Research Day Call for Papers / Appel à communications
Learning in the Age of AI:
Epistemic Practices, Evaluation and Governance
June 11, 2026 – Campus de l’Arche, La Défense
Organized by DVRC – De Vinci Higher Education & CEROS Université Paris Nanterre Research Centers
About the Research Day
Artificial intelligence — particularly generative AI and agent-based AI — is reshaping how people learn, teach, work, and develop expertise. Beyond adoption or performance, AI raises deeper questions about how learning practices are redefined, evaluated, and governed in academic and organizational settings (Dwivedi et al., 2023).
This research day focuses on the reconfiguration of epistemic practices, evaluation regimes, professional judgment, and institutional responses induced by AI. Here, epistemic practices refer to the concrete ways knowledge is produced, interpreted, evaluated, and recognized as legitimate, including what counts as learning, evidence, originality, competence, and responsible judgment.
As AI systems increasingly participate in knowledge production and decision-making, assumptions about autonomy, authorship, responsibility, and human agency are being challenged (Ganascia, 2017; Raisch & Krakowski, 2021). In organizational contexts, learning with AI also introduces tensions between exploration and exploitation, automation and augmentation, calling for hybrid human–AI forms of learning and judgment rather than full substitution (Yan et al., 2026).
The research day welcomes multidisciplinary contributions examining the conditions under which learning with AI becomes legitimate, assessable, and actionable, as well as the tensions arising from misalignments between technical capabilities, institutional rules, ethical principles, and professional expectations.
A selection of the best submissions presented during the Research Day will be proposed for inclusion in a special issue to be published in the Journal of Decision Systems https://www.tandfonline.com/journals/tjds20
Themes (non-exhaustive list)
· Epistemic reconfigurations of learning and knowledge production
· Human–AI collaboration, authorship, and responsibility
· Evaluation, assessment, and academic integrity
· Organizational learning with AI: exploration, exploitation, hybridization
· Governance, regulation, and institutional responses
· Tensions, paradoxes, and unintended consequences
Important Dates
· Submission deadline: April 30, 2026
· Final submission (camera-ready): May 15, 2026
Formats
· Extended abstracts (1200–1800 words)
· Posters
Apprendre à l’ère de l’IA :
Pratiques épistémiques, évaluation et gouvernance
Le 11 juin 2026 – Campus de l’Arche, La Défense
Organisée par les centres de recherche DVRC – De Vinci Higher Education et CEROS Université Paris Nanterre
Présentation de la journée
L’intelligence artificielle — en particulier l’IA générative et l’IA à base d’agents — transforme les manières d’apprendre, d’enseigner, de travailler et de développer des compétences. Au-delà des enjeux d’adoption ou de performance, l’IA soulève des questions plus profondes sur la redéfinition, l’évaluation et la gouvernance des pratiques d’apprentissage dans les contextes académiques et organisationnels (Dwivedi et al., 2023).
Cette journée d’étude porte sur la reconfiguration des pratiques épistémiques, des régimes d’évaluation, du jugement professionnel et des réponses institutionnelles induites par l’IA. Par pratiques épistémiques, on entend les manières concrètes par lesquelles les connaissances sont produites, interprétées, évaluées et reconnues comme légitimes, notamment ce qui fait apprentissage, preuve, originalité, compétence ou jugement responsable.
À mesure que les systèmes d’IA participent de plus en plus à la production des connaissances et à la prise de décision, des hypothèses établies concernant l’autonomie, la responsabilité et l’agentivité humaine sont remises en question (Ganascia, 2017 ; Raisch & Krakowski, 2021). Dans les contextes organisationnels, l’apprentissage avec l’IA introduit également des tensions entre exploration et exploitation, automatisation et augmentation, appelant des formes hybrides d’apprentissage et de jugement humain–IA plutôt qu’une substitution complète (Yan et al., 2026).
La journée d’étude accueille des contributions pluridisciplinaires analysant les conditions dans lesquelles l’apprentissage avec l’IA devient légitime, évaluable et opérationnel, ainsi que les tensions résultant des désalignements entre capacités techniques, règles institutionnelles, principes éthiques et attentes professionnelles.
Une sélection des meilleures contributions présentées lors de la journée d’étude sera proposée pour un numéro spécial à paraître dans la revue Journal of Decision Systems https://www.tandfonline.com/journals/tjds20
Axes thématiques (liste non exhaustive)
· Reconfiguration épistémique de l’apprentissage et de la production des savoirs
· Collaboration humain–IA, attribution et responsabilité
· Évaluation et intégrité académique
· Apprentissage organisationnel avec l’IA : exploration, exploitation, hybridation
· Gouvernance, régulation et réponses institutionnelles
· Tensions, paradoxes et effets non intentionnels
Dates importantes
· Date limite de soumission : 30 avril 2026
· Version finale (camera ready) : 15 mai 2026
Formats de soumission
· Résumés étendus (1200–1800 mots)
· Posters
Scientific Committee / Comité scientifique
Yoann Bazin, Nanterre University, CEROS
Manel Benzerafa Alilat, Nanterre University, CEROS
Pascale Bueno-Merino, EMLV, De Vinci Research Center
Denis Dennehy, School of Management, Swansea University
Antoine Harfouche, Nanterre University, CEROS
Christophe Jeunesse, Nanterre University, Apprenance
Hajer Kefi, EMLV, De Vinci Research Center
Nedra Mellouli, ESILV, De Vinci Research Center
Edouard Pignot, EMLV, De Vinci Res, earch Center
Bernard Quinio, Nanterre University, CEROS
References/Références
Dwivedi, Y. K., Sharma, A., Rana, N. P., Giannakis, M., Goel, P., & Dutot, V. (2023). Evolution of artificial intelligence research in Technological Forecasting and Social Change: Research topics, trends, and future directions. Technological Forecasting and Social Change, 192(April), 122579. https://doi.org/10.1016/j.techfore.2023.122579
Ganascia, J.-G. (2017). Le mythe de la singularité - Faut-il craindre l’intelligence artificielle ? Editions du Seuil.
Raisch, S., & Krakowski, S. (2021). Artificial Intelligence And Management: The Automation-Augmentation Paradox. Academy of Management Review, 46(1), 192–210.
Yan, J., Husted, K., & Fath, B. (2026). Organizational learning with artificial intelligence : Balancing new tensions between explorative and exploitative learning through hybridization. International Journal of Information Management, 86(October 2025), 102997. https://doi.org/10.1016/j.ijinfomgt.2025.102997