추론 통계 (Statistiques inférentielles)1. 목표 (Objectif)분포 비교: 두 데이터 분포 간의 차이를 평가하거나, 변수들 간의 관계를 확인. comparaison de distribution예시:"A반과 B반 학생들의 성적에는 차이가 없다."이는 **귀무가설hypothèse nulle (H0)**로 설정되며, 통계 검정을 통해 이를 기각하거나 수용.2. 방법 (Méthode)가설 검정 (Test d’hypothèse):귀무가설 hypothèse nulle (H0): 두 그룹 간 차이가 없거나 효과가 없음을 주장.연구에서 검증하고자 하는 기본 가설로, 보통 "차이가 없다"거나 "효과가 없다"고 가정.예: "A반과 B반의 평균 성적에 차이가 없다." "기계의 평균 출력은 100..

교육 데이터의 전처리 및 통계 분석 개념문맥 (Contexte):온라인 학습 환경의 발전: 기존의 교실 기반 평가 방법이 온라인 학습 환경에 적합하지 않음.새로운 형태의 데이터 수집 및 분석이 필요.새로운 데이터 수집 방법 (Nouveaux moyens de collecter des données):서버 로그 또는 소프트웨어 로그 (Logs) Logs du serveur web ou du logiciel lui-même:특징: 소프트웨어나 웹 서버가 생성한 데이터 로그를 활용.형식: 표준화된 형식(e.g., xAPI) 또는 소프트웨어 고유 형식.종단적 데이터 (Données longitudinales):학습 과정 전체를 따라 수집된 데이터.특징: 단순한 결과(결과값) 대신 과정 중심의 데이터를 제공.정확..

교육 데이터 마이닝(EDM)의 연관 분야: 학습 분석 (러닝아날리틱스 Learning Analytics)두 커뮤니티의 협력 (EDM과 LAK):EDM (Educational Data Mining): 빅데이터를 활용한 학습 과정의 자동화된 발견에 초점.LAK (Learning Analytics and Knowledge): 인간의 판단을 활용하여 교육 데이터를 분석하고 시각화.교육 데이터 마이닝(EDM)과 학습 분석 (러닝아날리틱스 Learning Analytics) 주요 차이점 Learning Analytics (LA)Educational Data Mining (EDM)발견 과정 (Découverte)인간 판단이 자동화된 발견을 보조자동화된 발견이 인간 판단을 보조접근법 (Approche)전체 시스템의 거..

교육 데이터 마이닝(EDM)의 주요 접근법 (Approches principales)예측 (Prédiction):목적: 데이터의 특정 측면(예: 성적, 중도 탈락 등)을 예측하기 위해 다른 변수들의 조합을 활용.특징: 레이블된 데이터(ground truth)가 필요하며, 지도 학습(supervised learning) 기법 사용.클러스터링 (Clustering):목적: 데이터의 구조를 파악하고, 비슷한 데이터 포인트를 그룹화.특징: 비지도 학습(unsupervised learning) 방법론으로 레이블이 없는 데이터에 사용.관계 탐색 (Relationship Mining):목적: 변수 간의 관계를 발견.방법:연관 규칙(Association rules)상관 관계(Correlation)패턴 시퀀스 탐색(Se..

데이터 마이닝 (Fouille de donnée / Data Mining):정의: 데이터를 기반으로 지식을 추출하는 과정FR: (ECD)  Extraction de connaissance à partir de donnés  EN: Knowledge Discovery from Data (KDD)영어 용어: 데이터 마이닝 (DM)목적: 대규모 데이터 세트에서 새로운 정보를 발견하는 것데이터 마이닝의 응용 분야:마케팅, 생물정보학, 테러 방지... 그리고 교육.교육 데이터 마이닝 (EDM : Educational Data Mining):목적: 학생과 그들의 학습 환경을 더 잘 이해하는 것특징:다양한 데이터 유형 활용: 로그 데이터, 현장 관찰, 설문지, 실험실에서의 생리학적 측정 데이터 등다양한 데이터 수준 ..