Intégration des Objectifs de Développement Durable (ODD) et de l’IA générative pour renforcer la littératie numérique et la créativité linguistiques dans les environnements d’apprentissage de l’EFL

Résumé

Combiner les ODD avec l’IA générative comme ChatGPT stimule la motivation, la littératie numérique et la créativité des apprenants en anglais. Un engagement plus élevé renforce ce lien, offrant aux enseignants des stratégies pratiques pour intégrer l’IA dans l’enseignement des langues.

Résumé

Cette étude étudie l’intégration des Objectifs de Développement Durable (ODD) et de l’IA générative, en particulier ChatGPT, afin de renforcer la littératie numérique linguistique, la créativité et la motivation dans les environnements d’apprentissage EFL. Adoptant un design quantitatif et transversal, les données de cette étude ont été collectées auprès de n = 420 étudiants de premier cycle en langue étrangère dans une université publique en Chine, à l’aide d’échelles validées pour mesurer l’intégration des ODD (ODD), l’utilisation d’IA générative comme ChatGPT (UCGPT), la littératie numérique (DL), la créativité des étudiants EFL (SC), la motivation des étudiants en EFL (SM) et l’engagement dans l’apprentissage des langues (LLE). La modélisation structurelle par équations par moindres carrés partiels (PLS-SEM) a été utilisée pour analyser les effets directs, médiateurs et modérateurs. Les résultats ont révélé que l’intégration des ODD et l’UCGPT étaient significativement associés au SM, ce qui prédisait à son tour la littératie numérique et la créativité des étudiants en langue étrangère. De plus, LLE a modéré la relation entre DL et SC, tandis que SM a médié les effets de l’intégration des ODD et de l’UCGPT sur la littératie numérique. Ces résultats mettent en lumière le potentiel transformateur de l’intégration des ODD et des outils d’IA dans l’enseignement de l’EFL, offrant des stratégies évolutives pour développer les compétences du XXIe siècle. De plus, l’étude propose des stratégies concrètes pour les enseignants d’EFL, telles que demander aux élèves d’utiliser ChatGPT pour préparer des débats sur des sujets des ODD, comme la justice climatique, ou de co-créer des campagnes multilingues sur les réseaux sociaux pour la sensibilisation à la durabilité. Ces applications démontrent comment opérationnaliser l’intégration ODD-IA dans la planification des cours quotidiens.

Introduction

Le paysage mondial de l’enseignement de l’anglais langue étrangère (EFL) connaît une transformation profonde, portée par les doubles impératifs de l’innovation technologique et des Objectifs de développement durable (ODD) des Nations ^Unies1. Alors que la demande de maîtrise de l’anglais continue d’augmenter dans les régions non anglophones, alimentée par la mondialisation, la mobilité académique et les économies^{numériques 2}, les approches pédagogiques traditionnelles ne parviennent souvent pas à doter les apprenants des compétences essentielles à la communication du XXIe siècle³. Les méthodologies conventionnelles de langue étrangère, qui mettent l’accent sur la mémorisation par cœur et la précision structurelle plutôt que sur l’expression créative et l’engagement numérique, risquent d’aggraver les disparités dans l’accès à une éducation^{de qualité 4}. Ce décalage freine non seulement le progrès vers l’ODD 4 (éducation inclusive et équitable de qualité), mais néglige aussi le potentiel transformateur des technologies^{émergentes 5}, en particulier l’intelligence artificielle générative (IA), dans la transformation des écosystèmes d’apprentissage des^{langues 6}. Malgré l’expansion rapide d’outils pilotés par l’IA comme ChatGPT, leur intégration dans les contextes EFL reste sous-explorée, notamment en ce qui concerne les cadres de durabilité⁷. Cette étude comble ce fossé critique en étudiant comment la convergence stratégique des ODD et de l’IA générative peut renforcer la littératie numérique, la créativité et la motivation dans les environnements d’apprentissage de l’EFL, faisant progresser l’innovation pédagogique et les agendas mondiaux de durabilité. D’importantes lacunes subsistent dans la littérature existante concernant l’intersection entre l’apprentissage des langues assisté par l’IA et l’éducation alignée sur les^{ODD 8}. Bien que des recherches antérieures aient examiné le rôle de l’IA dans l’enseignement personnalisé des langues⁹, l’évaluation^{automatisée 10} et les programmes d’échange^{virtuel 11}, ces études abordent rarement les cadres de durabilité. Inversement, la littérature sur l’EFL et la durabilité s’est principalement concentrée sur l’enseignement fondé sur le contenu (textes environnementaux) plutôt que sur la technologie pour restructurer les paradigmes^{pédagogiques 12}. Ce décalage est particulièrement problématique compte tenu des fossés numériques croissants dans les contextes du Sud global, où la marginalisation linguistique croise un accès limité aux outils éducatifs de^{pointe 13}. De plus, bien que l’ODD 4.4 accorde explicitement la priorité à la littératie numérique, la plupart des programmes d’EFL ne relient pas la compétence numérique aux résultats durables, laissant les apprenants mal préparés aux exigences de l’emploi, de l’entrepreneuriat et du travail^{décent 14}. L’absence d’un cadre intégratif alignant la pédagogie pilotée par l’IA avec les compétences en durabilité représente une négligence^{cruciale 15}. De plus, ce cadre est facilement applicable dans les cours d’anglais langue étrangère de premier cycle où les étudiants possèdent une base de littératie numérique pour utiliser des outils d’IA générative comme ChatGPT. La mise en œuvre est conçue pour des classes intégrées à la technologie standard, exigeant que les enseignants fournissent des consignes de tâche structurées et alignées sur les ODD afin de guider efficacement la collaboration avec l’IA.

