Python语言学习的资源和路径马赫迪·米莱德引用此版本：马赫 迪·米莱 德。学 习Python语言 的资源 和路径 教育。Cachan高等 师范学 校法语 。NNT：2014DENS0045。电话：01149191HAL ID：电话：01149191https://theses.hal.science/tel-01149191提交日期：2015年HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire博士论文在Cotutelle之间的高等师范学校的卡尚由Mahdi Miled介绍要获得的等级卡尚高等师范学校博士域：信息学论文题目：PYTHON语言学习的资源和途径论文于2014年11月26日在ENS Cachan向评审团提交并答辩，评审团成员阿兰·德里克名誉教授总统塞巴斯蒂安·乔治教授报告员万达·卢恩戈HDR高级讲师报告员埃里克·布鲁拉德教授论文指导亨达·本·盖泽拉教授论文联合主任克里斯托斯·雷菲会议主持人框架莫娜·拉鲁西会议主持人共同监督2谢谢你我要感谢Eric Bruillard欢迎我来到ENS de Cachan的STEF实验室，并指导我的研究工作。我能够受益于他的研究经验，同时在我的工作中保持自由。我感谢Henda Hajjami Ben Ghezela我要感谢Christophe Reffay，由于我感谢Mona Laroussi的可用性和她的宝贵建议，使我能够完成这项工作。我还要感谢Vanda Luengo和Sébastien George同意评估我的工作并担任本论文的报告员。他们明智的建议和建议J’exprime mes sincères remerciements à Alain Derycke qui m’a fait l’honneur d’êtreprésident de ce我感谢Elisabeth Delozanne的后续行动和这些方法上的基准，这些基准证明是非常有用的。我要感谢我不忘感谢France-IOI协会帮助我启动了各种实验，特别是Mathias Hiron和Loïc Février的合作。我还要感谢所有以任何方式为这项工作作出贡献的人。3PYTHON语言学习的资源和路径：在Epistemic材料表感谢2材料表3插图表7表9算法表9一般性介绍101.动机、问题和研究目标102.学习Python 103.方法和程序114.捐款125.论文的组织13第一部分：理论锚点、文献综述和工作.............................................................................................................定位15第一部分导言15第1章：数字资源和学习路径16I.第17章介绍II.学习对象：不同的名称，但目标III.P学习资源的所有权1.数字学习资源的一些属性2.L’indexation deIV.基于层次结构和粒度的学习资源描述M模型................................................................................................................1.CISCO 21型号2.Heiwy和Ducateau模型 213.SCORM 22模型4.学习能力235.Verbert和Duval模型 24VI.学习对象的VII.从学习资源到学习路径25.1.学习路径的概念2.教学脚本263.作为Python 26语言VIII.C结论..........................................................................................................................................................................................27第2章：数字学习资源的访问和编辑环境30I.第31章介绍II.获取资源的环境31.1.学习资源仓库便利获取的资源2.LMS 333.用于学习编程的专用环境34III.资源的设计和1.L’édition collaborative2.MediaWiki案例363.用于创建资源的一些协作工作工具（CSWW）和作者工具364.用于访问协作资源和活动的服务45.访问和创建学习资源的平台IV.C结论..........................................................................................................................................................................................40第3章：可视化、资源导航和活动跟踪...............................................................................................................42I.第43章介绍II.可视化和导航领域43.1.图形中的信息可视化2.EIAH中的信息可视化3.一些图形可视化工具和界面45III.相互作用的痕迹1.EIAH 49中的痕迹概念2.EIAH 49中的跟踪和指标3.目标和宗旨494.原始轨迹和模型轨迹505.轨道上的指示器516.L’expérience tracée et l’acquisition dynamique7.声明性痕迹518.活动痕迹和声明痕迹之间的联系IV.C结论..........................................................................................................................................................................................52第4章个性化和自适应超媒体53I.第54章介绍II.ENENENSE：从多功能性、适应性到个性化54III.PROFIL，用户模型IV.超媒体的适应技术551.自适应演示技术552.自适应导航和支持技术56V.自适应超媒体系统571.适应趋势2.学习对象和路径的跟踪和个性化VI.C结论..........................................................................................................................................................................................59第五章：教育中的数据挖掘61I.第62章介绍II.教育中数据挖掘的常见技术和算法621.