7. Les rôles des robots sociaux dans le domaine de l’éducation
Les robots dans les systèmes éducatifs se divisent en deux catégories : les robots qui servent à enseigner et à insuffler de l’enthousiasme aux enfants dans les matières STIM, et, plus récemment, les robots enseignants. Si le potentiel pédagogique des robots dans les STIM a été largement étudié depuis les années 1970, les robots enseignants constituent une nouvelle technologie, issue des récents développements dans l’intelligence artificielle et la robotique. Ces robots font actuellement l’objet de recherches et d’essais de faisabilité. Ils assistent les enseignants dans leur tâche pédagogique en proposant aux élèves des expériences de tutorat spécifiques. Leur potentiel tient principalement à leur capacité d’offrir du tutorat individuel et une présence physique, celle-ci ne faisant pas partie de l’apprentissage classique assisté par ordinateur. Bien qu’il n’existe pas encore sur le marché de robots destinés à l’éducation formelle, la recherche semble indiquer que les robots sociaux offrent des avantages que les solutions informatiques n’offrent pas. Leur nature physique se prête aux interactions avec les apprenants du monde réel, et leur présence sociale est plus grande, ce qui améliore les résultats d’apprentissage. Leur entrée dans les salles de classe se heurte, toutefois, à des difficultés techniques, économiques et logistiques.
Les robots dans le monde de l’éducation sont généralement utilisés pour enseigner les matières STIM. Considérés à l’origine comme un moyen d’initier les élèves à la programmation et à la logique informatiques, ils sont maintenant également utilisés comme outils dans l’enseignement de l’électronique, de la conception mécanique, de la logique informatique, et même des arts, ainsi que pour mettre en pratique des compétences générales telles que le travail collaboratif et la négociation (Alnajjar et al., 2021[1]). Durant plus d’une cinquantaine d’années, l’utilisation de robots pour l’enseignement des STIM a fait l’objet de nombreuses études et leur efficacité est reconnue particulièrement en tant que catalyseurs dans l’enseignement d’une série de matières (Benitti, 2012[2]). Les robots comme outils d’apprentissage sont donc adoptés avec plus ou moins de succès dans l’enseignement primaire, secondaire et tertiaire.
Ces dernières années ont vu arriver une nouvelle application pour les robots éducatifs. Grâce aux progrès de la robotique et de l’intelligence artificielle, on explore désormais la possibilité d’utiliser les robots sociaux comme des assistants pédagogiques (Belpaeme et al., 2018[3]). On entend par robots sociaux, des robots qui interagissent avec les individus en utilisant les mêmes canaux d’interactions que pour la communication entre humains, à savoir la parole, les expressions faciales et le langage corporel. Ils ont souvent un aspect attrayant et leur logiciel est configuré pour maintenir le flux des interactions sociales. Bien que ces robots soient encore plutôt limités en termes de capacités d’interactions, ils sont efficaces dans les interactions restreintes et circonscrites (Bartneck et al., 2020[4] ; Breazeal, 2004[5] ; VanLehn, 2011[6]). Ces dernières années, de nombreuses recherches ont été effectuées dans le domaine de l’éducation démontrant que les robots ont un potentiel énorme dans le cadre de l’éducation formelle ou à domicile.
Dans ce chapitre, nous explorons ce que les robots peuvent apporter en tant que vecteurs d’éducation, mais aussi quelles sont leurs limites dans le domaine. Nous nous concentrons surtout sur deux types de robots : les robots sociaux qui sont destinés à fonctionner de manière autonome et à aider les enseignants à effectuer certaines tâches ; et les robots de téléprésence, issus d’un modèle hybride, dirigés à distance par les enseignants et qui incarnent l’enseignant dans la classe. Nous présentons tout d’abord certains des domaines d’application actuels, donnant quelques explications sur leur technologie, puis nous mettons en évidence les difficultés qui freinent leur adoption à grande échelle et soulignons que, s’ils peuvent s’avérer utiles aux enseignants, il est peu probable qu’ils les remplacent dans un avenir proche. Leur coût élevé peut aussi être un obstacle à leur implantation à grande échelle dans les systèmes éducatifs.
Les robots sociaux sont très intéressants sur bien des plans. Leur comportement réaliste et leur réactivité sociale nous fascinent, et cela n’est pas passé inaperçu auprès des professionnels de l’éducation. Au sens le plus élémentaire, les robots attirent un large public et peuvent être utilisés pour rendre l’enseignement plus intéressant. Mais outre cette attirance à court terme, le plus grand attrait des robots est peut-être qu’ils offrent la possibilité de prendre en charge certaines des tâches des enseignants. Si les ressources financières limitent le temps que les enseignants peuvent consacrer aux élèves, les robots sont assez bon marché et pourraient servir à enseigner et donner des cours à de petits groupes, idéalement, un robot tuteur pour chaque élève. Le tutorat, c’est-à-dire l’enseignement à un seul élève ou à un petit groupe d’entre eux, est l’une des formes les plus efficaces de l’enseignement. VanLehn (2011[6]) a constaté que le tutorat humain a une taille d’effet moyenne de d = 0,79 par rapport à l’enseignement en classe. L’enseignement assisté par ordinateur, et plus particulièrement les systèmes de tutorat intelligents (STI) au fonctionnement par étape, qui fournissent à l’apprenant un système d’enseignement personnalisé et des retours d’information affinés, peuvent atteindre un résultat similaire de d = 0,76 pour certaines matières (VanLehn, 2011[6]). On s’attend à ce que le robot opérant comme un professionnel de l’éducation atteigne un résultat analogue. Une récente étude montre que les premiers prototypes de robots ont obtenu des gains d’apprentissage de d = 0,70 lors de l’enseignement de matières allant du tutorat linguistique à l’enseignement de la gestion de la consommation énergétique dans une ville (Belpaeme et al., 2018[3]).
La capacité d’interaction sociale de ces robots est un élément clé de leur un rôle éducatif. Par leur apparence et leur logiciel, les robots sociaux sont optimisés pour dialoguer avec les humains d’une manière qui leur est naturelle. La plupart du temps, l’apparence des robots est agréable, avec ce qui ressemble à une tête, des yeux et une bouche évoquant la capacité du robot à voir, entendre et parler. Grâce à leur intelligence artificielle, ils sont à même d’interagir avec les individus : la détection et la reconnaissance faciale leur permettant de détecter et d’identifier des individus, la reconnaissance vocale leur servant à extraire les mots d’une interaction orale, et des modèles de dialogue et de synthèse vocale leur servant à converser (Bartneck et al., 2020[4]). De par leur interface naturelle, ils conviennent à un large éventail d’activités de tutorat, depuis le tutorat d’enfants pré-alphabètes jusqu’au tutorat linguistique reposant sur une interaction naturelle.
Si les logiciels d’apprentissage, comme les systèmes de tutorat intelligents, peuvent offrir un enseignement individuel et personnalisé, le robot apporte la présence sociale et physique qui manque à un système de tutorat intelligent classique. La recherche a démontré que cette présence sociale et physique entraîne des comportements davantage propices à l’apprentissage (Bainbridge et al., 2011[7] ; Li, 2015[8]). En présence de robots sociaux, les élèves sont plus attentifs, plus complaisants, et leur motivation est plus élevée. La raison probable en est que le cerveau humain réagit fortement aux stimulus sociaux, et même si les avatars à l’écran constituent, dans une certaine mesure, une présence sociale, la nature plus concrète du robot amplifie ce phénomène et tous les effets qui en découlent. Cela peut paraître paradoxal, car l’une des critiques adressées à l’apprentissage assisté par ordinateur considère que les humains sont incapables de s’impliquer émotionnellement avec les machines : si les interactions avec les robots sont bien évidemment différentes de celles avec d’autres humains, elles déclenchent néanmoins des réponses sociales et créent des formes de connexion (Belpaeme et al., 2012[9]).
Les robots peuvent avoir diverses attributions dans l’enseignement auprès des élèves ou dans leur accompagnement durant leur apprentissage. Dans le domaine de l’éducation, ils sont en général conçus et programmés pour jouer l’un (ou plusieurs) des rôles suivants : tuteur, enseignant (ou assistant pédagogique) et condisciple.
