evidoria

← Back to browse

Good practice

Verificação Biométrica e por Reconhecimento Facial com IA do JAMB para o Exame Nacional de Acesso ao Ensino Superior da Nigéria

Nigeria · Abuja · See the Nigeria profile

O JAMB, na Nigéria, usa reconhecimento facial por IA e biometria digital para verificar mais de 2,2 milhões de candidatos ao UTME por ano e impedir fraude por impersonação, mas falhas na verificação afetaram cerca de 80.000 candidatos em 2023, e fraudadores já usam fusão de rostos por IA para enganar o sistema.

Verificação Biométrica e por Reconhecimento Facial com IA do JAMB para o Exame Nacional de Acesso ao Ensino Superior da Nigéria

Details

Promoter
Joint Admissions and Matriculation Board (JAMB)
Period
2015–ongoing (AI facial-recognition checks intensified 2023–2026)
Keywords
exam integrity, biometric verification, facial recognition, higher-education admissions, fraud prevention

Description

O JAMB (Joint Admissions and Matriculation Board) administra o Exame Unificado de Acesso ao Ensino Superior (UTME) da Nigéria e implanta verificação biométrica por impressão digital e reconhecimento facial por IA nos centros de exame informatizados em todo o país, para impedir a impersonação de candidatos (os chamados exames por "mercenários"), um problema de fraude há muito enraizado. O JAMB registou 2.243.816 candidatos para o UTME de 2026, segundo múltiplas fontes noticiosas nigerianas independentes.

Em 2023, cerca de 80.000 candidatos foram afetados por falhas na verificação biométrica — incompatibilidades, falhas de reconhecimento e outros problemas — obrigando o JAMB a realizar um exame de recuperação ("mop-up"). Falhas semelhantes voltaram a ocorrer nos exames de recuperação de 2025.

O registador do JAMB, Prof. Is-haq Oloyede, descreveu publicamente como fraudadores usam IA para fundir os rostos de duas pessoas, de modo que o reconhecimento facial não distinga entre o candidato verdadeiro e um impostor pago. Chamou a atenção para uma anomalia reveladora: em 2025, 1.787 candidatos declararam-se falsamente albinos — uma alegação suspeita, já que o número real de nigerianos albinos por ano seria inferior a 250 — aparentemente para explorar limiares mais permissivos de verificação facial.

Trata-se, sobretudo, de um caso de evidência mista: o sistema opera à escala nacional massiva, mas não eliminou a fraude e falhou repetidamente na verificação de candidatos genuínos, ilustrando a fragilidade operacional da biometria por IA quando implementada à escala nacional sem capacidade de tratamento de erros à altura.

Implementation

Implementation detail (cost, timeline, staffing, conditions for success) is not yet available for this practice.

Data sources

Where this practice's information was retrieved from, and when.

Attachments

Similar practices you may find useful