Cette étude comble ces lacunes en proposant un nouveau cadre d’IA générative informé par les ODD pour l’enseignement de l’EFL, fondé sur la théorie socioculturelle¹⁶ et la littératie numérique^{critique 17}. Contrairement aux travaux antérieurs qui traitent l’IA comme un outil pédagogique, les chercheurs la positionnent comme un partenaire collaboratif pour soutenir la pensée créative et critique des apprenants¹⁸. Ce changement s’aligne sur les objectifs ODD en matière d’éducation inclusive et centrée sur l’apprenant. Empiriquement, les chercheurs utilisent la modélisation structurelle partielle des moindres carrés (PLS-SEM) pour analyser les données de n = 420 apprenants chinois de premier cycle en langue étrangère, en examinant comment l’intégration des ODD (ODD) et l’utilisation de ChatGPT (UCGPT) influencent conjointement la motivation (SM), la littératie numérique (DL), la créativité des élèves (SC) et l’engagement dans l’apprentissage des langues (LLE). Les contributions théoriques de cette étude sont triples. Premièrement, les chercheurs étendent la théorie de l’autodétermination (TDS) en démontrant comment les outils d’IA alignés sur les ODD répondent aux besoins intrinsèques d’autonomie, de compétence et de relation des apprenants, renforçant ainsi la motivation. Deuxièmement, les chercheurs affinent la théorie de l’engagement en révélant comment la littératie numérique et la créativité interagissent dynamiquement dans des environnements médiés par l’IA, en fonction du niveau d’engagement des apprenants. Troisièmement, les chercheurs font progresser des littératies numériques essentielles en intégrant une utilisation éthique de l’IA dans le discours sur la durabilité, incitant les apprenants à interroger les biais liés aux données, les coûts environnementaux et les pratiques de travail dans les systèmes d’IA. Empiriquement, les résultats fournissent des perspectives exploitables pour les éducateurs et les décideurs, illustrant comment ChatGPT peut démocratiser l’accès aux tâches linguistiques liées aux ODD (débats sur le changement climatique, simulations d’égalité des sexes) tout en favorisant des compétences cognitives de haut niveau. Cet article est structuré comme suit : Premièrement, l’introduction qui traite de la signification/originalité de cette recherche, de la lacune existante dans la littérature et de la contribution de cette étude. Ensuite, il y a des revues de la littérature sur les ODD en langue étrangère, l’IA générative et la littératie numérique. La section Protocole détaille la méthodologie PLS-SEM, tandis que la section Résultats présente les résultats. La section Discussion développe les principales conclusions ainsi que les implications théoriques et pratiques. Enfin, l’article se conclut par des limites et des orientations futures.

