Alerta Escuela — o sistema nacional peruano de alerta precoce de abandono escolar baseado em machine learning
Peru
O Ministério da Educação do Peru, com o Banco Mundial, criou uma plataforma nacional de ML que estima o risco …
Argentina · Mendoza · Ver o perfil de Argentina
Mendoza e Entre Ríos, na Argentina, criaram sistemas de alerta precoce com IA — com a UBA, o CIPPEC e a CAF — que identificam alunos em risco de abandono via assiduidade, notas e dados familiares. No primeiro ano, 4.300 alunos em Mendoza e 650 em Entre Ríos de alto risco permaneceram matriculados.
A Argentina tem um dos problemas de abandono escolar secundário mais persistentes da América Latina, com cerca de 30% dos jovens de 20-22 anos sem o ensino secundário concluído e apenas 53 em cada 100 alunos a chegar ao último ano dentro do prazo previsto. A partir de 2022-2023, as províncias de Mendoza e Entre Ríos criaram sistemas de alerta precoce baseados em IA (Sistemas de Alerta Temprana, SAT) para identificar alunos em risco de abandono antes de este ocorrer. Os sistemas foram desenvolvidos com o Laboratório de Inteligência Artificial da Universidad de Buenos Aires, o think tank de políticas públicas CIPPEC, e com financiamento e apoio técnico do banco regional de desenvolvimento CAF.
Os programas visam identificar, com antecedência suficiente para permitir a intervenção das escolas, os alunos do ensino secundário em risco de abandono, recorrendo a modelos de IA construídos a partir de dados de gestão escolar em vez de depender apenas do julgamento informal dos professores.
Ambos os sistemas exploram dados de gestão escolar — assiduidade, notas (sobretudo em Língua e Matemática), nível de escolaridade dos pais e desfasamento entre idade e ano escolar — para atribuir a cada aluno um nível de risco. O modelo de Mendoza, treinado com trajetórias históricas de alunos, utiliza uma classificação em “semáforo” (verde/amarelo/vermelho) e foi implementado em todas as escolas secundárias da província em 2023. Entre Ríos conduziu um projeto-piloto paralelo em 80 escolas secundárias, utilizando uma classificação de risco alto/médio/baixo. O CIPPEC acompanhou diretamente as escolas na conceção da vertente de intervenção do sistema, a par do modelo de deteção.
No primeiro ano com dados reportados, 4.300 alunos em Mendoza e 650 em Entre Ríos identificados como de alto risco permaneceram matriculados em vez de abandonar a escola, segundo reportagens do CIPPEC e da Infobae sobre dados dos ministérios provinciais da educação. Estes números descrevem alunos que permaneceram matriculados depois de sinalizados, e não uma comparação com um grupo de controlo de alunos semelhantes não expostos ao sistema.
Os próprios responsáveis e avaliadores dos programas são francos quanto às suas limitações: o sucesso de Mendoza assentou no facto de a província ter construído, desde 2018, uma base de dados de alunos sólida e individualmente identificada (“nominalizada”), uma infraestrutura que a maioria das restantes províncias argentinas ainda não possui, uma vez que o país não tem um sistema nacional único de informação sobre alunos. A própria avaliação do CIPPEC classificou o primeiro ano de implementação como um processo de aprendizagem, apontando a necessidade de melhor qualidade e cobertura dos dados, maior capacidade técnica para operar os sistemas, e melhor coordenação entre o algoritmo de deteção e as intervenções de acompanhamento destinadas a manter os alunos sinalizados na escola.
De onde foi obtida a informação desta prática, e quando.
Peru
O Ministério da Educação do Peru, com o Banco Mundial, criou uma plataforma nacional de ML que estima o risco …
Reino Unido
A Open University do Reino Unido opera o OU Analyse, um sistema de aprendizagem automática que assinala semanalmente estudantes a …
Índia
O Vidya Samiksha Kendra, do Gujarat (Índia), usa IA para sinalizar risco de abandono escolar em 11,5 milhões de estudantes …
Uruguai
Um estudo uruguaio revisto por pares acompanhou 15.529 crianças até ao 1.º-3.º ano, construindo modelos de aprendizagem automática que previram …
Abrir o copiloto completo Baseado em práticas citadas — verifique sempre as fontes.