L’IA dans un examen de la portée : un levier pour l’activité des chercheurs.es?

ORCID

Marion Poirier : 0009-0004-7416-7273

Type de document

Articles dans des actes de congrès

Année

2025

Langue

Français

Titre des actes

58e Congrès de la SELF 2025 : ergonomie, communauté(s) et société : entre héritage et perspectives

Première page

174

Dernière page

179

Maison d’édition

SELF

Résumé

En recherche, la synthèse des connaissances permet aux chercheurs.es de comprendre l’état actuel des savoirs permettant d’enrichir ou de développer un nouveau projet de recherche. Une méthodologie rigoureuse et systématique est requise, qui se traduit souvent par un processus long et coûteux. L’émergence de l’intelligence artificielle (IA) apporte aujourd’hui de nouvelles perspectives dans la réalisation des tâches des chercheurs.es. Des outils sont conçus pour soutenir la réalisation efficiente des revues, mais sont-ils fiables pour un examen de la portée ? Dans un contexte réel de recherche, des tests de performance sont actuellement réalisés pour déterminer si l’activité des chercheurs.es est soutenue par l’IA. La comparaison des méthodes (standard vs assistée par l’IA) est évaluée par des critères quantitatifs (sensibilité, spécificité, temps gagné, expérience utilisateur) et des critères qualitatifs (journal de bord et rencontres d’équipe) afin de discuter des apports de l’IA sur l’activité des chercheurs.es.

Abstract

Evidence synthesis is a cornerstone for assessing the current state of knowledge and laying the groundwork for new or refined research questions. This process requires a methodologically rigorous and systematic approach, which is often both labour-intensive and resource-demanding. The emergence of artificial intelligence (AI) presents transformative potential, offering innovative tools designed to optimize the efficiency of literature review processes. However, their reliability in the context of scoping reviews remains an open question. To address this, real-world studies are currently being conducted to assess how effectively AI can support researchers' activity. These investigations compare traditional method with AI-assisted approach, focusing on quantitative metrics (e.g., sensitivity, specificity, time efficiency, user experience) and qualitative dimensions (e.g., reflective logbook entries and team meetings) to discuss the potential of AI in transforming researchers’ activity.

Mots-clés

Intelligence artificielle, Artificial intelligence, Revue de la portée, Scoping review, Étude du travail, Work study, Recherche documentaire, information retrieval, Recherche, Research

Numéro de projet IRSST

N/A

Link to Full Text

Partager

COinS