Browsing by Author "BENOUDINA ,Lazhar"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Extractios des connaissances a partir d’un fichier log pour orienter des parcours sur apprintissage e-learning(Faculté des Sciences, 2022) BERRAHAL ,A/Malek; BENOUDINA ,LazharL’internet et l’application des nouvelles technologies de l’information et de la communication au domaine de l’enseignement ont conduit à l’émergence d’un nouveau mode d’apprentissage appelé : E-learning ou l’apprentissage électronique. Surtout après la pandémie COVID-19 ce mode d’apprentissage s’est accompagné par la disponibilité de plusieurs plateformes assurant un apprentissage en ligne et à distance. Cependant, ces systèmes de E-learning rendent difficile l’assistance et l’encadrement des apprenants à cause d’un manque de contact directe entre les différents intervenants dans le système d’apprentissage. En effet, les formateurs, les enseignants ou les pédagogues ne se trouvent pas en face à face avec leurs apprenants pour déterminer, à partir de leurs expressions de visage, de leurs questions et interactions, s’ils ont bien assimilé les connaissances présentées. En fait, ils ne peuvent pas bien encadrer les apprenants et suivre leur parcours d’apprentissage réel et voir s’il est conforme ou non au scénario pédagogique préétablit au préalable. Pour cela plusieurs travaux se sont focalisés sur l’étude des comportements des apprenants en se basant sur leur historique d’apprentissage. L’étude de ces comportements d’apprentissage est basée sur une analyse des parcours des apprenants qui sont extraits à partir des fichiers logs générés automatiquement par les plateformes d’apprentissage d’E-learning. Par ailleurs, et pour garantir un apprentissage réussi pour tous ses apprenants en cours d’apprentissage, l’enseignant à besoin de vérifier si les parcours entrepris par ses apprenants mèneront à une réussite ou à un échec d’apprentissage et cela en vue d’intervenir en juste temps pour assister et supporter les apprenants en difficultés d’apprentissage en leur proposant des conseils, des aides et des recommandations. Actuellement, le seul moyen qui existe pour valider le succès de l’apprentissage d’un cours est en fin de la formation par un examen final. C'est-à-dire, l’enseignant doit attendre la fin de la formation pour valider la bonne assimilation de son cours par ses apprenants et cela n’est pas très efficace parce que ça sera un peu trop tard pour remédier aux problèmes de l’apprentissage, probablement rencontrés par leurs apprenants lors des différentes sessions d’apprentissage, favorisant ainsi leur désengagement et échec. Pour rendre les systèmes de E-learning plus performant et garantir un apprentissage réussi, nous proposons de leur intégrer un outil d’aide à la décision dédié à l’analyse et la prédiction des parcours d’apprentissage des apprenants en cours d’apprentissage, à partir de l’historique de l’apprentissage (fichiers logs). Cet outil permettra aux formateurs que ce soit des enseignants, des tuteurs ou des pédagogues, de suivre l’apprentissage de leurs apprenants et prédire leurs parcours d’apprentissage futurs permettant ainsi l’évaluation précoce de leur comportement d’apprentissage, s’il s’agira d’un comportement positif favorisant la réussite ou négatif amenant à un échec. Notre travail se focalise plus sur la tâche de prédiction qui complémente la tâche d’analyse des parcours d’apprentissage déjà réalisée. En fait, la prédiction des parcours des apprenants en cours d’apprentissage est basée sur les résultats obtenus des analyses des parcours d’apprentissage et plus particulièrement sur les modèles des parcours d’apprentissage découverts à partir de l’historique d’apprentissage (fichiers log) relatif aux apprenants, inscrits au même cours, ayant terminé leur apprentissage.Item Un modèle d’apprentissage pour la prédiction de maladies(Faculté des Sciences, 2022) SEDDIKI ,Imene; MEDJEDOUB ,Meriem; BENOUDINA ,LazharL'exploration de données, également appelée découverte de connaissances dans des sources de données, est un domaine de recherche important en informatique. Elle est largement utilisée dans la recherche scientifique (médecine, astronomie, analyse de données biologiques…). Cette discipline a connu une croissance importante ces dernières années grâce aux avancées récentes en intelligence artificielle et est maintenant appliquée dans plusieurs domaines. L’objet de réalisation de notre projet est d’exploiter les algorithmes et les méthodes de l’intelligence artificielle pour trouver une façon de prédire les maladies en fonction de symptômes données, en utilisant un data set d’un ensemble de données précédentes des patients dans les hôpitaux. Notre travail démontre l’efficacité de la méthode d’apprentissage automatique dans la médecine prédictive qui ajoute une valeur importante au secteur de sante et aux utilisateurs d’une façon générale.