intended and seriously interested approach to AI and how we could or should integrate it into the current and future learning experiences, only shows how ignorant, behind and lost I somehow am…
We took the midnight train going anywhere
I have always been a fervent fighter for an intelligent, not fast, integration of new technology into schools and learning processes. Just because something seems hype, cool or “absolutely needed”, doesn’t necessarily mean that it is for every school, course or timeframe. The arguments “it’s the thing of the moment” and “every other school is jumping on the train” are no good or actionable strategy advice. Just imagine for a second that your train may has to leave later and in another direction in order to avoid a collision… We should know, as the destination and departure time were planned ahead, weren’t they?
Over the long term, and despite radical technological change happening in the world, our professional as well as private life, higher education teaching models have proved remarkably resilient, unchanged and probably too stable (especially in France). This resilience to change the culture, the basics or the profound approach to education has somehow pushed school administrators to apply new technology very quickly and to often without real strategic thought. There has been a persistent tendency to overestimate the effect of any new technology in the short run and underestimate the effect in the long run. We, as institutional leaders, tend to be badly attuned to the implications of new tech, and too often focus on short-term problems rather than long-term possibilities. Just think back to 2020, when we were forced to put a learning experience based on physical presence into a tiny box of digital delivery. We have come a long way since. We have tried to keep up, but have unfortunately not yet learned that we will always be behind in the short run… That is the sense of the game!
In regards to AI, we have tended to focus on the threats that ChatGPT (and others) poses to current models of assessment in terms of cheating, rather than on the opportunities to review assessment strategies, as well as to overhaul the entire model of and approach to contemporary teaching and learning. Transformation done correctly is about embedding change, not technology innovation. There is no need for speed, but for clarity, for process and for getting all involved users and stakeholders aboard.
Show me the money!
Generative AI, with its immense potential and uncounted possibilities, has arrived at a time of intense financial stress on universities. Given the rapid pace of development, the tightness of budgets, and the unfortunate dependency on current often obsolete delivery models, the school’s temptation is to hold back on investment. The status quo is still ok, so let‘s wait a bit and jump on a later train. One does not need to attend a master program in change management to understand that complex organisations, especially when they are cash-strapped, have an adaptive tendency to try to absorb change into the way they currently do business – to resist radical ideas. This isn’t in itself a bad thing and surely helps contributing to institutional resilience and persistence. On the other hand, there is a danger of missing the signals emerging from disruption and radical change, so that failure to adapt becomes existential for institutions.
A new approach
Successful change is about strategic leadership. It is that simple! In order to make those good decisions one needs to do self-critical analysis of where one wants to get to, where one is now, as well as establishing one’s capabilities and one’s weaknesses. Actors in higher education are not always well equipped or trained in understanding what technology challenge means for their current business – including for attracting applicants and providing opportunities for lifelong learning. Tutors and quality assurance staff are not yet well-versed in understanding the capabilities of ChatGPT in facilitating learning. They tend to focus on the threats, often involuntarily blocking innovation. Unless understanding of the capabilities of generative AI is seriously and profoundly addressed, deployed and used effectively, learners and learning will simply go elsewhere, leaving universities behind like a old steam powered locomotion. The rise of large-scale corporate investment into teaching and learning provision is an obvious threat, as well as an immense opportunity for that radical transformation to the way we all learn.