Description

par Olivier Mamavi et Romain Zerbib

L’équité entre les hommes et les femmes dans l’utilisation des technologies émergentes est un des défis majeurs en matière de responsabilité sociale et de développement durable. Cet article étudie l’impact des dimensions socio-techniques de l’intelligence artificielle (IA) sur les différences de genre à travers la théorie de l’apprentissage social. Suite à une expérimentation menée sur la plateforme Management & Datascience, nous avons réalise une analyse multi groupe en développant un modèle d’équations structurelles (PLS-SEM). Nos résultats révèlent l’effet négatif des relations de compétition et du mentorat sur l’apprentissage de l’IA chez les femmes. Cette contribution met en évidence le rôle crucial du climat d’apprentissage et plaide pour des stratégies d’intervention spécifiques visant à garantir une IA plus inclusive.

Mots-clés : apprentissage social, intelligence artificielle, inclusion, genre.