evidoria

← Volver al listado

Buena práctica Importada

Monitorización de asistencia con IoT e IA para predecir el riesgo de abandono — Wisdom School Musanze, Ruanda

Ruanda · Musanze · Ver el perfil de Ruanda

Evidencia: Observacional / pre-post Top 89% 27/100 · Pregunte a Evidence Copilot sobre esta práctica

Investigadores de Rwanda Polytechnic y la Univ. de Ruanda construyeron un sistema de asistencia biométrico e infrarrojo en una escuela de Musanze; un modelo de árbol de decisión con datos de 2020-2021 alcanzó 91,4% de precisión al vincular baja asistencia y abandono.

91.4 %
Precision del modelo al asociar asistencia y abandono (2020-2021 records)
Monitorización de asistencia con IoT e IA para predecir el riesgo de abandono — Wisdom School Musanze, Ruanda

Detalles

Madurez
Piloto
Promotor
Rwanda Polytechnic (IPRC-Kigali) and University of Rwanda, with Wisdom School Musanze
Período
2020–2023
Palabras clave
secondary education, attendance monitoring, dropout prediction, IoT, machine learning

Contexto

Siete investigadores de Rwanda Polytechnic (IPRC-Kigali) y de la Universidad de Ruanda construyeron un sistema de monitoreo de asistencia basado en IoT e IA en la Wisdom School Musanze, una escuela secundaria no residencial en el distrito de Musanze, para abordar el abandono escolar vinculado al absentismo no controlado.

Actividades

El sistema combina un sensor de huella dactilar para el registro y verificacion de asistencia, un sensor infrarrojo pasivo (PIR) para detectar la presencia fisica de un alumno, y un reloj en tiempo real para marcar los registros, alimentando una aplicacion web que da a padres y administradores visibilidad en tiempo real y genera informes diarios, mensuales y anuales. Usando datos secundarios de los registros del curso 2020-2021 de la escuela -- incluyendo sexo, condicion de orfandad e historial de pago de cuotas escolares -- el equipo entreno un clasificador de aprendizaje automatico de arbol de decision.

Resultados

El modelo de arbol de decision alcanzo una precision del 91,4% al demostrar que las tasas de asistencia mas altas estan fuertemente asociadas con un menor abandono escolar en esta escuela.

Conclusiones

Se trata de un estudio de caso de una sola escuela, con un tamano de muestra no revelado, por lo que la cifra del 91,4% no se ha demostrado generalizable mas alla de la Wisdom School Musanze. El articulo no aborda las implicaciones de proteccion de datos y consentimiento de tomar huellas dactilares a menores, ni si el sistema ha sido adoptado en otra escuela desde su publicacion.

Implementación
Coste indicativo
Bajo (< 50 000 €)
Tiempo hasta resultados
Corto (< 1 año)
Personal y competencias
Rwanda Polytechnic (IPRC-Kigali) research team, University of Rwanda research team, Wisdom School Musanze (implementing school)

Condiciones para el éxito

  • Multi-sensor design (fingerprint, PIR and real-time clock) for reliable attendance capture
  • Web application giving parents and administrators real-time visibility

Modos de fallo comunes

  • Undisclosed sample size limits generalisability beyond this single school
  • Data-protection and consent implications of fingerprinting minors not addressed
  • No evidence of adoption at other schools since publication

Habitualmente financiado por

National / regional programmes

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

Kit de replicación

Artefactos reutilizables de esta práctica — tal como los publican sus fuentes.

¿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.

Adjuntos

Prácticas similares que pueden serle útiles