Article · IA & agents
Edustories : tester une IA sur les décisions de classe réelles
Edustories rassemble 1 492 récits d’enseignants et montre que les meilleurs modèles restent derrière les experts pour prédire l’issue d’une intervention.
Sortir du tutorat individuel
Edustories, présenté par Michal Štefánik, Jan Nehyba, Jirina Karasova, Martin Fico et leurs coauteurs, documente des situations de classe collective plutôt que des échanges entre un modèle et un seul élève. Le dataset contient 1 492 récits écrits par des enseignants stagiaires, avec situation, contexte, problème, intervention et issue perçue.
Un benchmark de décision pédagogique
Les auteurs évaluent si un modèle peut prédire le succès d’une intervention à partir de la description, de l’anamnèse et de l’action choisie. Sur 310 cas comparés à des experts, le meilleur modèle atteint 58,0 % d’exactitude, contre 64,2 % pour le meilleur expert. Les erreurs ne sont pas identiques : les modèles confondent surtout succès court et succès long.
Des données anonymisées, mais pas neutres
Les récits proviennent de 241 enseignants stagiaires de l’enseignement primaire et secondaire tchèque. Les textes ont été anonymisés automatiquement puis relus, et une version anglaise a été produite pour la recherche. Les experts ont annoté des catégories de problème, d’intervention et de résultat, avec discussion des cas litigieux.
Interprétation éditoriale : une aide, pas un arbitre
Un agent de feedback destiné aux enseignants devrait exposer ses incertitudes, distinguer court et long terme et laisser la décision à un professionnel. La proximité d’un score ne suffit pas : les profils d’erreur, la confidentialité des situations et la possibilité d’expliquer une recommandation comptent davantage qu’un classement de modèles.
Limites et statut de la source
La population est composée d’enseignants en formation, la collecte est centrée sur un contexte tchèque et la traduction anglaise peut contenir des erreurs ou de la « translationese », estimées par les auteurs à 5–10 % des récits. L’évaluation exclut aussi les modèles propriétaires et les modèles de plus de 100 milliards de paramètres. Le benchmark ne démontre pas qu’une IA peut conseiller une classe sans supervision humaine.
Source
Michal Štefánik, Jan Nehyba, Jirina Karasova, Martin Fico et al., « Edustories: A Collection of Real-world Case Studies from Classroom Practices », ArXiv 2609.20484v1 : résumé et preprint, PDF.