Centre dedocumentation
scientifique

Evaluating geovisualization for spatial learning analytics / Anthony C. Robinson in International journal of cartography, vol 6 n° 3 (October 2020)  

Public [article]  inInternational journal of cartography > vol 6 n° 3 (October 2020) . - pp 331 - 349 Titre : Evaluating geovisualization for spatial learning analytics Type de document : Article/Communication Auteurs : Anthony C. Robinson, Auteur ; Cary L. Anderson, Auteur ; Sterling Quinn, Auteur Année de publication : 2020 Article en page(s) : pp 331 - 349 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] analyse géovisuelle [Termes descripteurs IGN] analyse spatiale [Termes descripteurs IGN] apprentissage (cognition) [Termes descripteurs IGN] éducation [Termes descripteurs IGN] formation [Termes descripteurs IGN] formation à distance [Termes descripteurs IGN] géographie [Termes descripteurs IGN] pédagogie [Vedettes matières IGN] Géovisualisation Résumé : (auteur) Contemporary systems for supporting digital learning are capable of collecting a wide range of data on learner behaviours. The emerging science and technology of learning analytics seeks to use this information to improve learning outcomes and support institutional assessment. In this work we explore the potential for the spatial dimension in learning analytics, and we evaluate a prototype geovisualization system designed to support what we call spatial learning analytics. A user evaluation with geographers and educators was conducted to characterize the usability and utility of our prototype spatial learning analytics system. By helping us understand what our prototype system does and does not do well, we are able to suggest a variety of new ways in which future spatial learning analytics systems can be developed. Numéro de notice : A2020-651 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/23729333.2020.1735034 date de publication en ligne : 14/05/2020 En ligne : https://doi.org/10.1080/23729333.2020.1735034 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96107 [article]

Evaluating online and traditional learning environments using cartographic generalization techniques / Jared L. Ware in Cartographica, vol 53 n° 2 (summer 2018)  

Public [article]  inCartographica > vol 53 n° 2 (summer 2018) . - pp 107 - 114 Titre : Evaluating online and traditional learning environments using cartographic generalization techniques Type de document : Article/Communication Auteurs : Jared L. Ware, Auteur Année de publication : 2018 Article en page(s) : pp 107 - 114 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Formation [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] apprentissage (cognition) [Termes descripteurs IGN] apprentissage en ligne [Termes descripteurs IGN] formation initiale [Termes descripteurs IGN] généralisation cartographique Résumé : (Auteur) The contemporary educational environment raises questions about the effectiveness of online courses, particularly as compared with traditional classroom learning and in relation to individual student needs, perceptions, and learning outcomes. This study is designed to determine if an online or traditional environment is better for learning cartographic generalization techniques. A prevailing thought is that it is often through conversation, discourse, discussion, and debate among students and between instructors and students that a new concept is clarified. I researched learning effectiveness, with the objectives of determining which methods are best for specific generalization techniques and also if students learn the techniques better from an online or in-class lecture. The goal is to assess student feedback, lab scores, and test scores to determine if these techniques enhance learning, as well as retention of the subject matter. Numéro de notice : A2018-363 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3138/cart.53.2.2017-0015 date de publication en ligne : 25/07/2018 En ligne : https://doi.org/10.3138/cart.53.2.2017-0015 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90725 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
031-2018021	SL	Revue	Centre de documentation	Revues en salle	Disponible

MEMORAe : un système d'information support d'un éco-système apprenant / Marie-Hélène Abel in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 22 n° 6 (novembre - décembre 2017)  