监督学习622.无监督学习64III.需要进行哪些分析？需要寻找哪些分析？.......................................................................................... 66IV.O用于教育数据挖掘的特定工具和平台68V.对教育数据挖掘的态度和看法69VI.C结论..........................................................................................................................................................................................70第一部分的结论71第二部分：从静态书信图形到自适应书信超媒体............................................................................................ 73第二部分导言73第1章：一般和全球方法：在出版和导航之间I.第75章介绍II.基于出版和浏览活动之间的文章化的资源生命周期..................................................................................................1.框架点和限制752.为什么要链接编辑和导航？..............................................................................................................763.如何将这些活动联系起来？..............................................................................................................764.一般建模77III.这种方法的预期贡献78IV.C结论..........................................................................................................................................................................................80第二章：史诗的图形：资源和路径的神经系统5I.第82章介绍PYTHON语言学习的资源和路径：在EpistemicII.第82章第一次见面1.目标和动机822.法国-IOI 83平台3.概念和先决条件图83III.在法国案例中应用Epistemes的图形-IOI 86IV.C结论..........................................................................................................................................................................................88第3章：协作设计、动态导航和轨迹建模89I.引言90II.协作过程的建模901.从设计模板到2.学习者、任务和领域模型3.93单元的状态建模4.基于先前路径影响的单位图刷新模型5.自动更新机制97III.轨迹的建模971.定义982.我们如何测量和评估轨迹？..............................................................................................................993.使用语义网络进行轨迹建模101IV.I出版和导航之间依赖关系的稳定性104V.C.结论............................................................................................................................................................................................ 106第4章原型的一般结构107I.第108章介绍................................................................................................................................................................................II.U N可视化工具作为动态导航的支点1081.目标1082.可视化工具的集成1083.测试III.你没有在Cloudscorm 111上实施EpistemsIV.P型探测器1121.功能和受影响的用户1122.与编辑和导航相关的跟踪1133.实施的选择1144.访问功能116V.PRototypeHI PPY 1201.数据模型和实现元素2.在认识超媒体中导航1223.个体化认知评估的实施VI.C结论....................................................................................................................................................................................... 128第5章：迈向教育中数据分析的统一过程I.第一章导言...................................................................................................................................................................................131II.针对简单和交叉请求的数据选择、1311.关于宏观轨迹的请求1312.关于微轨迹的请求1323.对认识轨迹的质疑133III.五、通过数据挖掘工具获取和利用数据1331.从表导入数据1342.数据的调整1343.