Libérer le potentiel : Facteurs clés façonnant l'apprentissage autodirigé des étudiants de premier cycle dans des environnements éducatifs améliorés par l'IA

Cette étude examine les facteurs influençant les capacités d'apprentissage autodirigé (SDL) des étudiants de premier cycle dans des environnements d'apprentissage interactifs pilotés par une Intelligence Artificielle générative (IA). L'avènement de l'IA générative a révolutionné les environnements d'apprentissage interactifs, offrant des opportunités sans précédent pour une éducation personnalisée et adaptative. L'IA générative soutient les enseignants dans la délivrance d'une éducation intelligente, améliore l'acceptation de la technologie par les étudiants et fournit des expériences d'apprentissage personnalisées et adaptatives. Néanmoins, l'application de l'IA générative dans l'enseignement supérieur reste peu explorée. Cette étude explore comment ces plateformes pilotées par l'IA impactent les capacités d'apprentissage autodirigé des étudiants de premier cycle, en se concentrant sur les facteurs clés tels que le soutien de l'enseignant, les stratégies d'apprentissage et l'acceptation de la technologie. Par une approche quantitative impliquant des enquêtes auprès de 306 étudiants, nous avons identifié des facteurs clés comme la motivation, la familiarité technologique et la qualité de l'interaction avec l'IA. Les résultats révèlent les rôles médiateurs de l'auto-efficacité et de la motivation à apprendre. De plus, les résultats confirment que les améliorations du soutien enseignant et des stratégies d'apprentissage dans des environnements d'apprentissage améliorés par l'IA générative contribuent à accroître l'auto-efficacité des étudiants, leur acceptation de la technologie et leur motivation à apprendre. Cette étude contribue à révéler les facteurs influents pouvant informer la conception de technologies éducatives et stratégies plus efficaces pour renforcer l'autonomie des étudiants et les résultats d'apprentissage. Notre modèle théorique et nos résultats de recherche approfondissent la compréhension de l'application de l'IA générative dans l'enseignement supérieur tout en offrant des contributions importantes à la recherche et des implications managériales.