Public [article]  inIngénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI > vol 22 n° 6 (novembre - décembre 2017) . - pp 53 - 69 Titre : MEMORAe : un système d'information support d'un éco-système apprenant Type de document : Article/Communication Auteurs : Marie-Hélène Abel, Auteur ; Majd Saleh, Auteur Année de publication : 2017 Article en page(s) : pp 53 - 69 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Formation [Termes descripteurs IGN] apprentissage (cognition) [Termes descripteurs IGN] gestion des connaissances (entreprise) [Termes descripteurs IGN] système d'information [Termes descripteurs IGN] système de gestion de connaissances Résumé : (auteur) A l'ère des technologies 2.0, les apprenants n'ont pas conscience de l'existence de l'écosystème apprenant auquel ils appartiennent. La diversité des ressources pédagogiques et de leurs moyens d'accès est intéressante mais peut constituer un obstacle à l'apprentissage si il n'y a pas une prise de conscience. Comment accéder à une ressource, évaluer sa pertinence, mesurer sa qualité, s'assurer que l'information produite est juste, etc. Comment capitaliser cette ressource, la partager avec qui et pourquoi ? Comment personnaliser un parcours de consultation des ressources en tenant compte des indications issues d'un écosystème apprenant ? Dans cet article nous proposons de suivre l'approche MEMORAe pour développer un système d'information support à un tel écosystème. À l'aide des prototypes clients web intégré ou système de système d'information la mettant en oeuvre, nous montrons l'intérêt d'une telle approche. Nous terminons par une discussion sur son intérêt pédagogique et ses différentes mises en pratique. Numéro de notice : A2018-244 Affiliation des auteurs : non IGN Thématique : SOCIETE NUMERIQUE Nature : Article DOI : 10.3166/ISI.22.6.53-69 En ligne : https://doi.org/10.3166/ISI.22.6.53-69 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90304 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
093-2017061	SL	Revue	Centre de documentation	Revues en salle	Disponible

Sparsity, redundancy and robustness in artificial neural networks for learning and memory / Philippe Tigréat (2017)  

Public contenu dans HAL Hyper articles en ligne / Centre pour la Communication Scientifique Directe CCSD (2000)   Titre : Sparsity, redundancy and robustness in artificial neural networks for learning and memory Type de document : Thèse/HDR Auteurs : Philippe Tigréat, Auteur ; Claude Berrou, Directeur de thèse Editeur : Institut Mines-Télécom Atlantique - IMT Année de publication : 2017 Autre Editeur : Université Bretagne Loire Importance : 150 P. Format : 21 x 30 cm Note générale : bibliographie Thèse IMT Atlantique sous le sceau de l’Université Bretagne Loire pour obtenir le grade de DOCTEUR D'IMT Atlantique, Spécialité : Signal, Image, Vision Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle [Termes descripteurs IGN] apprentissage (cognition) [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] codage [Termes descripteurs IGN] cognition [Termes descripteurs IGN] mémoire [Termes descripteurs IGN] reconnaissance de formes [Termes descripteurs IGN] stockage de données Résumé : (auteur) The objective of research in Artificial Intelligence (AI) is to reproduce human cognitive abilities by means of modern computers. The results of the last few years seem to announce a technological revolution that could profoundly change society. We focus our interest on two fundamental cognitive aspects, learning and memory. Associative memories offer the possibility to store information elements and to retrieve them using a sub-part of their content, thus mimicking human memory. Deep Learning allows to transition from an analog perception of the outside world to a sparse and more compact representation.In Chapter 2, we present a neural associative memory model inspired by Willshaw networks, with constrained connectivity. This brings an performance improvement in message retrieval and a more efficient storage of information.In Chapter 3, a convolutional architecture was applied on a task of reading partially displayed words under similar conditions as in a former psychology study on human subjects. This experiment put inevidence the similarities in behavior of the network with the human subjects regarding various properties of the display of words.Chapter 4 introduces a new method for representing categories usingneuron assemblies in deep networks. For problems with a large number of classes, this allows to reduce significantly the dimensions of a network.Chapter 5 describes a method for interfacing deep unsupervised networks with clique-based associative memories. Note de contenu : 1- Introduction 2- Sparse Neural Associative Memories 3- Robustness of Deep Neural Networks to Erasures in a Reading Task 4- Assembly Output Codes for Learning Neural Networks 5- Combination of Unsupervised Learning and Associative Memory 6- Conclusion and Openings Numéro de notice : 25836 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE/MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Spécialité : Signal, Image, Vision : Brest : 2017 En ligne : https://tel.archives-ouvertes.fr/tel-01812053 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95178

Comment les utilisateurs reconnaissent-ils un style topographique ? / Jérémie Ory in Cartes & Géomatique, n° 226 (décembre 2015)  