搜索算法的应用135IV.C跟踪数据和调查问卷的交叉引用：建立声明性...........................................................................................V.C结论............................................................................................................................................................................................. 137结论第二部分1386第三部分：测试、实验和结果139第三部分的导言139第1章：可视化算法的比较分析140I.第141章第一次见面..........................................................................................................................................................................II.P旋转器和方法跟踪141III.M执行时间的测量IV.C担保和结果142V.C结论............................................................................................................................................................................................. 145第2章：超媒体EpistemicHIPPY146I.第147章第一次见面..........................................................................................................................................................................II.错误实验147III.M伦理学........................................................................................................................................................................................1471.初始假设1472.情景和任务1483.EIAH 148中的可用性和实用性4.资源和执行1495.实验的背景和阶段IV.C结论....................................................................................................................................................................................... 150第3章：结果和评价151I.第一章导言...................................................................................................................................................................................152II.使用HMI 152标准进行III.从152个痕迹中鉴定出R个结果1.一般轨迹数据1522.搜索算法的结果1563.调查结果和讨论1614.基于导航数据的资源的第一次更新161IV.调查表162的结果1.针对学习者的问卷调查162V.C将调查问卷的结果与跟踪数据结合起来169VI.C结论....................................................................................................................................................................................... 171结论第三部分172第173号一般性结论索引176参考书目178附件193I.194年春天，霍斯顿下的书信图的M数据模型II.JSON下的M数据模型（适用于 JIT框架工作）200III.我是最伟大的。XML（存档SCORM）218IV.QUELQUES ZEND FRAMEWORK文件（模型、视图和控制器）2241.配置2242.应用程序的组织2253.PRECEPTOR 225应用程序的一些文件V.RDF 255中的轨迹模型VI.原型HI PPY 263的 PHP文件1.文件Episteme.inc.php 263的摘录VII.XML中的分析过程示例1.Weka等级混杂265VIII.第267章第一次见面....................................................................................................................................................................摘要270摘要2707PYTHON语言学习的资源和路径：在Epistemic插图表图1：第一部分各章之间的联系15图2：不同方法下的资源生命周期（Catteau，2008年a）20图3：CISCO 21图4：学习资源模型图5：SCORM 23图6：学习率内容模型（根据Duval和Hodgins 2003）24图7：Verbert和Duval 24图8：根据ARIADNE 32方法的生命周期图9：MERLOT 33图10：代码学院35图11：Connections 38图12：Khanacademy 39图13：径向图44图14：树图44图15：Arbor.js 46图16：Canviz 46图17：Js-graph.it 47图18：珍珠树48图19：M轨迹的变换（Djouad等人，（2009年）50图20：适应技巧（根据Brusilovsky）57图21：适应周期（Brusilovsky，1996）58图22：C4.5诱导的决策树（&图23：集群收敛的结果（Wu&Kumar，2010）64图24：认知超媒体的分层架构72图25：第二部分各章之间的联系73图26：设计和资源使用之间的依赖关系77图27：编辑活动和导航之间的关系图28：表位图的一部分的插图奥尔蒂斯84图29：对"迷宫"练习84有用的概念子图的解释图30："迷宫"练习的主题85图31：认识词"显示" 86图32：生成的图France-IOI 87图33：协作设计和编辑流程91图34：用例图91图35：协作流程图92图36：练习和认识词93图37：94台设备的图38：微轨迹98的结构图39：一组有序.......................................................................................................................