Blog Nabunam
- Comprendre l'IA générative : les bases pour le personnel enseignant
- Correction assistée par IA : comment ça fonctionne réellement
- IA et rétroaction aux étudiants : plus rapide, pas moins humaine
- Les limites de l'IA générative en contexte scolaire
- IA et intégrité académique : ce que les enseignants doivent savoir
- Outil d'IA public ou plateforme institutionnelle : quelle différence ?
- Biais algorithmiques : ce qu'un enseignant devrait surveiller
- L'IA peut-elle remplacer le jugement pédagogique ?
- Créer des examens plus rapidement avec l'aide de l'IA
- IA et différenciation pédagogique : personnaliser sans remplacer
- Comment expliquer l'usage de l'IA à vos étudiants
- IA générative et plagiat : distinguer l'aide légitime de la tricherie
- Cinq mythes courants sur l'IA en éducation
- IA et charge de travail des enseignants : où sont les vrais gains
- Superviser l'IA en classe : bonnes pratiques
- Bien formuler une consigne pour l'IA en contexte pédagogique
- IA et matières à réponses ouvertes : ce qui fonctionne, ce qui ne fonctionne pas encore
- Ce que l'IA générative change (et ne change pas) dans l'évaluation
- Choisir un outil d'IA pédagogique : les questions à poser avant d'adopter
- L'avenir de l'IA en éducation : tendances prudentes à surveiller
- Transformation numérique des établissements : par où commencer
- Cégeps et transformation numérique : enjeux propres au réseau collégial
- Écoles privées et adoption technologique : ce qui les distingue
- Tableaux de bord pédagogiques : suivre les progrès sans surcharger
- Numérique et équité : éviter de creuser les écarts entre étudiants
- L’IA générative en classe : menace ou opportunité ?