Dados e IA para o ensino superior
Uma instituição de ensino superior ou universidade recolhe muitos dados, mas raramente estão todos no mesmo sítio.
Candidaturas, inscrições, resultados académicos, horários, utilização de salas, dados de investigação e informação financeira estão em sistemas diferentes, por vezes configurados de forma distinta em cada faculdade ou escola. Quando surge uma pergunta sobre um curso, é preciso começar por procurar e reunir os dados. Os dados e a IA juntam essas fontes, para que os responsáveis pelos cursos, quem organiza os horários e os investigadores trabalhem com os mesmos números.
Desafios,
As instituições de ensino superior e as universidades lidam com variações no número de novos alunos, com estudantes que desistem ou mudam de curso no primeiro ano e com cursos que têm de prestar contas sobre a sua qualidade e o sucesso académico. Os horários e as salas têm de ser ajustados a cada período letivo, para milhares de estudantes em simultâneo. Os investigadores trabalham com os seus próprios datasets, que têm de continuar a ser fáceis de encontrar e reutilizar. E os dados de estudantes e colaboradores exigem cuidado, com regras claras sobre o que cada função pode consultar.
Como apoiamos a sua organização,
Reunimos os registos dos estudantes, as candidaturas, o ambiente de aprendizagem, os horários e os dados financeiros numa única fundação de dados. Com base nela, criamos relatórios para os responsáveis pelos cursos e para a direção sobre novas inscrições, sucesso académico e progressão dos estudantes por curso. Um modelo que prevê a utilização das salas e o número de estudantes por período letivo permite a quem organiza os horários planear mais cedo. Para os grupos de investigação, configuramos uma plataforma de dados onde é possível encontrar datasets com a respetiva descrição e indicação do responsável. Também ajudamos os colaboradores a encontrar mais depressa a informação certa nas normas e nos regulamentos de ensino e avaliação. Estes são alguns exemplos do que é possível fazer. A solução mais adequada depende sempre do desafio e da instituição.
DSL em números,
40
Data experts
10+
Anos de experiência
200+
Projetos realizados
8,7
Satisfação dos clientes
Contacte os nossos especialistas,
Quer saber o que podemos fazer pela sua organização?
Younes Seghrouchni
Managing Consultant GenAI & Data StrategyE-mail info@datasciencelab.nl
Carmen Wolvius
Managing Consultant Data Science & AIE-mail info@datasciencelab.nl
Stef Stoelwinder
Business DevelopmentE-mail info@datasciencelab.nl
Onde o fazemos,
Artigos mais recentes do blogue,
Leia aqui os nossos insights mais recentes.
Três lições dos nossos projetos de IA
Ao longo de dois anos, acompanhámos dezenas de projetos de IA, desde a exploração inicial até um modelo que é executado todas as noites. Alguns…
Do piloto à produção: porque é que a maioria dos projetos de IA fica pelo caminho
Muitas organizações já realizaram um projeto-piloto de IA. O modelo funciona, a demonstração é aplaudida e depois não acontece mais nada. Pela nossa…
Responsible AI: dos princípios à prática
A inteligência artificial está a evoluir rapidamente. Surgem novos modelos quase todas as semanas, e cada vez mais organizações experimentam a IA. Ao…
As organizações que o fazem,
Perguntas frequentes,
A IA pode prever o número de candidaturas e a utilização das salas por período letivo, mostrar em que cursos os estudantes encontram dificuldades no primeiro ano e permitir pesquisar diretamente normas e regulamentos. Assim, os responsáveis pelos cursos, quem organiza os horários e os orientadores académicos conseguem perceber mais cedo o que se está a passar.
Por uma pergunta que surge em todos os períodos letivos: quantos estudantes entram no primeiro ano de cada curso, onde encontram dificuldades nesse primeiro ano ou qual é a taxa de ocupação das salas num campus. Com os dados já disponíveis, é possível perceber rapidamente o que um relatório ou uma previsão acrescentaria à forma atual de trabalhar.
Essa página trata da educação em geral. Aqui, o foco está nas instituições de ensino superior e nas universidades: grandes números de estudantes distribuídos por faculdades ou escolas, candidaturas e entrada no primeiro ano, dados de investigação a par dos dados de ensino, e salas e horários num campus.
Sim. Ao reunir os resultados académicos, as inscrições e as anulações de matrícula por coorte, é possível ver, em cada curso, quantos estudantes progridem, mudam de curso ou abandonam os estudos, e em que período isso acontece. Os orientadores académicos e os responsáveis pelos cursos conseguem assim identificar mais cedo onde é necessário apoio adicional. Definimos por função quem pode consultar os dados individuais dos estudantes.
Configuramos uma plataforma de dados onde cada dataset tem uma descrição, um responsável e regras de acesso. Assim, os dados continuam fáceis de encontrar e reutilizar, mesmo quando um doutorando ou investigador sai da instituição. As análises e os modelos passam a usar a mesma versão validada dos dados.
Para cada questão, determinamos que dados são realmente necessários, trabalhamos com dados agregados ou pseudonimizados sempre que possível e gerimos o acesso por função. Um responsável por um curso vê os dados do seu curso; a direção vê o panorama geral. Antes de começar, acordamos com o encarregado da proteção de dados como serão tratados esses dados.