dsotofor / Manuscrit

Commit 7c660b6385e2a5f35516abf02739f19bd7f5dd1b

Authored by dsotofor 2025-07-11 23:51:57 +0200

Exists in main

version all ok, corrections to do in general conclusion...

Showing 5 changed files with 9 additions and 6 deletions Side-by-side Diff

chapters/TS.aux
chapters/TS.tex
main.log
main.pdf
main.synctex.gz

...	...	@@ -28,9 +28,9 @@
28	28	\newlabel{figData}{{7.1}{77}{Répartition des notes générées selon le niveau de complexité.\relax }{figure.caption.46}{}}
29	29	\@writefile{lof}{\contentsline {figure}{\numberline {7.2}{\ignorespaces Niveaux de complexité des questions posées aux apprenants par les trois systèmes testés lors de la première séance avec un démarrage à froid (sans données initiales sur les apprenants). Gauche - RàPC, centre - recommandation déterministe (DM), droite - moyenne de 100 exécutions de recommandation stochastique (SM)\relax }}{78}{figure.caption.49}\protected@file@percent }
30	30	\newlabel{figCmp2}{{7.2}{78}{Niveaux de complexité des questions posées aux apprenants par les trois systèmes testés lors de la première séance avec un démarrage à froid (sans données initiales sur les apprenants). Gauche - RàPC, centre - recommandation déterministe (DM), droite - moyenne de 100 exécutions de recommandation stochastique (SM)\relax }{figure.caption.49}{}}
31		-\newlabel{eqMetric1}{{7.5}{78}{Résultats}{equation.7.2.5}{}}
32	31	\@writefile{lof}{\contentsline {figure}{\numberline {7.3}{\ignorespaces Niveaux de complexité des questions posées aux apprenants par les trois systèmes testés lors de la deuxième séance. Gauche - RàPC, centre - recommandation déterministe (DM), droite - moyenne de 100 exécutions de recommandation stochastique (SM)\relax }}{79}{figure.caption.50}\protected@file@percent }
33	32	\newlabel{figCmp3}{{7.3}{79}{Niveaux de complexité des questions posées aux apprenants par les trois systèmes testés lors de la deuxième séance. Gauche - RàPC, centre - recommandation déterministe (DM), droite - moyenne de 100 exécutions de recommandation stochastique (SM)\relax }{figure.caption.50}{}}
	33	+\newlabel{eqMetric1}{{7.5}{79}{Résultats}{equation.7.2.5}{}}
34	34	\newlabel{eqMetric2}{{7.6}{79}{Résultats}{equation.7.2.6}{}}
35	35	\newlabel{eqXc}{{7.7}{79}{Résultats}{equation.7.2.7}{}}
36	36	\newlabel{eqYc}{{7.8}{79}{Résultats}{equation.7.2.8}{}}
37	37
...	...	@@ -38,9 +38,9 @@
38	38	\newlabel{figCmp4}{{7.4}{80}{Niveaux de complexité des questions posées aux apprenants par les trois systèmes testés lors de la troisième séance. Gauche - RàPC, centre - recommandation déterministe (DM), droite - moyenne de 100 exécutions de recommandation stochastique (SM)\relax }{figure.caption.51}{}}
39	39	\@writefile{lot}{\contentsline {table}{\numberline {7.4}{\ignorespaces Résultats de la métrique $rp_c(x)$ (RàPC - Système sans module de recommandation, DM - Module de recommandation déterministe, SM - Module de recommandation stochastique)\relax }}{80}{table.caption.53}\protected@file@percent }
40	40	\newlabel{tabRM}{{7.4}{80}{Résultats de la métrique $rp_c(x)$ (RàPC - Système sans module de recommandation, DM - Module de recommandation déterministe, SM - Module de recommandation stochastique)\relax }{table.caption.53}{}}
41		-\newlabel{eqMetricS1}{{7.9}{80}{Résultats}{equation.7.2.9}{}}
42	41	\@writefile{lof}{\contentsline {figure}{\numberline {7.5}{\ignorespaces Fonction d'évaluation de la qualité de la recommandation pour un parcours standard\relax }}{81}{figure.caption.52}\protected@file@percent }
43	42	\newlabel{figMetric}{{7.5}{81}{Fonction d'évaluation de la qualité de la recommandation pour un parcours standard\relax }{figure.caption.52}{}}
	43	+\newlabel{eqMetricS1}{{7.9}{81}{Résultats}{equation.7.2.9}{}}
44	44	\newlabel{eqMetricS2}{{7.10}{81}{Résultats}{equation.7.2.10}{}}
45	45	\newlabel{eqCS}{{7.11}{81}{Résultats}{equation.7.2.11}{}}
46	46	\@writefile{toc}{\contentsline {subsection}{\numberline {7.2.3}Discussion et Conclusion}{81}{subsection.7.2.3}\protected@file@percent }

