AI&Learning2026: Learning in the Age of AI: Epistemic Practices, Evaluation and Governance Devinci Higher Education Campus de l'Arche, La Défense Paris, France, June 11, 2026

Conference website	https://sites.google.com/view/hajerkefi/learning-in-the-age-of-ai-epistemic-practices-evaluation-and-governance
Submission link	https://easychair.org/conferences/?conf=ailearning2026
Submission deadline	April 30, 2026

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 DéfenseOrganized 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). Beyond these structural tensions, AI-enabled interactions may generate ambivalence and liminal experiences, as users navigate between support and dependence, autonomy and delegation (Kefi et al., 2025).

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

 

Online submission

Submissions must be made online via EasyChair:

https://easychair.org/conferences/?conf=ailearning2026

Formats

• Extended abstracts (1200–1800 words)

 

Apprendre à l’ère de l’IA :

Pratiques épistémiques, évaluation et gouvernance

 

Le 11 juin 2026 – Campus de l’Arche, La DéfenseOrganisée 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). Ces usages peuvent également susciter des formes d’ambivalence et d’expériences liminales, où les acteurs oscillent entre soutien et dépendance, autonomie et délégation (Kefi et al., 2025).

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

Soumission des communications

Les propositions doivent être déposées en ligne via la plateforme EasyChair :

https://easychair.org/conferences/?conf=ailearning2026

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

Pascal Clain, ESILV, De Vinci Research Center

Denis Dennehy, Swansea University, School of Management

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 Research Center

Bernard Quinio, Nanterre University, CEROS

Mark Thompson, University of Exeter, Initiative for the Digital Economy at Exeter (INDEX)

 

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.

Kefi, H., Khelladi, I., Mani, Z., & Veg-Sala, N. (2025). AI-enabled social support chatbot usage: flowing ambivalence and liminalities. Journal of Decision Systems, 1–24. https://doi.org/10.1080/12460125.2024.2443226

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