FELLOW TRAINING
Amélioration de la capacité en DATA SCIENCE chez les fellows
Context
La participation de SEJEN CI, au projet Data Analytics Center (D.A.C.) a consisté à supporter techniquement le projet DCDJ (Des Chiffres et des Jeunes). Dans cette optique, SEJEN a mis en place un centre de formation pour assurer le renforcement des capacités en Data Science des personnes recrutées à travers le projet D.C.D.J. La finalité de cette action estb de favoriser la prise de décisions efficientes des organisations (publiques/privées) et des populations grâce à l’utilisation de données fiables.
Problèmes
Un constat général a été fait : les acteurs chargés de la collecte et de la compilation des données sont peu ou pas sensibilisés à la culture des données, notamment leur traitement et leur utilisation efficace. Partant de ce constat, et en phase avec les orientations du projet Data Fellows, on s’est posé les questions suivantes :
Comment renforcer les capacités des Fellows en 2 mois, à la collecte et l’analyse de données afin de leur donner les aptitudes pour impacter l’écosystème des données ?
Comment développer chez les Fellows l’esprit critique nécessaire pour comprendre la valeur des données collectées ou disponibles ; afin d’impacter les activités des entreprises dans lesquelles ils seront affectés durant leurs stages ?
Comment rendre opérationnels ces Fellows ?
Comment motiver les jeunes filles à embrasser une carrière dans la Data Science, sachant que selon le rapport de l’UNESCO « Déchiffrer le code ; l’éducation des filles et des femmes aux sciences, technologies, ingénierie et mathématiques (STEM) », en Côte d’Ivoire, seulement 16% des femmes sont inscrites dans les programmes de formation en science quantitative et en ingénierie ?
Solutions
La formation accélérée en Data Science a ciblé deux catégories de Fellows : les Technical et les Staff.
Les Technicals ont été recrutés parmi les étudiants diplômés dans divers domaines pertinents que sont : les mathématiques, la Statistique, l’Économie, l’Informatique, etc. afin de mieux supporter le programme exigeant en Data Science.
La formation de chacune des cohortes s’est étendue sur 2 mois et a abordé entre autres des notions relatives à la Visualisation des Données, la Gestion des Bases de Données, la Statistique, le Machine Learning.
Des actions de sensibilisation ont été menées à l’endroit des filles, portant leurs taux de participation à la formation de 17% pour la cohorte 1, 30% pour la cohorte 2, et 47% pour la cohorte 3.
Ces taux, supérieurs à 16% ont contribué à augmenter le taux UNESCO de filles dans les filières scientifiques en Côte d’Ivoire.
Mèthodologie
Processus de sélection des Technicals Fellows
Pour atteindre les objectifs du programme, la sélection des Technical Fellows s’est faite suivant un processus qu’on peut décliner en 5 étapes: l’Exploration, le Recrutement, la Pré-Formation, le Déploiement de la Formation et enfin, le Suivi des Fellows pendant leur stage. Durant la formation de chaque cohorte, des leçons ont été apprises. Ces leçons ont été intégrées au fur et à mesure pour améliorer le processus en termes de bonnes pratiques.
Processus de sélection des Staffs Fellows
Les Staffs quant à eux, ont été recrutés parmi les employés des Partenaires de Mise en Œuvre (PMO) du PEPFAR. Cette catégorie de Fellows avait les meilleurs backgrounds ainsi que de bonnes dispositions à se former (ils ont été évalués via un test en ligne). La sélection finale de ces Staffs Fellows a été faite après un entretien afin de participer au programme de formation en Data Science.
Méthodologie des cours
La méthodologie appliquée a été participative, pratique et basée sur les techniques suivantes :
– Les Cours théoriques ;
– Les Travaux pratiques ;
– Les Questions/Réponses ;
– Les Travaux individuels et de groupe ;
– L’Evaluation avant et après chaque module de formation.
Résultats et impact
Si nous prenons l’exemple de la cohorte 1, les fellows ont obtenu une note moyenne de 13,57 sur 30 avant le début de chaque module (prétest général). Cette note permet d’avoir une idée de ce que savaient globalement les fellows sur la Data Science avant de commencer la formation. Après avoir reçu les modules de formation, lorsqu’ils ont été soumis au même test (post test général), ceux-ci ont obtenu une moyenne de 22,35 sur 30. Soit donc un taux d’accroissement réel du renforcement de leur niveau général de connaissance de +64,65% .
Les aptitudes renforcées en Data Science et le caractère sélectif et exigeant de la formation
Malgré le niveau très exigeant et intense de ce programme de formation accéléré en Data Science, nous avons pu obtenir des taux de réussite situés au-dessus de la moyenne et répartis par cohorte comme suit :
• Cohorte 1 : 68,97%
• Cohorte 2 : 57,14%
• Cohorte 3: 100%
Notons que pour valider la formation et confirmer les aptitudes réellement acquises, il fallait obtenir une moyenne supérieure ou égale à 10 sur 20.
Les niveaux de satisfactions des apprenants par rapport à la formation reçue
Les taux de satisfaction globale par rapport a la formation reçue, obtenus par cohorte sont:
Cohorte 1: 61.9%
Cohorte 2: 84.2%
Cohorte 3: 93%
Collaborateurs clés