Le rôle le plus prometteur et pragmatique des robots sociaux en éducation est celui de tuteur (Kennedy, Baxter et Belpaeme, 2015[10] ; Leyzberg et al., 2012[11] ; Saerbeck et al., 2010[12]). À ce titre, le robot accompagne un seul apprenant ou un petit groupe d’élèves. Il peut accorder une attention individuelle et ce faisant décupler les capacités d’un enseignant dans une classe ordinaire. Il peut encadrer des enfants qui ont du retard ou en stimuler d’autres qui sont en avance, sans perturber les activités régulières de la classe. Il a une patience sans borne et peut répéter des sujets aussi longtemps que l’enseignant le permet. En outre, l’apprenant considère souvent que le robot ne porte pas de jugement (Bhakta, Savin-Baden et Tombs, 2014[13] ; Catlin, 2014[14]), ce qui élimine l’anxiété que déclenche fréquemment la nécessité de répondre à des questions en présence d’un tuteur ou d’un enseignant humain. L’Encadré 7.1 présente un exemple dans l’apprentissage des langues.
Le tutorat par robot dans l’apprentissage d’une langue, et plus précisément d’une deuxième langue, s’avère particulièrement prometteur. La langue maternelle s’acquiert à force d’interagir avec les parents, frères et sœurs et les pairs, au contraire de la deuxième langue, qui doit bien souvent s’apprendre dans le cadre d’une éducation formelle et dont le processus d’apprentissage est complètement différent de celui de l’acquisition de la langue maternelle. L’apprentissage d’une autre langue ne se fait pas grâce aux interactions, mais plutôt en apprenant par cœur des listes de vocabulaire et de règles grammaticales. Le manque de ressources est en grande partie la raison de ce contraste frappant dans le mode d’apprentissage. L’enseignant n’est pas en mesure d’échanger dans la langue cible avec chaque enfant de la classe, il est plutôt contraint de recourir à l’enseignement magistral. En outre, il peut même ne pas se sentir assez à l’aise dans la langue cible ou ne pas bien maîtriser tous les aspects de cette langue. Par exemple, les enseignants dont la langue maternelle est l’anglais auront souvent du mal avec la prononciation du français – et vice versa.
C’est en ce sens qu’un robot peut apporter une précieuse contribution (van den Berghe et al., 2019[15]). Il peut aider l’enfant à acquérir une deuxième langue pas seulement grâce au tutorat, mais aussi grâce à une véritable interaction dans la langue cible. Non seulement il peut donner des cours de langue, mais le robot est susceptible d’avoir un meilleur accent dans la langue cible que l’enseignant, car, de nos jours, les voix des ordinateurs modernes sont presque identiques à celles des humains. Par ailleurs, lorsqu’elles pratiquent à l’oral une nouvelle langue, de nombreuses personnes souffrent d’anxiété langagière, ce que le robot permet d’atténuer puisque les apprenants ne se sentent pas jugés.
Une récente étude a suivi des enfants néerlandais âgés de 5 ans au cours de leur apprentissage d’une deuxième langue à l’aide d’un robot social. Les jeunes élèves et le robot se retrouvaient autour d’une tablette sur laquelle s’affichaient de courtes histoires. Le robot racontait les histoires en néerlandais et en anglais, et apprenait aux enfants toute une série de mots, tels que des noms jusqu’à des concepts mathématiques, mais il leur enseignait également la grammaire par le jeu plutôt qu’en suivant un enseignement formel (Vogt et al., 2019[16]). Le but de l’étude était de vérifier l’efficacité des robots dans l’apprentissage précoce d’une deuxième langue et également de tester si les gestes effectués par le robot, par exemple l’imitation d’un coureur pour enseigner le verbe « courir », pouvaient accélérer l’apprentissage. Les enfants ont pu acquérir et retenir l’anglais enseigné par le robot tuteur tout aussi bien que si l’enseignement s’était fait à l’aide d’une application sur tablette. Cependant, ils ont progressé lentement dans l’ensemble. Lors de l’apprentissage avec le robot, qu’ils ont rencontré pendant 7 séances de 20 minutes, les enfants ont eu un test de compréhension de l’anglais et leur score n’était passé que de 3,47 à 7,69 sur un maximum de 34.
Source : Vogt et al. (2019[17])
Le robot peut aussi remplir le rôle d’enseignant ou d’assistant pédagogique : dans ce cas, il se substitue à l’enseignant, en donnant le cours ou en fournissant une assistance durant le cours, par exemple. Le robot s’adresse alors à la classe plutôt qu’à un seul élève. Il peut contribuer aux tâches administratives, comme l’inscription des élèves, et peut se charger de tâches d’enseignement restreintes, comme d’annoncer le sujet du jour, vérifier les connaissances préalables, définir une tâche d’apprentissage, poser des questions à choix multiple, faire la synthèse des réponses et fournir des commentaires. Ce faisant, le robot libère du temps pour l’enseignant. C’est tout l’intérêt du robot qui, non seulement, libère l’enseignant de l’interaction en classe, lui permettant d’accorder une attention individuelle aux apprenants, mais offre des expériences que l’enseignant pourrait trouver difficiles à réaliser, comme la prononciation de langues étrangères. Toutefois, les robots ne sont utilisés, le plus souvent, que pour égayer un cours ou une activité en classe ; par exemple, à titre de partenaires de l’enseignant (Encadré 7.2).
Le robot a un rôle nouveau et particulièrement prometteur à jouer à titre de condisciple apprenant (Tanaka et Kimura, 2009[18] ; Tanaka et Matsuzoe, 2012[19] ; Hood, Lemaignan et Dillenbourg, 2015[20]). Dans cette situation, le robot est présenté comme un apprenant et les enfants sont invités à apprendre avec le robot ou bien on leur demande d’enseigner au robot. Cette méthode repose sur l’effet du « protégé » ou de l’apprentissage par l’enseignement, c’est-à-dire sur l’idée qu’en expliquant le matériel d’étude aux autres, l’élève renforce sa propre compréhension : le robot joue le rôle d’un « agent enseignable ». Dans ce modèle, il a été prouvé que les enfants consacrent plus de temps et d’efforts aux activités d’apprentissage et qu’ils apprennent davantage (Chase et al., 2009[21]). Cette méthode s’est avérée efficace dans l’apprentissage de matières aussi diverses que l’écriture (Lemaignan et al., 2016[22]) et la deuxième langue (Tanaka et Matsuzoe, 2012[19]). Son effet se ressent davantage chez les élèves plus faibles, et il est fort probable que le robot suscite une plus grande confiance en soi chez l’élève. Le robot étant un de leur condisciple dans la classe, les élèves les plus faibles ne le restent pas, car c’est plutôt le robot qui est plus faible et son besoin d’instruction rehausse le statut des enfants.
Outre l’enseignement, le robot peut aussi fournir un soutien socioémotionnel. Les robots sont généralement perçus comme ne portant pas de jugement et comme étant neutres, si bien que les individus échangeront souvent de l’information plus volontiers avec un robot qu’ils ne le feraient avec d’autres personnes. Ces échanges peuvent servir à discuter d’aspects personnels et à prodiguer des conseils sur la façon de gérer les problèmes. Le robot peut, si l’apprenant l’y autorise, partager des informations choisies avec les enseignants ou le personnel de soutien. Ainsi, cette possibilité s’est avérée très utile en pour lutter contre le harcèlement, une étude ayant démontré que les enfants révélaient davantage de cas de harcèlement à l’école en présence d’un robot que par le biais d’un formulaire anonyme (Bethel, Stevenson et Scassellati, 2011[23] ; Bethel et al., 2016[24]).