Revue de la littérature et développement des hypothèses

Objectif de développement durable 4 et motivation des étudiants en EFL
Une approche pédagogique qui intègre les programmes d’anglais langue étrangère (EFL) avec l’Objectif de développement durable 4¹⁹, qui met l’accent sur une éducation inclusive et équitable de qualité et un apprentissage tout au long de la vie pour tous, s’est imposée comme une stratégie clé pour renforcer la motivation^{des élèves 20}. Les objectifs de l’ODD 4, en particulier 4.4 (compétences pour l’emploi) et 4.7 (éducation pour le développement durable), soulignent l’importance de développer des apprenants linguistiquement compétents avec des compétences en pensée critique, en littératie numérique et^{en engagement éthique 21}. Les principes de ces compétences sont également soutenus par la Responsabilité de protéger et les objectifs de l’ODD 4.5 « Éducation fondée sur les droits ». Plusieurs études suggèrent que lorsque l’action climatique, l’égalité des sexes et la lutte contre la pauvreté sont abordées dans l’apprentissage des langues, cela favorise la motivation des élèves pour la matière²². Cette méthode soutient la théorie de l’autodétermination^23,24, qui estime que l’expérience de l’autonomie, la maîtrise des compétences et la connexion sociale maintient la motivation^{des gens 25}. L’IA générative fonctionne encore mieux comme outil de motivation lorsque le contenu interactif lié aux Objectifs de Développement Durable est^{utilisé 26}. L’IA avec chatbot, simulant des sommets et des plateformes dans plusieurs langues axées sur la durabilité, permet aux élèves d’apprendre des sujets complexes grâce à des exercices^{linguistiques 27}. Appliquer des scénarios qui exigent que les élèves discutent de solutions contre la pénurie d’eau en anglais les aide à s’intéresser. Cela aiguise leurs capacités de résolution de problèmes et leur donne un plus grand sentiment d’être en contrôle et d’importance²⁸. Le retour d’IA est standardisé et transmis instantanément (ce qui a été souligné, aidant à répondre aux besoins éducatifs divers, et il soutient l’équité comme expliqué dans l’ODD 4²⁹, ce qui calme les élèves et garantit l’égalité. Les experts en éducation doivent aller plus loin dans les liens avec les ODD, car ils doivent se concentrer sur le développement de compétences permettant aux élèves d’identifier les inégalités^{systémiques 30}. Lorsqu’il existe un fossé d’IA entre les pays développés et sous-développés, cela augmente le nombre de raisons pour lesquelles les étudiants se sentent découragés et les appels à l’adoption d’un design^{inclusif 31}. Sur la base de la littérature ci-dessus, cette hypothèse est proposée : H1 : Intégrer les ODD dans les cours d’EFL augmente la motivation des élèves à apprendre l’anglais.

Utilisation de l’IA générative et motivation des étudiants en langue étrangère
Les outils d’IA générative, qui incluent des modèles de langage et des chatbots, sont de plus en plus appréciés pour aider à stimuler la motivation dans l’enseignement de l’EFL en encourageant l’interaction, en répondant aux besoins personnels et en promouvant des activités^{créatives 32}. Ces approches permettent aux apprenants d’interagir directement avec l’IA, de s’entraîner à communiquer dans des situations réalistes et de recevoir des retours rapides et ajustables, ce qui est reconnu pour réduire l’anxiété et maintenir leur intérêt³³. Par exemple, des ressources éducatives générées par l’IA, telles que des textes personnalisés et des scénarios adaptés au niveau et aux centres d’intérêt de l’élève, peuvent répondre à ses besoins psychologiques d’autonomie et de capacité à la réalité. Puisque l’IA générative peut fournir des ressources dans plusieurs langues et prendre en compte des contextes culturels, elle permet aux apprenants d’explorer les enjeux mondiaux en anglais, les incitant à réfléchir profondément aux décisions^{éthiques 34}. Cependant, les experts recommandent qu’une dépendance excessive à l’IA pourrait limiter la communication entre les personnes et les empêcher de développer une pensée critique, deux éléments essentiels à la croissance des enfants. De plus, les désavantages de l’accès à Internet et les effets d’algorithmes biaisés peuvent aggraver les inégalités existantes pour certains groupes d’apprentissage, accentuant encore les disparités actuelles. Sur la base de la littérature ci-dessus, l’hypothèse suivante est avancée : H2 : L’utilisation de ChatGPT dans les classes d’EFL augmente la motivation des élèves à s’engager dans l’apprentissage des langues.

