University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Ghofrane Hedna |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Redressement des notes obtenues par différentes formes d’évaluation Type de document : texte imprimé Auteurs : Ghofrane Hedna, Auteur ; Khouloud Berbagui, Auteur ; Khadidja Harbouche, Directeur de thèse Année de publication : 2022 Importance : 1 vol (68 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Résumé :
Les modèles théoriques de réponse aux items et les méthodes d'exploration de données pédagogiques sont largement utilisés pour analyser les performances des apprenants aux tests et les différences entre les tests (items), telles que la difficulté. Ces méthodes sont largement utilisées pour optimiser le succès et améliorer l'environnement (système) dans lequel les utilisateurs apprennent. L'inférence bayésienne appliquée au modèle IRT permet de capter les attributs du sujet (ses capacités) et ses attributs item (sa difficulté, sa discrimination, la probabilité de deviner la réponse correct) pour pouvoir prédire la probabilité de succès et ainsi comparer les prédictions patrons et partitions à collectionner. Les comparaisons entre les scores prédits et observés de l'apprenant, en particulier les valeurs des paramètres, peuvent évaluer l'échelle des mesures utilisées par le système, la qualité des données collectées et potentiellement améliorer le score de l'apprenant. Une fois les normes précédentes validées, les données peuvent être utilisées avec des méthodes d'exploration de données éducatives qui peuvent transformer de grandes quantités de données brutes en informations utiles pour découvrir des modèles et établir des tendances et des relations pour résoudre des problèmes et prédire les tendances futures.
Ce projet de mémoire propose une approche pour évaluer la qualité des données éducative avec des modèles IRT(modèle de Rasch, modèle logistique a deux et trois paramètres) auxquels des estimations MCMC ont été appliquées et un regroupement des items en composante de connaissances pour la construction de la matrice de similarité selon les critèrs suivants : chaque item a le bon nombre de réponses, avec et sans aide, des mauvaise réponses avec et sans aide.Côte titre : MAI/0565 En ligne : https://drive.google.com/file/d/1DINZ-pJ7wrxk1kLWsZezc4jM4_7-bnC0/view?usp=share [...] Format de la ressource électronique : Redressement des notes obtenues par différentes formes d’évaluation [texte imprimé] / Ghofrane Hedna, Auteur ; Khouloud Berbagui, Auteur ; Khadidja Harbouche, Directeur de thèse . - 2022 . - 1 vol (68 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Résumé :
Les modèles théoriques de réponse aux items et les méthodes d'exploration de données pédagogiques sont largement utilisés pour analyser les performances des apprenants aux tests et les différences entre les tests (items), telles que la difficulté. Ces méthodes sont largement utilisées pour optimiser le succès et améliorer l'environnement (système) dans lequel les utilisateurs apprennent. L'inférence bayésienne appliquée au modèle IRT permet de capter les attributs du sujet (ses capacités) et ses attributs item (sa difficulté, sa discrimination, la probabilité de deviner la réponse correct) pour pouvoir prédire la probabilité de succès et ainsi comparer les prédictions patrons et partitions à collectionner. Les comparaisons entre les scores prédits et observés de l'apprenant, en particulier les valeurs des paramètres, peuvent évaluer l'échelle des mesures utilisées par le système, la qualité des données collectées et potentiellement améliorer le score de l'apprenant. Une fois les normes précédentes validées, les données peuvent être utilisées avec des méthodes d'exploration de données éducatives qui peuvent transformer de grandes quantités de données brutes en informations utiles pour découvrir des modèles et établir des tendances et des relations pour résoudre des problèmes et prédire les tendances futures.
Ce projet de mémoire propose une approche pour évaluer la qualité des données éducative avec des modèles IRT(modèle de Rasch, modèle logistique a deux et trois paramètres) auxquels des estimations MCMC ont été appliquées et un regroupement des items en composante de connaissances pour la construction de la matrice de similarité selon les critèrs suivants : chaque item a le bon nombre de réponses, avec et sans aide, des mauvaise réponses avec et sans aide.Côte titre : MAI/0565 En ligne : https://drive.google.com/file/d/1DINZ-pJ7wrxk1kLWsZezc4jM4_7-bnC0/view?usp=share [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0565 MAI/0565 Mémoire Bibliothéque des sciences Français Disponible
Disponible