Application d'exploration de données pour déterminer le rendement scolaire des élèves: Actualités scolaires actuelles

Application d'exploration de données pour déterminer le rendement scolaire des étudiants

Application d'exploration de données pour déterminer les performances scolaires des étudiants.

RÉSUMÉ

Le projet s'est principalement concentré sur le développement d'une application d'information à partir d'un pool de données (c'est-à-dire une grande base de données) pour former la base de la prise de décision. Les informations extraites de la base de données au cours du processus d'exploration de données peuvent être présentées sous forme graphique sous forme de motifs graphiques, d'histogramme, etc. et également sous forme de texte.

La raison pour laquelle le projet est suggéré est la nécessité d'utiliser un support logiciel pour assainir les normes académiques grâce à une prise de décision informatisée.

Le package d'exploration de données peut présenter des raisons et des facteurs clairs qui affectent les performances des étudiants et permettre ainsi aux administrateurs de trouver des moyens stratégiques de résoudre ces problèmes.

Le package sera développé dans un environnement de développement intégré .net (dot net) (.net IDE).

Le package IDE est choisi suite au fait que les informations extraites doivent être présentées dans un format pictural / graphique amélioré et une communication facile avec la base de données pour la flexibilité du programme dans la plate-forme Windows.

TABLE DES MATIÈRES

Titre de page

Certifications

Dévouement

Accusé de réception

Abstrait

Table des matières

CHAPITRE PREMIER: INTRODUCTION GÉNÉRALE                                           

1.1 Introduction

1.2 Énoncé du problème

1.3 Buts et objectifs

1.4 Importance de l'étude

1.5 Portée et limites

1.6 Organisation du rapport

1.7 Définition des termes / acronymes

CHAPITRE DEUX: REVUE DE LA LITTÉRATURE

2.4 Exploration de données dans l'enseignement supérieur

2.0 Révision du texte général

2.1 Recherche et évolution du data mining

2.2 Processus d'exploration de données

2.3 Analyse académique

2.4 Exploration de données dans l'enseignement supérieur

CHAPITRE TROIS: MÉTHODOLOGIE DU PROJET        

3.1 Méthodes de collecte des données

3.2 Description du système existant

3.3 Problèmes du système existant

3.4 Description du système proposé

3.5 Avantages du système proposé

3.6 Méthodologies de conception et de mise en œuvre

CHAPITRE QUATRE: CONCEPTION, MISE EN ŒUVRE ET DOCUMENTATION DU SYSTÈME

4.1 Conception du système

4.1.1 Conception de sortie

4.1.2 Conception des entrées

4.1.3 Conception de la base de données

4.1.4 Conception de la procédure

4.2 Mise en œuvre du système

4.2.1 Support matériel

4.2.2 Support logiciel

4.3 Documentation du système

4.3.1 Fonctionnement du système

4.3.2 Maintenance du système

CHAPITRE CINQ: RÉSUMÉ ET CONCLUSION

5.1 Résumé

5.2 Conclusions

5.3 Recommandation

Références

ANNEXES

INTRODUCTION

Données santé respiratoire exploitation minière est une branche de l'informatique science qui traite du processus d'extraction motifs à partir de grands ensembles de données en combinant des méthodes issues des statistiques et de l'intelligence artificielle avec la gestion de bases de données.

L'exploration de données est considérée comme une activité de plus en plus important outil par les entreprises modernes pour transformer les données en intelligence d'affaires donnant un avantage informationnel. Il est actuellement utilisé dans un large éventail de pratiques de profilage, telles que le marketing, la surveillance, la fraude détection, et découverte scientifique. [Clifton, 2010]

Les termes associés dragage de données, pêche de données et espionnage de données se réfèrent à l'utilisation de techniques d'exploration de données pour échantillonner des parties de l'ensemble de données de population plus importantes qui sont (ou peuvent être) trop petites pour que des inférences statistiques fiables puissent être faites sur la validité de tout modèle. découvert.

Ces techniques peuvent toutefois être utilisées pour créer de nouvelles hypothèses afin de tester des populations de données plus importantes. [Clifton, 2010]

Références

Alex Guazzelli, Wen-Ching Lin, Tridivesh Jena (2010). PMML en action: libérer la puissance des normes ouvertes pour l'exploration de données et l'analyse prédictive. CreateSpace.
Arnold KE (2010). Signaux: Application d'analyses académiques. Educause Quarterly, 33.
Black EW, Dawson, K. et Priem, J. (2008). Données gratuites: utilisation des journaux d'activité LMS pour mesurer la communauté dans les cours en ligne. Internet et enseignement supérieur.
Campbell JP (2007). Utilisation des données sur les étudiants dans le système de gestion des cours pour déterminer la réussite scolaire des étudiants de premier cycle: une étude exploratoire. Thèse de doctorat non publiée, Purdue University.
Campbell JP, DeBlois PB et Oblinger DG (2007). Analyse académique: un nouvel outil pour une nouvelle ère. Revue Educause.
Castro F., Vellido A., Nebot A. et Mugica F. (2007). Application de techniques d'exploration de données à des problèmes d'apprentissage en ligne. Etudes en intelligence informatique.
Cook CE, Wright M. et O'Neal C. (2007). Recherche-action pour l'amélioration de l'enseignement: utiliser les données pour améliorer l'apprentissage des étudiants dans votre établissement. Améliorer l'académie.
Clifton Christopher (2010). «Encyclopedia Britannica: Définition de l'exploration de données». http://www.britannica.com/EBchecked/topic/1056150/data-mining.  
Conseil N. (2001). «Savoir ce que l'élève sait. La science et la conception de l'évaluation pédagogique ». Presse académique nationale. Washington, DC 2001
Ellen Monk, Bret Wagner (2006). Concepts in Enterprise Resource Planning, deuxième édition. Thomson Course Technology, Boston, MA.
Emmanuel N. Ogor, 1991, «Partir tôt: non-achèvement du premier cycle dans l'enseignement supérieur». Philadelphie: Palmer Press. 1991
Fayyad Usama, Gregory Piatetsky-Shapiro et Padhraic Smyth (1996). «De l'exploration de données à la découverte de connaissances dans les bases de données». http://www.kdnuggets.com/gpspubs/aimag-kdd-overview-1996-Fayyad.pdf.  

Tags:

Les commentaires sont fermés.