Motivation des élèves d’EFL et littératie numérique
La relation entre la littératie numérique et la motivation à l’EFL n’est pas seulement corrélationnelle, mais aussi synergique. Les élèves ayant une meilleure maîtrise numérique sont mieux équipés pour rechercher et s’engager avec un contenu authentique et multimodal qui correspond à leurs intérêts personnels et à leurs contextes^{socioculturels 35,36}. Cette capacité alimente directement la motivation intrinsèque en renforçant le sentiment d’autonomie et de compétence des apprenants, car ils peuvent naviguer plus efficacement dans les environnements numériques. Cependant, ce cycle positif n’est pas automatique. L’impact motivationnel dépend de la qualité de l’engagement numérique ; Le simple fait d’utiliser la technologie ne garantit pas la motivation à moins que les tâches ne soient significatives et culturellement^{adaptées 37}.

De plus, bien que l’IA générative soit actuellement commercialisée comme un mécanisme pour accélérer cette synergie à l’aide de l’échafaudage^{personnalisé 38,} une approche critique révèle qu’il existe plusieurs éventuelles à cela. Le succès des technologies d’IA dans la facilitation du dialogue interculturel et la démystification des biais^{médiatiques 39} repose sur l’accès égal et la compétence numérique sous-jacente, qui fait fréquemment défaut dans les environnements^{sous-financés 40}. Cela crée un fossé de motivation, l’analphabétisme numérique provoquant frustration et sentiment de désengagement, sabotant ainsi la motivation même que l’IA cherche à^{générer 41}. Ainsi, l’intégration de l’IA devrait être accompagnée de modèles rigoureux de littératie numérique qui encouragent l’apprenant à comprendre les connotations éthiques, afin que la propagation involontaire des déséquilibres actuels ne se produise pas avec l’utilisation des^{technologies 42}. Sur la base de la littérature ci-dessus, l’hypothèse suivante est avancée : H3 : Une motivation plus élevée chez les élèves EFL conduit à une amélioration des compétences en littératie numérique.

Littératie numérique des élèves d’EFL et créativité des élèves d’EFL
En anglais langue étrangère (EFL), la littératie numérique stimule la créativité en donnant aux apprenants la capacité technique et critique de recontextualiser l’utilisation de la langue par des modes numériques^{innovants 43}. Les élèves deviennent compétents dans l’utilisation d’appareils tels que l’IA générative, les plateformes multimédias et les espaces virtuels collaboratifs, ce qui leur permet d’aller au-delà des exercices textuels et de les utiliser comme outils pour créer des projets multimodaux tels que des histoires numériques, des podcasts, ou même des récits produits par^{l’IA 44}. Par exemple, les plateformes basées sur l’IA pour co-créer de la poésie multilingue ou simuler des scénarios de réalité virtuelle aident les apprenants à expérimenter l’hybridité linguistique et culturelle et à combiner l’acquisition du langage et l’exploration^{artistique 45}.

La littératie numérique est corrélée à la créativité grâce à l’égalité des chances d’accès et à des approches pédagogiques aux objectifs^{définis 46}. Certains groupes marginalisés manquent d’accès égal à l’IA générative et aux outils numériques, ce qui entraîne un apprentissage créatif étouffant et passif plutôt qu’une création^{active 47}. Les professionnels de l’éducation devraient choisir des méthodes critiques axées sur des pratiques pédagogiques durables afin d’aider leurs étudiants à examiner à la fois l’approche éthique de la génération de contenu par IA et les impacts du flux de travail numérique sur^{l’environnement 48}. Les étudiants peuvent développer un savoir-faire éthique grâce à des activités pratiques de conception numérique qui combinent un développement durable de projets avec un examen des biais algorithmiques, renforçant ainsi les objectifs de durabilité et de justice de l’ODD 4.7. Sur la base de la littérature ci-dessus, les hypothèses suivantes sont proposées : H4 : Les élèves EFL ayant de meilleures compétences en littératie numérique démontrent une plus grande créativité dans les tâches linguistiques. H5 : L’engagement des élèves en langue étrangère démontre une plus grande créativité dans les tâches linguistiques.

