Présentation du Programme
Le Master en Intelligence artificielle appliquée à l'Éducation est un programme de troisième cycle conçu pour accompagner les enseignants et les professionnels de l'éducation dans une transformation inévitable : l'intégration éthique, critique et pédagogique de l'intelligence artificielle (IA) dans les processus éducatifs.
L'expansion rapide des outils basés sur l'IA modifie la manière dont nous enseignons, évaluons et gérons les environnements éducatifs. Face à ces changements, ce master propose une formation rigoureuse et actualisée, visant à la fois le développement professionnel et l'initiation à la recherche en éducation appliquée aux contextes réels de l'Amérique latine, marqués par la diversité culturelle, les fractures numériques et le besoin d'innovation pédagogique.
Le programme s'articule autour de trois piliers essentiels : l'innovation pédagogique, les compétences numériques avancées et l'utilisation éthique et responsable des technologies émergentes. Sur cette base, les opportunités et les défis que l'IA pose à l'éducation sont analysés de manière critique : personnalisation de l'apprentissage, analytique de l'apprentissage, automatisation des tâches, conception d'environnements immersifs et gestion des données. Sont également abordés les thèmes qui préoccupent le plus la communauté éducative mondiale : vie privée, biais algorithmiques, droit d'auteur, transparence et équité.
L'intégration de l'IA dans l'éducation n'est pas seulement une priorité en Europe.Elle fait également partie des plans et agendas éducatifs des pays d'Amérique latine et des organisations internationales telles que l'UNESCO, la CEPALC, la Banque interaméricaine de développement (BID) et les ministères de l'éducation de la région. Dans ce contexte, le master prépare ses diplômés à travailler dans les domaines suivants :
- Des enseignants innovants, capables de concevoir des expériences personnalisées, inclusives et éthiques soutenues par l'IA.
- Chercheurs-euses en IA éducative, ayant des compétences pour analyser les données, évaluer les technologies émergentes et produire des preuves pour l'amélioration de l'éducation.
- Des responsables de l'éducation, préparés à promouvoir des processus de transformation pédagogique et technologique dans différents établissements et contextes de formation.
Orientation professionnelle
Tout au long du programme, les étudiants apprendront à :
- Intégrer l'IA dans la conception des classes, des cours et des expériences d'apprentissage en présentiel, virtuels et hybrides.
- Utiliser des outils d'apprentissage automatique, de traitement du langage naturel, des plateformes adaptatives et des outils d'analyse de l'apprentissage.
- Mettre en place des pratiques d'enseignement actualisées, fondées sur des preuves scientifiques et adaptées aux défis éducatifs de la région.
Orientation de la recherche
Le master forme également les étudiants à :
- Concevoir des recherches rigoureuses sur l'IA dans le domaine de l'éducation, applicables aux contextes scolaires et communautaires en Amérique latine, en utilisant des méthodologies qualitatives, quantitatives et mixtes.
- Analyser et interpréter les données éducatives à l'aide de techniques avancées basées sur l'intelligence artificielle.
- Développer un projet de recherche qui contribue à l'amélioration de la pratique de l'enseignement et du système éducatif d'un point de vue critique, inclusif et situé.
A qui le Master s'adresse-t-il?
Le programme s'adresse aux professionnels de l'éducation qui souhaitent intégrer l'intelligence artificielle dans leur pratique de manière éthique, innovante et pédagogique, ainsi qu'à ceux qui cherchent à lancer ou à renforcer leur carrière dans la recherche éducative liée aux technologies émergentes.
Il s'adresse en particulier aux diplômés dans les domaines de l'éducation, tels que :
- Diplômé(e)s en Enseignement, dans l'une ou l'autre de ses spécialités.
- Diplômé(e)s en Pédagogie.
- Diplômé(e)s en Éducation sociale.
- Diplômé(e)s en Éducation de la petite enfance.
- Diplômé(e)s de l'Enseignement primaire.
- Master en Éducation.
- Master en Pédagogie universitaire.
L'accès sera également ouvert aux diplômés universitaires dont la formation est équivalente ou connexe à celle décrite ci-dessus, soit parce qu'ils appartiennent à de nouvelles qualifications du système universitaire, soit parce qu'ils proviennent de systèmes éducatifs internationaux.
Conditions d'accès
Se establece como requisito previo acreditar un nivel B2 del MCERL en lengua inglesa durante el proceso de reserva de plaza y antes de poder formalizar la matrícula (u otros asimilables a juicio competente de la universidad) mediante documentos expedidos por instituciones reconocidas oficialmente como las Escuelas Oficiales u otras entidades acreditadoras reconocidas por la universidad con una antigüedad no superior a 3 años. En el caso de que el postulante no pueda acreditar su nivel de inglés mediante este mecanismo, la propia universidad le realizará una prueba de nivel en la que deberá igualmente obtener, al menos, un nivel de B2.
