evidoria

← Retour à la liste

Bonne pratique Importée

Système d'alerte précoce assisté par IA contre le décrochage scolaire — Projet pilote de Quest Alliance et de l'UNICEF en Uttar Pradesh, Inde

Inde · Gonda · Voir le profil de Inde

Preuves: Observationnel / avant-après Top 17% 67/100 · Demandez à Evidence Copilot à propos de cette pratique

L'UNICEF et Quest Alliance ont conçu un système d'alerte précoce par IA suivant l'assiduité et des indicateurs de risque de décrochage en Uttar Pradesh. Dans les écoles pilotes, l'assiduité est passée de 48,8 % à 62,8 %, d'où une extension à 8 300+ écoles.

48.8%
Assiduité dans les écoles pilotes (avant)
62.8%
Assiduité dans les écoles pilotes (après)
150
Écoles pilotes initiales (2022)
8,300+
Écoles atteintes après extension
~72%
Précision du modèle de risque de décrochage du Vidya Samiksha Kendra (Gujarat)
Système d'alerte précoce assisté par IA contre le décrochage scolaire — Projet pilote de Quest Alliance et de l'UNICEF en Uttar Pradesh, Inde

Détails

Maturité
En expansion
Promoteur
Quest Alliance & UNICEF India, with Uttar Pradesh Department of School Education (Samagra Shiksha Abhiyan)
Période
2022–present
Mots-clés
school administration, dropout prevention, learning analytics, government partnership

Contexte

Quest Alliance a lancé en 2022 un système d'alerte précoce (EWS) pour la prévention du décrochage scolaire, dans le cadre de son programme Anandshala, testé dans 150 écoles publiques de la division de Devipatan, dans l'État indien d'Uttar Pradesh (districts de Gonda, Balrampur, Shravasti et Bahraich), en partenariat avec l'UNICEF Inde et le Département de l'éducation scolaire de l'État / Samagra Shiksha Abhiyan.

Objectifs

Combiner des indicateurs d'assiduité et de performance pour aider les enseignants à « mieux comprendre les besoins des élèves et à construire de meilleures relations » avec les enfants à risque de décrochage, et signaler plus tôt les élèves à risque.

Activités

Les rapports ultérieurs de l'UNICEF présentent le système, désormais plus abouti, comme une analyse prédictive activée par l'IA, développée conjointement par les départements de l'éducation du Gujarat et de l'Uttar Pradesh, alimentant des tableaux de bord destinés aux enseignants. Ce sont les enseignants et les autorités éducatives — et non l'algorithme — qui pilotent les interventions qui en résultent.

Résultats

L'assiduité dans les écoles pilotes de l'Uttar Pradesh est passée de 48,8 % à 62,8 %, des résultats que l'UNICEF cite comme base pour étendre l'approche d'alerte précoce d'environ 100 écoles à plus de 8 300, avec des tests désormais en cours dans sept autres États indiens.

Conclusions

Il s'agit de données pilotes avant/après de nature observationnelle, et non d'une évaluation randomisée ou contrôlée. Un système apparenté mais administrativement distinct, le Vidya Samiksha Kendra du Gujarat, utilise un modèle prédictif comparable avec une précision rapportée d'environ 72 % dans l'identification du risque de décrochage ; le projet pilote de l'Uttar Pradesh est mené comme une initiative propre à l'échelle de l'État, et non comme une réplication directe.

Mise en œuvre
Coût indicatif
Élevé (500 k€–5 M€) — Piloted in 150 schools then scaled to 8,300+ schools across the state and expanding testing into seven further states.
Délai jusqu’aux résultats
Moyen (1–3 ans) — Piloted from 2022; scaled within a few years; still expanding as of the source reporting.
Personnel et compétences
Quest Alliance, UNICEF India, Uttar Pradesh Department of School Education (Samagra Shiksha Abhiyan), classroom teachers

Conditions de réussite

  • Teachers and education authorities, not the algorithm, lead the resulting interventions
  • Dashboards designed to help teachers build relationships with at-risk students, not replace them
  • Built on existing attendance/performance data collection rather than new infrastructure

Modes d’échec courants

  • Original 2022 pilot documentation does not itself detail an AI/ML methodology, only later UNICEF reporting frames it as AI-enabled predictive analytics
  • No published randomised or controlled evaluation; attendance gains are a behavioural proxy, not a direct learning-outcome measure

Où cela s’applique

Type de gouvernance
NGO-UN-state government partnership
Échelle
state-level pilot scaling toward multi-state
Niveau de revenu
lower-middle income

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles