Interventions psycho-sociales optimisées par l'IA : une étude multi-approches dans le système éducatif français

Wise Interventions optimized by AI : A Multi-approach Study in the French Education System

• Auteur / Autrice : Diane Sam-mine
• Direction : Gábor Orosz, Gilles Audemard
• Type : Projet de thèse
• Discipline(s) : Psychologie spécialité psychologie sociale
• Date : Inscription en doctorat le 01/12/2023
• Etablissement(s) : Artois
• Ecole(s) doctorale(s) : École doctorale en Sciences humaines et sociales (Amiens)
• Partenaire(s) de recherche : Laboratoire : UREPSSS - Unité de Recherche Pluridisciplinaire Sport, Santé, Société

Mots clés

Mots clés libres

Psychologie sociale

Intelligence artificielle

Sciences de l'éducation

Social psychology

Education science

Artificial Intelligence

Résumé

Cette thèse explore des interventions visant à promouvoir l'état d'esprit de développement (ou growth mindset) dans l'éducation française, notamment auprès des élèves et enseignants de classes préparatoires et collèges. Parallèlement, des méthodes d'apprentissage automatique sont appliquées pour analyser les effets hétérogènes de ces interventions, permettant ainsi de mieux comprendre leur efficacité en fonction des contextes et des sous-groupes d'élèves. En ayant un état d'esprit de développement, les élèves sont plus persévérants et progressent davantage. Malgré leurs effets positifs, les interventions n'ont jamais été testées et évaluées dans le système éducatif français. Cependant, selon les contextes dans lesquels les interventions sont réalisés et selon les caractéristiques des individus, les effets de l'intervention varient. Comment implémenter des interventions visant à développer l'état d'esprit de développement chez les élèves et les enseignants dans le système éducatif français, tout en tenant compte des différences individuelles et des contextes spécifiques ? La première partie de cette thèse se porte sur l'implémentation d'une intervention associant l'état d'esprit de développement à la pleine conscience des élèves, leur permettant d'accepter les émotions négatives après un échec. La deuxième partie se porte sur des interventions visant enseignants de collège, axées sur leurs valeurs fondamentales, dans le but de favoriser des pratiques pédagogiques encourageant un état d'esprit de développement chez les élèves. Enfin, l'évaluation des interventions repose sur des techniques d'intelligence artificielle, notamment les forêts causales pour analyser les effets hétérogènes et le traitement du langage naturel (NLP) pour examiner les retours des participants. Le modèle PyXAI (Python eXplainable AI) est également utilisé pour mieux comprendre les mécanismes sous-jacents aux effets des interventions.

This thesis investigates interventions designed to foster a growth mindset within the French educational system, specifically focusing on students and teachers in secondary schools (*collèges*) and preparatory classes (*classes préparatoires*). In parallel, machine learning techniques are employed to examine the heterogeneous effects of these interventions, thereby enhancing our understanding of their effectiveness across diverse contexts and student subgroups. Research shows that cultivating a growth mindset leads to greater persistence and improved outcomes among students. Despite their demonstrated benefits, such interventions have not yet been systematically tested or evaluated within the French educational context. However, the impact of these interventions can vary based on the contextual factors and individual characteristics of those involved. This raises the question: how can growth mindset interventions be effectively implemented for students and teachers in the French educational system while accounting for individual differences and contextual specificities? The first part of this thesis focuses on implementing an intervention that integrates growth mindset principles with mindfulness practices for students, enabling them to better accept and manage negative emotions following failure. The second part examines interventions targeting middle school teachers, centering on their core values to promote teaching practices that encourage a growth mindset in their students. The evaluation of these interventions leverages artificial intelligence methodologies, including causal forests to analyze heterogeneous effects and natural language processing (NLP) techniques to assess participant feedback. Furthermore, the PyXAI (Python eXplainable AI) framework is employed to elucidate the mechanisms underlying the observed effects of these interventions.