En cours
La transformation de l'agriculture est une priorité dans l'agenda politique de plusieurs pays pour relever les défis de l'insécurité alimentaire et nutritionnelle, du changement climatique, du chômage des jeunes et de la croissance économique globale. Dans ce contexte, la numérisation de l'agriculture pourrait changer la donne en stimulant la productivité, la rentabilité et la résilience au changement climatique.
Le projet DEEP FARM est un consortium de 12 partenaires où 3 universités européennes soutiendront 8 universités dans quatre pays tiers (Madagascar, Côte d'Ivoire, Haïti et République dominicaine) afin de combler le déficit de compétences existant et de renforcer les connaissances et les capacités des étudiants en agronomie avec de nouveaux outils d'IA et de Big Data pour faire face aux défis de l'agriculture moderne dans une approche d'apprentissage par la pratique afin de soutenir le Green Deal.
À cette fin, le projet s'attaquera aux différents états d'avancement et défis des établissements d'Enseignement supérieur situés dans les pays tiers et répondra à leurs besoins régionaux spécifiques en dispensant des cours de formation théorique sur l'e-agriculture et des activités expérimentales par le biais de cas d'utilisation spécifiques à chaque pays pour : les cultures d'olives (Turquie), le riz (Madagascar), le cacao (Côte d'Ivoire), la fraise et la mangue (Haïti), et la banane (République dominicaine).
Plus de 245 étudiants impliqués dans le projet DEEP FARM avec des profils complémentaires (informatique et agronomie), 45 professeurs et 10 entités/acteurs tels que des exploitations agricoles et des entreprises informatiques impliquées dans les cas d'utilisation bénéficieront de l'exécution du projet.
En effet, la formation contribuera à remédier à l'inadéquation entre les exigences des employeurs et l'offre des établissements d'enseignement supérieur.
En conséquence, les établissements d'enseignement supérieur concernés généreront un contenu de formation en ligne qui sera disponible sous forme de MOOC sur la plateforme FUN, ainsi que des données réelles obtenues à partir des cas d'utilisation qui seront disponibles dans le DATA LAB d'ESTIA.
Budget engagé: 145 454 €
Nature: Subventions d'action
