Personal Characteristics and Explanations in TEL Environments: an Exploratory Study in Computer Science Education
Caractéristiques personnelles et explications dans les EIAH : une étude exploratoire dans l’enseignement de l’informatique
Résumé
Explainable artificial intelligence in education recently became a major concern. In this paper, we introduce explanations in a competency profile, in the context of computer education. Our overall objective is to increase learners’ understanding and trust in the system. In particular, we are interested in studying which students’ personal characteristics affect the consultation of explanations, and what are the impacts of these explanations on their perception of and their behavior within the system. Our study involves 98 first-year students from a computer science degree. Our quantitative analyses show that students with a low perception of their ability to succeed are less likely to access and understand explanations, and also that low-engaged, low-performing students are less likely to understand explanations. Qualitative analyses, meanwhile, help us to identify certain learner needs in terms of content, form and timing of explanations.
L’intelligence artificielle explicable dans l’éducation est devenue une préoccupation majeure. Dans cet article, nous introduisons des explications dans un système à base de compétences, dans le contexte de l’apprentissage de l’informatique. Notre objectif global est d’accroître la compréhension par les apprenants des niveaux de maîtrise de leurs compétences qui sont calculées automatiquement, et ainsi augmenter leur confiance dans le système. En particulier, nous étudions quelles caractéristiques personnelles des étudiants affectent la consultation et la compréhension des explications, et quels sont les impacts de ces explications sur leur perception et leur comportement au sein du système. Notre étude porte sur 98 étudiants de première année en informatique dans l’enseignement supérieur. Les analyses quantitatives montrent que les étudiants qui ont une faible perception de leur capacité à réussir sont moins susceptibles d’accéder aux explications et de les comprendre, et que les étudiants peu engagés et peu performants sont moins susceptibles de comprendre les explications. Les analyses qualitatives, quant à elles, nous aident à identifier certains besoins des apprenants en termes de contenu, forme et temporalité des explications.
Mots clés
explicabilité
apprentissage de l’informatique
eiah
intelligence artificielle
explainability
computer education
tel
explicabilité apprentissage de l'informatique eiah intelligence artificielle explainability computer education tel artificial intelligence
apprentissage de l'informatique
intelligence artificielle explainability
artificial intelligence
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|