Première application du genre de l’intelligence artificielle pour mesurer les résultats de l’enseignement supérieur au Moyen-Orient
Article apparu au Arabic Harvard Business Review et MIT Technology Review
Dans le cadre de la contribution du ministère de l’Éducation pour la réalisation de la Vision saoudienne 2030 et dans le cadre du Programme Qualité de vie de cette vision, l’Université de Najran a lancé une initiative vitale pour améliorer les méthodes éducatives dans le Royaume. L’initiative vise à développer un système intelligent et automatisé pour améliorer les résultats d’apprentissage dans les universités en permettant la mesure directe et indirecte des compétences acquises par les étudiants. De plus, le système aide à automatiser la gestion de la qualité dans les établissements d’enseignement supérieur tels que les universités et les instituts.
Le Dr Falah bin Faraj Al-Subaie, directeur de l’Université de Najran a souligné que Saudi Vision 2030 donne la priorité à la transition vers une économie du savoir, qui à son tour nécessite un approvisionnement en ressources humaines qualifiées et expérimentées pouvant rivaliser sur le marché du travail. Cela n’est possible qu’en améliorant la qualité de l’apprentissage et de l’éducation et en veillant à ce que les diplômés répondent aux compétences et spécialisations requises par le marché du travail.
Malgré l’existence de nombreux systèmes de gestion de la qualité dans les établissements d’enseignement supérieur, l’initiative que nous proposons est unique car elle fournit un système intégré intelligent qui couvre tous les aspects de la mesure continue et de l’amélioration de la qualité dans les programmes universitaires, en plus de sa capacité à soutenir la prise de décision à l’aide des technologies de veille économique.
La vision derrière l’initiative est de redéfinir le rôle des universités pour se concentrer sur les attributs des diplômés et la gestion de ces attributs tout au long du processus d’apprentissage et d’éducation par la mesure, le développement et l’amélioration afin de répondre aux exigences du marché du travail.
En outre, l’initiative vise à accroître les niveaux de compétence et de transparence pour assurer une meilleure qualité de l’enseignement et à soutenir les universités avec des outils efficaces pour les aider à répondre et à se conformer aux recommandations émises par la Commission nationale d’accréditation et d’évaluation académiques (NCAAA) sans la charge administrative.
Le Dr Abdullah bin Saeed Alwadai, doyen du College of Engineering et responsable de l’initiative a déclaré: Nous avons de grandes ambitions pour ce projet afin d’être un l’exemple en atteignant les objectifs de Saudi Vision 2030. Nous serons les premiers à appliquer l’automatisation des applications complexes telles que la mesure, le développement et l’amélioration constante de la qualité dans l’enseignement supérieur.
L’initiative est née car il y a une nécessité. Celle-ci a été remarqué suite au temps consacré au développement et à l’amélioration du processus éducatif grâce à la mesure directe et indirecte des compétences acquises des étudiants et de leur aptitude par rapport aux résultats escomptés et aux exigences du marché du travail.
Suite à une étude approfondie des expériences locales et internationales, nous avons réalisé que nous avions besoin d’un système plus intelligent et plus flexible pour définir tous les processus et les repenser dans le but d’un développement constant et d’une amélioration de la qualité des résultats d’apprentissage.
L’initiative s’attaque à l’automatisation des processus de mesure et de développement des résultats d’apprentissage à différents niveaux (curriculum, programme, attributs des diplômés, etc.), et nous visons à arriver à un système complet de système décisionnel grâce auquel nous pouvons tout suivre et prendre de meilleures décisions
Le système est construit sur une plateforme de haute technologie avec un moteur de recommandation dynamique qui applique des formules avancées aux KPI alimentés par le processus de mesure.
Le système est également capable de traiter un grand nombre de données simultanément par un grand nombre d’utilisateurs (administrateurs, professeurs et étudiants). Cela facilite le travail des administrateurs et des universitaires en charge de la qualité.
Interrogé sur l’utilisation des technologies de l’IA par le projet, Alwadai a déclaré que l’intérêt d’utiliser des logiciels et des technologies modernes dans les processus de mesure, d’évaluation et d’amélioration des résultats d’apprentissage réside dans l’automatisation de ces processus, l’amélioration de leur efficacité et leur impact grâce à l’utilisation des outils basés sur l’IA qui sont désormais disponibles, tels que les outils de BI décisionnelle et les systèmes d’aide à la décision intelligente et les tableaux de bord.
L’utilisation de l’IA dans cette initiative est de la plus haute importance pour l’Université de Najran, car nous promettons de produire un outil (logiciel) moderne et avancé qui transformerait les résultats d’apprentissage dans les universités du Royaume en atteignant l’efficacité et l’efficience des processus de mesure, d’évaluation et d’amélioration. Il serait doté de fonctionnalités avancées et de modules conçus spécifiquement pour répondre aux exigences locales et combler le fossé du marché du travail.