Public [article]  inCartes & Géomatique > n° 226 (décembre 2015) . - pp 21 - 36 Titre : Comment les utilisateurs reconnaissent-ils un style topographique ? Type de document : Article/Communication Auteurs : Jérémie Ory , Auteur ; Sidonie Christophe , Auteur ; Sara Irina Fabrikant, Auteur ; Bénédicte Bucher , Auteur Année de publication : 2015 Article en page(s) : pp 21 - 36 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Termes descripteurs IGN] apprentissage (cognition) [Termes descripteurs IGN] carte topographique [Termes descripteurs IGN] lecture de carte [Termes descripteurs IGN] sémiologie graphique [Termes descripteurs IGN] style cartographique [Termes descripteurs IGN] style graphique [Vedettes matières IGN] Cartologie Résumé : (auteur) La lecture d'une carte topographique exige que le lecteur reconnaisse et apprenne à décoder les symboles de la carte présents dans la légende. Ces deux fonctions cognitives — reconnaissance et apprentissage - sont indispensables pour interpréter correctement une abstraction cartographique. Dans cet article, nous présentons les résultats d'une expérimentation, qui vise à identifier et à évaluer les principales caractéristiques graphiques permettant aux utilisateurs (les lecteurs de cartes) de reconnaître visuellement une carte topographique de style IGN parmi d'autres cartes topographiques européennes. 91% des participants sont capables de reconnaître une carte topographique IGN parmi d'autres. À travers une approche sollicitant la perception visuelle et la mémorisation visuelle des participants, nous avons identifié les caractéristiques graphiques intervenant dans le processus de reconnaissance du style topographique IGN. La représentation du relief (ombrage et courbes de niveau) est considérée comme la caractéristique graphique majeure par les participants. Par ailleurs, les représentations des points d'intérêt touristique, de la toponymie, du réseau routier principal, des bâtiments Individuels et des forêts sont également considérées comme essentielles pour reconnaître une carte topographique de style IGN. Numéro de notice : A2015-937 Affiliation des auteurs : COGIT+Ext (1988-2011) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans En ligne : http://www.lecfc.fr/ Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=79739 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
021-2015041	SL	Revue	Centre de documentation	Revues en salle	Disponible

Documents numériques

en open access Comment les utilisateurs - version Bull CFC Adobe Acrobat PDF

en open access Comment les utilisateurs ... - pdf éditeur Adobe Acrobat PDF

Un apprentissage ludique et pratique, sinon rien ? / Fanny Perrin d'Arloz in SIGmag, n° 6 (octobre 2015)

Permalink

How do map readers recognize a topographic mapping style? / Jérémie Ory in Cartographic journal (the), Vol 52 n° 2 (May 2015)  

Permalink

Automatic spatial–spectral feature selection for hyperspectral image via discriminative sparse multimodal learning / Qian Zhang in IEEE Transactions on geoscience and remote sensing, vol 53 n° 1 (January 2015)  

Permalink

Retour d’expérience sur l’insertion d’un Serious Game dans l’apprentissage des systèmes d’information / Daniel Lang in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 20 n° 1 (janvier - février 2015)  

Permalink

Etude de l'usage de la couleur dans l'apprentissage des SIG en géosciences : le cas de la cartographie d'aptitude / Raffaella Balzarini in Cartes & Géomatique, n° 222 (décembre 2014)

Permalink

A discriminative metric learning based anomaly detection method / Bo Du in IEEE Transactions on geoscience and remote sensing, vol 52 n° 11 tome 1 (November 2014)

Permalink

Recovering quantitative remote sensing products contaminated by thick clouds and shadows using multitemporal dictionary learning / X. Li in IEEE Transactions on geoscience and remote sensing, vol 52 n° 11 tome 1 (November 2014)

Permalink

Educating students for the extensive range of surveying activities / Daniel T. Gillins in SaLIS Surveying and land information science, vol 73 n° 1 (May 2013)

Permalink

Integrated teaching and assessment of GIS/LIS in geomatics for improving student performance / John B. Miima in SaLIS Surveying and land information science, vol 73 n° 1 (May 2013)

Permalink

JFSMA'13, vingt-et-unièmes journées francophones sur les systèmes multi-agents / Salima Hassas (2013)

Permalink