Plateforme d'évaluation et d'analyse des apprentissages basée sur l'IA pour les technologies éducatives
Une plateforme EdTech desservant 200 000 apprenants disposait d'un système d'évaluation générique incapable de s'adapter aux lacunes d'apprentissage individuelles. Les tableaux de bord destinés aux enseignants ne fournissaient aucune information exploitable, et la plateforme perdait des abonnés au profit de concurrents proposant des expériences d'apprentissage plus personnalisées.
Client
Confidential, EdTech Client
Industrie
Éducation et technologies éducativesChef d'équipe
Vivek Parmar
Date
Q3 2022
Défi commercial
Une plateforme EdTech desservant 200 000 apprenants disposait d'un système d'évaluation générique incapable de s'adapter aux lacunes d'apprentissage individuelles. Les tableaux de bord destinés aux enseignants ne fournissaient aucune information exploitable, et la plateforme perdait des abonnés au profit de concurrents proposant des expériences d'apprentissage plus personnalisées.
Solution et approche
Nous avons conçu un moteur d'évaluation adaptatif qui ajuste la difficulté des questions en fonction des réponses des apprenants (modèle IRT), identifie les lacunes de connaissances au niveau conceptuel et génère des recommandations personnalisées de contenu de remédiation. Des tableaux de bord pour les enseignants signalent les apprenants en difficulté.
Capacités fournies
- Moteur d'évaluation adaptative basé sur la théorie de la réponse aux items (TRI)
- Identification des lacunes de connaissances au niveau conceptuel
- Recommandations personnalisées de contenu de remédiation
- Détection des apprenants à risque pour l'intervention des enseignants
- Tableau de bord d'analyse des apprentissages pour les formateurs
Résultats commerciaux
Le taux de réussite des cours est passé de 38 % à 61 % en un semestre. L'indice NPS de satisfaction des apprenants a augmenté de 31 à 58, et la plateforme a réduit le taux de désabonnement mensuel de 2,8 points de pourcentage.
61%
Taux d'achèvement du cours (en hausse par rapport à 38 %)
58
NPS des apprenants (en hausse par rapport à 31)
2.8pp
Réduction du taux de désabonnement mensuel
Projets connexes
Plateforme d'évaluation et d'analyse des apprentissages basée sur l'IA pour les technologies éducatives
Le taux de réussite des cours est passé de 38 % à 61 % en un semestre. L'indice NPS de satisfaction des apprenants a augmenté de 31 à 58, et la plateforme a réduit le taux de désabonnement mensuel de 2,8 points de pourcentage.
61%
Taux d'achèvement du cours (en hausse par rapport à 38 %)
58
NPS des apprenants (en hausse par rapport à 31)
Plateforme de numérisation des opérations hospitalières
Le délai de sortie des patients a été réduit de 4,5 heures à 1,8 heure. Le taux d'exhaustivité des dossiers cliniques est passé de 67 % à 96 %, éliminant ainsi les données manquantes qui entraînaient le rejet des demandes de remboursement. La productivité du personnel a progressé de 34 %.
4.5h→1.8h
heure de sortie du patient
96%
exhaustivité de la documentation clinique
Plateforme d'optimisation des itinéraires logistiques du dernier kilomètre
Le respect des délais de livraison est passé de 76 % à 94 %, les coûts de carburant par livraison ont diminué de 18 % et la productivité des chauffeurs a atteint 88 % de leur capacité théorique. Le client s'est étendu à trois nouvelles villes en six mois en utilisant la même plateforme.
94%
Conformité aux SLA de livraison
18%
Réduction du coût du carburant par livraison
Simulation de formation basée sur la réalité augmentée pour les opérations de fabrication
Le temps de formation par opérateur a été réduit de 40 % et les incidents de sécurité liés à la formation ont disparu. Les scores de certification des compétences ont progressé en moyenne de 22 points de pourcentage. Le client étend la plateforme à deux sites supplémentaires.
40%
Réduction du temps de formation
0
Incidents de sécurité liés à la formation
Prévision de la demande basée sur l'apprentissage automatique pour la chaîne d'approvisionnement du commerce de détail
Le taux moyen de rupture de stock a diminué de 12 % à 4,3 %, et les pertes liées aux démarques de fin de saison ont baissé de 28 %. La précision des prévisions de l'équipe des achats (mesurée par l'erreur absolue moyenne en pourcentage [MAPE]) s'est améliorée, passant de 31 % à 11 % d'erreur.
4.3%
Taux de rupture de stock (en baisse par rapport à 12 %)
28%
Réduction des pertes liées aux démarques
Visibilité et tour de contrôle de la chaîne d'approvisionnement de bout en bout
Le délai de réponse aux perturbations de la chaîne d'approvisionnement est passé de 4 jours (délai de détection) à 6 heures. Les ruptures de stock dues à des lacunes dans la visibilité de la chaîne d'approvisionnement ont diminué de 71 %. L'équipe des achats a ainsi économisé 1,8 million de dollars en frais de transport express dès la première année.
4d→6h
Temps de réponse en cas de détection de perturbation
71%
Réduction des ruptures de stock dues à l'écart de visibilité