Classification d’items éducatifs similaires en utilisant les / Sinacer, Kaouthar  

Public ISBD Titre : Classification d’items éducatifs similaires en utilisant les Type de document : texte imprimé Auteurs : Sinacer, Kaouthar, Auteur ; Harbouche ,Khadidja, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (64 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Deep clustering Apprentissage supervisé Résumé : Les techniques du data mining éducative sont très utiles pour analyser les performances de l’apprenant afin d’optimiser l’approche du mappage des compétences.cette dernière regroupent les éléments similaires dans la même composante de connaissance (KC), le calcul d’un degré de similarité entre les éléments éducatifs aide à optimiser la réussite de l’apprenant en identifiant la composante de connaissance, ce degré peut être utilisé comme une donnée pour le regroupement ou la visualisation future, la similarité entre les éléments est calculée avec différentes mesures basées sur la justesse de la réponse (correcte / incorrecte). On a proposé un modèle deep clustering des items par l’apprentissage des caractéristiques en utilisant le CNN. L’architecture à été tester sur deux bases de données éducatives différentes .Et les résultats on été comparer avec les méthodes de regroupement traditionnelle basé sur les méthodes de calcule de similarité et le K-means . Les résultats obtenu sont très prometteuse avec une différence de performance remarquable . Côte titre : MAI/0529 En ligne : https://drive.google.com/file/d/1fWhvx_N33Sx6PYe_6DuTQQ4MPfwUC-xH/view?usp=shari [...] Format de la ressource électronique : pdf Classification d’items éducatifs similaires en utilisant les [texte imprimé] / Sinacer, Kaouthar, Auteur ; Harbouche ,Khadidja, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (64 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Deep clustering Apprentissage supervisé Résumé : Les techniques du data mining éducative sont très utiles pour analyser les performances de l’apprenant afin d’optimiser l’approche du mappage des compétences.cette dernière regroupent les éléments similaires dans la même composante de connaissance (KC), le calcul d’un degré de similarité entre les éléments éducatifs aide à optimiser la réussite de l’apprenant en identifiant la composante de connaissance, ce degré peut être utilisé comme une donnée pour le regroupement ou la visualisation future, la similarité entre les éléments est calculée avec différentes mesures basées sur la justesse de la réponse (correcte / incorrecte). On a proposé un modèle deep clustering des items par l’apprentissage des caractéristiques en utilisant le CNN. L’architecture à été tester sur deux bases de données éducatives différentes .Et les résultats on été comparer avec les méthodes de regroupement traditionnelle basé sur les méthodes de calcule de similarité et le K-means . Les résultats obtenu sont très prometteuse avec une différence de performance remarquable . Côte titre : MAI/0529 En ligne : https://drive.google.com/file/d/1fWhvx_N33Sx6PYe_6DuTQQ4MPfwUC-xH/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0529	MAI/0529	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)