Un petit robot humanoïde, appelé Nima, aide les élèves d’un établissement de l’enseignement secondaire iranien pendant leurs cours d’anglais. Le robot agit comme un partenaire de l’enseignant, les deux se positionnant devant la classe. Le robot aide la classe composée uniquement de filles de 12 à 13 ans à s’exercer en anglais (Alemi, Meghdari et Ghazisaedy, 2014[25]), par exemple, en faisant des commentaires sur les exercices ou en montrant la bonne prononciation des mots et phrases en anglais. Pendant cinq semaines, un groupe de 30 étudiantes a suivi le programme officiel avec l’aide du robot assistant et de leur enseignante. Quand on a comparé un groupe équivalent de 16 élèves suivi uniquement par un enseignant, le groupe qui bénéficiait d’un robot assistant a fait preuve d’un gain et d’une rétention de vocabulaire plus élevés (la moyenne des élèves au prétest était de 13,45, et après 5 semaines, le groupe avec le robot avait une moyenne de 39,76 comparé à 30,50 pour le groupe de contrôle). Dans le même temps, le groupe qui avait un robot assistant a davantage aimé la matière, ce qui pourrait expliquer leur performance.
Source : Alemi, Meghdari et Ghazisaedy (2014[25])
Les robots éducatifs sont configurés pour accomplir certaines tâches d’apprentissage par eux-mêmes. Si la plupart du temps ils sont toujours destinés à un environnement d’apprentissage contrôlé par les enseignants, ils sont souvent autonomes pour effectuer des tâches bien précises d’enseignement (ou d’apprentissage). L’utilisation des robots peut revêtir différentes formes, comme en témoignent les dispositifs de téléprésence, et ils peuvent posséder des fonctionnalités diverses. Le robot de téléprésence devient l’avatar de l’enseignant dans la classe.
Dans cette situation, un enseignant à distance contrôle le robot et fait participer les élèves. L’intelligence artificielle permettant de dispenser un enseignement à part entière n’étant pas encore disponible, les robots de téléprésence peuvent combler ce vide technologique. Le robot étant contrôlé par un enseignant humain, il peut faire face aux réponses et besoins parfois très variés des enfants, ce qu’un robot contrôlé par l’IA est dans l’impossibilité de faire pour l’instant. Il offre également aux apprenants une expertise et des compétences que leur enseignant local ne peut offrir, ou encore fait appel à l’expérience de personnes qui ne sont pas localement présentes ou qui désirent contribuer à l’enseignement de manière ponctuelle.
Les robots de téléprésence sont des robots qui sont commandés à distance par un opérateur humain et qui sont à même d’incarner la présence de l’opérateur sous la forme d’un avatar robotique. Ces robots peuvent avoir plusieurs avantages en optimisant les propriétés incarnées de l’avatar dans le domaine de l’éducation. Ce sujet a fait l’objet d’un regain d’attention en raison du risque de maladies infectieuses comme la COVID-19.
Les enseignants peuvent également avoir recours aux robots de téléprésence pour diriger des cours à distance ; le robot permet à l’enseignant d’avoir une bien meilleure perception de la classe qu’au cours d’une vidéoconférence traditionnelle. En effet, l’enseignant peut arbitrairement contrôler l’emplacement du robot et des capteurs (caméras, microphones, etc.) qui sont installés sur le robot avatar, alors que l’emplacement des capteurs est généralement fixe dans la vidéoconférence traditionnelle.
En outre, la présence de l’enseignant à distance se fait mieux sentir dans la classe lorsqu’un robot avatar est présent dans la classe. En général, le visage de l’enseignant est projeté sur la tête du robot. Un essai sur le terrain mené dans un établissement d’enseignement primaire public au Japon a révélé que les élèves ressentaient une forme de pression (c.-à-d. que l’atmosphère de la classe était maîtrisée) en présence d’un robot avatar dans la classe (Okamura et Tanaka, 2020[26]). Les élèves se sont montrés majoritairement favorables à cette pression, car elle empêchait toute distraction dans la classe en l’absence de l’enseignant humain.
Un autre avantage des robots de téléprésence est qu’un élève peut piloter un robot avatar. Un élève peut notamment participer aux activités de la classe d’un établissement éloigné (même dans un autre pays), ce qui constitue une bonne occasion d’apprendre à la fois diverses langues et d’expérimenter des cultures différentes. Dans un essai sur le terrain (Tanaka et al., 2013[27]), on a connecté deux classes d’établissements de l’enseignement primaire, une en Australie et l’autre au Japon, via un robot de téléprésence, et les élèves d’un établissement ont participé aux activités de l’autre (Graphique 7.3). Les enseignants des deux classes et les gestionnaires des établissements qui ont observé l’essai se sont montrés très sensibles à l’utilisation de cette technologie pour l’apprentissage des langues et des cultures. Cette fonctionnalité est aussi fréquemment mise en œuvre dans le cas d’élèves ayant une maladie de longue durée afin de maintenir le contact avec l’établissement (Encadré 7.4).
De nombreux robots de téléprésence ont été mis au point dans l’optique de permettre aux élèves atteints d’une longue maladie de maintenir leur lien avec leur établissement.
Ainsi, le robot AV1 mis au point par une start-up norvégienne, No Isolation, est un robot de téléprésence piloté par un élève. Lorsqu’un élève ne peut assister au cours en raison d’une maladie, AV1 peut prendre sa relève dans la classe. Le robot est équipé d’une caméra, d’un haut-parleur, d’un microphone, et d’une connexion internet permettant aux élèves à distance d’écouter, de voir et de parler dans la classe (en utilisant une application sur un Smartphone ou une tablette). Il leur est possible de regarder autour d’eux dans la classe, de lever la main pour demander la parole, de modifier l’expression des yeux du robot pour exprimer leurs émotions (p. ex., la confusion), et même de chuchoter à leur voisin de classe. L’utilisation du robot peut, bien sûr, être un moyen de rester en contact avec leurs amis en assistant à leurs anniversaires et autres rassemblements à distance.
En France, « Mon cartable connecté » est un robot de téléprésence destiné à prendre la place d’un élève dans la classe lorsque celui-ci est malade. Il est muni des mêmes dispositifs que le robot AV1 norvégien (caméra tournante, haut-parleur, microphone, connexion internet, et une appli sur tablette). Conçu dans le cadre d’une initiative sans but lucratif, ce robot de téléprésence a la forme d’un cartable classique, il a pour objectif de permettre aux élèves d’assister au cours et d’être en compagnie de leurs camarades, tout en évitant les mécanismes de substitution que les robots anthropomorphes pourraient générer.
De nombreux robots analogues ont été mis au point pour des usages semblables dans d’autres pays, comme PadBot Inbot de Technology Ltd. en Chine ; Ubbo de Axyn Robotique en France ; FURo-i de FuutureRobot en Corée ; Webot de Wicron Robotics et Swan Synergy de R.bot en Fédération de Russie ; Giraff de Giraff Technologies en Suède ; Kubi de Xandex, Beam de Blue Ocean Robotics, Carl et Teleporter de Orbis Robotics, Double 3 de Double Robotics aux États-Unis.
Source : AV1 : Belton (2018[28]) et Anthony (2017[29]); Mon cartable connecté (s.d.[30]); Telepresencerobots (s.d.[31])
Source : Tanaka et al. (2013[27]).
Par ailleurs, une étude a constaté qu’un robot de téléprésence pouvait faciliter l’apprentissage d’une deuxième langue en face à face (Tanaka et al., 2014[32]). Dans ce cas, les élèves ont participé à un cours particulier piloté à distance par un locuteur dont c’est la langue maternelle par le biais d’une vidéoconférence classique. Cette situation s’est révélée un véritable défi pour certains apprenants qui se sont souvent figés, trop mal à l’aise pour s’exprimer dans cette deuxième langue. Par contre, en participant au cours grâce à un robot de téléprésence, ils ont réussi à communiquer avec l’enseignant à distance, non seulement oralement, mais aussi physiquement (c.-à-d. en utilisant le corps du robot avatar), ce qui leur a facilité l’apprentissage de la deuxième langue (Graphique 7.4). Grâce à la gestuelle et aux interactions rapprochées, les apprenants et les enseignants peuvent se détendre, ce qui débouche sur un apprentissage réactif entre eux (Tanaka et al., 2014[32]). En Corée, le robot Engkey, mis au point par l’Institut coréen des sciences et de la technologie, a été conçu pour faciliter l’apprentissage de l’anglais dans les établissements d’enseignement primaire : un enseignant à distance, dont le visage apparaît sur l’écran du robot, dirige le robot via un ordinateur. Les résultats de cette étude dans la ville de Daegu auprès de 29 classes montrent que le robot de téléprésence piloté par un locuteur de langue anglaise a amélioré les résultats des élèves, particulièrement à l’oral (Yun et al., 2011[33]).