Diplôme
À l'issue du programme, l'étudiant se verra décerner un Master en Intelligence artificielle appliquée à l'Éducation par l'Université où il est inscrit.
Structure du Programme
Durée
Le Master en Intelligence artificielle appliquée à l'Éducation compte 90 crédits.
La durée du programme varie entre 12 et 17 mois, en fonction de l'engagement de l'étudiant. Au cours de cette période, l' étudiant doit avoir réussi toutes les activités évaluées et le Projet final de Master.
Objectifs
Les objectifs d'apprentissage principales de la maîtrise sont les suivants : les étudiants seront capables de :
- Interpréter les données éducatives à l'aide de méthodes qualitatives, quantitatives et mixtes, en appliquant des critères d'éthique, de validité, de cybersécurité et de protection des données.
- Utilisation de réseaux neuronaux, de modèles adaptatifs et de techniques de traitement du langage naturel pour développer des tâches éducatives telles que l'analyse des sentiments, la classification, le tutorat académique et la personnalisation de l'apprentissage.
- Formuler des propositions didactiques médiées par l'IA,y compris le tutorat intelligent, l'évaluation automatisée, l'analyse pédagogique et le microapprentissage, sur la base de preuves pédagogiques et technologiques.
- Appliquer des méthodologies actives basées sur des technologies émergentes (réalité augmentée, réalité virtuelle, big data, IA générative et environnements tridimensionnels) dans différents domaines disciplinaires.
- Construire des expériences d'apprentissage dans une perspective neurodidactique, en intégrant des contenus, des stratégies et des environnements perturbateurs qui favorisent la collaboration et la prise de décision.
- Guider les équipes enseignantes dans l'adoption éthique et pédagogique de l'IA et de la neuroéducation, en favorisant la prise en compte de la diversité, la gestion des émotions et l'amélioration des pratiques de classe.
- Caractériser les fondements de l'intelligence artificielle, de l'apprentissage automatique et de l'apprentissage profond, ainsi que leurs applications dans des environnements éducatifs présentiels, virtuels et hybrides.
- Décrire les principes essentiels de la neuroéducation, en abordant le fonctionnement du cerveau, la plasticité, les fonctions exécutives, les modes d'apprentissage et l'analyse critique des neuromythes.
- Intégrer les approches neuroéducatives dans la personnalisation de l'apprentissage, en tenant compte de l'attention, de la mémoire, des émotions, de la neurodiversité et du déficit cognitif des élèves.
- Développer un projet final de master qui articule de manière cohérente les connaissances et les compétences acquises, visant à améliorer des problèmes réels dans des contextes éducatifs.
Opportunités de carrière
Le master permet à l'étudiant de jouent en tant que :
- Enseignant-ante innovant-ante, capable d'intégrer l'IA, les stratégies actives et les ressources numériques avancées dans le processus d'enseignement et d'apprentissage.
- Coordinateur-trice de la transformation de l'enseignement, chargé de promouvoir les projets de numérisation et d'amélioration institutionnelle fondés sur les technologies émergentes.
- Concepteur-trice d'expériences d'apprentissage médiatisées par l'IA, spécialisé dans la création de contenus adaptatifs, d'activités personnalisées et d'environnements virtuels ou immersifs.
- Consultant-ante en technologies éducatives, accompagnant les institutions, les équipes pédagogiques et les projets de formation dans l'adoption éthique et efficace de solutions basées sur l'IA.
- Spécialiste de l'analyse de l'apprentissage (Learning Analytics Specialist), qui se consacre à l'interprétation des données éducatives pour guider les décisions pédagogiques et renforcer l'évaluation.
- Chercheur-euse en intelligence artificielle appliquée à l'éducation, développant des études, des pilotes et des projets d'innovation visant à améliorer la qualité de l'éducation.
