Applliicattiion des outtiills du dattamining pour l’’anallyse des erreurs des apprenantts en Learning by doiing

Loading...
Thumbnail Image

Date

2012

Journal Title

Journal ISSN

Volume Title

Publisher

Université Mouloud Mammeri

Abstract

L'un des enjeux de la recherche sur les Environnements Informatiques pour l'Apprentissage Humain (EIAH) est la personnalisation de l'apprentissage, cette personnalisation débute par la conception de système d'enseignement, appliquant des stratégies définies pour suivre, aider l'apprenant durant son apprentissage en évaluant ses connaissances, ses aptitudes et en détectant et analysant ses erreurs afin de suivre la progression de son niveau d'apprentissage et ses capacités d'acquisition, l'évaluation peut être effectuée en se basant sur le modèle de l'apprenant et par historisation des sessions d'apprentissages. L'évaluation doit se concentrer sur les stratégies d'enseignements afin de faire évoluer l'apprentissage des apprenants. C'est à ce niveau que s'inscrit notre travail, qui vise à intégrer les techniques de data mining pour le suivi des apprenants sous la plate-forme " websiela3 ". L'objectif de notre travail est de mettre en place les techniques pour gérer, au niveau de la base de données des apprenants et contenus pédagogiques, les corrélations, dépendances, associations, modèles, classes, pour former des groupes homogènes et proposer de nouvelles décisions comme l'adaptation de contenu par rapport aux résultats obtenus. L'évaluation dans le contexte de notre travail consiste à analyser les réponses et résultats des apprenants, ainsi que leurs classement par historisation de sessions d'apprentissage, le suivi des apprenants sur lequel nous avons fait nos tests se base principalement sur le nombre d'erreurs commises par un apprenant ou sur son niveau d'acquisition et de compréhension. Pour réaliser ce travail, nous avons organisé notre mémoire de la manière suivante : " Le premier chapitre présente le data mining, son processus, ces différentes techniques, ainsi que les domaines concernés par ce concept. " Le deuxième chapitre est la phase intermédiaire entre le data mining et l'e-learning, ou les techniques d'exploration de données ont été intégrés aux problèmes e-learning. " Le troisième chapitre c'est la partie conception qui présente l'évaluation au service d'apprentissage, l'évaluation avec quelques techniques de data mining notamment les entités concernés par cette évaluation. " Le quatrième chapitre c'est réalisation qui débute par le prototypage sous l'outil weka qui est relatif à la réalisation de quelques algorithmes de data mining sur certaines données, et se finaliser par l'utilisation de l'environnement java pour monter la portabilité et l'avantage de ces algorithmes. L'objectif de notre travail était de réaliser un suivi des apprenants dans les systèmes e-learning en utilisant les outils du data mining. Nous avons conduit nos tests l'analyse des erreurs sur deux paramètres : le nombre d'erreurs, les régles d'associations entre erreurs. Au terme de notre travail nous avons pu : ¢ Enrichir la version Websiela3 par l'option data mining ¢ intégrant un nouveau mode d'évaluation qui est l'évaluation par utilisation de techniques de data mining : - Enrichir l'ontologie ONTO-TDM. - Proposer quelques types de suivi d'apprenants en utilisant la classification et les règles d'associations. ¢ Nous familiariser avec l'outil de data mining weka que nous avons utilisé pour la réalisation de notre travail. ¢ Améliorer la réalisation des algorithmes de data mining en utilisant l'environnement java. Comme perspectives nous proposons : ¢ L'intégration des résultats des algorithmes de data mining appliquées sur les données d'apprentissage dans l'ontologie de domaine ONTO-TDM afin d'avoir une historisation de session d'apprentissage (avoir les résultats de chaque algorithme pour chaque apprenant dans toutes les sessions). ¢ Un outil de transformation du format bases de données vers le format ARFF

Description

90 f. : ill. ; 30 cm. (+ CD-Rom)

Keywords

Application, Datamining, Learning by doing, Data mining

Citation

Conduite De Projets Informatiques