VERS UNE MODELISATION ROBUSTE ET EXPLICABLE DES PERFORMANCES ETUDIANTES A MADAGSCAR : UNE APPROCHE DATA SCIENCE INTEGRANT APPRENTISSAGE AUTOMATIQUE ET ANALYSE SPATIO-TEMPORELLE

Abstract

Cette étude propose une approche de modélisation robuste et explicable des performances académiques fondée sur l’intégration de la Data Science, de l’apprentissage automatique et de l’analyse spatio-temporelle. À partir de données longitudinales couvrant six universités malgaches sur la période 2002–2020, l’analyse met en évidence des disparités significatives des taux de réussite, variant de 45,9 % à 98,9 %. L’analyse en composantes principales montre que les deux premiers axes expliquent 76,52 % de la variance (Dim1 = 60,38 %, Dim2 = 16,14 %), soulignant le rôle structurant des niveaux Licence et Master. Les corrélations inter-universitaires révèlent des relations modérées, avec un coefficient maximal de 0,91 entre Antananarivo et la tendance globale. L’analyse de dispersion met en évidence une variabilité notable, notamment à Fianarantsoa et Toliara. Enfin, une convergence progressive des taux de réussite entre 60 % et 75 % est observée en 2020. Cette approche permet d’identifier les facteurs clés et de proposer un modèle prédictif fiable et interprétable.