evidoria

← Volver al listado

Buena práctica Importada

Girls Code Mongolia — El currículo de programación e IA de AI Academy Asia para niñas nómadas y desfavorecidas

Mongolia · Ulaanbaatar · Ver el perfil de Mongolia · Ver el perfil de Ulaanbaatar

Evidencia: Descriptivo / autodeclarado Top 40% 53/100 · Pregunte a Evidence Copilot sobre esta práctica

Fundada en 2021 por Bolor-Erdene Battsengel, Girls Code ha formado a 110-120 niñas mongolas (14-18 años) de comunidades nómadas y desfavorecidas en programación e IA vía AI Academy Asia; el 90% continúa hacia carreras STEM, con admisiones en Harvard, MIT y Cambridge.

110-120
Niñas graduadas del programa (2021-2025)
90 %
Graduadas que avanzan a carreras STEM
500 teachers
Alcance previsto de formación de docentes rurales (AI Academy Asia)

Detalles

Madurez
En expansión
Promotor
Girls Code (Nomadic Girls Association in the Digital Age) / AI Academy Asia
Período
2021-2025
Palabras clave
AI literacy, coding, girls' education, digital and disability inclusion

Contexto

Girls Code fue fundada en Mongolia en 2021 por Bolor-Erdene Battsengel, más tarde secretaria de Estado para la Transformación Digital de Mongolia, para dar a niñas de 14 a 18 años de comunidades pastoriles nómadas y otras comunidades desfavorecidas una vía hacia la programación y, a través del currículo afiliado de AI Academy Asia, habilidades aplicadas de IA.

Objetivos

El programa responde a una marcada brecha digital rural-urbana, buscando ofrecer a niñas que crecen desplazándose con el ganado por la estepa, lejos de las escuelas y el acceso a internet de Ulán Bator, una vía hacia la programación, la IA y habilidades de inglés/comunicación.

Actividades

La formación combina fundamentos de programación, los módulos de IA de AI Academy Asia y habilidades de inglés/comunicación, impartida mediante bootcamps y mentoría continua, con un diseño explícitamente inclusivo para la discapacidad, ilustrado por una participante de 15 años con discapacidad auditiva apoyada por una mentora con fluidez en lengua de signos.

Resultados

Según informes de 2024-2025, más de 110-120 niñas se han graduado, y Girls Code y la prensa independiente (World Economic Forum, CNN Business) informan que el 90% de las graduadas continúa hacia carreras STEM, algunas admitidas en Harvard, el MIT y Cambridge con beca.

Conclusiones

Estas cifras de resultados provienen de la ONG y su cobertura de prensa, y no de una evaluación independiente revisada por pares, y el alcance del programa, unas 100-120 niñas hasta la fecha, es reducido frente a la población estudiantil nacional de Mongolia, sin grupo de control ni cohorte de comparación publicados.

Implementación
Coste indicativo
Medio (50 000–500 000 €) — NGO-run bootcamps and ongoing mentoring for a cohort in the low hundreds imply a medium, sustained operating cost rather than a one-off low-cost intervention.
Tiempo hasta resultados
Largo (> 3 años) — Running continuously since 2021 with a growing annual graduate cohort, indicating a long-running, ongoing programme rather than a short pilot.
Personal y competencias
Girls Code founder Bolor-Erdene Battsengel, AI Academy Asia curriculum team, peer mentors, including a sign-language-fluent mentor for disability inclusion

Condiciones para el éxito

  • targeted recruitment of girls from nomadic herding and disadvantaged communities
  • disability-inclusive design with peer mentoring
  • a combined coding, AI and English/communication curriculum delivered via bootcamps and ongoing mentoring

Modos de fallo comunes

  • reach remains small (roughly 100-120 girls) relative to Mongolia's national student population
  • outcome figures are NGO- and press-reported rather than independently evaluated

Habitualmente financiado por

Philanthropic / foundation funding

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Prácticas similares que pueden serle útiles