L'étudiant oublié : l'utilisation de l'intelligence artificielle générative dans l'éducation médicale et la feuille de route TIED (Technology-Integrated Educational Design) : revue de portée.
The Forgotten Student-Generative AI Use in Medical Education and the Technology-Integrated Educational Design (TIED) Road Map: Scoping Review.
L’essentiel
Cette revue de portée examine l'impact des interventions pédagogiques basées sur l'intelligence artificielle générative auprès des étudiants en médecine de premier cycle, en comblant le manque d'attention accordée aux apprenants dans la littérature existante. Les auteurs ont mené une recherche documentaire rigoureuse selon les directives PRISMA-ScR à travers plusieurs bases de données électroniques, incluant des articles publiés jusqu'en septembre 2025. Vingt-sept études ont été incluses dans l'analyse finale et évaluées à l'aide d'une version modifiée du modèle de Kirkpatrick. La majorité des études se sont concentrées sur les réactions initiales des utilisateurs ou sur les résultats d'apprentissage à court terme, tandis qu'un nombre important de publications antérieures privilégiaient la performance des outils plutôt que les processus d'apprentissage. Face à la fragmentation des approches pédagogiques observées dans la littérature, les auteurs proposent la feuille de route TIED (Technology-Integrated Educational Design). Ce cadre novateur réimagine le modèle de Kirkpatrick pour guider la conception d'interventions technologiques centrées sur l'étudiant, ancrées dans la théorie et évaluées de manière itérative. L'objectif est d'aider les éducateurs à comprendre non seulement si ces outils fonctionnent, mais aussi comment et pour qui ils soutiennent un apprentissage significatif.
- La revue de portée analyse l'impact des interventions éducatives basées sur l'intelligence artificielle générative auprès des étudiants en médecine.
- Vingt-sept études ont été retenues après une sélection rigoureuse menée selon les normes PRISMA-ScR.
- La majorité des recherches évaluent principalement les réactions des utilisateurs ou les gains de connaissances immédiats selon le modèle de Kirkpatrick.
Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.
Comprendre l’analyse ↓Analyse du résumé uniquement. Confiance faible dans les informations extraites.
Voir les sources ↓Synthèse détaillée
Synthèse
Cette revue de portée examine l'impact des interventions pédagogiques basées sur l'intelligence artificielle générative auprès des étudiants en médecine de premier cycle, en comblant le manque d'attention accordée aux apprenants dans la littérature existante. Les auteurs ont mené une recherche documentaire rigoureuse selon les directives PRISMA-ScR à travers plusieurs bases de données électroniques, incluant des articles publiés jusqu'en septembre 2025. Vingt-sept études ont été incluses dans l'analyse finale et évaluées à l'aide d'une version modifiée du modèle de Kirkpatrick. La majorité des études se sont concentrées sur les réactions initiales des utilisateurs ou sur les résultats d'apprentissage à court terme, tandis qu'un nombre important de publications antérieures privilégiaient la performance des outils plutôt que les processus d'apprentissage. Face à la fragmentation des approches pédagogiques observées dans la littérature, les auteurs proposent la feuille de route TIED (Technology-Integrated Educational Design). Ce cadre novateur réimagine le modèle de Kirkpatrick pour guider la conception d'interventions technologiques centrées sur l'étudiant, ancrées dans la théorie et évaluées de manière itérative. L'objectif est d'aider les éducateurs à comprendre non seulement si ces outils fonctionnent, mais aussi comment et pour qui ils soutiennent un apprentissage significatif.
Résultats principaux
La revue de portée analyse l'impact des interventions éducatives basées sur l'intelligence artificielle générative auprès des étudiants en médecine. Vingt-sept études ont été retenues après une sélection rigoureuse menée selon les normes PRISMA-ScR. La majorité des recherches évaluent principalement les réactions des utilisateurs ou les gains de connaissances immédiats selon le modèle de Kirkpatrick. La littérature se concentre encore trop souvent sur la performance des outils technologiques au détriment des processus réels d'apprentissage. La feuille de route TIED est proposée pour structurer une conception pédagogique centrée sur l'étudiant et ancrée dans des fondements théoriques solides.
