evidoria

← Voltar à navegação

Boa prática Importada

Mapeamento Escolar Giga — Análise por IA de Imagens de Satélite Encontra 23 100 Escolas em Falta em África e na Ásia

Quénia · Nairobi · Ver o perfil de Quénia · Ver o perfil de Nairobi

Evidência: Descritivo / autorreportado Top 42% 53/100 · Pergunte a Evidence Copilot sobre esta prática

A iniciativa Giga da UNICEF e da UIT treinou classificadores CNN em imagens de satélite para encontrar escolas ausentes das bases de dados nacionais, acrescentando 23 100 escolas não mapeadas em 8 países, incluindo o Quénia e o Ruanda — a precisão caiu para cerca de 57% nas zonas mais pobres e remotas.

23100 schools
Escolas anteriormente não mapeadas acrescentadas aos registos nacionais (2020–2021)
8 countries
Países abrangidos (2020–2021)
71 million tiles (60cm resolution)
Mosaicos de imagens de satélite analisados
18 million supertiles
Supertiles processados (25 hours)
0.85 F1 / 0.94 AUC
Desempenho de deteção do modelo global
57 %
Precisão do modelo nas áreas mais pobres e remotas
Mapeamento Escolar Giga — Análise por IA de Imagens de Satélite Encontra 23 100 Escolas em Falta em África e na Ásia

Detalhes

Maturidade
Em expansão
Promotor
UNICEF Office of Innovation & ITU (Giga initiative), with Development Seed
Período
2020–2021 (core mapping campaign); ongoing
Palavras-chave
education infrastructure planning, satellite imagery AI, school connectivity mapping, GIS, education management information systems

Contexto

A maioria dos países de rendimento baixo e médio não dispõe de um registo completo e rigoroso da localização física das suas escolas. O Gabinete de Inovação da UNICEF e a União Internacional das Telecomunicações (UIT) construíram a ferramenta de mapeamento escolar da iniciativa Giga para colmatar essa lacuna.

Objetivos

Classificadores baseados em redes neuronais convolucionais (assentes nas arquiteturas Xception e MobileNetV2), desenvolvidos com o parceiro técnico Development Seed, foram concebidos para analisar imagens de satélite de alta resolução e detetar edifícios escolares em falta nos sistemas nacionais de informação de gestão educativa, como primeiro passo para planear o fornecimento de eletricidade e conectividade à Internet a escolas cuja existência os governos desconheciam.

Atividades

Entre 2020 e 2021, o sistema analisou 71 milhões de mosaicos cartográficos a uma resolução de 60 cm no Quénia, Ruanda, Serra Leoa, Gana, Níger, Cazaquistão, Usbequistão e Honduras, processando 18 milhões de 'supertiles' em 25 horas, a uma velocidade de até 2.000 supertiles por segundo.

Resultados

O sistema acrescentou 23.100 escolas anteriormente não mapeadas aos registos nacionais. As variantes do modelo específicas para cada país alcançaram pontuações F1 de 0,94 no Ruanda, 0,90 no Quénia e 0,91 na Serra Leoa, com um modelo global de 0,85 e uma AUC global de 0,94. O código da equipa da Giga é de código aberto, e uma revisão independente do IRCAI (um centro internacional de investigação em IA afiliado à UNESCO) confirmou os resultados técnicos.

Conclusões

A revisão do IRCAI também identificou uma limitação significativa em termos de equidade: a precisão do modelo desce para cerca de 57% em áreas caracterizadas pela pobreza e pelo isolamento, o que significa que a ferramenta é menos fiável precisamente onde é mais provável encontrar escolas não mapeadas e sem conectividade. Nenhuma avaliação independente demonstrou ainda que as escolas recém-mapeadas se traduziram em investimento real em conectividade ou em realocação orçamental.

Implementação

Custo indicativo
Médio (50 mil–500 mil €)
Tempo até resultados
Médio (1–3 anos)
Equipa e competências
UNICEF Office of Innovation, International Telecommunication Union (ITU), Development Seed (technical partner, model development), IRCAI (independent technical review)

Condições de sucesso

  • Access to high-resolution (60cm) satellite imagery at scale
  • Country-specific model variants trained per national context
  • Open-sourced code for transparency and reuse
  • Integration pathway into national education management information systems

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis