Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Concepts de graphiques d'orchestration

Dans cours

CS-411: Digital education

This course addresses the relationship between specific technological features and the learners' cognitive processes. It also covers the methods and results of empirical studies: do student actually learn due to technologies? In fall 2025, P. Dillenbourg w ...

Description

Cette séance de cours couvre le concept d'opérateurs dans un graphique d'orchestration, qui permet le transfert de données faites par les étudiants entre différentes activités. Il explique la vaste bibliothèque d'opérateurs disponibles pour des tâches telles que l'agrégation, la distribution, les interactions sociales et la gestion back-office.

Enseignant·e·s (2)

Pierre Dillenbourg

Ancien instituteur primaire, Pierre Dillenbourg obtient un master en Sciences de lEducation (Université de Mons, Belgique). Dans son projet de master en 1986, il est l'un des premiers au monde à appliquer les méthodes de 'machine learning' à l'éducation, afin de développer un 'self-improving teaching system'. Ceci lui permettra de débuter une thèse de doctorat en informatique à l'Université de Lancaster (UK) dans le domaine des applications éducatives de lintelligence artificielle. Il a été Maître dEnseignement et de Recherche à lUniversité de Genève. Il rejoint l'EPFL en 2012, où Il fut le directeur du Centre de Recherche sur l'Apprentissage, la formation et ses technologies(CRAFT), puis académique du Centre pour l'Education à l'Ere Digitale (CEDE) qui met en oeuvre la stratégie MOOC de l'EPFL (plus de 2 millions d'inscriptions). Il est actuellement professeur ordinaire en technologies de formation aux sein de la faculté Informatique et Communications et dirige laboratoire d'ergonomie éducative (CHILI). Depuis 2006, il a aussi été le directeur de DUAL-T, la 'leading house' dédiée aux technologies pour les systèmes de formation professionnelle duale. Il a fondé plusieurs start-ups dans l'éducation et rejoint plusieurs conseils d'administration. En 2017, Il a créé avec des collègues le 'Swiss EdTech Collider', un incubateur qui rassemble 80 start-ups dans le domaine des technologies éducatives. En 2018, ils ont lancé LEARN, le centre EPFL pour les sciences de l'apprentissage, lequel regroupe les initiatives locales en innovation éducative. Pierre est un 'inaugural fellow of the International Society of Learning Sciences'. Il est actuellement le Vice-Président Associé pour l'Education à l'EPFL.

Patrick Jermann

After studies in Geneva (TECFA) and Pittsburgh (LRDC) I joined EPFL in 2003 to coordinate eLearning projects and conduct research in the field of Computer Supported Collaborative Learning (CSCL). Starting 2013 I am responsible for MOOCs production at the Center for Digital Education (CEDE).Former Associate Editor for the IEEE Transactions on Learning Technologies and former Member of the Editorial Board for the International Journal of Computer Supported Collaborative Learning (iJCSCL). Specialties: Interaction analysis, research methods, statistical methods, prototyping, software development, pedagogical design.

Source officielle

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique

Concepts associés (27)

Loi normale

En théorie des probabilités et en statistique, les lois normales sont parmi les lois de probabilité les plus utilisées pour modéliser des phénomènes naturels issus de plusieurs événements aléatoires. Elles sont en lien avec de nombreux objets mathématiques dont le mouvement brownien, le bruit blanc gaussien ou d'autres lois de probabilité. Elles sont également appelées lois gaussiennes, lois de Gauss ou lois de Laplace-Gauss des noms de Laplace (1749-1827) et Gauss (1777-1855), deux mathématiciens, astronomes et physiciens qui l'ont étudiée.

Loi de Cauchy (probabilités)

La loi de Cauchy, appelée aussi loi de Lorentz, est une loi de probabilité continue qui doit son nom au mathématicien Augustin Louis Cauchy. Une variable aléatoire X suit une loi de Cauchy si sa densité , dépendant des deux paramètres et ( > 0) est définie par : La fonction ainsi définie s'appelle une lorentzienne. Elle apparaît par exemple en spectroscopie pour modéliser des raies d'émission. Cette distribution est symétrique par rapport à (paramètre de position), le paramètre donnant une information sur l'étalement de la fonction (paramètre d'échelle).

Loi de Fisher

En théorie des probabilités et en statistiques, la loi de Fisher ou encore loi de Fisher-Snedecor ou encore loi F de Snedecor est une loi de probabilité continue. Elle tire son nom des statisticiens Ronald Aylmer Fisher et George Snedecor. La loi de Fisher survient très fréquemment en tant que loi de la statistique de test lorsque l'hypothèse nulle est vraie, dans des tests statistiques, comme les tests du ratio de vraisemblance, dans les tests de Chow utilisés en économétrie, ou encore dans l'analyse de la variance (ANOVA) via le test de Fisher.

Ratio distribution

A ratio distribution (also known as a quotient distribution) is a probability distribution constructed as the distribution of the ratio of random variables having two other known distributions. Given two (usually independent) random variables X and Y, the distribution of the random variable Z that is formed as the ratio Z = X/Y is a ratio distribution. An example is the Cauchy distribution (also called the normal ratio distribution), which comes about as the ratio of two normally distributed variables with zero mean.

Loi stable

La loi stable ou loi de Lévy tronquée, nommée d'après le mathématicien Paul Lévy, est une loi de probabilité utilisée en mathématiques, physique et analyse quantitative (finance de marché). On dit qu'une variable aléatoire réelle est de loi stable si elle vérifie l'une des 3 propriétés équivalentes suivantes : Pour tous réels strictement positifs et , il existe un réel strictement positif et un réel tels que les variables aléatoires et aient la même loi, où et sont des copies indépendantes de .

Afficher plus

Séances de cours associées (57)

Modèles de diffusion

Explore les modèles de diffusion, en mettant l'accent sur la production d'échantillons provenant d'une distribution et l'importance de la dénigrement dans le processus.

Inégalités de concentration

Couvre les inégalités de concentration et les méthodes d'échantillonnage pour estimer les distributions inconnues, en mettant l'accent sur les taux d'infection de la population.

Deep Learning Modus Operandi

Explore les avantages des réseaux plus profonds dans l'apprentissage profond et l'importance de la surparamétrie et de la généralisation.

Markov Chains: Probabilités de transition

Explore les chaînes de Markov, les matrices de transition, la distribution et les promenades aléatoires.

Modèle de choix binaire

Couvre le modèle de choix binaire, les hypothèses de terme d'erreur, les constantes spécifiques, les invariances et les propriétés de distribution.

Afficher plus

Concepts associés (27)

Loi normale

Loi de Cauchy (probabilités)