evidoria

← Retour à la liste

Bonne pratique Importée

Lignes directrices nationales de la Tanzanie pour l'intelligence artificielle dans l'éducation

Tanzanie · Dodoma · Voir le profil de Tanzanie

Preuves: Descriptif / auto-déclaré Top 73% 40/100 · Demandez à Evidence Copilot à propos de cette pratique

Le ministère tanzanien de l'Éducation, des Sciences et de la Technologie a publié des lignes directrices nationales (janv. 2025) exigeant que chaque école et université adopte son propre cadre d'utilisation de l'IA couvrant la confidentialité, l'éthique et le bien-être des élèves. Des analystes indépendants saluent l'intention mais pointent une application faible et des risques de dépendance aux données étrangères.

Détails

Promoteur
Ministry of Education, Science and Technology (Tanzania)
Période
Jan 2025–present
Mots-clés
education, AI governance, data protection, policy, ethics

Contexte

En janvier 2025, le ministère de l'Éducation, des Sciences et de la Technologie de Tanzanie a publié les Lignes directrices nationales pour l'intelligence artificielle dans l'éducation, alignées sur la Stratégie nationale d'éducation numérique du pays pour 2024/25-2029/30. Les lignes directrices demandent à chaque établissement d'enseignement, des écoles primaires aux universités, d'élaborer son propre cadre d'utilisation de l'IA couvrant la confidentialité des données, la sécurité, l'éthique et le bien-être des élèves, et recommandent une approche d'« apprentissage mixte » dans laquelle l'IA soutient le jugement de l'enseignant plutôt que de le remplacer.

Objectifs

Le cadre est explicitement précautionneux : il n'impose aucun outil ou fournisseur d'IA spécifique, laissant la conception de la mise en œuvre à chaque établissement, et vise à faire en sorte que l'IA réduise plutôt qu'elle n'aggrave les inégalités éducatives.

Conclusions

Une analyse indépendante du média tanzanien The Chanzo (mai 2026) a salué le langage éthique des lignes directrices, mais a identifié trois lacunes : l'absence d'exigence d'open source ou de souveraineté des données (risquant une dépendance à des systèmes étrangers stockant les données des enfants à l'étranger), un mécanisme de suivi dépourvu de pouvoirs d'application, et la difficulté de revenir sur de mauvais choix de déploiement de l'IA par rapport à des changements curriculaires, eux réversibles.

Mise en œuvre
Coût indicatif
Faible (< 50 k€) — No dedicated implementation budget or funding mechanism described; cost falls to individual institutions producing their own frameworks.
Délai jusqu’aux résultats
Moyen (1–3 ans) — Guidelines published January 2025, aligned with National Digital Education Strategy 2024/25-2029/30, implying a multi-year policy horizon.
Personnel et compétences
Ministry of Education, Science and Technology policy team, Institution-level committees/staff at each school and university tasked with drafting local AI-use frameworks

Conditions de réussite

  • Adoption of a 'blended learning' approach that keeps AI supporting rather than replacing teacher judgement
  • Institutions actually completing and enforcing their own privacy/ethics/data-protection frameworks
  • A funded, accountable oversight/monitoring body with real enforcement powers (identified as currently missing)

Modes d’échec courants

  • No data-sovereignty or open-source requirement, risking dependence on foreign systems storing children's data overseas
  • Monitoring mechanism exists without enforcement powers
  • Poor AI deployment choices are harder to reverse than curriculum changes

Où cela s’applique

Type de gouvernance
national government ministry mandate
Échelle
national (all primary schools to universities)
Niveau de revenu
low-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.

Pratiques similaires qui pourraient vous être utiles