Justification de notes assistée par IA dans WISEflow à la BI Norwegian Business School
VOUS ÊTES CONCERNÉ CAR :
-
Vous travaillez dans le domaine de l'évaluation et souhaitez comprendre comment l'IA peut faciliter la justification des notes dans un contexte à enjeux élevés et axé sur la conformité.
-
Vous avez besoin de preuves concrètes, fondées sur l'expérience des évaluateurs, concernant les performances de l'IA lors de la génération de textes de justification alignés sur les notes et basés sur des critères.
-
Vous explorez comment l'IA peut renforcer la cohérence, la qualité et la clarté des justifications de notes sans remettre en cause la responsabilité académique.
-
Vous évaluez si l'IA peut réduire la charge de travail, respecter des délais de livraison serrés et améliorer la structure, tout en nécessitant toujours une supervision humaine.
-
Vous souhaitez obtenir des informations sur des aspects pratiques tels que les frictions dans le flux de travail, la conception des invites et les éléments à mettre en place (par exemple, de bonnes directives de notation) pour que l'aide apportée par l'IA fonctionne efficacement.
UN PREMIER APERÇU DE CE QU'IL Y A À L'INTÉRIEUR...
Ce rapport présente les enseignements tirés d’un projet pilote axé sur la qualité mené à la BI Norwegian Business School, où les évaluateurs ont testé le module de justification des notes assistée par l’IA d’UNIwise dans WISEflow. Ce projet pilote avait pour objectif de répondre à une question cruciale :
L'IA est-elle capable de générer un texte de justification académiquement solide et conforme aux critères, auquel les évaluateurs peuvent se fier et qu'ils peuvent affiner ?
La réponse, fondée sur une expérience pratique acquise au cours de plusieurs cycles d’examens, est encourageante. Les évaluateurs ont constaté que l’IA produisait des ébauches d’arguments solides et cohérentes qui ne nécessitaient souvent qu’une légère révision. L’outil a aidé à articuler la différence entre les niveaux de notes et a fourni une structure plus claire pour expliquer pourquoi un étudiant a reçu une note particulière, l’un des défis de communication les plus persistants en matière d’évaluation.
Les conclusions pratiques concernant le flux de travail sont tout aussi importantes. Bien que le prototype nécessitait un copier-coller manuel, les évaluateurs ont tout de même trouvé l’outil utile, car l’IA a éliminé le « problème de la page blanche » et a facilité le démarrage de la rédaction. Grâce à des améliorations prévues, telles que l’insertion en un clic et la réutilisation rapide des modèles, les futures versions devraient réduire considérablement les frictions et améliorer la facilité d’utilisation au quotidien. Au niveau institutionnel, le projet pilote met en évidence la manière dont la justification assistée par l’IA peut aider à respecter des délais stricts, tels que le délai de 14 jours en vigueur en Norvège, en améliorant la structure et en réduisant l’effort de rédaction, sans compromettre l’intégrité académique.
À l’intention des enseignants, des responsables de programmes et des équipes d’évaluation qui examinent le rôle de l’IA dans le retour d’information et la conformité, ce rapport offre des informations fondées et étayées par des données sur ce qui fonctionne déjà bien, ce qui doit être affiné et comment l’IA peut soutenir de manière significative les pratiques d’évaluation à grande échelle.