O Departamento de Educação das Filipinas substituiu a correção manual subcontratada do seu Exame Nacional de Qualificação para Diretores Escolares por um sistema interno de dupla correção por IA, que agora cobre mais de 24.000 vagas de liderança em todo o país; uma fonte refere ainda 4.410 candidatos aprovados e cerca de 5 milhões de pesos filipinos poupados em 2025.
24,000+ vacancies
Vagas de liderança escolar atendidas a nível nacional (2025-2026)
4,410 candidates
Candidatos a diretor aprovados no NQESH de 2025 (2025)
~5 million PHP
Poupanças reportadas com a consolidação automatizada de registos (2025)
Detalhes
Maturidade
Em expansão
Promotor
Department of Education (DepEd) – Education Center for AI Research (ECAIR)
Período
2025–2026
Palavras-chave
education administration, HR credentialing, public sector AI
Contexto
O Exame Nacional de Qualificação para Diretores Escolares (NQESH) do DepEd determina quem se torna diretor ou responsável escolar em todo o sistema de escolas públicas das Filipinas; historicamente, era processado através de correção manual subcontratada, que era lenta e dispendiosa.
Atividades
Desenvolvido pelo Education Center for AI Research (ECAIR) do DepEd, sob a alçada do Bureau of Human Resource and Organizational Development, o Project DUNONG automatiza o processamento dos exames com um sistema interno de duplo escrutínio por IA, reduzindo custos de subcontratação, acelerando a divulgação de resultados e adicionando painéis que assinalam lacunas de competências entre candidatos a diretor.
Resultados
A GMA News e o Manila Bulletin (setembro de 2025) confirmam que o sistema serve atualmente mais de 24.000 vagas de liderança escolar a nível nacional. O BusinessMirror/PNA (janeiro de 2026) reportou adicionalmente que 4.410 candidatos a diretor foram aprovados no NQESH de 2025 e que o DepEd obteve uma poupança de cerca de 5 milhões de PHP com a consolidação automatizada de registos — dados reportados apenas por essa fonte.
Conclusões
A cobertura mediática independente confirma a existência do programa, a sua escala nacional e a transição de correção subcontratada para correção interna, mas não foi publicada qualquer auditoria independente à precisão ou ao enviesamento da pontuação por IA, e os números de aprovações e de poupanças provêm de uma única fonte.
Implementação
Custo indicativo
Médio (50 mil–500 mil €) — Reported ~₱5 million in savings from automated record consolidation in 2025 (BusinessMirror/PNA, single-sourced).
Tempo até resultados
Médio (1–3 anos)
Equipa e competências
DepEd Education Center for AI Research (ECAIR), Bureau of Human Resource and Organizational Development
Condições de sucesso
Dashboards flag competency gaps among aspiring principals
In-house AI dual-scoring replacing outsourced vendor
Modos de falha comuns
No independent audit of the AI scoring's accuracy or bias has been published
Pass-count and savings figures are single-sourced
Habitualmente financiado por
National / regional programmes
Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.
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.