Effet modérateur de l’engagement dans l’apprentissage des langues
Plus précisément en ce qui concerne les contextes d’apprentissage de l’EFL, les interventions pédagogiques intégrant les Objectifs de développement durable (ODD) et l’IA générative sont plus efficaces lorsque l’engagement dans l’apprentissage des langues, tel que défini par l’investissement cognitif, comportemental et émotionnel dans l’acquisition du langage, est une variable modératrice multilatéralement^{pivot 49}. En mettant en œuvre des contenus liés aux ODD, un niveau élevé d’engagement augmente les gains motivationnels et cognitifs, car les participants aux tâches axées sur les ODD ou simulées par l’IA sont plus persistants, posent plus de questions et revendiquent une plus grande responsabilité sur leur parcours d’apprentissage⁵⁰. Par exemple, la co-création par les étudiants de campagnes de développement durable par l’intelligence artificielle (IA) ou la discussion sur des enjeux mondiaux en anglais ont démontré qu’ils renforcent les capacités linguistiques et la créativité, compte tenu du lien émotionnel des élèves avec des problèmes^{réels 51}. L’engagement est un modérateur déterminant comment les apprenants gèrent les aspects éthiques et culturels des environnements d’apprentissage EFL pilotés par l’IA. Les élèves qui manifestent du désengagement considèrent l’IA comme un système autoritaire qui intensifie leurs préoccupations et les pousse à dépendre passivement du retour^{automatisé 52}. Sur la base de la littérature ci-dessus, l’hypothèse suivante est avancée : H6 : L’engagement dans l’apprentissage des langues modère la relation entre la littératie numérique et la créativité.

Effet médiateur de la motivation des étudiants EFL dans les contextes EFL
Le niveau de motivation des élèves en EFL joue un rôle essentiel dans la manière dont les stratégies pédagogiques liées aux ODD et l’utilisation de l’IA générative affectent leurs compétences numériques et leur créativité ainsi que leur maîtrise de l’anglais⁵³. La conception pédagogique répond à la réussite de l’apprenant par la motivation, en utilisant la théorie de^{l’autodétermination 54}, pour renforcer les conditions psychologiques d’un engagement profond. La motivation des élèves liée à l’autonomie (prise de décision sur des sujets de plaidoyer), à la compétence (apprentissage du vocabulaire de la durabilité) et à la relation (participation à des activités mondiales) sert de mécanisme par lequel le contenu thématique des ODD détermine l’efficacité de la pensée critique et du développement des compétences numériques des étudiants. L’engagement des élèves peut augmenter lors de la première utilisation des outils d’IA générative en raison de leur nouveauté, mais les progrès continus en littératie et créativité exigent que les élèves reconnaissent les interactions IA comme à la fois pertinentes pour l’identité et favorisant^{l’autonomie 55}.

Les chercheurs établissent que la motivation est le facteur principal reliant divers contextes grâce à des preuves empiriques. Les projets axés sur les ODD exposés aux apprenants EFL ont conduit à une créativité associée, car les apprenants ont simultanément connu une motivation accrue, comme le rapportent les^{auto-évaluations 56}. Les résultats d’écriture issus des retours personnalisés générés par IA ont montré des améliorations maximales chez les élèves ayant montré une forte motivation^{existante 57,58}. L’étude a prouvé que la motivation régule l’efficacité des interventions technologiques. Un autre facteur qui entrave ce processus est le culturel, ainsi que les éléments socio-économiques. Les milieux à manque de ressources tendent à privilégier les incitations externes, qui concernent les opportunités de carrière mentionnées dans l’ODD 4.4, ce qui entraîne des relations modifiées entre la motivation et la livraison d’outils^{numériques 59,60}. Sur la base de la littérature ci-dessus, les hypothèses suivantes sont proposées : H7 : La motivation des élèves médie la relation entre l’utilisation de ChatGPT et les compétences en littératie numérique. H8 : La motivation des élèves médie la relation entre les ODD et les compétences en littératie numérique. La figure 1 montre le modèle de recherche de la présente étude, qui inclut toutes les variables et leurs relations de chemin entre elles. De plus, sur la base des relations de chemin entre variables, toutes les hypothèses sont également indiquées dans le modèle de recherche.

Protocole

Cette étude a été menée conformément aux directives éthiques pour la recherche sur les sujets humains. Le consentement éclairé a été obtenu de tous les participants avant leur participation, garantissant qu’ils étaient pleinement informés de l’objectif de l’étude, des procédures basées sur des enquêtes, de leur nature volontaire et de leur droit de se retirer à tout moment sans conséquence. Toutes les méthodes respectaient les normes éthiques de la recherche humaine, garantissant la confidentialité des participants, l’anonymisation des données et la protection tout au long de l’étude. L’étude a impliqué une collecte de données non invasive, basée sur une enquête, avec un risque minimal pour les participants.

