Exploration des relations entre le type de demandes d’aide, l’expertise dans l’utilisation des intelligences artificielles génératives et les performances d’apprentissage

    Griffe, Gabriel (2025)
Mémoire
Accès restreint
    Titre en français
    Exploration des relations entre le type de demandes d’aide, l’expertise dans l’utilisation des intelligences artificielles génératives et les performances d’apprentissage
    Titre dans une autre langue
    Exploration of the relationships between the type of help seeking, expertise in the use of generative artificial intelligence and learning performance
    Auteur
    Griffe, Gabriel
    Directeur de recherche
    Huet, Nathalie (1964-.... ; psychologue)
    Date de soutenance
    2 juillet 2025
    Établissement
    Université Toulouse-Jean Jaurès
    UFR ou composante
    Département Psychologie cognitive, ergonomie
    Diplôme
    M1 Psychologie : Ergonomie Cognitive, Innovation Technologique et Facteur Humain (ECIT-FH)
    Sujet
    Psychologie et comportements
    Mots-clés en français
    Demande d’aide
    Intelligence Artificielle Générative
    Expertise
    Performance d’apprentissage
    Mots-clés
    Help-seeking
    Generative Artificial Intelligence
    Expertise
    Learning performance
    Résumé en français
    L’essor des intelligences artificielles génératives (IAG), comme ChatGPT, transforme
    profondément les pratiques d’apprentissage dans l’enseignement supérieur. Si ces outils
    offrent un accès immédiat à une aide individualisée, leur efficacité pédagogique dépend en
    grande partie de la manière dont les étudiants les sollicitent. Nous visons ici à explorer l’effet
    croisé du type de demande d’aide formulée (instrumentale ou exécutive) et du niveau
    d’expertise dans l’utilisation des IAG sur les performances d’apprentissage. Cette étude
    exploratoire a été menée auprès de 20 étudiants inscrits à l'université. Les participants ont
    d’abord lu un texte scientifique sur la symbiose mycorhizienne, puis répondu à un
    questionnaire d’apprentissage, avec la possibilité de solliciter ChatGPT à raison de trois
    requêtes par question. Le type de demande d’aide (instrumentale ou exécutive) a été
    déterminé qualitativement à partir des interactions avec le modèle d’IAG. L’expertise a été
    mesurée par une auto-évaluation sur une échelle de Likert de 0 à 7. Enfin, une phase
    d’évaluation finale a permis de mesurer les performances d’apprentissage via un second
    questionnaire. Les résultats montrent un effet significatif du type de demande d’aide sur les
    performances d’apprentissage. En revanche, aucun effet significatif n’a été observé pour le
    niveau d’expertise sur la performance. Enfin, de manière contre-intuitive, les étudiants se
    déclarant experts ont davantage eu recours à des demandes exécutives, alors que les
    non-experts ont plus fréquemment formulé des demandes instrumentales. Ces résultats
    suggèrent que l’impact pédagogique de l’IAG dépend moins du niveau d’expertise que du
    type d’interaction engagé avec l’outil. L’étude souligne également les limites de
    l’auto-évaluation de l’expertise, possiblement biaisée par des effets de surconfiance (effet
    Dunning-Kruger), et propose des pistes méthodologiques pour mieux évaluer les
    compétences effectives en rédaction de prompt.
    Résumé
    The rise of generative artificial intelligence (GAI) tools, such as ChatGPT, is
    profoundly transforming learning practices in higher education. While these tools provide
    immediate access to individualized assistance, their pedagogical effectiveness largely
    depends on how students choose to engage with them. This study aims to explore the
    interaction between the type of help-seeking behavior (instrumental vs. executive) and the
    level of expertise in using GAI tools on students’ learning performance. This exploratory
    study involved 20 university students. Participants were first asked to read a scientific text on
    mycorrhizal symbiosis, then to complete a learning questionnaire, with the possibility of
    consulting ChatGPT up to three times per question. The type of help-seeking behavior
    (instrumental or executive) was qualitatively assessed based on the participants’ interactions
    with the GAI model. Expertise was measured using a self-report on a 0-to-7 Likert scale. A
    final assessment phase was conducted to measure learning outcomes via a second
    questionnaire. The results revealed a significant effect of the type of help-seeking behavior on
    learning performance. However, no significant effect of expertise level on performance was
    observed. Interestingly, and contrary to expectations, self-declared expert users more
    frequently engaged in executive help-seeking behaviors, while non-experts were more likely
    to adopt instrumental help-seeking strategies. These findings suggest that the educational
    impact of GAI tools depends more on the nature of user interaction than on the perceived
    level of expertise. The study also highlights the limitations of self-assessed expertise, which
    may be biased by overconfidence effects (e.g., the Dunning-Kruger effect), and offers
    methodological recommendations for better evaluating actual prompting skills.

Citation bibliographique

Griffe, Gabriel (2025), Exploration des relations entre le type de demandes d’aide, l’expertise dans l’utilisation des intelligences artificielles génératives et les performances d’apprentissage [Mémoire]