Source : Tanaka et al. (2014[32])
En complément des laboratoires à distance et virtuels dans le domaine des sciences, des robots de téléprésence sont testés pour réaliser des expériences scientifiques dans un laboratoire réel. Des chercheurs canadiens ont étudié l’utilisation d’un robot de téléprésence spécialement conçu dans une simulation de laboratoire intelligent afin de permettre aux étudiants de réaliser des travaux de laboratoire ou de terrain à distance. Ils ont mis au point un prototype abordable (environ 350 USD) doté d’un bras avec 2 degrés de liberté ; les utilisateurs en ligne pouvaient facilement le diriger et les résultats de ce petit pilote ont montré une augmentation de la motivation des étudiants en ligne (Tan et al., 2019[34]).
Compte tenu des avantages énumérés jusqu’à maintenant, on peut imaginer que, dans des situations dangereuses impliquant la propagation de maladies infectieuses, par exemple, les élèves pourront, depuis leur domicile, participer à une classe grâce à un robot de téléprésence, et de ce fait pourront assister à des cours en toute sécurité. À l’heure actuelle, en raison des coûts élevés que cela représenterait, cette idée n’est pas réalisable dans le domaine de l’éducation. Cependant, de multiples opérateurs peuvent piloter un simple robot avatar (contrôle partagé), ce qui nécessite moins de robots avatars par rapport au nombre d’élèves. Il sera intéressant de tester si quelques robots avatars (p. ex., 2 ou 3) et un enseignant peuvent donner un cours à un plus grand nombre d’élèves (p. ex., 4-6 ou plus).
Grâce aux technologies permettant l’enseignement à distance, nous pourrions peut-être trouver de nouveaux enseignants. Ainsi, les personnes à la retraite qui ont les compétences et les savoirs nécessaires pourraient enseigner à des élèves depuis leur domicile (Graphique 7.5) (Okamura et Tanaka, 2016[35]). En introduisant les caractéristiques de l’IA telles que la détection des mots clés et la génération de dialogues pour faciliter la conversation intergénérationnelle entre les apprenants et ces enseignants chevronnés, un robot de téléprésence pourrait agir comme une interface intelligente en aidant ces enseignants à bien comprendre le statut des élèves éloignés et à faire cours de manière efficace.
Source : Okamura et Tanaka (2016[35]).
Les robots semblent être efficaces auprès de nombreuses tranches d’âges. Si la grande majorité des recherches portent sur les enfants âgés de 6 à 12 ans, les robots se sont avérés efficaces pour d’autres tranches d’âges également. Ils se sont montrés utiles dans les cours de langues des classes préscolaires (Gordon et al., 2016[36] ; Vogt et al., 2019[16]), mais se sont avérés également efficaces dans l’enseignement supérieur (Weber et Zeaiter, 2018[37]). On a longtemps cru que les robots auraient une plus grande efficacité à l’âge où les enfants montrent encore une « suspension de l’incrédulité », mais il est de plus en plus évident que l’usage des robots sociaux est convaincant à tous les âges. Une configuration adéquate du robot et une expérience d’interaction adaptée à l’âge de l’apprenant suffisent. Cependant, créer des robots pour des apprenants plus âgés s’est révélé plus complexe sur le plan technique, car leurs exigences sont plus élevées quant aux habiletés du robot (Beran et al., 2011[38]). Les enfants plus jeunes acceptent que les robots mènent l’interaction et la maintiennent dans la bonne direction, et continueront à croire que le robot est social. Les apprenants plus âgés sont davantage susceptibles de vouloir une interaction plus diversifiée et plus spontanée, ce qui représente un défi technique difficile à relever.
Les robots dans leur rôle de professionnels de l’éducation fonctionnent mieux dans des matières qui sont relativement restreintes et lorsque leur contribution est bien définie. L’une des raisons à cela est que le traitement des signaux sociaux, sous-branche de l’intelligence artificielle qui tente d’interpréter l’environnement social (Vinciarelli, Pantic et Bourlard, 2009[39]), ne peut pour l’instant que gérer des signaux sociaux plutôt explicites, comme des expressions faciales ou gestes marqués. Les technologies sont impressionnantes dans leur capacité à transcrire et comprendre le langage parlé et les signaux sociaux non verbaux, à comprendre les intentions des individus, et à donner les réponses adéquates, mais elles ont souvent du mal à interpréter les interactions sociales dans le contexte. Cependant, un traitement de signaux sociaux bien rodé est nécessaire pour offrir une expérience interactive similaire à celle offerte par l’enseignant humain. Cela signifie, par exemple, que les robots pour l’instant sont dans l’incapacité de s’engager dans des dialogues improvisés : si elle peut transcrire du langage parlé en langage écrit, l’intelligence artificielle peine à accéder à la signification de ce qui est dit et, sans cela, elle ne peut formuler la réponse qui convient. C’est la raison pour laquelle la technologie vocale nous demande d’utiliser des commandes courtes et structurées, et qu’elle a du mal pour l’instant avec le langage parlé long et sans limites. Toutefois, lorsque les contraintes appropriées sur l’environnement d’apprentissage sont en place, les robots peuvent apporter un soutien dans un grand nombre de matières. Souvent, le robot est assorti d’un écran, qui ne sert pas seulement à afficher du contenu pédagogique, mais sert également de dispositif de saisie par lequel l’apprenant peut entrer des réponses ou sélectionner des exercices, ce qui évite au robot de devoir comprendre les entrées verbales.
Les matières qui reposent sur les connaissances, où l’apprentissage par cœur est important, comme la géographie, les langues avec leur vocabulaire, ou la science dans des petites classes, se prêtent bien au tutorat par robot. La nature répétitive de ce type d’apprentissage et la relative facilité avec laquelle les sujets peuvent être enseignés et testés en font des matières adaptées à l’enseignement assisté par ordinateur et par robot. Ces matières étant bien structurées, il est facile de tester le niveau de l’apprenant par le biais d’une évaluation formative ou des questions pour que le robot adapte son tutorat d’après les résultats.
Les matières qui font appel aux compétences comme la lecture et les mathématiques se prêtent également relativement bien au tutorat d’un robot. En raison d’une forte composante visuelle, les exercices dans ces matières sont souvent affichés sur un écran d’ordinateur, et le robot offre encouragement et soutien pendant l’apprentissage. Le robot s’adapte au profil et aux progrès de l’apprenant et lui prodigue des conseils, des encouragements et de l’aide au moment opportun. Comme pour les systèmes de tutorat intelligents, l’accompagnement se doit d’être équilibré. Un soutien omniprésent mène souvent à une trop grande dépendance de l’élève à la fonction d’aide du système (Aleven et al., 2003[40]), mais les robots peuvent activement modeler les comportements de recherche d’aide de l’apprenant (Ramachandran, Litoiu et Scassellati, 2016[41]).
De même, les robots se sont révélés prometteurs en matière de tutorat dans le domaine affectif. Cette caractéristique peut s’appliquer directement à l’éducation, comme dans le cas où le robot encourage les apprenants à faire plus d’exercices ou à s’entraîner à la maison (Kennedy et al., 2016[42]). Ils peuvent, par ailleurs, servir à enseigner et renforcer les compétences comportementales et les compétences sociales. Ainsi, les robots sont connus pour leur efficacité dans la pratique des compétences sociales chez les enfants atteints de troubles du spectre autistique (Robins et al., 2004[43] ; Scassellati, 2007[44]). Dans ce cas, le robot met en œuvre l’analyse comportementale appliquée, une approche thérapeutique dans laquelle les compétences sociales sont internalisées par une pratique répétée.
