WOMEN IN DATA
Encourager les femmes à participer à la révolution des données par la Science des Données.
Contexte
Le projet Women in Data Conference initié par SEJEN CI trouve sa justification dans les priorités du programme DCLI de renforcer la robustesse de l’écosystème de données en Côte d’Ivoire et singulièrement au niveau de la gente féminine, par le renforcement des capacités en matière de Data Science.
En effet, si les métiers traditionnels sont très connus du grand public, la Data Science ou Science des données continue à sembler très élitique pour le commun des africains et plus particulièrement pour les femmes. L’accent est de nos jours mis sur la scolarisation des filles, et les femmes sont de plus en plus représentées dans le domaine professionnel et dans l’entreprenariat, dans un contexte où la Science des Données est devenue une compétence nécessaire pour l’avenir et est très utilisée dans tous les domaines d’activités.
Alors comment amener les jeunes filles à embrasser les métiers de la Science des Données et comment amener les femmes à l’utilisation des données dans leur prise de décisions ?
Problèmes
Plusieurs constats ont été fait dans divers domaines.
Dans le secteur de l’éducation par exemple :
Il y a une faible participation des femmes au BAC scientifique en général : en effet peu de femmes sont admises au bac dans les séries scientifiques ou sont orientées vers les séries scientifiques ;
Au niveau par exemple de l’Ecole Nationale Supérieure de Statistiques et d’Economie Appliquée (ENSEA) qui est un centre Régional d’Excellence en matière d’éducation, seulement 30% des inscrits en 2018 sont de sexe féminin ;
Dans le domaine professionnel et dans le secteur de l’entreprenariat :
Il y a un manque de connaissance par les femmes de l’utilité des données pour l’amélioration de leur quotidien et de leurs activités (difficultés à comprendre les gaps dans leurs activités).
Solutions
Les solutions proposées par SEJEN CI pour initier et sensibiliser les filles et les femmes à la Data Science ont été les suivantes:
– L’organisation d’activités de sensibilisation dans les lycées de jeunes filles par la présentation de la Science des Données et les opportunités qu’elles offrent ;
– L’utilisation des réseaux de femmes pour participer au projet DCDJ du programme DCLI ;
– L’établissement de liens entre les femmes professionnelles et les femmes Data Scientiste, et la présentation de modèles pour les jeunes femmes ;
– L’organisation d’une conférence autour du thème : Femmes, Développement Économique et Culture des Données
Mèthodologie
La méthodologie utilisée par SEJEN CI pour initier et sensibiliser les femmes à la Data Science a été la suivante :
- Le Recrutement et la formation d’un nombre important de femmes dans l’équipe de SEJEN CI (3/4 des Data Scientistes étaient des femmes en août 2018) ;
- Des Actions de sensibilisation à l’endroit des femmes : deux (2) lycées de jeunes filles sensibilisés, une Conférence Women In Data organisée, une action de partage de connaissance à l’occasion de la Journée de la Femme 2020 entre les équipes féminines de DCDJ et de SEJEN CI ;
- La Formation des Femmes des Cohortes de DCDJ, des Clubs de Data Science des lycées, et des Ingénieurs Statisticiens Economistes (ISE) de l’ENSEA;
Résultats et impact
Les résultats ont permis :
- Une forte mobilisation des femmes dans les différentes activités (M. ASSAMOI pour les chiffres communiqués au MCC l’an dernier) ;
- L’application de l’utilisation des données par les femmes dans certaines activités notamment dans les ateliers de sensibilisation de DCDJ et lors de la Conférence du Women In Data ;
- Aux femmes d’être confrontées à la résolution de problématique courante à travers à l’utilisation des données (hackathon) ;
- Des femmes prêtes à se former sur la Data Science ;
- L’augmentation du nombre de femme de 13 à 50% dans l’effectif des Cohortes de Fellows ;
- L’adhésion volontaire de deux (2) lycées de jeunes filles au concept de création de Club de Data Science : environ 50 ambassadrices seront formées et près de 150 jeunes filles seront initiées à la Data Science.
Collaborateurs clés
