Analyse statistique implicative
| Autor: | Régis Gras, Jean-Claude Regnier, Fabrice Guillet |
|---|---|
| Přispěvatelé: | Laboratoire d'Informatique de Nantes Atlantique (LINA), Mines Nantes (Mines Nantes)-Université de Nantes (UN)-Centre National de la Recherche Scientifique (CNRS), Interactions, Corpus, Apprentissages, Représentations (ICAR), École normale supérieure de Lyon (ENS de Lyon)-Université Lumière - Lyon 2 (UL2)-INRP-Ecole Normale Supérieure Lettres et Sciences Humaines (ENS LSH)-Centre National de la Recherche Scientifique (CNRS), Psicologia da Educação Matematica (PSIEM), Universidade de Campinas Faculdade de Educação-Universidade Estadual de Campinas = University of Campinas (UNICAMP), Ciências Cognitivas e Tecnologia Educacional, Universidade Federal de Pernambuco [Recife] (UFPE), École normale supérieure - Lyon (ENS Lyon)-Université Lumière - Lyon 2 (UL2)-INRP-Ecole Normale Supérieure Lettres et Sciences Humaines (ENS LSH)-Centre National de la Recherche Scientifique (CNRS), UNICAMP-Universidade de Campinas Faculdade de Educação |
| Jazyk: | francouzština |
| Rok vydání: | 2009 |
| Předmět: | |
| Zdroj: | CEPADUES Editeur, pp.510, 2009 HAL |
| Popis: | L'analyse statistique implicative (ASI) est une méthode d'analyse de données non symétrique, conçue par Régis Gras il y a une trentaine d'années. A travers thèses, articles de revues, livres et colloques, elle a été développée et l'est encore par lui, par des doctorants ou avec la collaboration d'équipes de recherche universitaires en France et à l'étranger. Puisant ses origines épistémologiques en didactique des mathématiques, son point de départ est un questionnement sur la complexité de l'apprentissage-enseignement des mathématiques. À visée prédictive, elle conduit en effet, dans un premier temps, à une modélisation et une mesure des relations implicatives entre deux observations comportementales a et b, du type « si on observe a alors on a aussi tendance à observer b, et ceci de manière statistiquement significative ». Par la suite, son extension, toujours en réponse à des attentes applicatives, a permis d'extraire de données volumineuses une structure de l'ensemble de variables en jeu, de les conjoindre, d'en élargir les types observés – binaire, numérique, intervalle, flou, vectoriel, rang – sur un ensemble de sujets, puis de construire une structure duale entre ces deux ensembles. Cet ouvrage a pour objectif d'en rappeler la genèse unificatrice, de dresser un panorama récent des concepts, des modèles, des méthodes, des images graphiques et des applications de l'ASI. Les 31 chapitres qui le composent sont regroupés en 3 parties principales dont la dynamique est la suivante : • La Partie 1 constitue une sorte de cours, à la manière d'un manuel qui balaierait l'ensemble des concepts formant le cœur de l'ASI, illustré par des exemples didactiques numériques ou graphiques ; • La Partie 2 aborde des compléments, des extensions et l'informatisation de ces concepts qui en montrent le caractère stimulant, innovant et fécond en data mining ; • La Partie 3 présente une sélection d'applications qui illustrent les apports de la démarche développée par l'ASI dans des domaines variés, à la recherche de pistes causales en didactiques, pédagogie, psychologie, sociologie, bio-informatique, histoire de l'art, etc. Cet ouvrage, auquel ont contribué plus de 30 auteurs de disciplines diverses, est préfacé par Djamel ZIGHED, co-Directeur de la Revue des Nouvelles Technologies de l'Information et Président de l'Association internationale francophone « Extraction et Gestion des Connaissances ». |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|