evidoria

← Retour à la liste

Bonne pratique Importée

Projet SIGLA — Dépistage de croissance par IA pour cibler la restauration scolaire, DepEd Philippines

Philippines · Manila · Voir le profil de Philippines · Voir le profil de Manila

Preuves: Descriptif / auto-déclaré Top 86% 33/100 · Demandez à Evidence Copilot à propos de cette pratique

L'ECAIR du DepEd a expérimenté un outil de dépistage de croissance par IA dans des écoles de la région métropolitaine de Manille pour accélérer le repérage des élèves dénutris et présentant un retard de croissance destinés aux programmes de restauration scolaire, réduisant de 3,75 à 1,87 heure le temps annuel de saisie anthropométrique par les enseignants.

3.75 hours/year
Temps annuel des enseignants pour saisir les données anthropométriques avant le projet pilote (2025)
1.87 hours/year
Temps annuel des enseignants pour saisir les données anthropométriques pendant le projet pilote (2025)
~50 %
Réduction du temps annuel de saisie des données (2025)

Détails

Maturité
Pilote
Promoteur
Department of Education (DepEd) – Education Center for AI Research (ECAIR)
Période
2025 (pilot)
Mots-clés
school health administration, nutrition programme logistics, public sector AI

Contexte

Le programme national d'alimentation scolaire des Philippines dépend d'enseignants qui mesurent et enregistrent manuellement la taille, le poids et l'IMC de chaque élève pour détecter la malnutrition et le retard de croissance — un processus lent qui retarde les interventions.

Activités

Le Project SIGLA, développé par l'Education Center for AI Research (ECAIR) du DepEd, utilise un outil de dépistage de la croissance basé sur l'IA pour automatiser l'évaluation anthropométrique, testé dans des écoles de la NCR (Metro Manila) à partir du second semestre 2025.

Résultats

BusinessMirror/PNA (janvier 2026) a rapporté que le temps annuel consacré par les enseignants à la saisie des données anthropométriques des élèves était passé d'environ 3,75 heures à 1,87 heure — soit une réduction d'environ 50 % — dans le cadre du projet pilote. Manila Bulletin (septembre 2025) a confirmé de manière indépendante l'objectif de l'outil et son statut de projet pilote dans la NCR, sans fournir ses propres chiffres.

Conclusions

Le projet pilote reste confiné à la NCR ; aucun audit de précision de mesure ni de déploiement national n'a encore été publié, et le chiffre de gain de temps provient d'une seule source (BusinessMirror/PNA) plutôt que de données corroborées de manière indépendante.

Mise en œuvre
Coût indicatif
Faible (< 50 k€)
Délai jusqu’aux résultats
Court (< 1 an)
Personnel et compétences
DepEd Education Center for AI Research (ECAIR)

Modes d’échec courants

  • No measurement-accuracy audit has been published
  • Time-savings figure is single-sourced (BusinessMirror/PNA)
  • Pilot confined to NCR with no nationwide rollout yet reported

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.

Pratiques similaires qui pourraient vous être utiles