Erreur d’exécution plugins/auto/zpip-dist-fix_adaptv1_spip42/inclure/head.html
Innovation Pédagogique et transition
Une initiative de l'Institut Mines-Télécom avec un réseau de partenaires
Un site participatif, lieu de partage et d’échange autour des initiatives en transitions et des innovations pédagogiques dans l’enseignement supérieur francophone.
Aujourd’hui, je souhaiterais suggérer des pistes relatives au travail de vulgarisation des méthodes d’analyse de données éducatives, dont j’ai donné l’esprit au cours des billets précédents. On va notamment parler d’une idée qui me trotte dans la tête depuis longtemps, un catalogue d’analyses pour les traces d’interaction (ou learning analytics), dans lequel un analyste pourrait venir piocher à loisir des idées.
La première pourrait consister à poursuivre le travail de construction de typologies effectuées en subdivisant certaines des catégories proposées jusqu’à présent, et en créant davantage de catégories spécifiques du champ (…)
L’association des directeurs et personnels de direction des bibliothèques universitaires et de la documentation (adbu) apporte sa pierre au référentiel de la transformation numérique de l’ESR remis par le CNNum à Thierry Mandon le 14/12/2016 : https://padlet.com/AdbuPedagogie/TransfoNumeriqueESR
La construction d’une offre de formation attractive, cohérente et maîtrisée est un exercice difficile dans le contexte actuel de l’enseignement supérieur en France. Les tensions sont fortes tant sur le plan politique qu’institutionnel, financier mais aussi démographique. Il n’est plus question de reconduire l’existant en adaptant nos dispositifs à la marge, il s’agit d’apporter des réponses claires pour orienter et accompagner nos étudiants, favoriser leur réussite et leur insertion professionnelle et répondre aux différents enjeux d’un monde en perpétuelle évolution.
La mise en place d’une stratégie d’approche-programme au sein de la (…)
Je vous propose aujourd’hui de nous attarder sur deux éléments : la « distillation de données pour le jugement humain », et la fouille médiée par des modèles. Cet article s’inscrit dans une série de billets consacrés aux techniques d’analyse en Educational Data Mining (fouille de données éducatives). La lecture des articles précédents est nécessaire pour mieux comprendre la démarche.
Data distillation for Human Judgement
Dans certains cas, les humains peuvent faire des inférences à propos des données, lorsqu’elles sont présentées de manière appropriée, qui vont au-delà de méthodes de fouilles de données automatisées. Les méthodes de (…)
Un article repris de la page de présentation du cours
Culture numérique, culture citoyenne
Notre objectif : Proposer des contenus qui permettent de comprendre et analyser les défis et les enjeux liés au monde numérique dans lequel nous vivons.
Notre démarche repose sur 2 grands principes : Le numérique ne se limite pas aux usages Ce qui est hors des usages n’est pas réservé aux informaticiens
Nous proposons une découverte de la culture numérique à travers différentes approches (historiques, sociologiques, économique, …). Les aspects technologiques ne sont jamais gratuits mais répondent toujours à la nécessaire compréhension de (…)
Le billet d’aujourd’hui est consacré à deux approches utilisées en EDM lors d’analyses quantitatives : la modélisation prédictive d’une part, et la découverte de structure d’autre part. Cet article s’inscrit dans une série de billets consacrés aux techniques d’analyse en Educational Data Mining (fouille de données éducatives). La lecture des articles précédents est nécessaire pour mieux comprendre la démarche.
Modélisation prédictive
Dans le cas de la modélisation prédictive (predictive modeling), l’objectif est de développer un modèle qui infère sur un aspect particulier des données, comme une variable dite « dépendante », à partir (…)
Dans le cas du Relationship mining, l’objectif est de découvrir des relations entre variables dans un jeu de données qui en comprend un nombre important. Cela peut conduire à chercher à identifier les variables qui sont le plus fortement associées avec une variable d’intérêt, ou à établir parmi l’ensemble de paires de variables celles dont la relation est la plus forte. Il existe grossièrement quatre types de Relationship mining : l’association rule mining, le correlation mining, le sequential pattern mining, le causal data mining. Cet article s’inscrit dans une série de billets consacrés aux techniques d’analyse en Educational Data (…)
Aujourd’hui, je souhaiterais suggérer des pistes relatives au travail de vulgarisation des méthodes d’analyse de données éducatives, dont j’ai donné l’esprit au cours des billets précédents. On va notamment parler d’une idée qui me trotte dans la tête depuis longtemps, un catalogue d’analyses pour les traces d’interaction (ou learning analytics), dans lequel un analyste pourrait venir piocher à loisir des idées.
La première pourrait consister à poursuivre le travail de construction de typologies effectuées en subdivisant certaines des catégories proposées jusqu’à présent, et en créant davantage de catégories spécifiques du champ (…)
Ce billet fait partie d’une série d’articles sur les méthodes mixtes en éducation. La lecture des articles précédents est nécessaire pour comprendre le billet du jour, consacré à l’approche séquentielle exploratoire. Dans le cas de la stratégie exploratoire séquentielle, un travail de collecte et d’analyse de données qualitatives est réalisé en prélude d’une étude quantitative, et la phase d’analyse quantitative se base sur les résultats de cette étude qualitative.
Plus que l’interprétation d’un résultat, l’objet est ici d’explorer un phénomène. Morgan (1998) suggère que cette stratégie est pertinente pour tester les éléments d’une (…)
0 | ... | 4210 | 4220 | 4230 | 4240 | 4250 | 4260 | 4270 | 4280 | 4290 | ... | 4900