Le tutorat par robot prend tout son sens dans le domaine des compétences physiques, telles que les compétences motrices ou la rééducation physique. Dans ce cas, le robot fait la démonstration et accompagne le processus d’apprentissage. On a utilisé un robot social pour enseigner l’écriture à des enfants entre 6 et 8 ans. Pour ce faire, on a recouru à l’apprentissage par les pairs : on a dit aux enfants que le robot écrivait très mal et on leur a demandé de montrer au robot comment écrire correctement. Lorsque le robot s’est amélioré, les élèves qui écrivaient le plus mal ont vu, eux aussi, leur écriture s’améliorer (Hood, Lemaignan et Dillenbourg, 2015[20] ; Zhexenova et al., 2020[45]) (Encadré 7.4).
Le gouvernement du Kazakhstan a décidé, en 2017, de passer de l’écriture cyrillique à l’écriture latine pour toutes les communications gouvernementales et en éducation. La transition se déroulera sur une période de sept ans, et le rôle de l’éducation formelle est essentiel dans ce processus. Une équipe de chercheurs s’est penchée sur l’aide que les robots pouvaient apporter dans l’apprentissage de ce tout nouveau système d’écriture. Ils ont opté pour une approche « d’apprentissage par l’enseignement », par laquelle les enfants enseignent au robot. Même si l’approche robotique atteint des résultats similaires à ceux de l’apprentissage à l’aide d’une tablette ou d’un enseignant, le robot présente des avantages considérables lorsqu’il s’agit de renforcer la motivation des enfants, et il s’est avéré la méthode d’apprentissage préférée (Zhexenova et al., 2020[45]).
Source : Zhexenova et al. (2020[45])
Le domaine d’apprentissage qui présente le plus de difficultés, mais aussi celui où le tutorat par robot est susceptible d’être des plus profitables, est celui où le robot s’appuie sur une interaction sociale sans contrainte pour enseigner. L’apprentissage des langues en est un excellent exemple, puisqu’il s’agit d’interagir oralement dans la langue cible, ce qui peut se faire à l’aide d’un robot. Ces robots seraient également capables d’offrir un soutien au-delà de l’enseignement formel, et pourraient ainsi proposer un accompagnement psychosocial. Toutefois, les défis techniques liés à l’interaction être humain-machine sans contrainte laissent présager qu’il faudra attendre des décennies avant que cette application ne soit prête. Comme déjà mentionné, en attendant, les robots de téléprésence pilotés par des humains peuvent combler le vide.
La forme et la taille des robots tuteurs sont très diverses, du simple robot de 10 cm de haut jusqu’au grand robot à l’aspect humain. C’est souvent leur application et leur public cible qui déterminent lesquels conviennent le mieux : un robot de petite taille pour les jeunes enfants, mais un robot qui s’adresse à un amphithéâtre composé d’étudiants adultes peut avoir besoin de plus d’autorité et devra donc être plus grand et avoir une apparence humaine. L’apparence du robot ne semble pas avoir d’influence sur les résultats d’apprentissage : la recherche montre que l’aspect humain des robots n’a pas forcément une meilleure incidence sur les résultats d’apprentissage, au contraire de la présentation et de la présence sociale du robot qui, elles, sont essentielles dans les résultats. Une méta-analyse (Belpaeme et al., 2018[3]), par exemple, a montré que des robots de la taille d’un jouet, tels que le robot Keep On qui fait 15 cm de haut, peuvent obtenir des résultats d’apprentissage comparables à ceux de robots humanoïdes plus coûteux (comme le robot dans l’Encadré 7.4).
Dans sa forme la plus simple, le robot social a des capacités interactives très limitées. Il exécute des scripts simples en réponse à des entrées minimales, telles que des pressions sur des touches ou des saisies sur une tablette. À partir de là, le robot peut moduler l’interaction en fonction de la performance de l’apprenant. Il peut créer un modèle de parcours d’apprentissage de l’apprenant grâce aux résultats de tests. C’est ce modèle qui sert ensuite à configurer l’interaction, comme c’est déjà le cas avec les systèmes de tutorat intelligents. Au cours des dernières années, on a surtout utilisé les techniques d’apprentissage automatique pour créer des modèles détaillés des performances de l’élève et prévoir les réponses du robot qui seront davantage susceptibles d’améliorer l’apprentissage (Schodde, Bergmann et Kopp, 2017[46] ; Spaulding, Gordon et Breazeal, 2016[47]). Ainsi, les robots peuvent proposer à l’apprenant des exercices et du matériel suffisamment difficiles sans qu’ils soient rébarbatifs. Les robots sociaux sont également capables de fournir des encouragements ou de l’empathie en cas de mauvaise réponse. Pour ce faire, ils ne nécessitent qu’un minimum d’informations telles que les réponses données et le moment où elles ont été données. Ces fonctions sont disponibles depuis un certain temps dans les logiciels éducatifs, mais c’est seulement maintenant qu’elles font leur apparition dans les robots sociaux du commerce.
Toutefois, par-delà l’adaptation de l’enseignement à l’apprenant, on estime que les robots sociaux déploient toute une gamme de réponses sociales à l’appui de leur fonctionnalité éducative. L’un des éléments de cette plus grande réceptivité sociale est le recours aux informations personnelles (Molenaar, 2021[48]). Non seulement le robot adapte son enseignement ou ses questionnaires à l’apprenant individuel, mais il stocke et rappelle également des informations personnelles. Il peut s’agir de l’utilisation du nom de l’apprenant ou de la mémorisation d’éléments familiaux et de ses loisirs, en passant par l’adaptation de son comportement à la personnalité de l’apprenant. Des études ont démontré que les élèves s’attachent aux robots qui font un usage adéquat des informations personnelles (Belpaeme et al., 2012[9]), et que l’impact en était positif sur les résultats d’apprentissage et la motivation. Baxter et al. (2017[49]) ont testé des robots sociaux dans les classes de deux établissements de l’enseignement primaire au Royaume-Uni, durant deux mois. Les robots ont endossé le rôle de camarades d’apprentissage dans des matières aussi bien familières que nouvelles. Un robot a personnalisé ses réponses en utilisant le prénom des enfants lorsqu’il s’adressait à eux et en adaptant sa personnalité pour qu’elle corresponde à celle de chaque enfant, ce qui n’a pas été le cas de l’autre robot. Les résultats ont montré que les élèves apprenaient davantage dans les nouvelles matières lorsqu’il y avait des interactions avec le robot au comportement personnalisé, et que cet avantage semblait s’étendre à d’autres réalisations en classe auxquelles le robot ne participait pas. L’étude a également constaté une meilleure acceptation du robot personnalisé par rapport à une version non personnalisée.
Finalement, pour qu’il y ait une interaction sociale complète, il faut que le robot puisse interpréter les signaux sociaux verbaux et non verbaux et y répondre en conséquence. Certains éléments n’impliquent pas de difficultés techniques : un robot peut utiliser sa caméra pour détecter les individus et réagir à leur présence, il peut établir un contact visuel et lire des émotions simples. La reconnaissance vocale, c’est-à-dire la transcription de la parole en langage écrit, est bien avancée et, bien qu’elle ne fonctionne pas encore très bien auprès de jeunes utilisateurs, la technologie a suffisamment progressé pour que le robot reconnaisse des réponses orales. Elle fonctionne dans une interaction orale simple alternée, par exemple, le robot pose une question à choix multiple et écoute la réponse orale.
Toutefois, le dialogue sans contrainte reste techniquement impossible. Pour cela, le robot aurait besoin non seulement de transcrire les paroles, mais aussi de comprendre ce qui est dit en plus de formuler la réponse appropriée. Cela ne peut se faire que dans des contextes d’interaction limités, mais l’état d’avancement des technologies ne permet pas encore de gérer un dialogue plus spontané entre un utilisateur et un robot. Néanmoins, cette capacité et autres compétences sociales pourraient produire un robot social très persuasif et efficace en général, ce qui aurait de grandes implications pour la mise en œuvre de ces robots sociaux, notamment dans le paysage éducatif.
