Des modèles d'apprentissage automatique expliqués par SHAP prédisent le risque de décrochage infantile à partir de l'enquête nationale sur les ménages du Malawi

Le décrochage scolaire au Malawi, comme dans de nombreux pays à faible revenu, résulte d'une accumulation de facteurs liés au ménage et à l'école difficiles à démêler sans données fines — et les systèmes de collecte et de gestion des données y sont souvent limités sur le plan financier et technique.
Les chercheurs Hazal Colak Oz, Çiçek Güven et Gonzalo Nápoles (Université de Tilburg) ont utilisé l'Enquête panel intégrée sur les ménages (IHPS) du Malawi, représentative au niveau national, pour construire et comparer quatre approches d'apprentissage automatique — forêt aléatoire, LASSO, régression ridge et un réseau de neurones multicouche — afin de prédire quels enfants risquaient d'abandonner l'école. L'application de pondérations d'échantillon pour corriger le plan d'enquête a considérablement amélioré le rappel : le LASSO a atteint 80,6 % de rappel et le réseau de neurones 78,8 %, soit environ 11 à 12 points de pourcentage de plus que les versions non pondérées. Les auteurs ont utilisé SHAP (SHapley Additive exPlanations) pour interpréter l'importance des variables, constatant que l'implication de l'enfant dans le travail agricole familial et le niveau d'éducation du père figuraient parmi les prédicteurs les plus forts du risque de décrochage.
Ce travail est une étude méthodologique de science des données, et non une intervention déployée : il n'a pas été testé comme outil opérationnel d'alerte précoce dans les écoles malawites ou au sein du ministère de l'Éducation, et les auteurs eux-mêmes présentent leur travail comme visant à améliorer la science du ciblage plutôt qu'à prouver un impact politique. Utiliser des marqueurs socio-économiques du ménage, comme le travail des enfants, pour signaler un risque comporte aussi un risque réel de stigmatiser les mêmes familles pauvres que l'on cherche à aider, si de tels indicateurs venaient à être utilisés de façon punitive plutôt que pour déclencher des interventions de soutien.