图40：认识8图41：3级轨迹结构100图42：有效路径的建模101图43：Protegé 101路径9图44：轨迹103的图45：基于轨迹的修订过程105图46：Dhoston Springy 109的首字母缩略词图47：使用ForceDirected 110的首字母图48：使用HyperTree 110的图49：带有RGraph 111的图50：CloudScorm 112环境图51：生成编辑和导航轨迹的过程114图52：Preceptor 115应用程序的图53：PRECEPTOR 116原型图54：Ajax跟踪请求116图55：PRECEPTOR 117原型图56：编辑JSON 118模板图57：单元119图58：编辑120台设备图59：HiPPY 122图60：任务123的无方向图61：任务"迷宫" 124图62：发送打开的Epistema 125图63：轨迹记录示例125图64：导航适应和认识诊断126图65：宏轨迹查询131图66：交叉查询微轨迹133图67：给出未使用的认识词的查询133图68：认知轨迹事件的定量概述133图69：将属性2、3和7（idUser、idEpisteme和idContext）从数字转换为标称值134图70：在Weka 135图71：使用RapidMiner 136图72：使用Knime 136图73：跟踪和调查问卷之间的交叉请求示例137图74：第三部分各章之间的联系139图75：基准测试141图76：按可视化类型划分的执行时间142图77：ForceDirected 143图78：HyperTree 143图79：RGraph 144图80：根据已解决练习数的用户数图81：用户21372 154的认知轨迹摘录图82：用户21372 154图83：任务1869（Hello World）的用户5379的微轨迹摘录!）............................................................................................................................................. 155图84：三个用户（21134、21867和21909）.......................................................................在图85：n= 4，157时图86：Knime 159图87：微轨迹中的重复图案16010图88：动态导航评估（n=121：全部）164图89：动态导航评估（左n=58：非ISN男孩，右n=32：非ISN单身男孩）16411PYTHON语言学习的资源和路径：在Epistemic图90：动态导航评估（n=14，非初学者程序员）... 165图91：个体化认知诊断的评估（左n=12：全部，右n=58：非NSI男孩）..........................................................................165图92：个体化认知诊断评估（n=26：不包括ISN的初学者）................................................................................................................................................ 166图93："相关概念"选项卡的有用性评估.............................................................................图94：来自开放式响应的关键词云168图95：来自开放响应的关键字依赖关系图169图96：申报效用与实际使用之间的关系170图97：Zend Framework 225图片表1：一些动态可视化库的比较48表2：学习资源表3：认识词和路径指标94表4：资源的更新行动（按级别和参与者）.........................................................................96表5：原型支持的层128表6：关于FUOE、FUTO和TUOE 170算法表算法1：图126的算法2：计算传递闭包（Warshall）127算法3：图127算法4：计算跳过的练习132算法5：反向练习的计算13212一般介绍虽然共享和编辑学习资源的问题已经得到了解决，但随着Web 2.0的出现，这个问题又得到了更新，它们在教育领域的应用尤其有希望。在这种参与性和贡献性的背景下，用户不仅是内容的消费者，而且也是内容的生产者。1. 动机、问题和研究在EIAH领域，我们的工作目标是提出一种机制，通过学习单元网络在学习过程中支持学习者，并在较小程度上帮助设计者或教师编辑这些单元的内容。因此，这促使我们思考学习对象的设计/编辑与学习对象的使用/导航之间的关系（这不一定是微不足道的）。这将使我们能够以学习Python编程语言为例进行实验。更具体地说，我们的研究方向主要集中在探索如何在一个名为认识词图的资源图中进行可视化和个性化导航（见第一部分第1章第VII.3节），以便为学习者提供个性化的知识评估。这些问题涉及以下内容：• 根据参与者（学生、教师/设计师、导师）的观点对资源进行全局或局部可视化，• 根据配置文件的推荐路径（或标准路径）和目标，• 以及学习者的个人和/或群体轨迹（实际路径、对学习目标的满意度2. 学习PythonPython是由GuidoVan Rossum开发的一种编程语言。它是一种具有高级数据结构的动态类型语言。即使-它有一个简单的语法，它是学习的语言，如果你想开始编程相比，C有时被认为更令人讨厌;-要记住的关键字很少;-包括或导入的库的数量使得可以非常快速地获得具体结果;-在其他要学习的编程语言中，你一开始进步非常快，然后一般的进步就会下降;1http://www.python.org/~guido/学习PYTHON语言的资源和途径13基于轨迹的Epistemic超媒体中的个性化导航-语言的不断发展使得能够以快速和深思熟虑的方式提供社区所需的新功能。在语言的应用领域中，-网络和互联网的发展，-l’accès aux bases de-桌面图形界面-科学和数字应用，-网络编程（套接字），-软件的开发-以及3D游戏和图形。Python可能是Perl的潜在继任者，特别是在Web开发方面（框架django）。虽然Python并没有取得令人眼花缭乱的进步，但它是少数几种与C#一起在过去十年中表现出稳定进步的语言之一，而领先的语言（Java、C、C++、Visual Basic、PHP）都有下降的趋势。有各种各样的内容来促进Python语言的学习。