Encontrar talentos no futebol mais rapidamente com a PlayerHub
Internationaal sportmanagement bureau
Dados e IA para a educação
Uma instituição de ensino sabe muito sobre os seus estudantes, mas muitas vezes só percebe o que se passa quando já é tarde.
As candidaturas, as notas, a assiduidade, os horários e a administração financeira estão em sistemas diferentes. Por isso, muitas vezes só no fim de um período se torna claro que estudantes estão a ficar para trás ou que cursos estão a receber menos candidaturas. Os dados e a IA reúnem estas fontes e mostram o que está a acontecer agora.
Desafios,
O número de novos estudantes pode diminuir ou aumentar, há abandono no primeiro ano, faltam docentes e os horários têm de voltar a ser ajustados a cada período. Ao mesmo tempo, é preciso tratar com cuidado os dados de estudantes e alunos. Isto exige informação fiável e regras claras sobre quem pode ver o quê.
Como apoiamos a sua organização,
Reunimos a administração académica, o ambiente de aprendizagem, os horários e os dados financeiros numa única fundação de dados. Sobre essa fundação, criamos relatórios e modelos para acompanhar a progressão nos estudos, as novas inscrições e o planeamento. Também ajudamos os colaboradores a encontrar mais depressa a informação certa em regulamentos e documentos. Estes são alguns exemplos do que é possível fazer. A solução mais adequada depende sempre do desafio e da organização.
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 combinar dados sobre a progressão nos estudos, a assiduidade e coortes anteriores para identificar mais cedo os estudantes em risco. Assim, os tutores e orientadores académicos podem iniciar a conversa atempadamente, e os responsáveis pelos cursos obtêm melhor informação sobre as novas inscrições e o planeamento.
Por uma questão que surge todos os anos, como o abandono no primeiro ano ou o número esperado de novos estudantes por curso. Os dados de coortes anteriores permitem testar rapidamente se um modelo consegue identificar algo que, hoje, só se torna claro mais tarde.
Candidaturas e inscrições, notas e créditos, assiduidade, dados do ambiente de aprendizagem, horários e administração financeira. O principal trabalho está em ligar estas fontes e estabelecer regras claras sobre privacidade e acesso.
Usamos apenas os dados necessários para responder à questão, definimos o acesso por função e acordamos previamente com o encarregado da proteção de dados como serão utilizados. Um modelo dá um sinal; o tutor ou orientador académico decide o que fazer com ele.
Mostrando o sinal nos sistemas que os tutores e os responsáveis pelos horários já utilizam e definindo quem mantém o modelo quando os cursos, as avaliações ou as regras mudam. Assim, continua a ser uma ferramenta ajustada à forma como a instituição trabalha.