EC-TEL 2016 (2 papiers)

May 25, 2016 in Operateur, UnderTracks, Visualisation by mandran nadine

Les opérateurs d’analyse de données et les visualisations présentes sur Orange-Undertracks ont contribué à la rédaction de deux full-papers acceptés à EC-TEL 2016.

Dessus, P., Cosnefroy, O., & Luengo, V. (2016). “Keep your eyes on ‘em all!”: A mobile eye-tracking analysis of teachers’ sensitivity to students. In M. Sharples, K. Verbert, & T. Klobučar (Eds.), Proc. 11th European Conf. on Technology Enhanced Learning (EC-TEL 2016). Lyon.

Vermeulen M., Mandran N.,  Labat J.M. (2016). Chronicle of a scenario graph: from expected to observed learning path. In M. Sharples, K. Verbert, & T. Klobučar (Eds.), Proc. 11th European Conf. on Technology Enhanced Learning (EC-TEL 2016). Lyon.

 

Voir également : 1 démo acceptée à EC-Tel

 

 

by denisb

Levenshtein

November 21, 2014 in Example, Visualisation by denisb

La distance de Levenshtein, ou distance d’édition, entre deux séquences indique le nombre de “petites” modifications à faire sur la première séquences pour obtenir la seconde.

Ici, un ensemble de séquences d’actions est étudié. Deux à deux, les séquences sont analysées en calculant la distance de Levenshtein qui les sépare, le résultat est reporté dans une matrice 2D.

levenshteinDiagElec

On peut vérifier que le calcul est symétrique et que la diagonale comporte des distances nulles.

Les points clairs indiquent des couples de séquences plus différentes (que la moyenne), les points foncées des couples de séquence similaires.

Ici, on trouve une séquence éloignée de toutes les séquences (une aberration ?) et quelques couples proches, et on peut chercher une ligne un peu plus sombre qui indiquerait une “médiane” ou un comportement “type” : une séquence proche de beaucoup d’autres …

by denisb

Orange galerie

October 2, 2014 in Example, Process, Visualisation by denisb

Orange Galerie.

 

No, it’s not about the color, nor about the french entreprise, it about the project “Orange” : Open source data visualization and analysis for novice and experts. Data mining through visual programming or Python scripting.

 

The Orange python environment have been enriched with widgets dedicated to UnderTracks (communication with data, visualisation, …).

 

Here are some of the analysis processes developped mixing UnderTracks Data and Operators within the Orange Interface.

Comparison between two judges :  hysteresisOrange

 

 

 

 

Pattern finding :   recherchePattern

 

 

Pattern visualisation :    UTOSciN2

by denisb

Patern

April 26, 2014 in Carousel for examples, Example, Timeline by denisb

Timeline for paterns.