evidoria

← Volver al listado

Buena práctica Importada

Kwame for Science — Asistente de enseñanza con IA para estudiantes de ciencias en África Occidental

Ghana · Accra · Ver el perfil de Ghana

Kwame for Science, de SuaCode.ai, responde preguntas de Ciencias Integradas de estudiantes de África Occidental mediante una aplicación web alineada con el WASSCE. Un despliegue de 8 meses registró 750 usuarios en 32 países y unas 1.500 preguntas, con un 87,2% de precisión en las 3 mejores respuestas frente a la revisión de expertos (n=109).

Detalles

Promotor
SuaCode.ai (Kwame AI)
Período
2023
Palabras clave
AI tutoring, WhatsApp/web chatbot, secondary science education, WASSCE exam prep

Descripción

Kwame for Science es un asistente de enseñanza con IA creado por la empresa ganesa de tecnología educativa SuaCode.ai (creadora del chatbot original Kwame AI para la enseñanza de programación), diseñado para responder a las preguntas de estudiantes de secundaria de África Occidental sobre el programa de Ciencias Integradas evaluado en el West African Senior Secondary Certificate Examination (WASSCE). Los estudiantes envían sus preguntas en lenguaje natural a través de una aplicación web y reciben como respuesta fragmentos curados y preguntas de exámenes anteriores relacionadas, en lugar de texto generado libremente.
Un despliegue real de 8 meses, descrito en una evaluación revisada por pares en AIED 2024, registró 750 usuarios en 32 países (15 de ellos en África) y unas 1.500 preguntas realizadas. En un conjunto de prueba de 109 preguntas, las 3 mejores respuestas sugeridas por Kwame incluían una respuesta útil el 87,2% de las veces, aunque la precisión de la mejor respuesta única fue claramente inferior, una limitación que los autores reportan abiertamente en lugar de ocultarla.
Un sistema posterior, Kwame 2.0, amplió el enfoque a la enseñanza de programación y fue estudiado durante 15 meses en 35 países africanos, con 3.717 inscripciones, recurriendo a facilitadores humanos y compañeros para detectar y corregir los errores de la IA, evidencia de que el equipo trata los límites de precisión como una restricción de diseño continua, no como un problema resuelto.

Implementación

Los detalles de implementación (coste, plazo, personal, condiciones para el éxito) aún no están disponibles para esta práctica.

¿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