evidoria

← Retour à la liste

Bonne pratique Importée

Kwame for Science — Assistant pédagogique par IA pour les élèves de sciences en Afrique de l'Ouest

Ghana · Accra · Voir le profil de Ghana

Kwame for Science, développé par SuaCode.ai, répond aux questions de sciences intégrées des élèves ouest-africains via une application web alignée sur le WASSCE. Un déploiement de 8 mois a enregistré 750 utilisateurs dans 32 pays et environ 1 500 questions, avec une précision de 87,2 % dans les 3 meilleures réponses face à une évaluation d'experts (n=109).

Détails

Promoteur
SuaCode.ai (Kwame AI)
Période
2023
Mots-clés
AI tutoring, WhatsApp/web chatbot, secondary science education, WASSCE exam prep

Description

Kwame for Science est un assistant pédagogique par IA conçu par l'entreprise ghanéenne de technologie éducative SuaCode.ai (créatrice du chatbot original Kwame AI dédié à l'enseignement du code), destiné à répondre aux questions des élèves du secondaire en Afrique de l'Ouest sur le programme de sciences intégrées évalué au West African Senior Secondary Certificate Examination (WASSCE). Les élèves soumettent leurs questions en langage naturel via une application web et reçoivent en réponse des extraits sélectionnés et des questions d'examens antérieurs, plutôt qu'un texte généré librement.
Un déploiement réel de 8 mois, décrit dans une évaluation évaluée par les pairs lors de la conférence AIED 2024, a enregistré 750 utilisateurs dans 32 pays (dont 15 en Afrique) et environ 1 500 questions posées. Sur un ensemble de test de 109 questions, les 3 meilleures réponses suggérées par Kwame comprenaient une réponse utile dans 87,2 % des cas, bien que la précision de la meilleure réponse unique ait été nettement inférieure — une limite que les auteurs rapportent ouvertement plutôt que de la dissimuler.
Un système ultérieur, Kwame 2.0, a étendu cette approche à l'enseignement du code et a été étudié pendant 15 mois dans 35 pays africains, avec 3 717 inscriptions, en s'appuyant sur des facilitateurs humains et des pairs pour repérer et corriger les erreurs de l'IA — preuve que l'équipe traite les limites de précision comme une contrainte de conception continue, et non comme un problème résolu.

Mise en œuvre

Les détails de mise en œuvre (coût, calendrier, personnel, conditions de réussite) ne sont pas encore disponibles pour cette pratique.

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.

Pratiques similaires qui pourraient vous être utiles