1. Conception de la recherche

Cette étude a adopté un plan de recherche quantitatif et transversal pour examiner les relations entre l’intégration des Objectifs de Développement Durable (ODD), l’utilisation de l’IA générative, la littératie numérique, la créativité, la motivation et l’engagement dans l’apprentissage des langues dans les contextes de l’EFL. Le design a privilégié la validation d’hypothèses par des enquêtes structurées, fondées sur l’épistémologie positiviste, permettant une généralisation statistique des résultats dans des milieux académiques similaires. Une approche de modélisation structurelle par équations partielles des moindres carrés (PLS-SEM) a été choisie pour analyser les effets complexes de médiation et de modération. PLS-SEM prend en compte des tailles d’échantillons plus petites et des structures de modèles exploratoires tout en minimisant les hypothèses concernant la normalité des^{données 61}. La conception correspondait à l’appel de l’ODD 4 à des stratégies éducatives basées sur les données, axées sur des résultats mesurables pour éclairer des innovations pédagogiques évolutives dans l’apprentissage des langues amélioré par l’IA.

2. Données et échantillonnage

Premièrement, pour construire le cadre d’échantillonnage, les chercheurs ont identifié et sélectionné tous les cours d’EFL intégrés à la technologie dans la liste des programmes de l’université pour le semestre de printemps 2024, aboutissant à un échantillon de pratique de 420 étudiants de premier cycle. Deuxièmement, l’éligibilité des participants a été confirmée selon les critères d’être âgés de 18 à 24 ans et d’être inscrits en première ou deuxième année de premier ou deuxième année avec un niveau intermédiaire de maîtrise de l’anglais, selon les registres de placement universitaire ; la cohorte finale comprenait 62 % de femmes et 38 % d’hommes, dont 95 % venaient de l’est de la Chine. Troisièmement, lors d’une session de cours programmée, le chercheur administrait l’instrument de l’enquête en personne : après avoir distribué une fiche d’information détaillée, le chercheur lisait à voix haute le script de consentement éclairé, laissait du temps pour les questions et collectait des formulaires de consentement signés avant de distribuer le questionnaire, que les participants disposaient de 20 minutes pour remplir anonymement sans incitation prévue. Quatrièmement, pour contrôler la variable superflue de l’expérience antérieure en IA, l’instrument d’enquête lui-même incorporait dès le départ une section de filtres dédiée, recueillant des données sur la familiarité des participants avec les outils d’IA pour un contrôle statistique ultérieur. Enfin, les données collectées ont été examinées pour leur exhaustivité, et la taille de l’échantillon de n = 420 a été vérifiée pour l’adéquation statistique en appliquant la « règle des 10 fois » pour le PLS-SEM, confirmant ainsi qu’elle dépassait le minimum requis de 10 cas par variable prédictive dans l’équation de régression la plus complexe du modèle.

1. Intégration pratique des ODD et de ChatGPT
   Pour ancrer les mesures de l’enquête dans un contexte pédagogique concret, l’étude a été menée dans un module spécifique EFL qui intégrait explicitement les thèmes ODD avec l’assistance de ChatGPT. Les élèves ont participé à une série d’activités d’apprentissage basées sur des tâches sur une période de quatre semaines. Par exemple, une tâche exigeait que les étudiants utilisent ChatGPT pour rechercher un ODD spécifique (éducation ODD 4, ODD 13 : Action climatique ou ODD 5 : Égalité des genres), générant un résumé des enjeux clés puis évaluant de manière critique les informations fournies par l’IA pour détecter d’éventuels biais. Dans un autre devoir, les étudiants ont utilisé ChatGPT comme outil collaboratif pour co-écrire un essai persuasif ou un script de campagne sur les réseaux sociaux défendant une initiative locale de durabilité, reliant ainsi les objectifs mondiaux à leur contexte immédiat. Ces tâches étaient conçues pour être multimodales, culminant souvent par des vidéoblogs ou des présentations, demandant aux élèves de synthétiser des informations, de pratiquer la pensée critique et d’utiliser l’anglais à des fins concrètes. Cette mise en œuvre pratique a permis que les réponses des étudiants aux enquêtes soient éclairées par une expérience directe de l’approche intégrée d’apprentissage ODD-IA.

