Définition d’un jeu sérieux

Table des matières

INTRODUCTION
CHAPITRE 1 JEUX SÉRIEUX 
1.1 Introduction
1.2 Définition d’un jeu sérieux
1.3 Classification des jeux sérieux
1.4 Jeux sérieux dans le contexte de l’éducation
1.4.1 Les jeux sérieux éducatifs et l’intelligence artificielle
1.4.2 Les jeux sérieux éducatifs et la motivation des apprenants
1.4.3 Les jeux sérieux éducatifs et l’apprentissage collaboratif : Jeu 2.0
1.5 Jeux sérieux pour la stimulation cognitive
1.6 Adaptation des jeux sérieux
1.6.1 Définition de l’adaptation
1.6.2 Exemples d’études sur l’adaptation des jeux sérieux
1.7 Jeux sérieux et évaluation
1.8 Jeux sérieux et forage de données
1.8.1 Définition du forage de données (Data Mining)
1.8.2 Étapes de forage de données
1.8.3 Classification des techniques de forage de données
1.8.4 Exemples d’études sur le forage de données des jeux sérieux
1.9 Conclusion
CHAPITRE 2 MÉTHODES DE FORAGE DE DONNÉES : RÉGRESSION LINÉAIRE ET REGROUPEMENT 
2.1 Introduction
2.2 Modèles de régression linéaire
2.2.1 Régression linéaire simple
2.2.2 Régression linéaire multiple
2.2.3 Indicateurs de qualité des modèles de régression linéaire
2.3 Regroupement (Clustering)
2.3.1 Regroupement : définition et méthodes
2.3.2 Méthode de partitionnement K-moyennes (Kmeans)
2.3.3 Indicateurs de qualité du regroupement
2.4 Conclusion
CHAPITRE 3 SCÉNARIOS D’ANALYSE 
3.1 Introduction
3.2 Scénarios d’analyse
3.2.1 Scénario d’analyse basé sur le jeu
3.2.2 Scénario d’analyse basé sur le joueur
3.2.3 Choix du scénario d’analyse
3.3 Conclusion
CHAPITRE 4 EXPÉRIMENTATION 
4.1 Introduction
4.2 Prétraitement
4.2.1 Description du jeu sérieux « Science en jeu »
4.2.2 Description de la base de données «Scienceenjeu»
4.2.3 Description des outils
4.2.4 Préparation des données
4.2.4.1 Transformation des données
4.2.4.2 Détection et élimination des valeurs aberrantes
4.2.4.3 Détection et élimination des valeurs extrêmes
4.3 Modélisation : modèle de régression linéaire multiple
4.3.1 Contexte de l’expérimentation
4.3.1.1 Choix de la méthode de régression et critères d’évaluation du modèle
4.3.1.2 Variables dépendantes et variables indépendantes
4.3.1.3 Échantillonnage
4.3.2 Corrélation entre les variables
4.3.3 Résultats de l’application du modèle de régression linéaire multiple
4.3.3.1 Résultats de la régression linéaire multiple pour le nombre de neurones
4.3.3.2 Résultats de la régression linéaire multiple pour le nombre de talents
4.3.3.3 Résultats de la régression linéaire multiple pour le nombre de cortex
4.3.3.4 Résultats de la régression linéaire multiple pour la durée totale des sessions
4.3.4 Analyse des résultats
4.3.5 Interprétation des résultats
4.4 Modélisation : Regroupement (Clustering)
4.4.1 Contexte de l’expérimentation
4.4.2 Résultats de l’application du regroupement avec K-moyennes
4.4.2.1 Résultats du regroupement pour le nombre de neurones
4.4.2.2 Résultats du regroupement pour le nombre de talents
4.4.2.3 Résultats du regroupement pour le nombre de cortex
4.4.2.4 Résultats du regroupement pour la durée totale des sessions
4.4.3 Analyse des résultats
4.4.4 Interprétation des résultats
4.5 Conclusion
CONCLUSION