...	...	@@ -202,7 +202,7 @@
202	202	\label{figCmp4}
203	203	\end{figure}
204	204
205		-Pour comparer numériquement le système initial, l'algorithme déterministe et l'algorithme de recommandation proposé, un ensemble d'équations a été défini (équation \ref{eqMetric1} et équation \ref{eqMetric2}). Celles-ci permettent de décrire le système de recommandation idéal si l'objectif de l'apprenant est de suivre un apprentissage standard. Une valeur est calculée pour chaque niveau de complexité en fonction de la moyenne des notes et du nombre de questions recommandées dans ce niveau de complexité. L'objectif de cette mesure est d'attribuer un score élevé aux systèmes de recommandation qui proposent plus d'exercices au niveau de complexité où l'apprenant a obtenu une note moyenne plus basse, lui permettant ainsi de renforcer ses connaissances pour ce niveau de complexité. De la même manière, il est attendu que le système de recommandation propose moins d'exercices aux niveaux de complexité pour lesquels les notes moyennes sont élevées, l'étudiant ayant acquis des connaissances suffisantes à ces niveaux de complexité. Les scores faibles sont attribués aux systèmes qui recommandent peu d'exercices à des niveaux de complexité dont les notes moyennes sont faibles et, inversement, s'ils proposent beaucoup d'exercices à des niveaux de complexité dont les notes moyennes sont élevées.
	205	+Pour comparer numériquement le système initial, l'algorithme déterministe et l'algorithme de recommandation proposé, un ensemble d'équations a été défini (équation \ref{eqMetric1} et équation \ref{eqMetric2}). Celles-ci permettent de décrire le système de recommandation idéal si l'objectif de l'apprenant est de suivre un apprentissage standard, c'est à dire le parcours où l'objectif est d'avancer dans l'acquisition de la connaissance et les niveaux de complexité. Une valeur est calculée pour chaque niveau de complexité en fonction de la moyenne des notes et du nombre de questions recommandées dans ce niveau de complexité. L'objectif de cette mesure est d'attribuer un score élevé aux systèmes de recommandation qui proposent plus d'exercices au niveau de complexité où l'apprenant a obtenu une note moyenne plus basse, lui permettant ainsi de renforcer ses connaissances pour ce niveau de complexité. De la même manière, il est attendu que le système de recommandation propose moins d'exercices aux niveaux de complexité pour lesquels les notes moyennes sont élevées, l'étudiant ayant acquis des connaissances suffisantes à ces niveaux de complexité. Les scores faibles sont attribués aux systèmes qui recommandent peu d'exercices à des niveaux de complexité dont les notes moyennes sont faibles et, inversement, s'ils proposent beaucoup d'exercices à des niveaux de complexité dont les notes moyennes sont élevées.
206	206
207	207	\begin{equation}
208	208	%r_c=x+y-2xy
...	...	@@ -273,7 +273,7 @@
273	273	\label{tabRM}
274	274	\end{table}
275	275
276		-Les équations \ref{eqMetricS1} et \ref{eqMetricS2} permettent de caractériser un apprentissage progressif. Dans ce cas, un score élevé est attribué aux systèmes proposant plus d'exercices dans un niveau de complexité où les notes moyennes sont légèrement insuffisantes (4/10), plus flexibles avec des notes moyennes plus basses, et un petit nombre d'exercices pour des notes moyennes élevées. Les scores faibles sont attribués aux systèmes qui recommandent de nombreuses questions dans un niveau de complexité avec des notes moyennes élevées ou faibles.
	276	+Les équations \ref{eqMetricS1} et \ref{eqMetricS2} permettent de caractériser un apprentissage progressif ou de révision, où l'objectif est de renforcer la connaissance de chaque niveau de complexité avant d'avancer au suivant. Dans ce cas, un score élevé est attribué aux systèmes proposant plus d'exercices dans un niveau de complexité où les notes moyennes sont légèrement insuffisantes (4/10), plus flexibles avec des notes moyennes plus basses, et un petit nombre d'exercices pour des notes moyennes élevées. Les scores faibles sont attribués aux systèmes qui recommandent de nombreuses questions dans un niveau de complexité avec des notes moyennes élevées ou faibles.
277	277
278	278	\begin{equation}
279	279	rs_c(x)=e^{-\frac{2}{100}(32x_{0,c}^2-28x_{0,c}+10x_{1,c}-4)^2} ; \{x \in \mathbb{R}^2 \| 0<=x<=1\}

1		-This is pdfTeX, Version 3.141592653-2.6-1.40.25 (TeX Live 2023) (preloaded format=pdflatex 2023.5.31) 11 JUL 2025 23:11
	1	+This is pdfTeX, Version 3.141592653-2.6-1.40.25 (TeX Live 2023) (preloaded format=pdflatex 2023.5.31) 11 JUL 2025 23:51
2	2	entering extended mode
3	3	restricted \write18 enabled.
4	4	%&-line parsing enabled.
...	...	@@ -1819,6 +1819,9 @@
1819	1819	<use ./Figures/comp4.png>
1820	1820	Package pdftex.def Info: ./Figures/comp4.png used on input line 200.
1821	1821	(pdftex.def) Requested size: 427.43153pt x 209.23985pt.
	1822	+
	1823	+Underfull \vbox (badness 10000) has occurred while \output is active []
	1824	+
1822	1825	[78 <./Figures/comp2.png>]
1823	1826	Underfull \hbox (badness 10000) in paragraph at lines 223--224
1824	1827
...	...	@@ -2141,7 +2144,7 @@
2141	2144	lvetic/uhvr8a.pfb></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/helvetic/
2142	2145	uhvro8a.pfb></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/times/utmr8a.pf
2143	2146	b></usr/local/texlive/2023/texmf-dist/fonts/type1/urw/times/utmri8a.pfb>
2144		-Output written on main.pdf (122 pages, 5441622 bytes).
	2147	+Output written on main.pdf (122 pages, 5441460 bytes).
2145	2148	PDF statistics:
2146	2149	1836 PDF objects out of 2073 (max. 8388607)
2147	2150	1569 compressed objects within 16 object streams

No preview for this file type