University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Tlemcani ,Alaeddin |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Prédiction des performances des apprenants en découvrant les relations inter-activités / Tlemcani ,Alaeddin
Titre : Prédiction des performances des apprenants en découvrant les relations inter-activités Type de document : texte imprimé Auteurs : Tlemcani ,Alaeddin, Auteur ; Harbouch,Khadija, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (59 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé : La prédiction des performances des apprenants est devenue l’une des approches les
plus populaires de la fuite d’un grand volume de données sur le mode de vie de ces
apprenants, car l’éducation n’est plus un événement pour une petit période mais une
expérience de toute la vie. Parmi les raisons d’utilisé cette approches est que la vie
de travail est maintenant tres longues et que les gens doivent continuer à apprendre
tout au long de leur carrière alors que le modèle classique d’éducation ne s’adapte pas
avec ces besoins de la part du constante évolution,le marché d’informatique innove
des nouvelles techniques pour permettre les travailleurs d’apprendre de nouvelles façons,
Les Cours En ligne Ouverts Et Massifs (MOOC). Dans les MOOCS, les prévisions
de la performance future d’un élève pourraient être critique pour faciliter les interventions
éducatives opportunes au cours d’un cours Cependant, très peu d’études
antérieures ont exploré ce problème. Dans nos travaux, nous utiliserons des méthodes
déférentes pour prédire les performances des élèves en utilisant des données
contenant leur mode de vie afin de connaître les méthodes, les types et le moment
d’apprentissage.Note de contenu : Sommaire
Contents iv
List of Figures v
List of Tables v
1 General Introduction 1
General Introduction 1
General Introduction 1
1.1 Retailed Works . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Research Objectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Thesis Organization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Online Learning 5
2.1 Online Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Online Learning vs Traditional Instruction . . . . . . . . . . . . . . . . 6
2.3 Advantages Of Online Learning . . . . . . . . . . . . . . . . . . . . . . 7
2.4 Disadvantages Of Online Learning . . . . . . . . . . . . . . . . . . . . . 8
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3 Massive Open Online Courses 10
3.1 Historical Background . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.2 MOOC Characteristics . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3 Types of MOOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.4 Benefits of MOOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4 Educational data mining 16
4.1 Big Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2 Edm Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.3 Relationship Mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.4 Edm Aplication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5 Machine Learning 23
5.1 Machine Learning process . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.2 Machine Learning types . . . . . . . . . . . . . . . . . . . . . . . . . . 24
iv
CONTENTS
5.3 Prediction Techniques and Algorithms . . . . . . . . . . . . . . . . . . 25
5.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6 Methodology and results 44
6.1 DATASETS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.2 Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Conclusion 54
Bibliography 55
vCôte titre : MAI/0330 En ligne : https://drive.google.com/file/d/1f_LEv3Zzdr6fBJukgKl5SnAsB5DC-TnQ/view?usp=shari [...] Format de la ressource électronique : Prédiction des performances des apprenants en découvrant les relations inter-activités [texte imprimé] / Tlemcani ,Alaeddin, Auteur ; Harbouch,Khadija, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (59 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé : La prédiction des performances des apprenants est devenue l’une des approches les
plus populaires de la fuite d’un grand volume de données sur le mode de vie de ces
apprenants, car l’éducation n’est plus un événement pour une petit période mais une
expérience de toute la vie. Parmi les raisons d’utilisé cette approches est que la vie
de travail est maintenant tres longues et que les gens doivent continuer à apprendre
tout au long de leur carrière alors que le modèle classique d’éducation ne s’adapte pas
avec ces besoins de la part du constante évolution,le marché d’informatique innove
des nouvelles techniques pour permettre les travailleurs d’apprendre de nouvelles façons,
Les Cours En ligne Ouverts Et Massifs (MOOC). Dans les MOOCS, les prévisions
de la performance future d’un élève pourraient être critique pour faciliter les interventions
éducatives opportunes au cours d’un cours Cependant, très peu d’études
antérieures ont exploré ce problème. Dans nos travaux, nous utiliserons des méthodes
déférentes pour prédire les performances des élèves en utilisant des données
contenant leur mode de vie afin de connaître les méthodes, les types et le moment
d’apprentissage.Note de contenu : Sommaire
Contents iv
List of Figures v
List of Tables v
1 General Introduction 1
General Introduction 1
General Introduction 1
1.1 Retailed Works . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Research Objectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Thesis Organization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Online Learning 5
2.1 Online Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Online Learning vs Traditional Instruction . . . . . . . . . . . . . . . . 6
2.3 Advantages Of Online Learning . . . . . . . . . . . . . . . . . . . . . . 7
2.4 Disadvantages Of Online Learning . . . . . . . . . . . . . . . . . . . . . 8
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3 Massive Open Online Courses 10
3.1 Historical Background . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.2 MOOC Characteristics . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3 Types of MOOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.4 Benefits of MOOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4 Educational data mining 16
4.1 Big Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2 Edm Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.3 Relationship Mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.4 Edm Aplication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5 Machine Learning 23
5.1 Machine Learning process . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.2 Machine Learning types . . . . . . . . . . . . . . . . . . . . . . . . . . 24
iv
CONTENTS
5.3 Prediction Techniques and Algorithms . . . . . . . . . . . . . . . . . . 25
5.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6 Methodology and results 44
6.1 DATASETS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.2 Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Conclusion 54
Bibliography 55
vCôte titre : MAI/0330 En ligne : https://drive.google.com/file/d/1f_LEv3Zzdr6fBJukgKl5SnAsB5DC-TnQ/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0330 MAI/0330 Mémoire Bibliothéque des sciences Français Disponible
Disponible