2021-stid2-Examen
Nous allons travailler sur des données de performances des étudiants lors des examens, où nous allons nous pencher sur plusieurs axes d'analyse : les matières les plus réussies ou bien le genre qui réussi le mieux les examens.
Slides & Videos
Members
| Name | Contribution |
|---|---|
| Sâm RAHIMI | qdazazdazdazdazd |
| Lukasz GUMIENIAK | DAZDAZDAZd |
| Don Melin THERTULIEN | dazdazdazqdazdazd |
State of the Art
Business Aspect
Des outils d’aide peuvent parvenir à résoudre la problématique : ici en l’occurrence il s’agit des performances des étudiants lors des examens.
Un premier outil peut être le logiciel OpenClassroom, qui propose des cours sur différentes thématiques et matières de manière gratuite.
Un étudiant peut-il percevoir une aide au logement (APL, ALS, ALF) ?
L’Etat peut mettre en œuvre des plans d’aide pour les étudiants afin de faciliter leur apprentissage aux vus des examens. On peut percevoir l’aide au logement (APL) ainsi que l’aide financière (la Bourse) qui permettent de soulager les finances pour par exemple des cours particuliers.
Ainsi, un moyen plus commun est déjà mis en en place, celui des cours particuliers qui focalisent sur certaines lacunes dans les matières.
Technical Aspect
Les données sont présentées sous forme de tableur dans le site kaggle. Les données sont prises sous forme de tableur car cela permet une meilleure visualisation des données de manière à bien les appréhender.
On y observe des variables qualitatives et quantitatives.
Project Description
Problem Definition
Challenges & Motivation
Real and Complete Usecases
Technical Description
Nous commencerons par faire les analyses des différentes variables et voir l’impact de ces dernières sur les notes de maths, écriture et de lecture grâce aux tableaux croisés dynamiques disponibles sur Excel.
Ensuite, à l’aide de PowerBI, nous visualiserons les chiffres en fonction des variables qualitatives pour en tirer des graphiques qui donneraient un aspect globale de l’étude.
Pour terminer, nous irons sur Google Colab, où à l’aide du langage Python, nous effectuerons différentes corrélations entres les notes ainsi qu’une analyse en modélisation linéaire pour essayer de voir s’il est pertinent de faire de la prévision linéaire avec les notes obtenues.
Hardware
Materials
| Image | Name | Part Number | Price | Count | Link |
|---|
Schematic
Software
Arduino Code
import xlrd from math import * from matplotlib.pyplot import * from scipy.stats import *
document = xlrd.open_workbook('StudentsPerformance BON.xlsx')
feuille_1 = document.sheet_by_index(0)
cols = feuille_1.ncols
rows = feuille_1.nrowsScoreMaths=list() ScoreLecture=list() ScoreEcriture=list() for i in range(1,rows): ScoreMaths+=[feuille_1.cell_value(rowx=i, colx=5)] ScoreLecture+=[feuille_1.cell_value(rowx=i, colx=6)] ScoreEcriture+=[feuille_1.cell_value(rowx=i, colx=7)]
def moyenne(x) :
somme=0
i=0
while idef analyse(x,y):
print("Moyenne des x = "+ str(moyenne(x)))
print("Moyenne des y = "+ str(moyenne(y)))
print("Ecart-type des x = "+ str(ecartype(x)))
print("Ecart-type des y = "+ str(ecartype(y)))
print("achapeau = "+ str(achapeau(x,y)))
print("bchapeau = "+ str(bchapeau(x,y)))
print("ychapeau = "+ str(ychapeau(x,y)))
print("Résidus = " ,residus(x,y))
print("Moyenne résidus = " ,moyenne(residus(x,y)))
print("RCarré = "+str(RCarre(x,y)))
print("L'estimation de l'écart-type de l'erreur est : "+str(etErreur(x,y)))
scatter(x,y ,label = "Données")
z=ychapeau(x,y)
plot(x,z,"r-",label = "Estimation",linewidth=3)
grid(True)
legend(loc='upper left')
show()analyse(ScoreMaths,ScoreEcriture) analyse(ScoreMaths,ScoreLecture) analyse(ScoreEcriture,ScoreLecture)
print("Corrélation de Pearson entre les scores de Maths et Ecriture = " + str(pearsonr(ScoreMaths,ScoreEcriture)[0]))
print("Corrélation de Pearson entre les scores de Maths et Lecture = " + str(pearsonr(ScoreMaths,ScoreLecture)[0]))
print("Corrélation de Pearson entre les scores de Lecture et Ecriture = " + str(pearsonr(ScoreLecture,ScoreEcriture)[0]))