Quick Associates2是一个角色扮演游戏，包括作为服务提供商在Python中开发（沉浸在企业世界中）。因此，我们的应用案例将是学习编程（特别是Python语言）。我们的方法旨在通过考虑历史和交互来帮助设计由用户"体验"驱动的资源，以便更好地更新适当的资源。这将在使用和编辑活动之间建立一种动态，3. 方法和程序在确定了一些学习环境（LMS、资源库、通用站点和专用于特定学科的站点......）及其共同编辑资源的潜力之后，我们建立了不同的模型来描述参与者、单元的验证状态以及编辑和导航之间的衔接。这最后一个清晰的元素使我们能够识别修订或编辑活动与路径建议之间的更精细的循环表示。这一步导致了对可视化和操作交互式图形的工具的探索，使我们能够看到哪些类型的可视化最适合我们想要集成的情况。在这种情况下，这是一个以学习者为导向的情况：这包括自由导航和建议导航（规定的路径），以及一个以教师/导师/设计师为导向的情况：这汇集了单元内、段落内（或和中间）的编辑活动。D’après les résultats des tests de performances sur les simulations effectuées,nous avons pu constater qu’il était plus adapté de corréler-在学习情境中2http://elc.fhda.edu/quicksoft/index.html一般介绍14oRgraph或HyperTree的可视化类型，用于自由导航学习情况（整个单元图）;o用于引导导航的ForceDirected类型（表示子图的路径）;-在编辑情况下o用于段落内编辑的ForceDirected可视化类型oIntergraph编辑的HyperTree/Rgraph可视化类型我们相信，自适应和交互式导航可以帮助用户（学习者或导师）更好地表示不同的单元及其依赖关系，而这些单元及其依赖关系在静态导航中有时很难感知。此外，这可以提供关于表示的自适应元素，并且便于编辑和更新图形的操作。考虑到前面提到的可视化类型，我们设计了一个Web原型，提供了一个差异化的访问（学生、导师、教师/设计师），称为PRECEPTOR（PyThon 和parkOur资源的使用和管理平台）。PRECEPTOR架构的一个方面在France-IOI 3平台上测试了另一个自适应认识超媒体原型因此，我们能够得出第一个结论，以便最终能够将某些属性、模型或方向推广到其他编程语言或其他学科。4. 贡献我们的主要贡献是概念性的、计算性的、方法性的和实验性的：-概念性：通过-计算：o通过提出o通过介绍从痕迹中提取有用知识的方法（在数据挖掘链中使用、组成和调整算法），突出轨迹的差异;o我们在计算机科学方面的贡献在以下几个层面得到了更详细的介绍：de3www.france-ioi.com，一个为国际计算机奥林匹克做准备的协会这个在线平台提供不同语言（C、C++、Python、Pascal、Java、JavaScool和OCaml）的编程和算法培训练习学习PYTHON语言的资源和途径15基于轨迹的Epistemic超媒体中的个性化导航de l’ingénierie logicielle : architecture en 3-tiers, MVC知识工程和数据挖掘的应用-方法论和实验性：从大规模实验的发展过程和数据的使用开始。5. 记忆的组织本备忘录分为三个部分：-第一部分：理论基础、文献综述和工作第一部分分为五章，旨在提供理论基础，并与我们在HIA领域的研究目标和提出的问题联系起来。对不同的模型、成就和方法进行了分析或列举，以界定我们的研究领域，并确定我们的科学定位。o第一章讨论了学习资源，并分析了HIAA中学习路径的概念。o第2章列出了独立于目标学科的不同类型的学习资源访问环境。重点还放在这些资源的设计和编辑上。o第三章的目的是说明学习资源中可视化和导航领域的重要性，以及在HIA中跟踪和跟踪这一机制背后的目的的必要性o第四章解释了个性化和自适应超媒体的理论方面。o第5章提供了数据挖掘技术的提醒和在学习环境中使用的前景认识单元集（由DAG5形式化）是Python语言的元学习资源，其中每个认识单元（或认识素）都是微资源。这组资源的使用和开发产生了有时与规定路径不同的实际路径。元资源可以在资源访问环境（在LMS、专用环境或支持审阅和编辑功能的环境中）中操作和集成。除了静态导航之外，元资源还可以是使用基于图形的可视化和动态导航痕迹的使用及其建模的目的是在内容、导航和"认识"评估方面赋予超媒体适应性（根据学习者的学习路径，适应学习者的概况4模型视图控制器5有向无环图：有向无环一般介绍16数据和知识的提取是根据传统的方法进行的用于描述性目的而非预测性目的的数据挖掘-第二部分：从静态认识论图到自适应认识论第二部分提出了在概念化、模型和设计选择方面被采纳和证明合理的建议，以帮助实现适当的工具。o第1章介绍了最初的一般方法，即将编辑/设计活动与使用和导航活动联系起来。我们的工作仅涉及该建模的一部分。o第二章收集了建模和转换的建议，目的是将认识词图转换为可导航和可跟踪的资源：根据编辑或导航情况采用的导航模型。o第3章详细介绍了所提出的各种正式和非正式建模：资源设计周期和资源协作编辑、单元状态及其验证、路径类型学、图形刷新模型以及轨迹的多尺度建模（宏观、微观和认识层面）。o第四章的目的是追溯构建原型的模型、痕迹的描述和显化模型、领域模型和学习者模型。o第五章探讨了统一教育数据分析过程的前景（轨迹分析工作流和与超媒体再造的联系，或者元启发式和元模型）。本章-第三部分：测试、实验和结果第 三 部 分 旨 在 测 试 我 们 提 出 的 模 型 和 相 关 工 具 。 提 出 了 在 类 似 于 LMS（CloudScorm）的环境中对少量认识词的第一次测试。其中解释了在生态环境中进行的大规模实验（法国-IOI）。o第1章描述了开源可视化工具的比较分析以及测试的不同算法。o第二章说明了实验领域和关于将认识超媒体整合到France-IOI平台中的不同假设。o第3章概述了使用数据挖掘过程的评估和主要结果。17第一部分：理论基础、文献综述和作品定位第一部分导言：如前所述，一个探索轴涉及研究自适应或个性化超媒体中的学习者轨迹。为实现这一目标，我们制定了以下中期目标：-能够基于个性化导航辅助从现有资源和路径构建自适应超媒体;-安装一系列-试验-分析使用痕迹和反馈-并提出帮助从痕迹中重新设计的机制应当澄清的是，这些目标涉及学习资源、旅程、基于轨迹的指标、可视化和导航以及数据挖掘等概念。这些概念及其实际的计算机应用是本书第一部分的主题。本部分各章节之间的链接如图1所示。在下面的所有内容中，我们将赋予认识词图、单位图、认识单位图和认识图以等价的意义。一项任务将相当于一项练习。图1：第一18第1章：数字资源和学习路径I.第17章介绍..................................
我的内容管理
收起
我的收益 登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏 
我的下载 
下载帮助 
