| Titre : | Prédiction del’AttritiondesApprenants dans lesMOOCs | | Type de document : | projet fin études | | Auteurs : | Otmane DOUIMI, Auteur | | Langues : | Français (fre) | | Catégories : | Internet des Objets et Services Mobiles ( IOSM )
| | Index. dĂ©cimale : | mast 69/18 | | RĂ©sumĂ© : | Les cours en ligne ouverts et massifs (MOOC) sont un phénomène très populaire et relativement nouveau dans le monde de l'éducation en ligne et qui a montré un grand potentiel pour transformer l'éducation traditionnelle par le biais de l'Internet. Cependant, les taux élevés d'attrition dans les MOOC ont souvent été perçu comme l'un des problèmes les plus importants.
Divers facteurs, comme le manque de satisfaction ou l'attribution, peuvent amener les apprenants à abandonner un MOOC. Les interventions éducatives ciblant ce type de risque peuvent contribuer à réduire les taux d'abandon scolaire. Cela exige la capacité de prédire les abandons avec précision et suffisamment tôt pour assurer une intervention rapide.
Dans ce mémoire, nous présentons un prédicteur de décrochage qui se base sur les réseaux de neurones et qui utilise une combinaison des données ClickStream et les données provenant du forum de discussion en mesurant l’influence de l’analyse des sentiments sur la performance de notre prédicteur.
Notre modèle a atteint une AUC moyenne (aire sous la courbe) aussi élevée de 0,90%. Le modèle avec la caractéristique ‘sentiment de l’étudiant’ a atteint une augmentation moyenne de l'AUC de 0,05%. |
Prédiction del’AttritiondesApprenants dans lesMOOCs [projet fin études] / Otmane DOUIMI, Auteur . - [s.d.]. Langues : Français ( fre) | Catégories : | Internet des Objets et Services Mobiles ( IOSM )
| | Index. dĂ©cimale : | mast 69/18 | | RĂ©sumĂ© : | Les cours en ligne ouverts et massifs (MOOC) sont un phénomène très populaire et relativement nouveau dans le monde de l'éducation en ligne et qui a montré un grand potentiel pour transformer l'éducation traditionnelle par le biais de l'Internet. Cependant, les taux élevés d'attrition dans les MOOC ont souvent été perçu comme l'un des problèmes les plus importants.
Divers facteurs, comme le manque de satisfaction ou l'attribution, peuvent amener les apprenants à abandonner un MOOC. Les interventions éducatives ciblant ce type de risque peuvent contribuer à réduire les taux d'abandon scolaire. Cela exige la capacité de prédire les abandons avec précision et suffisamment tôt pour assurer une intervention rapide.
Dans ce mémoire, nous présentons un prédicteur de décrochage qui se base sur les réseaux de neurones et qui utilise une combinaison des données ClickStream et les données provenant du forum de discussion en mesurant l’influence de l’analyse des sentiments sur la performance de notre prédicteur.
Notre modèle a atteint une AUC moyenne (aire sous la courbe) aussi élevée de 0,90%. Le modèle avec la caractéristique ‘sentiment de l’étudiant’ a atteint une augmentation moyenne de l'AUC de 0,05%. |
|
Faire une suggestion Affiner la recherche
Prédiction del’AttritiondesApprenants dans lesMOOCs / Otmane DOUIMI
