Étude de cas sur la valorisation des données au Centre de services scolaire du Val-des-Cerfs

Boudreau, Christian (2023). Étude de cas sur la valorisation des données au Centre de services scolaire du Val-des-Cerfs. Outil diagnostic. École nationale d'administration publique (ENAP), [Québec], 31 p.

Prévisualisation

PDF Télécharger (899kB) | Prévisualisation

Résumé

Les modèles de prédiction sont une composante importante de l'intelligence artificielle. Ils permettent de prédire des comportements futurs à partir de l’analyse d’événements du passé. Ces modèles peuvent être utilisés par les organisations pour saisir des occasions d’affaires, notamment à partir de l’analyse de leur environnement et de la détection de pratiques ou de tendances émergentes. Les modèles de prédiction peuvent aussi servir à anticiper et à gérer des problèmes de toutes sortes, comme les crises financières, les crimes contre la personne, les risques de récidive, les cybermenaces, les incendies, les épidémies, les échecs scolaires et les catastrophes naturelles. L’éducation est un secteur propice au déploiement de modèles prédictifs, compte tenu des problèmes potentiels de décrochage, de redoublement ou d’échec scolaire auxquels doivent faire face les intervenants de ce secteur. La présente étude de cas porte sur un projet de valorisation de données, initié en 2017 par le Centre de services scolaire du Val-des-Cerfs (ci-après CSSVDC) et son directeur général, visant notamment la conception et l’utilisation de modèles de prédiction du risque de décrochage. Tout en relatant l’histoire du projet, l’étude montre les avantages, les conditions facilitantes, les enjeux et les leçons qui accompagnent le déploiement de ces modèles en éducation. Les résultats de l’étude s’appuient principalement sur des entretiens semi-dirigés menés auprès de deux représentants du CSSVDC1 et de deux experts externes2 engagés dans le projet depuis le début. Ces entretiens ont été réalisés aux mois de décembre 2022 et janvier 2023. Les propos des répondants sont en italiques dans le texte. Ils sont tantôt insérés entre des guillemets (« »), tantôt mis en retrait du texte. Je tiens à remercier la disponibilité et la grande franchise des personnes rencontrées en entretien. Leurs propos constituent la matière première de l’étude.

Type de document:	Monographie de chercheur (Outil diagnostic)
Notes publiques:	Comprend des références bibliographiques.
Mots-clés:	Intelligence artificielle; Administration scolaire; Granby (Québec).
Maison d’édition:	École nationale d'administration publique (ENAP)
Déposé par:	Julie Hardy
Date de dépôt:	30 mai 2023 20:45
Dernière modification:	06 mars 2024 20:23
URI:	https://espace.enap.ca/id/eprint/431

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt