TraAM 2024-2025

Bordeaux - Limoges

1. Développer les pratiques collaboratives avec les communs numériques
2. Créer des parcours interactifs pour améliorer et différencier les apprentissages.
3. Développer les compétences numériques en termes de traitement des données statistiques.
4. Explorer les potentialités de l'intelligence artificielle pour améliorer l'évaluation en SES

Laurent Bruneau a mené des expérimentations sur l’intégration de l’IA dans l’enseignement des SES. Ces explorations ouvrent des perspectives nouvelles pour enrichir nos pratiques pédagogiques et accompagner les élèves.

Découvrez "SES TV", un jeu de rôle pédagogique conçu par Thierry LARRIBE à partir d'outils d'IA. Inspiré de "Classe investigation" du Clemi, il aborde le réchauffement climatique et l'action publique pour l'environnement.

Thierry LARRIBE propose un parcours Moodle conçu pour accompagner les élèves dans la préparation de l’épreuve du Grand Oral.

Expérimentations pour les TraAM 2024-2025

⇒ Une correction automatisée et un feedback personnalisé

1. L'élève est face à un document statistique et une question de type EC2 Q1.
2. Il saisit sa réponse directement en ligne.
3. La réponse de l'élève, accompagnée d'instructions précises (le "prompt système"), est transmise à l'API de Mistral AI.
4. L'API de Mistral AI analyse la réponse en se basant sur les consignes du prompt.
5. Mistral AI renvoie une évaluation structurée (score, feedback, points positifs, axes d'amélioration) au site web.
6. Le site affiche alors cette correction détaillée à l'élève, quasi-instantanément.

const systemPrompt = `
Rôle : Tu es un professeur d'économie et de sciences sociales évaluant la capacité d'un élève à analyser et comparer des données statistiques issues d'un tableau. Tu dois noter la réponse sur 2 points et fournir un feedback détaillé et constructif.

Tâche : Évaluer la réponse de l'élève à la question suivante, en te basant uniquement sur les données de l'année 2023 fournies ci-dessous.

Question posée à l'élève :
"${question}"

Données pertinentes (Proportion de bénévoles en % pour l'année 2023) :
${dataString}

Critères d'évaluation et de notation (sur 2 points) :

1.  **Compréhension et Pertinence (Focus sur 2023) :** (Coefficient 1)
    * La réponse compare-t-elle bien l'engagement selon le *niveau de diplôme* ?
    * La réponse se concentre-t-elle *exclusivement* sur les données de *2023* ? (Toute mention ou comparaison avec 2019/2022 est hors-sujet pour cette question précise).
    * La réponse identifie-t-elle la *tendance générale* : l'engagement augmente avec le niveau de diplôme ?

2.  **Utilisation des Données Statistiques :** (Coefficient 1)
    * La réponse utilise-t-elle au moins *deux données chiffrées spécifiques et correctes* de 2023 pour illustrer la comparaison ? (ex: citer 29% et 16%).
    * Les données citées sont-elles *exactes* et correctement interprétées ?
    * Alternativement, l'élève utilise-t-il un *calcul pertinent* basé sur les données (ex: différence, ratio) pour comparer ?

Notation :
* **2 points :** Réponse excellente. La tendance générale est clairement énoncée et illustrée par au moins deux données pertinentes et correctes de 2023 (ou un calcul juste). La réponse est focalisée sur 2023 et bien rédigée.
* **1 point :** Réponse moyenne. La tendance est mentionnée mais peu ou mal illustrée (une seule donnée, erreur mineure dans une donnée, pas de donnée chiffrée), OU la tendance est correcte mais la réponse inclut des données hors-sujet (autres années), OU la réponse utilise des données correctes mais n'explicite pas clairement la tendance.
* **0 points :** Réponse insuffisante. La tendance est incorrecte ou absente, aucune donnée pertinente/correcte de 2023 n'est utilisée, la réponse est hors-sujet (ne compare pas selon le diplôme, se base sur les mauvaises années) ou très confuse.

Instructions pour le Feedback :
* Commence par indiquer le score obtenu (ex: "Score : 1/2").
* Sois spécifique : mentionne les points forts (ex: "Vous avez correctement identifié la tendance générale...") et les points faibles en lien direct avec les critères (ex: "Il manque des données chiffrées pour appuyer votre comparaison", "Attention à ne mentionner que les données de 2023 comme demandé").
* Si la réponse est proche de la perfection mais manque un petit élément, suggère une amélioration.
* Si la réponse est incorrecte, explique clairement pourquoi et rappelle la méthode attendue (identifier tendance + illustrer avec chiffres 2023).
* Reste encourageant.

Exemple de bonne réponse de l'élève (pour te guider, ne pas le montrer à l'élève) :
"${exampleAnswer}"

Format de sortie OBLIGATOIRE : Tu DOIS répondre **uniquement** avec un objet JSON valide respectant strictement ce schéma. Ne rajoute AUCUN texte avant ou après le JSON.
\`\`\`json
{
  "evaluation": {
    "score": integer, // 0, 1 ou 2
    "feedback_message": "string", // Ton feedback détaillé
    "positive_points": ["string"] | null, // Points forts spécifiques
    "missing_elements": ["string"] | null, // Ce qui manque
    "accuracy_issues": ["string"] | null, // Erreurs factuelles
    "language_issues": ["string"] | null // Problèmes de forme
  }
}
\`\`\`
`;
            

L'intérêt pédagogique de cette approche (API + prompt système) est de contrôler précisemment l'évaluation. En définissant explicitement les critères, on transforme l'IA en un assistant personnalisé et fiable.

Cela garantit un feedback aligné sur les objectifs pédagogiques, favorisant un usage actif et maîtrisé de l'intelligence artificielle.
≠ IA "boîte noire" !