Emma Carter

Chercheuse EdTech & ex-enseignante K-12

Emma Carter est chercheuse postdoctorale à la School of Education and Social Policy de l'Université Northwestern, où ses travaux portent sur l'efficacité des systèmes de tutorat assistés par IA et l'équité dans les plateformes d'apprentissage adaptatif. Avant de se tourner vers la recherche, elle a passé six ans à enseigner les mathématiques en 5e et 8e année dans les écoles publiques de Chicago (Uplift Community High School), remportant le prix de l'enseignante innovante du district en 2019 pour son approche de différenciation fondée sur les données — un système de notation par maîtrise qu'elle a co-conçu avec le coach pédagogique de l'établissement et qui a amélioré les taux de réussite en algèbre de 8e de 18 points de pourcentage en deux ans. Ses publications évaluées par les pairs ont paru dans le Journal of Educational Technology & Society et Computers & Education. Un article co-écrit en 2024 sur les systèmes d'aide adaptative en mathématiques K-12 a été cité par la RAND Corporation dans sa méta-analyse sur les résultats du tutorat IA. Emma est titulaire d'un M.Ed. de l'Université de l'Illinois à Urbana-Champaign (spécialisation en Curriculum and Instruction) et d'un PhD (ABD) en Sciences de l'apprentissage à Northwestern, où sa thèse examine comment les élèves à faibles revenus perçoivent les boucles de feedback des IA différemment de leurs pairs issus de milieux plus aisés. Elle conseille EduBoost sur la conception fondée sur les données probantes et écrit sur la science de l'étude, les lacunes K-12, les arbitrages réels entre tuteurs IA et tuteurs humains en termes de coût et de résultats, et sur la façon dont les parents peuvent interpréter les données de progression des plateformes. Sa conviction pédagogique : le rôle d'un bon outil éducatif est de créer une lutte productive, pas de la supprimer. Elle supervise également des doctorants à Northwestern qui examinent comment les outils IA affectent l'auto-efficacité académique des étudiants de première génération — une recherche qu'elle considère comme la question la plus pratiquement urgente en matière d'équité EdTech aujourd'hui.