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 (…)
Innovation Pédagogique et transition
Une initiative de l'Institut Mines-Télécom avec un réseau de partenaires
Matthieu Cisel
Articles de cet auteur (54)
-
Modélisation prédictive et découverte de structure, deux classiques de la recherche en Educational Data Mining
-
MOOC : croiser questionnaires et traces d’activité – le Classico de la recherche
Dans le dernier billet, nous avons entamé une première revue de littérature sur la question des MOOC, portant tant sur les traces d’activité que sur les revues de littérature. Aujourd’hui, je vous propose de revenir sur quelques publications où les chercheurs croisent données de questionnaires et traces d’activité.
S’est développée depuis quelques années une littérature focalisée plus ou moins exclusivement sur l’analyse des enquêtes diffusées auprès des participants de MOOC, et fournissant des résultats intéressants au regard des motivations pour s’inscrire ou de la composition sociodémographique des audiences. Cette littérature (…) -
Un post-doctorat avec les Savanturiers, consacré à la conception d’EIAH
Chers lecteurs, je parle souvent de MOOC dans ce blog, réminiscences d’un doctorat sur la question. Mais comme vous le savez peut-être, je fais mon post-doctorat sur la conception d’un EIAH (Environnement Informatique pour l’Apprentissage Humain). Quelques mots sur ce projet …
Dans le cadre d’un projet eFRAN lancé en 2016, Savanturiers du Numérique, les Savanturiers pilotent un consortium rassemblant deux laboratoires de recherche, deux académies et un industriel, Tralalère. Un des objectifs de ce consortium est de développer une application visant à instrumenter les projets Savanturiers. La première année du projet permet un travail (…) -
Recherches sur les technologies éducatives et usage des méthodes mixtes
Dans le cadre d’une ANR, l’ANR Hubble, je me suis intéressé à deux questions relatives à la classification des démarches de recherche dans le champ de la fouille de données issues d’Environnements Informatiques pour l’Apprentissage Humain (EIAH), que nous nommerons traces d’interaction. L’objectif qui sous-tend cette démarche est avant tout de contribuer à l’établissement d’un vocabulaire commun au sein d’une communauté de recherche sur les EIAH caractérisée par sa pluridisciplinarité. La première classification est celle des méthodes mixtes (Creswell, 2009) dans le champ des recherches en éducation, celles-ci étant définies par l’usage (…)
-
Stratégies d’analyse et fouille de données éducatives : le Relationship Mining
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 (…)
-
Analyse de traces d’interaction et reconceptualisation des indicateurs de performance de MOOC : une revue de littérature
L’utilisation débridée d’indicateurs pour mesurer la performance de cours en ligne nuit potentiellement à la compréhension des phénomènes qu’ils prétendent mesurer. En nous focalisant sur les MOOC, nous illustrons trois types de travaux qui permettent de renouveler le regard sur ces métriques à partir d’analyses de traces d’interaction. Le premier consiste à questionner la terminologie mobilisée. Il convient d’identifier le phénomène que l’on évoque lorsque l’on parle de nombre d’étudiants, d’inscrits, ou de certificats délivrés. Par exemple, les inscriptions sont souvent faites par « rafales » et correspondent à des cours qui se (…)
-
Un peu de psychologie de la motivation pour comprendre l’apprentissage en ligne
Cet article Un peu de psychologie de la motivation pour comprendre l’apprentissage en ligne est est repris duBlog de Matthieu Cisel.
Aujourd’hui, je vous propose de revenir brièvement sur la théorie des buts d’accomplissement, une théorie de psychologie de la motivation que je trouve super pour comprendre l’apprentissage en ligne, et en particulier pour interpréter ce qui se passe dans un MOOC. Aujourd’hui, je vous propose de revenir sur cette théorie et sa terminologie. Bref, une théorie à diffuser, et qui m’a personnellement énormément plu, même si au final je ne l’ai pas utilisée dans le cadre de mon doctorat. Et je conclue sur un (…) -
Learning analytics : une typologie d’analyses
J’inaugure aujourd’hui une série d’articles au cours desquels je me propose de revenir sur la diversité des types d’analyses quantitatives menées sur les traces d’interaction, en nous inscrivant dans la démarche de classification que nous avons suivie pour les méthodes mixtes. Nous emploierons le terme forme d’analyse pour désigner les différents types d’analyses quantitatives étudiées ici. Il est possible de classifier les formes d’analyse selon plusieurs axes, le premier étant celui de l’objectif sous-jacent, le second étant la nature de l’analyse réalisée. Les travaux réalisés dans le champ de l’Educational Data Mining peuvent avoir (…)
-
Stratégies d’analyse et fouille de données éducatives : des modèles pour guider le travail de fouille
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 (…) -
MOOC et interaction entre apprenants : une petite revue de littérature
Comme vous l’avez constaté, je suis ces jours-ci dans une logique de valorisation d’articles publiés récemment. C’est que j’ai envie qu’ils soient lus, bon sang. Je me suis décarcassé pour les écrire, ce n’est pas pour qu’ils profitent à deux pelés et trois tondus. Ces derniers jours, je vous ai fait part de mes articles dans Education et Formation ; j’aimerais aujourd’hui revenir sur un article publié dans Distances et Médiations des Savoirs, centré quant à lui sur les interactions entre utilisateurs de MOOC. Le billet d’aujourd’hui présente une petite littérature sur le sujet, qui est bien loin d’être exhaustive, car je ne l’ai pas mise (…)