L’attitude des enseignants est un indicateur fort de l’utilisation des technologies dans la classe, une attitude positive envers les robots constituant un élément déterminant pour l’adoption des robots sociaux dans les systèmes éducatifs. Les études ont constaté que les professionnels de l’enseignement ont des attitudes variées envers l’utilisation de robots sociaux en éducation, mais que beaucoup d’entre eux émettent des réserves quant à leur introduction dans la classe (Kennedy, Lemaignan et Belpaeme, 2016[50] ; Kim et Lee, 2015[51] ; Reich-Stiebert et Eyssel, 2016[52] ; Serholt et al., 2014[53]).
Les enseignants dont l’attitude à l’égard des technologies en général est plus positive, portent également, sans surprise, un regard plus positif sur les robots en éducation. Ils estiment, par ailleurs, que les robots sont efficaces dans les activités d’enseignement des sciences, de la technologie, de l’ingénierie et des mathématiques (STIM), mais ils ne pensent pas que d’autres domaines, tels que les compétences sociales ou les langues, se prêtent à l’utilisation des robots. Une étude menée auprès d’enseignants d’établissements primaires au Royaume-Uni (Kennedy, Lemaignan et Belpaeme, 2016[50]) a observé que 57 % des enseignants estimaient que les robots pouvaient les assister dans les STIM, mais seulement 13 % pensaient que les robots convenaient pour enseigner les sciences humaines et les arts. La raison en est peut-être que les enseignants considèrent les robots comme des dispositifs et des outils d’apprentissage plutôt que comme des robots ayant un rôle éducatif à jouer.
Des études sur les préoccupations des enseignants à l’égard de l’utilisation des robots ont fait ressortir les principales craintes suivantes :
Perturbation potentielle des activités de la classe : c’est-à-dire que le robot détourne les élèves du cours plutôt que d’apporter son assistance au cours.
Équité d’accès : en particulier si les robots se font rares, ce sont les élèves qui en ont le plus besoin qui doivent en bénéficier et non les apprenants privilégiés. Le coût est une vraie question : si les robots coûtent chers, ils ne bénéficieront qu’aux apprenants et établissements ayant des moyens financiers suffisants.
Le robot pourrait peser davantage sur la charge de travail des enseignants. Un robot qui sert d’assistant pédagogique dans la classe devrait être facile d’utilisation et demander un minimum d’effort en termes d’installation, de pilotage et de rangement.
Finalement, la crainte souvent exprimée était le risque que les robots sociaux aient une influence négative sur les relations interpersonnelles et exacerbent l’isolement social. Par leurs interactions simplistes, leur manque d’empathie et de souplesse, les robots pourraient également imposer un style « robotique » dans les interactions au sein de la classe, ce qui aurait des conséquences négatives sur les jeunes élèves.
Il est important de noter, toutefois, que ces résultats sont tirés d’enquêtes complétées par des enseignants qui n’ont jamais eu accès à des robots sociaux ou à des robots servant d’assistants pédagogiques. Ainsi, les réponses sont empreintes d’idées préconçues insufflées par les médias populaires et la science-fiction, et peuvent ne pas refléter les attitudes futures. Quelques rares cas suggèrent que les enseignants qui ont travaillé avec des robots sociaux en classe sont généralement très ouverts quant à la mise en œuvre potentielle de robots enseignants.
Curieusement, dans toutes les enquêtes, la perte d’emploi ne semble pas très préoccupante, voire pas du tout : les enseignants ne pensent pas que les robots remplaceront le travail humain, mais ils les considèrent plutôt comme une aide technologique dans leur profession.
Certaines préoccupations sont légitimes, d’autres le sont moins. Par exemple, si la crainte concernant les interactions de type robot, à savoir leur manque de profondeur et de chaleur, est actuellement légitime, l’idée que les enfants (et les adultes) ne peuvent s’impliquer dans des interactions émotionnelles avec les robots est en réalité fausse. Les études ont démontré que les enfants et les adultes nouent facilement des liens émotionnels avec les robots et que ceux-ci peuvent s’avérer une aide constructive (Belpaeme et al., 2012[9]). Comme mentionné ci-dessus, les robots peuvent aider à résoudre des problèmes socioémotionnels, et la recherche a constaté que, si les enfants comprennent leurs limites et qu’ils ne sont que des machines, cela ne les empêche pas d’« aimer » un robot bien conçu (van Straten, Peter et Kühne, 2020[54]).
Les questions relatives à la charge de travail, aux perturbations, à la maintenance technique et à la distraction sont des préoccupations légitimes que les chercheurs et les développeurs de la robotique éducative doivent prendre en compte dans la conception de leurs robots. Les recherches et les expérimentations doivent continuer afin d’améliorer et de rendre le plus efficace possible l’utilisation des robots sociaux et de téléprésence dans le domaine de l’éducation.
Les préoccupations du milieu éducatif quant au coût et à l’accessibilité sont légitimes.
À l’heure actuelle, les robots sociaux destinés à l’éducation sont peu nombreux sur le marché. Certains produits sont destinés au marché ludo-éducatif. Vanté comme étant un compagnon d’apprentissage câlin s’adressant aux enfants de 6 à 36 mois, le nounours interactif Cody The Smart Cub, de Vtech Playtime, se contente de jouer des énoncés et des chansons enregistrées qui peuvent être adaptés à l’enfant. Le robot éducatif WEDRAW est un stylo traceur parlant, destiné aux enfants entre 3 et 8 ans, qui peut dessiner sur du papier et dans lequel des contenus sont déjà installés comme des formes, des figures et des chiffres. Des technologies encore plus pointues existent également comme les robots Nao et Pepper, de Softbank Robotics, que le fabricant présente comme des « robots éducatifs ». Par exemple, une application éducative pour l’apprentissage de l’anglais a été commercialisée avec le robot Pepper (Tanaka et al., 2015[55]).
Quant aux robots de téléprésence, ils sont disponibles à des prix inférieurs à 1 000 USD. Cependant, ces robots de téléprésence abordables ont des capacités limitées en termes de capteurs, d’actionneurs et d’interfaces de contrôle. Les derniers systèmes d’avatars à distance sont équipés de capteurs, d’actionneurs et d’interfaces de réalité virtuelle plus performants (pour les opérateurs de robots), ce qui les rend plus coûteux. Les futurs robots de téléprésence à vocation éducative coûteront donc probablement plus cher que ceux sur le marché actuel. La série TELESAR figure parmi les systèmes de « télexistence » les plus pointus, et a une longue histoire de recherche et développement menés par Susumu Tachi et ses collègues, qui remonte aux années 1980 (Tachi, 2015[56]). Le système TELESAR VI (Graphique 7.7) comprend un avatar à distance ayant 67 degrés de liberté pour accomplir des mouvements de type humain. En principe, le système peut également être équipé de dispositifs sensoriels étoffés, dont la vision, l’audio, et le toucher. Bien que ces systèmes résultent de la recherche de pointe et sont très coûteux aujourd’hui, la recherche nous permet d’envisager les orientations futures en éducation à distance, notamment avec des robots de téléprésence aux comportements de plus en plus complexes en classe.
Source : Courtoisie du Professeur Tachi
La principale limite au succès commercial de ces robots est double. D’une part, il faut que l’offre et la demande soient importantes. C’est l’éternel problème de l’œuf et de la poule. Sans demande pour des robots tuteurs, il n’y a aucun intérêt commercial à développer ces systèmes, et vice versa. Il faut écrire des logiciels et des contenus (offre) pour que ces robots plaisent aux acheteurs, qu’il s’agisse de familles ou d’établissements d’enseignement (demande). À l’heure actuelle, l’investissement public et privé fait défaut, car la plupart des fournisseurs de contenus sont réfractaires à l’idée de créer des contenus pour des robots à usage éducatif. D’autre part, les robots sociaux en éducation ont besoin de processus et d’écosystème appropriés avant que leur mise en œuvre réussisse et qu’il y ait une demande viable. Aujourd’hui, il existe un vide dans la pratique pédagogique et dans les programmes de formation des enseignants, ce qui empêche l’utilisation de robots en éducation – même pour ceux qui sont déjà disponibles.