3. Considérations éthiques

La présente étude a été menée conformément à des considérations éthiques rigoureuses. Tous les participants ont été informés en détail de l’objectif et des procédures de l’étude, ainsi que de leurs droits, par voie écrite et orale, puis ont donné leur consentement éclairé avant de participer à l’étude. Cet accord garantissait l’anonymat, leur permettant de se retirer à tout moment sans représailles et garantissant la confidentialité de leurs données. Les informations étaient recueillies via des systèmes numériques chiffrés et stockées en toute sécurité sur des serveurs protégés par mot de passe. Toutes les analyses ont été réalisées sur des données agrégées afin d’empêcher toute identification d’individu. Conformément aux principes de l’ODD 4.7, l’étude comprenait une section de débriefing distincte pour aborder les questions éthiques propres à l’IA générative, présentant clairement des préoccupations potentielles telles que la possibilité de biais dans les réponses de ChatGPT et son impact environnemental. Enfin, les limites de l’étude, telles que les biais d’auto-déclaration et la localisation géographique de l’échantillon, ont été ouvertement reconnues pour promouvoir l’intégrité académique.

4. Mesures

Les constructions ont été opérationnelles à l’aide d’échelles validées adaptées au contexte EFL. L’intégration des ODD a été mesurée à l’aide d’une échelle de 36 items avec trois sous-échelles : économie (13 éléments), société (9 éléments) et environnement (14 éléments). Cette échelle a été dérivée d’Atmaca et ^al.62, évaluant l’exposition aux thèmes de durabilité dans les tâches linguistiques. La littératie numérique a été évaluée à l’aide d’une échelle de 29 items, étendue à six dimensions adaptées de Rodríguez-de-Dios et ^al.63, incluant la Littératie Technologique (7 items), la Littératie en Sécurité Personnelle (5 items), la Littératie Critique (5 items), la Littératie en Sécurité des Dispositifs (4 items), la Littératie de l’Information (5 items) et la Littératie de la Communication (3 items). De plus, la créativité des étudiants en langue étrangère a été capturée à travers Govindasamy et ^al.64, un instrument de 12 items, couvrant quatre sous-échelles, chacune avec trois éléments : originalité, flexibilité, fluidité et élaboration. L’utilisation de ChatGPT a été quantifiée via une échelle de 8 items adaptée d’Abbas et ^al.65, en se concentrant sur la fréquence, l’objectif et l’efficacité perçue dans les tâches linguistiques. La motivation a été évaluée à l’aide d’Obiosa⁶⁶, avec une échelle de 05 items. Enfin, l’engagement dans l’apprentissage des langues a été évalué à l’aide d’une échelle de 9 items d’Eerdemutu et ^al.67. Toutes les échelles ont utilisé des réponses Likert à 5 points, les tests pilotes (n=30) confirmant la fiabilité (α > de Cronbach 0,82) et l’analyse factorielle confirmatoire validant la distinctivité des constructs. L’analyse de la présente étude a été réalisée sur la base de constructions réflexif-réfléchissante du premier ordre, car les constructions réfléchissive-réfléchissantes du second ordre ne sont pas directement testées.

5. Analyse des données

L’analyse des données a été réalisée par une procédure séquentielle en deux phases utilisant SPSS version 28 et SmartPLS version 4. Le processus a débuté dans SPSS 28, où les chercheurs ont navigué vers l’analyse > des statistiques descriptives > descriptives et l’analyse > corrélation > bivariée pour calculer respectivement les statistiques descriptives préliminaires (moyennes, écarts-types) et les coefficients de corrélation de Pearson, pour l’échantillon de n = 420 cas. Par la suite, l’analyse primaire s’est déplacée vers SmartPLS 4 pour réaliser la modélisation des équations structurales des moindres carrés partiels (PLS-SEM). La première étape de SmartPLS consistait à valider le modèle de mesure en exécutant l’algorithme intégré Calculate pour évaluer la cohérence interne, exigeant que les valeurs de fiabilité composite dépassent le seuil de 0,70, et la validité convergente, confirmée par une Moyenne Extraite de la Variance (AVE) supérieure à 0,50 pour tous les constructs. La validité discriminante a ensuite été vérifiée à l’aide des fonctions de rapport du logiciel pour appliquer le critère de Fornell-Larcker et garantir que tous les rapports hétérotrait-monotrait (HTMT) étaient inférieurs au seuil conservateur de 0,85. Après cette validation, le modèle structurel a été évalué en utilisant la routine Bootstrapping configurée avec 5 000 sous-échantillons et un test à deux queues au niveau de signification de 0,05 afin de générer des intervalles de confiance corrigés en biais pour tous les coefficients de chemin (β) et effets indirects, testant ainsi les relations directes, médiatrices et modératrices hypothétiques. Enfin, la pertinence prédictive du modèle a été déterminée en examinant la valeur Q² de Stone-Geisser, obtenue via la procédure Blindband, avec des valeurs supérieures à zéro indiquant une puissance prédictive adéquate, et l’impact substantiel des prédicteurs a été déterminé en calculant les tailles d’effet (f²) à partir des résultats de l’algorithme PLS.

