AI-driven bedömnings- och lärandeanalysplattform för utbildningsteknik
En EdTech-plattform som betjänade 200 000 elever hade ett generiskt bedömningssystem som inte kunde anpassas till individuella kunskapsluckor. Lärarens dashboards gav inga användbara insikter, och plattformen förlorade prenumeranter till konkurrenter med mer personliga lärandeupplevelser.
Affärsutmaning
En EdTech-plattform som betjänade 200 000 elever hade ett generiskt bedömningssystem som inte kunde anpassas till individuella kunskapsluckor. Lärarens dashboards gav inga användbara insikter, och plattformen förlorade prenumeranter till konkurrenter med mer personliga lärandeupplevelser.
Lösning och tillvägagångssätt
Vi byggde en adaptiv bedömningsmotor som justerar frågornas svårighetsgrad baserat på elevernas svarsmönster (IRT-modell), identifierar kunskapsluckor på konceptnivå och genererar personliga rekommendationer för åtgärdsinnehåll. Lärarens dashboards lyfter fram signaler om elever i riskzonen.
Förmågor levererade
- Adaptiv bedömningsmotor för Item Response Theory (IRT)
- Identifiering av kunskapsluckor på konceptnivå
- Rekommendation för personligt anpassat innehåll för åtgärdande
- Upptäckt av elever i riskzonen för lärarintervention
- Instrumentpanel för lärandeanalys för lärare
Affärsresultat
Andelen kursslutförda ökade från 38 % till 61 % inom en termin. Nöjdhetsindexet för elever ökade från 31 till 58, och plattformen minskade den månatliga omsättningen av prenumeranter med 2,8 procentenheter.
61%
Kursavslutningsgrad (upp från 38 %)
58
Elev-NPS (upp från 31)
2.8pp
Minskning av månatlig kundbortfall
Relaterade projekt
AI-driven bedömnings- och lärandeanalysplattform för utbildningsteknik
Andelen kursslutförda ökade från 38 % till 61 % inom en termin. Nöjdhetsindexet för elever ökade från 31 till 58, och plattformen minskade den månatliga omsättningen av prenumeranter med 2,8 procentenheter.
61%
Kursavslutningsgrad (upp från 38 %)
58
Elev-NPS (upp från 31)
Digitaliseringsplattform för sjukhusverksamhet
Utskrivningstiden för patienter minskade från 4,5 timmar till 1,8 timmar. Den kliniska dokumentationens fullständighet förbättrades från 67 % till 96 %, vilket eliminerade de datagap som utlöste avslag på försäkringsanspråk. Personalens produktivitet förbättrades med 34 %.
4.5h→1.8h
Patientutskrivningstid
96%
Klinisk dokumentations fullständighet
Plattform för optimering av logistikrutter för sista milen
Efterlevnaden av SLA för leveranser förbättrades från 76 % till 94 %, bränslekostnaderna per leverans minskade med 18 % och förarproduktiviteten nådde 88 % av den teoretiska kapaciteten. Kunden expanderade till 3 nya städer inom 6 månader med samma plattform.
94%
Leverans-SLA-efterlevnad
18%
Minskning av bränslekostnaden per leverans
AR-baserad träningssimulering för tillverkningsverksamhet
Utbildningstiden per operatör minskade med 40 % och utbildningsrelaterade säkerhetsincidenter sjönk till noll. Kompetenscertifieringspoängen förbättrades med i genomsnitt 22 procentenheter. Kunden utökar plattformen till ytterligare två anläggningar.
40%
Minskning av träningstiden
0
Utbildningsrelaterade säkerhetsincidenter
ML-baserad efterfrågeprognos för detaljhandelns leveranskedja
Den genomsnittliga andelen slut i lager minskade från 12 % till 4,3 %, och förluster vid säsongsavslut minskade med 28 %. Inköpsteamets prognosnoggrannhet (mätt med MAPE) förbättrades från 31 % fel till 11 %.
4.3%
Slut i lager-grad (ned från 12 %)
28%
Minskning av förluster i prisnedsättningar
Helhetsinsyn i leveranskedjan och kontrolltorn
Svarstiden för störningar i leveranskedjan förbättrades från 4 dagar (detekteringsfördröjning) till 6 timmar. Lagerbrister hänförliga till brister i leveranskedjans synlighet minskade med 71 %. Inköpsteamet undvek 1,8 miljoner dollar i expressfraktkostnader under det första året.
4d→6h
Svarstid för störningsdetektering
71%
Minskning av lagerförseglingar vid siktgap