C’est le problème de l’œuf et de la poule : les développeurs de contenus et les fabricants de robots retiennent leurs investissements dans ces nouvelles technologies tant que le marché ne se développe pas, et la commercialisation de ces technologies se fait très lentement en raison du peu de disponibilité de contenus et matériels abordables. Pourtant, certains « convaincus » se sont déjà lancés. Certains établissements scolaires ont investi dans l’achat d’un ou de plusieurs robots sociaux qui sont utilisés dans des aspects limités du programme d’enseignement, tels que l’enseignement de l’anglais à des élèves d’un établissement japonais.
La disponibilité des robots jouant le rôle d’enseignants ou de tuteurs est limitée sur le marché, et ce n’est probablement pas près de changer. Cette technologie est en compétition avec d’autres outils technologiques éducatifs utilisés dans les classes et, alors que la recherche a montré que les robots présentent un réel avantage dans le rendement éducatif par rapport aux technologies sur écran, rien ne laisse présager que cela suffira à convaincre les entreprises de technologies et les établissements scolaires d’investir dans des robots pour assister les enseignants. En conséquence, nous devons adopter une perspective à long terme et nous ignorons encore comment la technologie va évoluer et comment elle s’intégrera dans l’enseignement ordinaire.
Si la recherche se concentre sur les robots qui ont une apparence robotique évidente, avec une tête, des yeux et une bouche, il est tout aussi probable que certains aspects de la technologie seront d’abord intégrés sur d’autres appareils, tels que les assistants vocaux numériques, qui manquent nettement de caractéristiques sociales visuelles. Les composants techniques, tels que la perception des émotions ou la modélisation adaptée à l’apprenant, sont susceptibles de se retrouver dans d’autres technologies éducatives et ne sont pas propres aux robots.
D’aucuns ont évoqué leur préoccupation quant à la possibilité que les robots en éducation aggravent la fracture numérique. Il y a encore des réserves à propos de l’inégalité d’accès aux technologies pédagogiques, qu’il s’agisse de l’accès à internet haut débit ou à des ordinateurs et des logiciels EdTech, ou encore de différences dans l’adoption des technologies numériques en fonction de l’origine ethnique, du sexe, du milieu socio-économique et des régions géographiques. Puisque les robots destinés à l’éducation seront, dans un avenir prévisible, une technologie exclusive, les premiers à les adopter seront probablement les établissements d’enseignement et les familles qui en ont les moyens. Bien que cette évolution soit typique du cycle de vie de l’innovation et qu’elle soit généralement suivie d’une adoption plus large, il est probable que la fracture numérique dans l’éducation ne disparaîtra pas, ce qui aura un impact sur l’utilisation des robots dans l’éducation.
Impossible de dire si et quand les robots renforceront l’éducation, mais il est fort probable que les résultats de la recherche sur les robots sociaux destinés à l’éducation inspireront les futures technologies éducatives. Les aspects sociaux de ces robots sont essentiels pour la motivation et l’apprentissage, et les technologies qui permettent l’interaction sociale –, telles que la reconnaissance des émotions, la capacité des robots à faire preuve d’empathie, ou la mise en place d’interactions plus personnelles –, sont susceptibles de trouver leur place dans les futures technologies éducatives. Il est également évident que les robots ne se substitueront pas aux enseignants humains ; dans le meilleur des cas, ils viendront plutôt en complément de la profession enseignante alors que le manque de temps et de ressources humaines se fait sentir. Il est peu probable que l’on voie ces robots arriver dans l’enseignement formel au cours de la prochaine décennie. On s’attend plutôt à ce que les robots tuteurs soient utilisés en tout premier lieu à la maison comme jouets éducatifs. Pourtant, le potentiel des robots éducatifs est considérable, et ce n’est plus qu’une question de temps avant que nous ayons des robots assistants dans les classes.
Références
[25] Alemi, M., A. Meghdari et M. Ghazisaedy (2014), « Employing Humanoid Robots for Teaching English Language in Iranian Junior High-Schools », International Journal of Humanoid Robotics, vol. 11/03, p. 1450022, https://doi.org/10.1142/s0219843614500224.
[40] Aleven, V. et al. (2003), « Help Seeking and Help Design in Interactive Learning Environments », Review of Educational Research, vol. 73/3, pp. 277-320, https://doi.org/10.3102/00346543073003277.
[1] Alnajjar, F. et al. (2021), Robots in education, Routledge.
[29] Anthony, A. (2017), The robot that staves off loneliness for chronically ill children, The Guardian, https://www.theguardian.com/technology/2017/aug/13/robot-to-help-sick-children-norwegian-start-up (consulté le 18 mai 2021).
[7] Bainbridge, W. et al. (2011), « The Benefits of Interactions with Physically Present Robots over Video-Displayed Agents », International Journal of Social Robotics, vol. 3/1, pp. 41-52, https://doi.org/10.1007/s12369-010-0082-7.
[4] Bartneck, C. et al. (2020), Human-Robot Interaction, Cambridge University Press, https://doi.org/10.1017/9781108676649.
[9] Belpaeme, T. et al. (2012), « Multimodal Child-Robot Interaction: Building Social Bonds », Journal of Human-Robot Interaction, vol. 1/2, https://doi.org/10.5898/jhri.1.2.belpaeme.
[3] Belpaeme, T. et al. (2018), « Social robots for education: A review », Science Robotics, vol. 3/21, p. eaat5954, https://doi.org/10.1126/scirobotics.aat5954.
[28] Belton, P. (2018), My robot makes me feel like I haven’t been forgotten, BBC, https://www.bbc.com/news/business-45332710 (consulté le 18 mai 2021).
[2] Benitti, F. (2012), « Exploring the educational potential of robotics in schools: A systematic review », Computers & Education, vol. 58/3, pp. 978-988, https://doi.org/10.1016/j.compedu.2011.10.006.
[38] Beran, T. et al. (2011), « Understanding how children understand robots: Perceived animism in child–robot interaction », International Journal of Human-Computer Studies, vol. 69/7-8, pp. 539-550, https://doi.org/10.1016/j.ijhcs.2011.04.003.
[24] Bethel, C. et al. (2016), « Using robots to interview children about bullying: Lessons learned from an exploratory study », 2016 25th IEEE International Symposium on Robot and Human Interactive Communication (RO-MAN), https://doi.org/10.1109/roman.2016.7745197.
[23] Bethel, C., M. Stevenson et B. Scassellati (2011), « Secret-sharing: Interactions between a child, robot, and adult », dans 2011 IEEE International Conference on systems, man, and cybernetics (pp. 2489-2494), IEEE.
[13] Bhakta, R., M. Savin-Baden et G. Tombs (2014), « Sharing Secrets with Robots? », dans Viteli, J. et M. Leikomaa (dir. pub.), Proceedings of EdMedia 2014--World Conference on Educational Media and Technology (pp. 2295-2301).
[5] Breazeal, C. (2004), Designing sociable robots, MIT press.
[14] Catlin, D. (2014), « Using peer assessment with educational robots », dans International Conference on Web-Based Learning (pp. 57-65), Springer, Cham.
[21] Chase, C. et al. (2009), « Teachable Agents and the Protégé Effect: Increasing the Effort Towards Learning », Journal of Science Education and Technology, vol. 18/4, pp. 334-352, https://doi.org/10.1007/s10956-009-9180-4.
[36] Gordon, G. et al. (2016), « Affective personalization of a social robot tutor for children’s second language skills », dans Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence (pp. 3951-3957).
[20] Hood, D., S. Lemaignan et P. Dillenbourg (2015), « When Children Teach a Robot to Write », Proceedings of the Tenth Annual ACM/IEEE International Conference on Human-Robot Interaction, https://doi.org/10.1145/2696454.2696479.
[10] Kennedy, J., P. Baxter et T. Belpaeme (2015), « The Robot Who Tried Too Hard », Proceedings of the Tenth Annual ACM/IEEE International Conference on Human-Robot Interaction, https://doi.org/10.1145/2696454.2696457.
[42] Kennedy, J. et al. (2016), « Social robot tutoring for child second language learning », 2016 11th ACM/IEEE International Conference on Human-Robot Interaction (HRI), https://doi.org/10.1109/hri.2016.7451757.
[50] Kennedy, J., S. Lemaignan et T. Belpaeme (2016), « The cautious attitude of teachers towards social robots in schools », dans Robots 4 Learning Workshop at IEEE RO-MAN 2016.
