Un modèle d'alerte précoce d'apprentissage automatique sensible au contexte pour le risque de décrochage au niveau O dans le Sud-Ouest de l'Ouganda

Le taux d'achèvement du premier cycle du secondaire en Ouganda ne s'élevait qu'à 26,4 % selon les données les plus récentes de l'UNESCO citées dans la note de politique 2024 de l'UNICEF sur le secteur éducatif du pays, le ministère de l'Éducation et des Sports attribuant plus de 40 % des décrochages à des difficultés financières.
Des chercheurs de l'Université Bishop Stuart ont construit un modèle d'apprentissage automatique sensible au contexte pour repérer les élèves de niveau O à risque de décrochage dans six écoles secondaires mixtes privées des districts de Mbarara et d'Isingiro, à partir de dossiers complets pour 331 des 1 919 élèves accessibles. En comparant des classificateurs de régression logistique, forêt aléatoire, machine à vecteurs de support et k plus proches voisins avec une validation croisée à cinq plis, l'équipe a constaté que le SVM obtenait les meilleurs résultats (score F1 de 0,633), devant la régression logistique (0,600), la forêt aléatoire (0,511) et le KNN (0,468). L'absentéisme chronique, les difficultés financières et les arriérés de frais, les longues distances de trajet, le manque de confiance aux examens, le harcèlement, l'engagement parental limité et le stress psychologique sont apparus comme les principaux indicateurs de risque.
Les auteurs sont francs quant aux limites du modèle : un « score F1 modéré, un échantillon scolaire restreint et non aléatoire, des étiquettes de risque construites par les chercheurs eux-mêmes et l'absence de validation prospective externe excluent toute utilisation autonome pour des décisions à fort enjeu ». Ils le recommandent uniquement comme outil de dépistage supervisé par un humain, alimentant des orientations vers le conseil et le soutien scolaire, et non comme un outil de décision autonome — une mise en garde honnête pour toute école envisageant des systèmes similaires.