Nous avons établi des partenariats avec les meilleures entreprises locales et internationales, expérimentées dans ce type de projets et capables de convoquer et de diriger un grand groupe d’experts et de spécialistes requis pour ce type de projets qui est considéré à la pointe de la technologie, même sur le plan international.
Concernant le partenariat entre l’Université de Najran et Tatweer Co. for Educational Services pour cette initiative, le Dr Mohammad Abdullah Alzoghaibi, PDG de Tatweer, a déclaré qu’il considérait le projet comme exemplaire pour le secteur de l’éducation en général car il répond aux besoins des universités non seulement en Arabie saoudite, mais à travers le CCG et le monde arabe.
Tatweer vise à être le partenaire de choix pour des solutions éducatives intelligentes et intégrées qui aident les établissements d’enseignement à réaliser la vision saoudienne 2030. Pour assurer le succès de l’initiative de l’Université de Najran, Tatweer a déployé toutes ses capacités et son personnel expérimenté pour travailler avec diligence aux côtés de l’équipe technique exécutant le projet et de l’équipe de gestion de l’Université de Najran.
Eng. Wassim Shaar, directeur général de NVSSoft, la société en charge de la réalisation du projet, a déclaré: L’utilisation de systèmes intelligents dans la gestion des résultats d’apprentissage dans l’enseignement supérieur est l’une des dernières disciplines adoptées par les nations modernes à travers des programmes et des initiatives au niveau national comme au Royaume-Uni, ou au niveau universitaire comme aux États-Unis.
Le principal défi dans le développement d’un système intelligent au niveau national dirigé par l’Université de Najran à travers cette initiative réside dans la conception de la matrice d’aide à la décision pour fonctionner à tous les niveaux, en commençant par le professeur d’une matière, jusqu’au président de l’université, et de là aux décideurs du ministère de l’Éducation, et jusqu’à la pointe de la pyramide dans la prise de décision stratégique, qui dans le cas de l’Arabie saoudite sont les entités en charge de Saudi Vision 2030.
Pour expliquer davantage l’initiative, le Dr Alwadai a déclaré: La plupart des systèmes utilisés pour mesurer, développer et améliorer les résultats d’apprentissage dans les universités saoudiennes contiennet un niveau acceptable d’opérations statistiques qui peuvent être effectuées sur les résultats, en plus des graphiques et des tableaux de bord. La plupart de ces systèmes incluent également des capacités de rapports standard à différents niveaux de détails, et certains permettent des rapports personnalisés. Nous devions dépasser tous ces systèmes et produire quelque chose de beaucoup plus puissant en ajoutant des composants intelligents.
Le moteur de recommandation intelligent comprend un certain nombre d’étapes à travers lesquelles le système apprend et traite des données afin de produire des recommandations appuyées par des chiffres, des mesures et des expériences passées. Le diagramme suivant montre les différentes étapes de l’apprentissage dans le système et comment il mûrit à mesure qu’il est utilisé:
Le Dr Alwadai a également expliqué le cadre du Systéme Décisionnel BI utilisé par l’initiative: les systèmes intelligents dépendent fortement du traitement des mégadonnées et de la recherche de modèles répétés ou d’anomalies. Pour que cette méthode réussisse, nous devons disposer de données disponibles dans plusieurs dimensions pour ce que l’on appelle le traitement analytique en ligne multidimensionnel MOLAP.
Le système de gestion des résultats d’apprentissage de l’Université de Najran comprend les éléments clés suivants:
- Outil de gestion des KPI
- Outil de création de règles
- Système de référentiel du plan d’améliorations
- Tableau de bord du système d’aide à la décision
Il n’est pas possible de réaliser un système intelligent sans quelques outils essentiels tels que le générateur de règles et l’outil de moulage qui nous permettent d’appliquer une variété de règles sur les données afin d’extraire et de moduler des informations et de les stocker dans des bases de données.
Nous devons également considérer que le générateur de règles doit nous permettre de parvenir à une recommandation si nous suivons une série d’étapes logiques commençant par des KPI ou des données d’événements et se ramifiant avec des formules logiques pour arriver à la décision finale dans un processus appelé chaînage direct.
De même, cela devrait nous permettre d’arriver à la décision en commençant par l’objectif final ou la décision que nous avons en tête et en travaillant avec une logique inversée pour arriver aux KPI requis dans un processus appelé chaînage en amont.
L’initiative de l’Université de Najran vient de terminer sa première phase, et elle devrait démarrer un projet pilote en 2019 et mettre en œuvre une version nationale de la solution en 2020, qui est l’année du plan de transformation.