Programme d'études
Le programme d'études du Master en Intelligence artificielle appliquée à l'Éducation comprend 90 crédits et se compose des matières suivantes :
| BLOC 1 : APPRENTISSAGE AUTOMATIQUE ET TALN APPLIQUÉS AUX ENVIRONNEMENTS ÉDUCATIFS | ||
|---|---|---|
| # | MATIÈRES | CRÉDITS |
| 1 | Apprentissage automatique et Réseaux neuronaux | 7 |
| 2 | Traitement du langage naturel | 6 |
| TOTAL | 13 | |
| BLOC 2 : L'INTELLIGENCE ARTIFICIELLE POUR LA CLASSE IMMERSIVE | ||
|---|---|---|
| # | MATIÈRES | CRÉDITS |
| 1 | Concevoir des environnements éducatifs avec l'Intelligence artificielle | 7 |
| 2 | Applications de l'Intelligence artificielle dans les classes présentielles et virtuelles | 7 |
| 3 | Réalité étendue et Intelligence artificielle | 7 |
| TOTAL | 21 | |
| BLOC 3 : LES BIG DATA ET LEARNING ANALYTICS : PERSONNALISATION ET ÉVALUATION DE L'APPRENTISSAGE | ||
|---|---|---|
| # | MATIÈRES | CRÉDITS |
| 1 | Des données à l'information | 7 |
| 2 | Évaluation de l'apprentissage et Intelligence artificielle | 7 |
| TOTAL | 14 | |
| BLOC 4 : DÉVELOPPEMENT PROFESSIONNEL ET MÉTHODOLOGIE DE LA RECHERCHE EN ÉDUCATION | ||
|---|---|---|
| # | MATIÈRES | CRÉDITS |
| 1 | Développement professionnel des enseignants | 6 |
| 2 | Séminaire d'initiation à la recherche sur l'Intelligence artificielle appliquée à l'éducation | 2 |
| 3 | Méthodologies de recherche en Intelligence artificielle appliquées à l'éducation | 5 |
| TOTAL | 13 | |
| BLOC 5 : NEUROSCIENCES ÉDUCATIVES ET IA | ||
|---|---|---|
| # | MATIÈRES | CRÉDITS |
| 1 | Bases biologiques et génétiques du cerveau | 7 |
| 2 | Les neurosciences dans le contexte éducatif | 6 |
| 3 | Neurosciences éducatives : Mythes et réalités | 6 |
| TOTAL | 19 | |
| BLOC 6 : PROJET FINAL | ||
|---|---|---|
| # | MATIÈRES | CRÉDITS |
| 1 | Project de fin d’études du Master | 10 |
| TOTAL | 10 | |
* Le nombre de crédits et la durée du master peuvent varier en fonction de l'université dans laquelle vous avez obtenu votre diplôme.
Description des sujets
BLOC 1 : APPRENTISSAGE AUTOMATIQUE ET TALN APPLIQUÉS AUX ENVIRONNEMENTS ÉDUCATIFS
- APPRENTISSAGE AUTOMATIQUE ET RÉSEAUX NEURONAUX
Comment fonctionne l'apprentissage automatique ? Qu'est-ce que l'apprentissage automatique ? Différence entre l'apprentissage automatique et l'apprentissage profond. Types d'apprentissage automatique : apprentissage supervisé, non supervisé et par renforcement. Réseaux neuronaux, traitement des données et détection d'objets. Comparaison des performances des réseaux neuronaux et de machine learning (apprentissage automatique). Applications pratiques de l'intelligence artificielle dans divers domaines. apprentissage automatique, apprentissage profond et traitement automatique du langage naturel (TALN) : automatisation des tâches, agents virtuels, chatbots, IA conversationnelle. Concevoir des expériences d'apprentissage personnalisées. Adaptation du contenu en fonction des besoins de l'élève. Systèmes de recommandation.
- TRAITEMENT DU LANGAGE NATUREL
Traitement automatique du langage naturel (TALN). Modèles de langage conversationnel (LLM) Représentation du langage naturel et du contenu. Analyse syntaxique et sémantique. Création et compréhension de textes. Application des systèmes de traitement automatique du langage naturel dans l'éducation. Apprentissage automatique, langage et perception : agents intelligents et interaction. Text Mining (fouille de textes)
BLOC 2 : L'INTELLIGENCE ARTIFICIELLE POUR LA CLASSE IMMERSIVE
- CONCEPTION D'ENVIRONNEMENTS ÉDUCATIFS AVEC L'INTELLIGENCE ARTIFICIELLE
Principes de l'Intelligence artificielle et de son application pédagogique ; intelligences génératives pour coévoluer et co-créer avec l'IA ; analyse critique des neuromythes et de leur impact sur la planification et l'enseignement ; mise en œuvre efficace de l'IA dans les environnements pédagogiques et analyse des scénarios futurs ; conception neuroéducative de programmes, de cours et de contenus soutenus par l'IA ; stratégies d'apprentissage dans des environnements perturbateurs ; le développement de parcours, de pratiques et de trajectoires personnalisés ; la création de contenus et d'activités adaptés aux besoins, aux rythmes et aux styles d'apprentissage ; l'intégration curriculaire de l'IA pour promouvoir l'autonomie et la participation ; l'évaluation et le retour d'information automatisés ; et la planification technopédagogique d'expériences, de leçons et de matériels à l'aide d'outils d'IA.
