Ir para o conteúdo

Dados e IA para o ensino profissional

Uma instituição de ensino profissional trabalha com estudantes na escola e em entidades de acolhimento, e isso reflete-se nos dados.

As inscrições, os resultados, a assiduidade, os horários, os estágios e os registos financeiros estão em sistemas diferentes. O que acontece numa entidade de acolhimento fica muitas vezes registado em formulários separados. Quem quer saber como está a decorrer um curso ou como está um grupo de estudantes tem, por isso, de começar por procurar e reunir informação. Os dados e a IA juntam estas fontes para que os responsáveis pelas equipas, os orientadores de carreira e os coordenadores da formação em contexto de trabalho trabalhem com os mesmos números.

Desafios,

As instituições de ensino profissional lidam com estudantes que desistem ou mudam de curso no primeiro ano, com inscrições que variam muito entre cursos e regiões e com a necessidade de ajustar os cursos às exigências do mercado de trabalho regional. Os estudantes da via escolar (bol) e da via de aprendizagem em contexto de trabalho (bbl) seguem ritmos diferentes, e a formação prática nas entidades de acolhimento tem de ser organizada e acompanhada. Os horários, as salas de aula e os espaços de formação prática têm de ser reorganizados a cada período. Muitos dos dados dizem respeito a estudantes jovens, pelo que exigem um tratamento cuidadoso e regras claras sobre o que cada função pode consultar.

Como apoiamos a sua organização,

Reunimos os registos dos estudantes, a assiduidade, os resultados, os horários e os dados da formação em contexto de trabalho numa única fundação de dados. A partir daí, criamos relatórios para os responsáveis pelas equipas e para a direção sobre inscrições, progresso e abandono por curso e nível. Uma visão geral das vagas de estágio e das entidades de acolhimento ajuda os coordenadores a identificar mais cedo onde faltam lugares. Um modelo que combina sinais de absentismo e atraso ajuda os orientadores de carreira a iniciar conversas mais cedo. Também ajudamos os colaboradores a encontrar mais rapidamente a informação certa em normas, regulamentos de exames e procedimentos. Estes são alguns exemplos do que é possível fazer. A solução mais adequada depende sempre do desafio e da instituição.

Ver todas as soluções →

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

Younes Seghrouchni

Managing Consultant GenAI & Data Strategy
Carmen Wolvius

Carmen Wolvius

Managing Consultant Data Science & AI
Stef Stoelwinder

Stef Stoelwinder

Business Development

Artigos mais recentes do blogue,

Leia aqui os nossos insights mais recentes.

Ver todos os blogs

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…

Três lições dos nossos projetos de IA

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…

Responsible AI: dos princípios à prática

As organizações que o fazem,

Agrocare
Athlon
DPG Media
Rijkswaterstaat
Brocacef
WUA
Fokker
The Cirqle
Zorginstituut Nederland
AWVN
Independer
Gemeente Hollands Kroon

Perguntas frequentes,

A IA pode mostrar quais os estudantes das vias escolar (bol) ou de aprendizagem em contexto de trabalho (bbl) que correm o risco de ficar para trás, onde começam a faltar vagas de estágio e como evoluem as inscrições por curso. Também permite pesquisar diretamente normas e regulamentos. Assim, as equipas e os orientadores percebem mais cedo o que se está a passar.

Por uma questão que surge a cada período, como identificar os estudantes do primeiro ano em risco de desistir, saber quantas vagas de estágio são necessárias por curso ou acompanhar as inscrições em cada local. Com os dados já disponíveis, é possível perceber rapidamente o valor que uma visão geral ou uma previsão pode acrescentar.

Essas páginas abordam a educação em geral e as universidades de ciências aplicadas e de investigação. Esta centra-se no ensino profissional neerlandês (mbo): estudantes das vias escolar (bol) e de aprendizagem em contexto de trabalho (bbl), formação prática em entidades de acolhimento, cursos do nível de entrada ao nível 4 e ligação ao mercado de trabalho regional.

Sim. Ao reunir a assiduidade, os resultados e os registos das conversas de cada estudante, torna-se mais fácil perceber cedo quem está a ficar para trás ou a faltar mais vezes. Um modelo pode combinar esses sinais num alerta para o orientador de carreira. Cabe ao orientador decidir o que fazer; definimos por função os dados a que cada pessoa pode aceder.

Reunindo num só lugar os dados sobre vagas de estágio, entidades de acolhimento e estudantes. Os coordenadores conseguem então ver, por curso, quantas vagas existem, quantas são necessárias e que estudantes ainda não têm lugar. Assim, a instituição pode falar mais cedo com as entidades de acolhimento.

Para cada questão, determinamos que dados são realmente necessários, utilizamos dados agregados ou pseudonimizados sempre que possível e gerimos o acesso por função. Um responsável de equipa vê o seu curso; a direção vê o panorama geral. Definimos antecipadamente o que será feito em conjunto com o encarregado da proteção de dados.