[51] Kim, S. et Y. Lee (2015), « A Survey on Elementary School Teachers’ Attitude toward Robot », dans E-Learn : World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education (pp. 1802-1807), iation for the Advancement of Computing in Education (AACE).
[22] Lemaignan, S. et al. (2016), « Learning by Teaching a Robot: The Case of Handwriting », IEEE Robotics & Automation Magazine, vol. 23/2, pp. 56-66, https://doi.org/10.1109/mra.2016.2546700.
[11] Leyzberg, D. et al. (2012), « The physical presence of a robot tutor increases cognitive learning gains », dans Proceedings of the annual meeting of the cognitive science society.
[8] Li, J. (2015), « The benefit of being physically present: A survey of experimental works comparing copresent robots, telepresent robots and virtual agents », International Journal of Human-Computer Studies, vol. 77, pp. 23-37, https://doi.org/10.1016/j.ijhcs.2015.01.001.
[48] Molenaar, I. (2021), Personalisation of learning: Towards hybrid human-AI learning technologies, OECD Publishing.
[30] Mon cartable connecté (s.d.), , http://www.moncartableconnecte.fr/index.php (consulté le 18 mai 2021).
[26] Okamura, E. et F. Tanaka (2020), « Deployment of a Social Robot into a Classroom of Remote Teaching by Elderly People to School Children: a Case Report », 2020 29th IEEE International Conference on Robot and Human Interactive Communication (RO-MAN), https://doi.org/10.1109/ro-man47096.2020.9223499.
[35] Okamura, E. et F. Tanaka (2016), « A pilot study about remote teaching by elderly people to children over a two-way telepresence robot system », 2016 11th ACM/IEEE International Conference on Human-Robot Interaction (HRI), https://doi.org/10.1109/hri.2016.7451820.
[41] Ramachandran, A., A. Litoiu et B. Scassellati (2016), « Shaping productive help-seeking behavior during robot-child tutoring interactions », 2016 11th ACM/IEEE International Conference on Human-Robot Interaction (HRI), https://doi.org/10.1109/hri.2016.7451759.
[49] Reich-Stiebert, N. (dir. pub.) (2017), « Robot education peers in a situated primary school study: Personalisation promotes child learning », PLOS ONE, vol. 12/5, p. e0178126, https://doi.org/10.1371/journal.pone.0178126.
[52] Reich-Stiebert, N. et F. Eyssel (2016), « Robots in the Classroom: What Teachers Think About Teaching and Learning with Education Robots », dans Social Robotics, Lecture Notes in Computer Science, Springer International Publishing, Cham, https://doi.org/10.1007/978-3-319-47437-3_66.
[43] Robins, B. et al. (2004), « Effects of Repeated Exposure to a Humanoid Robot on Children with Autism », dans Designing a More Inclusive World, Springer London, London, https://doi.org/10.1007/978-0-85729-372-5_23.
[12] Saerbeck, M. et al. (2010), « Expressive robots in education: varying the degree of social supportive behavior of a robotic tutor », dans Proceedings of the SIGCHI conference on human factors in computing systems (pp.1613-1622).
[44] Scassellati, B. (2007), « How Social Robots Will Help Us to Diagnose, Treat, and Understand Autism », dans Springer Tracts in Advanced Robotics, Robotics Research, Springer Berlin Heidelberg, Berlin, Heidelberg, https://doi.org/10.1007/978-3-540-48113-3_47.
[46] Schodde, T., K. Bergmann et S. Kopp (2017), « Adaptive Robot Language Tutoring Based on Bayesian Knowledge Tracing and Predictive Decision-Making », dans Proceedings of the 2017 ACM/IEEE International Conference on Human-Robot Interaction (pp. 128-136).
[53] Serholt, S. et al. (2014), « Teachers’ views on the use of empathic robotic tutors in the classroom », The 23rd IEEE International Symposium on Robot and Human Interactive Communication, https://doi.org/10.1109/roman.2014.6926376.
[47] Spaulding, S., G. Gordon et C. Breazeal (2016), « Affect-aware student models for robot tutors », dans Proceedings of the 2016 International Conference on Autonomous Agents & Multiagent Systems (pp. 864-872)..
[56] Tachi, S. (2015), Telexistence (2nd Edition), World Scientific.
[55] Tanaka, F. et al. (2015), « Pepper learns together with children: Development of an educational application », 2015 IEEE-RAS 15th International Conference on Humanoid Robots (Humanoids), https://doi.org/10.1109/humanoids.2015.7363546.
[18] Tanaka, F. et T. Kimura (2009), « The Use of Robots in Early Education: a Scenario based on Ethical Consideration », dans 18th IEEE International Symposium on Robot and Human Interactive Communication (pp. 558-560), IEEE.
[19] Tanaka, F. et S. Matsuzoe (2012), « Children Teach a Care-Receiving Robot to Promote Their Learning: Field Experiments in a Classroom for Vocabulary Learning », Journal of Human-Robot Interaction, pp. 78-95, https://doi.org/10.5898/jhri.1.1.tanaka.
[32] Tanaka, F. et al. (2014), « Telepresence Robot Helps Children in Communicating with Teachers who Speak a Different Language », dans Proceedings of the 2014 ACM/IEEE international conference on Human-robot interaction (pp. 399-406).
[27] Tanaka, F. et al. (2013), « Child-operated telepresence robot: A field trial connecting classrooms between Australia and Japan », 2013 IEEE/RSJ International Conference on Intelligent Robots and Systems, https://doi.org/10.1109/iros.2013.6697211.
[34] Tan, Q. et al. (2019), « Toward a telepresence robot empowered smart lab », Smart Learning Environments, vol. 6/1, https://doi.org/10.1186/s40561-019-0084-3.
[31] Telepresencerobots (s.d.), , https://telepresencerobots.com/education-telepresence-robot (consulté le 15 mai 2021).
[15] van den Berghe, R. et al. (2019), « Social Robots for Language Learning: A Review », Review of Educational Research, vol. 89/2, pp. 259-295, https://doi.org/10.3102/0034654318821286.
[54] van Straten, C., J. Peter et R. Kühne (2020), « Child–Robot Relationship Formation: A Narrative Review of Empirical Research », International Journal of Social Robotics, vol. 12/2, pp. 325-344, https://doi.org/10.1007/s12369-019-00569-0.
[6] VanLehn, K. (2011), « The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems », Educational Psychologist, vol. 46/4, pp. 197-221, https://doi.org/10.1080/00461520.2011.611369.
[39] Vinciarelli, A., M. Pantic et H. Bourlard (2009), « Social signal processing: Survey of an emerging domain », Image and Vision Computing, vol. 27/12, pp. 1743-1759, https://doi.org/10.1016/j.imavis.2008.11.007.
[16] Vogt, P. et al. (2019), « Second Language Tutoring Using Social Robots: A Large-Scale Study », 2019 14th ACM/IEEE International Conference on Human-Robot Interaction (HRI), https://doi.org/10.1109/hri.2019.8673077.
[17] Vogt, P. et al. (2019), « Second Language Tutoring Using Social Robots: L2TOR - The Movie », 2019 14th ACM/IEEE International Conference on Human-Robot Interaction (HRI), https://doi.org/10.1109/hri.2019.8673016.
[37] Weber, K. et S. Zeaiter (2018), « Project H.E.A.R.T. (Humanoid Emotional Assistant Robots in Teaching) », dans Buchner, J. et al. (dir. pub.), Inverted Classroom, Fachhochschule St. Pölten, Fachhochschule St. Pölten GmbH.
[33] Yun, S. et al. (2011), « Engkey: Tele-education Robot », dans Social Robotics, Lecture Notes in Computer Science, Springer Berlin Heidelberg, Berlin, Heidelberg, https://doi.org/10.1007/978-3-642-25504-5_15.
[45] Zhexenova, Z. et al. (2020), « A Comparison of Social Robot to Tablet and Teacher in a New Script Learning Context », Frontiers in Robotics and AI, vol. 7, https://doi.org/10.3389/frobt.2020.00099.