Cartographie des Limites d'Apprentissage IA

Ce que cela fait

AI Learning Boundary Mapper analyse un devoir de classe et ses objectifs d'apprentissage, puis produit une carte composant par composant identifiant où l'assistance de l'IA est bénéfique, neutre ou préjudiciable. La compétence génère un langage de politique clair que les enseignants peuvent insérer dans les descriptifs de devoirs, des justifications pour chaque restriction, des conseils de sélection d'outils (recherche vs IA) et des suggestions de reconception pratiques pour préserver le défi critique à l'apprentissage tout en permettant des utilisations utiles de l'IA. Elle s'appuie sur la conception inverse (backward design) et les preuves des sciences de l'apprentissage (Wiggins & McTighe ; Bjork et al. ; Kirschner et al.).

Quand l'utiliser

Utilisez cette compétence lors de la reconception de devoirs pour une classe utilisant l'IA, lors de la rédaction de directives défendables sur l'utilisation de l'IA pour un cours, ou lorsque vous devez transformer des règles vagues comme « IA autorisée » ou « pas d'IA » en politiques spécifiques par composant que les enseignants peuvent mettre en œuvre et expliquer aux étudiants. Utile pour les tâches formatives et sommatives dans toutes les matières.

Ce qui est inclus

• Scripts : aucun script intégré (has_scripts=false)
• Références : des citations basées sur des preuves et des lectures recommandées sont incluses dans le texte de la compétence lorsqu'elles sont présentes
• Instructions : un prompt détaillé et un format de sortie qui produisent une Analyse Objective, une Carte des Limites des Composants, des Recommandations de Politique, une Comparaison d'Outils et des Suggestions de Reconception

Agents compatibles

Conçu pour les assistants conversationnels/capables de coder (type Claude et agents LLM généralistes) pouvant accepter des entrées structurées et renvoyer des sorties markdown. Fonctionne bien dans les flux de soutien aux enseignants et les pipelines de conception de programmes.