Repères pour la pratique
Les formateurs en sciences de la santé doivent intégrer l'intelligence artificielle générative en privilégiant l'expérience d'apprentissage des étudiants plutôt que la simple performance technique. L'utilisation de cadres structurés comme la feuille de route TIED permet de concevoir des interventions pédagogiques plus rigoureuses et ancrées théoriquement. Il est essentiel d'évaluer l'impact à long terme des technologies éducatives sur les compétences cliniques réelles des futurs professionnels de santé.
Limites et précautions
Cet article fournit une revue de portée rigoureuse sur l'intégration des technologies d'intelligence artificielle dans l'enseignement, offrant des cadres conceptuels utiles pour la formation en sciences de la santé, bien que son lien direct avec la neuropsychologie clinique pure reste modéré. La portée de la revue a été restreinte aux étudiants en médecine de premier cycle, ce qui limite la généralisation des résultats à l'ensemble des professions de santé. Un nombre très restreint d'études incluses intégrait des niveaux d'évaluation avancés selon le modèle de Kirkpatrick. L'hétérogénéité des méthodologies et la fragmentation de la conception pédagogique dans les études analysées complquiètent la comparaison directe des résultats.
Analyse méthodologique
Non déterminable — Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.
Le texte intégral ouvert n’était pas accessible. Cela rend la robustesse non déterminable : l’absence d’information n’est pas interprétée comme une faiblesse de l’étude.
Une anomalie documentaire ou méthodologique a été détectée. L’article reste disponible et doit être interprété avec prudence.
Examiner les critères point par point
Cette analyse automatisée pour NeuroWatch repose exclusivement sur le résumé de la publication. Concernant la méthodologie, les auteurs indiquent avoir suivi les lignes directrices PRISMA-ScR. Une recherche documentaire a été menée dans plusieurs bases de données (Ovid, PubMed, Web of Science, Scopus) entre le 22 et le 24 septembre 2025, sans restriction de langue ni de date. Le criblage des enregistrements a été réalisé indépendamment par deux évaluateurs. L'analyse des données a utilisé une version modifiée du modèle de Kirkpatrick. L'évaluation du risque de biais n'est pas rapportée dans la source analysée. Sur le plan des résultats, la revue inclut 27 études portant sur des étudiants en médecine de premier cycle. La répartition selon le modèle de Kirkpatrick indique que 23 études se trouvent au niveau 1, 16 au niveau 2, aucune au niveau 3, et 3 au niveau 4. Les auteurs notent également une anomalie arithmétique où la somme des études par niveau dépasse le total de 27, suggérant un chevauchement. Les données sur les gains de connaissances, les financements et les conflits d'intérêts ne sont pas rapportées dans la source analysée. Limites de l'analyse : l'analyse est automatisée et se restreint aux informations du résumé, ce qui ne permet pas d'évaluer l'intégralité du texte ou le risque de biais. Aucune recommandation clinique n'est formulée.
protocolFavorable
Le résumé indique que la revue de portée a suivi les lignes directrices PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews).
Un élément méthodologique adéquat est explicitement documenté.risk of biasNon déterminable
Le résumé ne mentionne aucune évaluation du risque de biais ni d'outil d'évaluation de la qualité méthodologique des études incluses.
L’information nécessaire n’est pas rapportée dans la source analysée.search strategyFavorable
Une recherche électronique a été menée entre le 22 et le 24 septembre 2025 dans Ovid (MEDLINE et Embase), PubMed, Web of Science et Scopus, sans restriction de langue ni de date, avec exclusion des revues, commentaires, lettres, éditoriaux, preprints, articles de conférence et protocoles d'étude.
Un élément méthodologique adéquat est explicitement documenté.study selectionFavorable
Chaque enregistrement a été criblé indépendamment par deux évaluateurs, qui ont discuté et convenu de son inclusion finale dans l'analyse.
Un élément méthodologique adéquat est explicitement documenté.synthesis methodFavorable
Une version modifiée du modèle de Kirkpatrick a été utilisée comme cadre analytique pour l'ensemble de données final.
Un élément méthodologique adéquat est explicitement documenté.Cette analyse est produite automatiquement par une IA à partir des sources indiquées, puis l’appréciation est calculée avec des règles versionnées (scientific_analysis_v2). Elle ne constitue ni une validation par un professionnel ni une recommandation clinique. Consulter la méthodologie.
Classification détaillée
Informations sur l’article
- Publication
- Revue systématique
- Source
- PubMed — neurosciences cognitives developpementales
- Date
- 15 oct. 2026
- Langue
- Anglais
- Accès
- abstract only
- Licence
- Non déterminée