- LES APPLICATIONS DE L'INTELLIGENCE ARTIFICIELLE DANS LES CLASSES PRÉSENTIELLES ET VIRTUELLES
Tendances en matière e-Learning (apprentissage personnalisé, microapprentissage,ludification et mobile learning) ; intégration de l'IA dans la salle de classe à travers de plateformes adaptatives, de tutorat intelligent et d'analyse de données ; méthodologies actives soutenues par la technologie (classe inversée, apprentissage collaboratif, EAS et Visual Thinking) ; l'utilisation de technologies émergentes telles que la réalité virtuelle et augmentée, les jeux vidéo, les simulations et le métavers ; les outils pédagogiques pour la planification, la communication et la création de contenu ; la programmation éducative et la robotique ; et l'intelligence artificielle générative pour la production de textes, d'images, d'audio et l'utilisation de chatbots et d'assistants virtuels.
- RÉALITÉ ÉTENDUE ET INTELLIGENCE ARTIFICIELLE
Convergence entre les neurosciences, l'intelligence artificielle et la réalité étendue : examen critique des cadres théoriques et des résultats récents. Applications de l'IA pour l'étude des processus cognitifs (mémoire, attention, prise de décision) et pour la conception d'apprentissage adaptatif. Analyse des algorithmes et des plateformes pour la personnalisation de l'éducation : potentiel, limites et débats éthiques. Stratégies neuroéducatives soutenues par la réalité étendue : expériences multisensorielles et leur impact sur l'attention, la mémoire et la motivation. Évaluation critique des outils didactiques basés sur l'IA et la RE (chatbots, learning analytics, environnements immersifs). Conception et analyse d'expériences éducatives avec l'IA et l'ER du point de vue de la recherche : lignes émergentes et défis. Tendances émergentes en matière d'IA immersive.
BLOC 3 : LES BIG DATA ET LEARNING ANALYTICS : PERSONNALISATION ET ÉVALUATION DE L'APPRENTISSAGE
- DES DONNÉES À L'INFORMATION
Comment les données éducatives éclairent l'enseignement et la différence entre données, informations et connaissances ; stratégies de contextualisation et analyse des données ; empreinte numérique, vie privée et sécurité dans l'apprentissage en ligne ; fondements de la cybersécurité et de la protection des données dans les plateformes éducatives ; responsabilité et droits numériques dans les environnements virtuels ; Big Data et algorithmes d'apprentissage automatique appliqués à l'éducation ; fouille de textes et la prédiction des performances des étudiants ; la collecte, le nettoyage, le traitement et la visualisation des données pour la prise de décision pédagogique ; les outils d'analyse éducative, des plus simples aux plus avancés ; les réglementations en matière de confidentialité et de sécurité (RGPD, FERPA et autres) ; les considérations éthiques dans l'utilisation des données éducatives ; et l'élaboration de politiques institutionnelles en matière de confidentialité et de sécurité de l'information.
- ÉVALUATION DE L'APPRENTISSAGE ET INTELLIGENCE ARTIFICIELLE
Évaluation de l'apprentissage à l'ère numérique, de l'observation de l'enseignant à l'analyse automatisée ; potentiel, limites et défis de l'évaluation par l'IA ; modalités de diagnostic, formatives, sommatives et d'auto-évaluation ; analyse de l'apprentissage pour détecter les besoins, les trajectoires et le risque d'abandon ; personnalisation des parcours et du retour d'information par l'IA ; méthodes et algorithmes adaptatifs qui ajustent la difficulté et le contenu ; l'évaluation automatisée avec correction des essais, rubriques intelligentes et analyse sémantique ; les tuteurs virtuels et le retour d'information intelligent ; l'évaluation multimodale avec analyse de la voix, des émotions et de l'engagement ; la conception et la validation d'instruments assistées par l'IA ; la construction algorithmique de questions ; l'éthique, l'équité et les préjugés dans l'évaluation numérique ; et les applications pratiques telles que l'évaluation basée sur les compétences, les portfolios numériques et la ludification.
