Résumé:
Le data mining, ou La fouille de données, constitue le coeur d'un processus d'extraction des connaissances à partir d'un large volume de données. Son spectre d'applications s'élargit de plus en plus, mais il est relativement récent dans le domaine de l'éducation.
Dans le présent travail nous exposons un modèle prédictif du succès et de l'échec d'un parcours scolaire d'une population estudiantine. Pour atteindre cet objectif nous proposons une procédure qui va s'articuler autour des trois étapes suivantes:
- Dans un premier temps nous employons la technique du clustering pour structurer la population en groupes. Pour ce faire, nous proposons dans ce mémoire une version améliorée de l'algorithme k-means que nous baptisons t-means.
- Dans un deuxième temps nous utilisons un réseau bayésien pour modéliser le parcours éventuel de chaque groupe vers une situation de succès ou une situation d'échec.
- Par la suite nous exposons une procédure de caractérisation des groupes dans le but de saisir les facteurs déterminants qui mènent à une situation d'échec.
Enfin, le travail que nous défendons dans ce mémoire présente des intérêts forts intéressants notamment dans l'explication de l'échec scolaire, qui devient de plus en plus un phénomène très préoccupant, et dans la contribution du développement d'un système d'évaluation pédagogique avancé.
