Piattaforma di analisi dell'apprendimento e valutazione basata sull'intelligenza artificiale per EdTech
Una piattaforma EdTech che serviva 200.000 studenti aveva un sistema di valutazione generico che non riusciva ad adattarsi alle lacune di apprendimento individuali. Le dashboard degli insegnanti non fornivano informazioni utili e la piattaforma stava perdendo abbonati a favore di concorrenti con esperienze di apprendimento più personalizzate.
Sfida aziendale
Una piattaforma EdTech che serviva 200.000 studenti aveva un sistema di valutazione generico che non riusciva ad adattarsi alle lacune di apprendimento individuali. Le dashboard degli insegnanti non fornivano informazioni utili e la piattaforma stava perdendo abbonati a favore di concorrenti con esperienze di apprendimento più personalizzate.
Soluzione e approccio
Abbiamo sviluppato un motore di valutazione adattivo che adatta la difficoltà delle domande in base ai modelli di risposta degli studenti (modello IRT), individua lacune di conoscenza a livello concettuale e genera suggerimenti personalizzati sui contenuti di recupero. Le dashboard degli insegnanti evidenziano i segnali degli studenti a rischio.
Capacità fornite
- Motore di valutazione adattiva della teoria della risposta agli item (IRT)
- Identificazione delle lacune di conoscenza a livello concettuale
- Raccomandazione di contenuti di correzione personalizzati
- Rilevamento degli studenti a rischio per l'intervento dell'istruttore
- Dashboard di analisi dell'apprendimento per gli insegnanti
Risultati aziendali
I tassi di completamento dei corsi sono migliorati dal 38% al 61% in un semestre. Il tasso di soddisfazione degli studenti (NPS) è aumentato da 31 a 58 e la piattaforma ha ridotto il tasso di abbandono mensile degli abbonati di 2,8 punti percentuali.
61%
Tasso di completamento del corso (in aumento rispetto al 38%)
58
NPS per studenti (in aumento rispetto a 31)
2.8pp
Riduzione del tasso di abbandono mensile
Progetti correlati
Piattaforma di analisi dell'apprendimento e valutazione basata sull'intelligenza artificiale per EdTech
I tassi di completamento dei corsi sono migliorati dal 38% al 61% in un semestre. Il tasso di soddisfazione degli studenti (NPS) è aumentato da 31 a 58 e la piattaforma ha ridotto il tasso di abbandono mensile degli abbonati di 2,8 punti percentuali.
61%
Tasso di completamento del corso (in aumento rispetto al 38%)
58
NPS per studenti (in aumento rispetto a 31)
Piattaforma di digitalizzazione delle operazioni ospedaliere
I tempi di dimissione dei pazienti sono stati ridotti da 4,5 ore a 1,8 ore. La completezza della documentazione clinica è migliorata dal 67% al 96%, eliminando le lacune nei dati che causavano il rifiuto delle richieste di risarcimento assicurativo. I punteggi di produttività del personale sono migliorati del 34%.
4.5h→1.8h
Ora di dimissione del paziente
96%
Completezza della documentazione clinica
Piattaforma di ottimizzazione del percorso logistico dell'ultimo miglio
Il rispetto degli SLA di consegna è migliorato dal 76% al 94%, i costi del carburante per consegna sono diminuiti del 18% e la produttività degli autisti ha raggiunto l'88% della capacità teorica. Il cliente ha ampliato la propria attività in 3 nuove città in 6 mesi utilizzando la stessa piattaforma.
94%
Conformità SLA di consegna
18%
Riduzione del costo del carburante per consegna
Simulazione di formazione basata sulla realtà aumentata per le operazioni di produzione
I tempi di formazione per operatore si sono ridotti del 40% e gli incidenti di sicurezza correlati alla formazione sono scesi a zero. I punteggi di certificazione delle competenze sono migliorati in media di 22 punti percentuali. Il cliente sta espandendo la piattaforma ad altre due strutture.
40%
Riduzione dei tempi di formazione
0
Incidenti di sicurezza correlati alla formazione
Previsione della domanda basata su ML per la catena di fornitura al dettaglio
Il tasso medio di esaurimento scorte è sceso dal 12% al 4,3% e le perdite dovute ai ribassi di fine stagione sono diminuite del 28%. L'accuratezza delle previsioni del team di approvvigionamento (misurata da MAPE) è migliorata dal 31% all'11% di errore.
4.3%
Tasso di esaurimento scorte (in calo dal 12%)
28%
Riduzione delle perdite dovute ai ribassi
Visibilità end-to-end della supply chain e torre di controllo
I tempi di risposta alle interruzioni della supply chain sono migliorati da 4 giorni (ritardo di rilevamento) a 6 ore. Le rotture di stock attribuibili a lacune nella visibilità della supply chain sono state ridotte del 71%. Il team degli acquisti ha risparmiato 1,8 milioni di dollari in costi di trasporto rapido nel primo anno.
4d→6h
Tempo di risposta al rilevamento delle interruzioni
71%
Riduzione delle rotture di stock dovute a gap di visibilità