BLOC 4 : DÉVELOPPEMENT PROFESSIONNEL ET MÉTHODOLOGIE DE LA RECHERCHE EN ÉDUCATION
- DÉVELOPPEMENT PROFESSIONNEL DES ENSEIGNANTS
Redéfinir la formation des enseignants : Apprendre l'IA ou apprendre avec l'IA. Rôle de l'enseignant en tant qu'architecte du changement éducatif. Aptitudes et compétences numériques des enseignants. Réflexivité, compétences numériques et résilience des enseignants : formation continue personnalisée. Les émotions des enseignants : la clé de l'apprentissage de leurs élèves. Neuroéducation en classe : un guide pour l'action. Créer et participer à des communautés de pratique en ligne : la créativité distribuée dans le contexte éducatif. Collaboration créative entre les enseignants et les systèmes d'intelligence artificielle : outils et plateformes. Gestion de l'éducation et IA : entrepreneuriat, innovation et créativité numérique.
- SÉMINAIRE D'INITIATION À LA RECHERCHE SUR L'INTELLIGENCE ARTIFICIELLE APPLIQUÉE À L'ÉDUCATION
Initiation à la recherche et à la d'alphabétisation scientifique en Intelligence artificielle appliquée à l'éducation. Recherche en intelligence artificielle appliquée à l'éducation. Lecture critique et analyse d'articles scientifiques : structure d'un article scientifique ; critères de lecture critique ; identification des cadres théoriques et des stratégies méthodologiques ; outils de base pour l'analyse de la littérature. Terminologie, structures de publication et sources d'information scientifique : termes clés de l'intelligence artificielle appliquée à l'éducation ; typologie des publications scientifiques ; bases de données et répertoires universitaires spécialisés ; critères de recherche et évaluation des sources ; gestionnaires de références bibliographiques et normes de citation APA. Éthique fondamentale de la recherche et de l'utilisation des preuves scientifiques.
- MÉTHODOLOGIES DE RECHERCHE EN INTELLIGENCE ARTIFICIELLE APPLIQUÉE À L'ÉDUCATION
Conceptions de recherche dans des contextes éducatifs et socio-éducatifs ; principes de la recherche appliquée et cohérence entre le problème, les objectifs et la conception méthodologique ; méthodes quantitatives, qualitatives et mixtes de collecte de données ; triangulation et critères de validité et de fiabilité ; élaboration de propositions méthodologiques initiales (formulation du problème, des objectifs, des hypothèses, des questions, de l'échantillonnage, des instruments et des techniques d'analyse) ; les considérations éthiques avancées dans la recherche avec les étudiants, les enseignants et les communautés ; la réglementation sur la protection des données et le consentement éclairé ; la gestion responsable des informations sensibles et la communication éthique ; la prévention des biais cognitifs et culturels dans l'interprétation ; et l'examen du fonctionnement des protocoles et des comités d'éthique dans la recherche en éducation.
BLOC 5 : NEUROSCIENCES ÉDUCATIVES ET IA
- LES BASES BIOLOGIQUES ET GÉNÉTIQUES DU CERVEAU
L'origine évolutive du cerveau. Le cerveau en tant que partie du système nerveux Neurones, neurotransmetteurs et réseaux neuronaux Gènes et apprentissage Plasticité et épigénétique. Anatomie et morphologie fonctionnelle du cerveau. La formation du cerveau : de la conception à l'âge adulte.
- LES NEUROSCIENCES DANS LE CONTEXTE ÉDUCATIF
L'éducation en contexte. Théories de l'apprentissage. Position des neurosciences dans l'éducation. La méthode scientifique en neuroéducation. Apprendre des neurosciences. Éducation émotionnelle. Les émotions et l'apprentissage. Qu'est-ce que l'intelligence émotionnelle ?
- LES NEUROSCIENCES ÉDUCATIVES : MYTHES ET PREUVES
Fondements épistémologiques des neurosciences éducatives en tant que domaine interdisciplinaire, en dialogue avec la psychologie cognitive et l'éducation. Analyse critique des neuromythes et autres croyances pseudo-scientifiques dans l'éducation, sur la base de revues systématiques, de méta-analyses et d'études sur la culture scientifique des enseignants. Étude des processus cognitifs, métacognitifs et d'autorégulation (attention, mémoire, fonctions exécutives et contrôle de l'apprentissage) d'un point de vue empirique et méthodologique. Évaluation scientifique des stratégies pédagogiques et analyse critique des programmes et pratiques d'enseignement fondés sur des données probantes. Analyse des recherches sur les habitudes de vie, la santé du cerveau et l'apprentissage (sommeil, alimentation, activité physique, stress, multitâche) et leurs implications pédagogiques.
NOTE : Le contenu du programme académique peut faire l'objet de légères modifications, en fonction des mises à jour ou des améliorations.