Modèle utilisé pour l'analyse sémantique des erreurs
Critère de qualité pour sélectionner la meilleure méthode
Modèle utilisé pour la génération d'exercices des clusters
Modèle utilisé pour les corrections MyST des clusters
Étudiants:-
Visualisation des Profils Étudiants
Configurez les paramètres et lancez l'analyse pour visualiser les groupes d'étudiants.
Chargement...
Chargement...
Chargement...
Création des clusters en cours...
Projection des Étudiants
Guide d'interprétation des métriques
Les graphiques ci-dessous vous aident à identifier le nombre optimal de clusters pour vos données :
Score Silhouette : Mesure la cohésion des clusters. Une valeur plus élevée indique une meilleure séparation entre les clusters.
Indice Calinski-Harabasz : Évalue le ratio entre la dispersion inter-clusters et intra-clusters. Une valeur élevée suggère des clusters bien définis et séparés.
Le point culminant de chaque courbe suggère le nombre optimal de clusters pour ce critère.
Évaluation des Métriques de ClusteringCourbes d'Analyse
Évolution des métriques de qualité en fonction du nombre de clusters
Modèle utilisé pour la génération d'exercices personnalisés
Modèle utilisé pour les corrections de format MyST
0
Erreurs Totales
0
Erreurs Critiques
0
Types d'Erreurs
-
Étudiant
Erreurs Détaillées0
Critiques:0
Modérées:0
Mineures:0
Type d'Erreur
Exercice
Location
Sévérité
Description
Profil Individuel
Sélectionnez un étudiant pour voir son profil détaillé.