Des chercheurs révèlent que les étudiants qui utilisent des modèles d’IA pour rédiger des dissertations font face à des défis cognitifs

Une étude récente du MIT, axée sur le coût cognitif de l’utilisation de modèles d’IA pour rédiger des dissertations, a révélé que les étudiants qui s’appuient davantage sur les grands modèles de langage (LLM) peuvent faire face à des conséquences néfastes et à des défis cognitifs.

L’étude, intitulée Votre cerveau sous ChatGPT : Accumulation de la dette cognitive lors de l’utilisation d’un assistant IA pour la rédaction d’essais, a découvert que l’utilisation de modèles d’IA peut affecter considérablement les étudiants et leurs processus d’apprentissage, y compris ce que les chercheurs appellent un « coût cognitif ».

La recherche a impliqué 54 participants et a révélé que le groupe utilisant ChatGPT pour rédiger des essais présentait une connectivité neuronale plus faible et avait du mal à se souvenir et à citer leur propre essai quelques minutes seulement après avoir terminé la tâche.

Bien que l’équipe de recherche ait reconnu les limites de leur petite taille d’échantillon, ils espèrent que les résultats serviront de « guide préliminaire pour comprendre les impacts cognitifs et pratiques de l’IA sur les environnements d’apprentissage. »

Pour l’étude, les chercheurs ont divisé les participants en trois groupes : un qui pouvait utiliser des LLM comme ChatGPT, un autre qui pouvait accéder aux moteurs de recherche traditionnels comme Google, et le troisième groupe qui ne pouvait utiliser que leurs connaissances, appelé le groupe Brain-only.

Les participants ont effectué quatre sessions d’écriture et d’analyse de dissertations – trois avec la configuration de groupe originale, et une session finale dans laquelle l’accès aux outils a été modifié, obligeant le groupe LLM à écrire en utilisant uniquement leurs cerveaux.

En tant qu’instruments de mesure, les scientifiques ont utilisé une électroencéphalographie (EEG) pour enregistrer l’activité cérébrale en tenant compte de l’engagement et de la charge – Les scientifiques ont également récemment développé un e-tatouage pour détecter la fatigue mentale. L’étude a également inclus une analyse NLP, des entretiens avec les participants, et la notation des dissertations par des enseignants humains et un outil IA.

Les experts ont révélé une forte corrélation entre la connectivité cérébrale et l’utilisation d’outils externes. Le groupe « Brain-only » avait les niveaux les plus élevés de connectivité neuronale, tandis que ceux qui ont utilisé l’IA ont montré les plus faibles.

La rétention de la mémoire a également été affectée négativement. Le groupe qui a utilisé des modèles d’IA a eu plus de difficulté à citer leurs propres essais et a signalé les niveaux les plus bas de « propriété » de leur travail.

«Alors que l’impact éducatif de l’utilisation des LLM commence seulement à se faire sentir auprès de la population générale, dans cette étude nous démontrons l’urgence de la question probable d’une diminution des compétences d’apprentissage basée sur les résultats de notre étude», ont écrit les chercheurs. «Les participants du groupe LLM ont obtenu de moins bons résultats que leurs homologues du groupe Brain-only à tous les niveaux : neural, linguistique et évaluation.»