L'utilisation d'analyses d'apprentissage pilotées par l'IA est liée à la littératie physique et à l'engagement en EPS universitaire via un enseignement intelligent et des retours personnalisés

Pourquoi les cours de sport « intelligents » comptent

De plus en plus d'universités transforment leurs cours de sport en « salles de sport intelligentes », où des appareils portables et des applications mobiles suivent en temps réel les mouvements des étudiants. Cette étude pose une question simple mais importante : ces outils high-tech aident-ils réellement les étudiants à devenir plus actifs, plus sûrs d'eux et plus impliqués en éducation physique — ou ajoutent-ils simplement pression et surveillance dans un contexte déjà sensible ? En se concentrant sur de grandes universités chinoises où l'éducation physique est obligatoire, les chercheurs examinent comment les analyses d'apprentissage alimentées par l'intelligence artificielle influencent les attitudes des étudiants envers l'exercice et leur expérience en cours.

Des bracelets aux éclairages d'entraînement

Le système d'éducation physique intelligente étudié combine des traceurs portés au poignet, des enregistrements via mobile et une plateforme en ligne. Lors de cours tels que basket, course, yoga, badminton, football et tennis de table, les appareils enregistrent le nombre de pas, la fréquence cardiaque, la durée de l'exercice et la posture. Ces données alimentent des tableaux de bord qui montrent des synthèses hebdomadaires, des tendances et des progrès pour les étudiants et les enseignants. L'intelligence artificielle ajoute un niveau supplémentaire : alertes automatisées lorsque la fréquence cardiaque est trop élevée ou le temps d'exercice insuffisant, et plans d'entraînement ou conseils techniques suggérés à partir des motifs relevés. Au total, 1 182 étudiants de quatre universités utilisant régulièrement ce système ont rempli un questionnaire détaillé, et un plus petit groupe de 12 étudiants et six membres du personnel a participé à des entretiens approfondis.

Qualité de l'enseignement et retours personnels, le chaînon manquant

Les chercheurs s'intéressaient tout particulièrement à la « littératie physique » — une notion large qui comprend non seulement la condition physique, mais aussi la motivation, la confiance, les compétences et la compréhension nécessaires pour mener une vie active. Ils ont également mesuré le degré d'engagement des étudiants en cours. Les modèles statistiques ont montré que le simple fait d'utiliser le système d'analyses — consulter les tableaux de bord ou recevoir des alertes — avait des liens très faibles et statistiquement fragiles avec la littératie physique ou l'engagement. En réalité, l'effet se trouvait dans la manière dont les enseignants exploitaient les données et dont les retours étaient délivrés. Lorsque les étudiants estimaient que leurs enseignants utilisaient la technologie pour personnaliser les activités, ajuster la charge de travail et expliquer clairement les progrès, ils déclaraient une meilleure littératie physique et une implication plus forte en cours. De même, quand les retours étaient perçus comme opportuns, précis et pratiques à partir de leurs propres données, les étudiants se sentaient plus confiants et disposés à fournir des efforts.

Quand les chiffres aident — et quand ils nuisent

Les entretiens ont montré comment les mêmes données pouvaient être à la fois un guide utile et une source de stress. Beaucoup d'étudiants décrivaient le système comme un « miroir et un coach » : voir la fréquence cardiaque et le rythme après une course les aidait à constater des progrès, ajuster l'effort et se réjouir de petites victoires. D'autres, en revanche, se sentaient sous pression à cause de mesures constantes et d'objectifs liés aux notes. Des messages génériques comme « objectif non atteint », surtout lorsqu'ils sont visibles publiquement ou fortement liés à l'évaluation, poussaient certains étudiants à se contenter du strict minimum pour valider le cours. Des préoccupations concernant la précision des appareils et l'équité — par exemple des traceurs qui comptent mal les pas ou qui ne fonctionnent pas correctement selon les morphologies — influençaient aussi la confiance des étudiants envers les chiffres, les faisant apparaître parfois comme arbitraires et décourageants.

Le facteur humain derrière les écrans

Au fil des témoignages d'étudiants et d'enseignants, les instructeurs apparaissent comme des médiateurs qui traduisent des flux de chiffres en expériences d'apprentissage signifiantes. Quand les enseignants prennent le temps d'expliquer ce que signifient les indicateurs, de discuter de leurs limites et de fixer des objectifs réalistes avec les étudiants, les données deviennent un outil de réflexion plutôt qu'une source d'anxiété. Des retours privés et personnalisés basés sur les analyses renforcent souvent la confiance et la motivation. À l'inverse, lorsque les données servent surtout à contrôler les présences, établir des classements ou appliquer des notations rigides, les étudiants ont tendance à percevoir le système comme de la surveillance plutôt que comme un soutien. L'étude souligne également l'importance d'une technologie fiable, de règles d'évaluation transparentes et d'une « littératie des données » de base pour que les étudiants comprennent ce qui est mesuré et pourquoi.

Ce que cela signifie pour les étudiants et les universités

Pour un public non spécialiste, la conclusion est claire : porter un traceur en cours de sport ne vous rend pas automatiquement plus sain ou plus enthousiaste pour l'exercice. L'éducation physique high-tech ne soutient durablement la littératie physique que lorsque les données sont intégrées à un enseignement réfléchi et à des retours véritables, humains et personnalisés. Les universités qui souhaitent exploiter l'IA dans les cours de sport devraient moins se concentrer sur l'ajout de fonctionnalités et davantage sur l'aide apportée aux enseignants pour utiliser les données existantes afin d'encadrer les étudiants de manière juste, confidentielle et constructive. Autrement dit, la véritable innovation n'est pas le bracelet en soi, mais la manière dont les acteurs sur le terrain — enseignants et étudiants — collaborent autour des chiffres pour construire confiance, compétences et un goût durable pour le mouvement.

Citation: Chen, Y., Xian, D., Zhao, Y. et al. AI-enabled learning analytics use relates to physical literacy and engagement in university PE via smart teaching and personalised feedback. Sci Rep 16, 8341 (2026). https://doi.org/10.1038/s41598-026-39778-9

Mots-clés: éducation physique intelligente, analyses d'apprentissage, données d'activités portables, littératie physique, IA dans l'enseignement supérieur