Contribution à la prédiction de la réussite et l’orientation des étudiants à base de E-learning et du Big Data

Abstract

Les technologies d’information et de communication, sont récemment introduites dans plusieurs domaines, notamment l’enseignement, pour l’intérêt de renforcer et faciliter le flux de l’apprentissage. E-learning est un type de formation en ligne et à distance. Il utilise l’internet et les nouvelles technologies numériques. Son point fort, il fournit aux apprenants un accès à distance aux différents contenus et des supports d’apprentissage. Et pour promouvoir et consolider la formation des apprenants afin d’avoir de bonnes qualités et de bonnes connaissances dans leurs domaines. Dans le cadre de cette thèse, notre but, est de profiter les avantages et les données issues des plateformes ELearning, afin de construire un modèle et un concept plus efficace, pour arriver à l’objectif principal de l’enseignement qui est l’apprentissage et la réussite de l’étudiant. La réussite de l’étudiant dépend de plusieurs paramètres, notamment l'orientation scolaire. C’est une opération primordiale et aussi une étape décisive pour l’étudiant. Elle dirige le parcours scolaire d’une manière positive ou négative. Il existe plusieurs facteurs qui influencent le choix de la spécialité, à savoir les notes de l’étudiant, le nombre d’absence, selon les matières, le désir, les penchants de l'étudiant, etc. Dans le cadre de cette thèse, pour mettre en évidence et analyser l’effet de ces facteurs, nous avons récupéré les activités et les comportements des étudiants à partir des plateformes du ELearning : Moodle, Sakai, Claroline, Easy LMS, OpenEdx, TalentLMS. De plus, au cours de cette thèse, nous avons montré que ces plateformes ne fournissent pas les mêmes propriétés, ainsi que le choix de la plateforme est lié à l’objectif de l’utilisation de cette dernière. Pour trouver la plateforme adéquate à notre objectif, on a comparé les plateformes précédentes en utilisant la méthode MCDM avec un ensemble des critères. En outre, vu le nombre progressif des étudiants, le nombre des spécialités, ainsi que la diversité des sources de données, les méthodes de stockage et de traitement utilisé par les spécialistes de l’enseignement et de l’apprentissage, sont limitées. Elles ne peuvent pas rendre les services de l’orientation scolaire et la prédiction de réussite ou l’échec de l’étudiant en temps réel. La solution Thèse de doctorat FST BENI MELLAL (Année 2022) Page 12 proposée dans cette thèse, est l’utilisation de la technologie Big Data. Cette technologie permet le stockage distribué des données ainsi que le traitement des données qui se fait d’une manière parallèle à l’aide des algorithmes de Data Mining sous Map Reduce. Les algorithmes utilisés sont : Les réseaux de neurones, les réseaux bayésiens, le K-plus proche voisins, les forêts aléatoires et les SVMs.