| Numéro |
J3eA
Volume 21, 2022
CETSIS 2021 – Colloque de l’Enseignement des Technologies et des Sciences de l’Information et des Systèmes
|
|
|---|---|---|
| Numéro d'article | 2016 | |
| Nombre de pages | 8 | |
| DOI | https://doi.org/10.1051/j3ea/20222016 | |
| Publié en ligne | 28 septembre 2022 | |
Prédiction de l’intérêt dans un SPOC
LTIM, Faculté des Sciences Ben M’Sick de Casablanca
* namirkhalil.95@gmail.com
* naimbel2000@gmail.com
* h.benlahmer@gmail.com
* abd.namir@gmail.com
Dans ce travail, nous présentons d’abord une revue de la littérature concernant l’analyse du comportement des utilisateurs avec les vidéos aussi bien celles présentes sur le web que celles des environnements MOOCs, SPOCs et e-learning. Également, nous proposons un modèle pour prédire l’intérêt d’un utilisateur par rapport à une vidéo dans un SPOC (Small Private Online Course) en utilisant les probabilités conditionnelles. Il consiste à suivre et enregistrer les interactions d’un utilisateur avec la vidéo au niveau clic, en l’occurrence : Play, Pause, Move Back, Move Forward, Replay et Download. Ensuite, nous utilisons les probabilités conditionnelles pour inférer l’intérêt d’un utilisateur par rapport à la vidéo visionnée d’une manière implicite. Pour cela, nous considérons les comportements observables suivants comme des indicateurs implicites d’intérêt : le temps total de visionnement, l’action de relecture (Replay), l’action de revoir certains segments de la vidéo (Move Back) et l’action de téléchargement de la vidéo (Download). Des calculs sur un échantillon de test sont présentés pour illustrer le modèle proposé.
Mots clés : Clic / Inférence / Modélisation / MOOC/SPOC / Prévision / Probabilités conditionnelles / Vidéo
© The authors, published by EDP Sciences 2022
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (https://creativecommons.org/licenses/by/4.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
Les statistiques affichées correspondent au cumul d'une part des vues des résumés de l'article et d'autre part des vues et téléchargements de l'article plein-texte (PDF, Full-HTML, ePub... selon les formats disponibles) sur la platefome Vision4Press.
Les statistiques sont disponibles avec un délai de 48 à 96 heures et sont mises à jour quotidiennement en semaine.
Le chargement des statistiques peut être long.