Résultats

Statistiques descriptives
Une analyse descriptive fournit des informations importantes sur les schémas des variables, les emplacements centraux et leur dispersion, permettant aux chercheurs de vérifier la santé, la normalité et la congruence théorique des données initiales. Dans cette étude, les valeurs moyennes sont utilisées pour mesurer le niveau de kurtose, tandis que les paramètres de l’écart-type sont utilisés pour évaluer le niveau d’asiemérie. De plus, les eff...

Discussion

Résumé des principales conclusions
Cette étude a examiné l’interaction entre les Objectifs de Développement Durable (ODD), l’IA générative (ChatGPT) et les principaux résultats éducatifs : motivation, littératie numérique et créativité dans les environnements d’apprentissage EFL. Les résultats ont confirmé toutes les hypothèses à effet direct (H1-H5), démontrant que l’intégration des ODD (β = 0,37) et l’utilisation de ChatGPT (β = 0,28) renforcent significativement la...

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Échelle d’utilisation de ChatGPT	Échelle de 8 items adaptée d’Abbas et al. (2023).	Abbas et al. (2023).
Échelle de créativité	Échelle de 12 items adaptée de Govindasamy et al. (2022), mesurant quatre sous-constructions : Originalité, Flexibilité, Fluidité et Élaboration.	Govindasamy et al. (2022)
Instrument de collecte de données	Questionnaire anonyme, auto-administré, papier et crayon.	Non applicable / conçu sur mesure
Système de stockage de données	Serveurs protégés par mot de passe avec systèmes numériques chiffrés.	Non applicable / infrastructure informatique institutionnelle
Échelle de littératie numérique	Échelle de 29 items adaptée de Rodrí ; Guez-de-Dios et al. (2018), couvrant six dimensions : Technologie, Sécurité personnelle, Critique, Sécurité des dispositifs, Informatique et Littératie de la communication.	Rodrí ; Guez-de-Dios et al. (2018)
Documents de consentement éclairé	Fiche d’information écrite et formulaire de consentement.	Non applicable / conçu sur mesure
Échelle d’engagement dans l’apprentissage des langues	Échelle à 9 items adaptée d’Eerdemutu et al. (2023).	Eerdemutu et al. (2023)
Échelle de motivation	Échelle à 5 items adaptée d’Obiosa (2023).	Obiosa (2023).
Algorithme et algorithme PLS-SEM Autofinancement	SmartPLS 4 routines internes (algorithme PLS et bootstrapping avec 5 000 sous-échantillons).	https://www.smartpls.com/documentation/algorithms-and-techniques
Évaluation prédictive de la pertinence	Procédure de bandage dans SmartPLS 4 pour calculer le Geisser de pierre s Q² ; Value.	https://www.smartpls.com/documentation/predictive-relevance-q2
Échelle d’intégration ODD	Échelle à 36 items adaptée d’Atmaca et al. (2023), avec des sous-échelles pour Économie (13 éléments), Société (9 éléments) et Environnement (14 éléments).	Atmaca et al. (2023)
Logiciels d’analyse statistique	IBM SPSS Statistics, version 28.	-
Logiciel de modélisation des équations structurelles	SmartPLS, Version 4.	https://www.smartpls.com
Validité & Contrôles de fiabilité	SmartPLS 4 fonctions de rapport pour la fiabilité composite, la variance moyenne extraite (AVE), le critère de Fornell-Larcker et les rapports HTMT.	https://www.smartpls.com/documentation/reporting