Bienvenue sur le site Open access de l'Université Paris Nanterre

L'université Paris Nanterre s'engage en faveur de l'Open Access

Par Open Access, on entend le libre accès aux résultats de la recherche, diffusés sous forme électronique et en ligne gratuitement. Ce mouvement existe au niveau mondial depuis la fin des années 90 et s'est concrétisé par des appels adressés à la communauté des chercheurs en faveur du partage des connaissances (Budapest, 2002 ; Berlin, 2003).

L'université Paris Nanterre favorise l'Open Access par le biais d'un portail HAL, principale archive ouverte en France maintenue par le Centre pour la communication scientifique directe (CCSD), Unité mixte de service sous la tutelle du CNRS, de l'INRIA et de l'Université de Lyon, qui rassemble les publications des chercheurs et chercheuses affilié.e.s à l'établissement. 

D'autres initiatives de Paris Nanterre contribuent au développement du libre Accès, comme la participation des Presses Universitaires de Nanterre au projet OpenEdition Books, la diffusion de plusieurs revues en Open Access sur Revues.org, l'ouverture de carnets de recherche sur la plateforme Hypothèses par des chercheur.se.s ou encore le projet Open Data de l'université.

Retrouvez sur ce site l'ensemble des informations disponibles sur l'open access à l'Université Paris Nanterre : renseignements pratiques, événements, tutoriels, ressources en ligne, etc.
 

Les derniers documents en texte intégral déposés sur notre portail HAL


  • [hal-02266003] Improving Surface-syntactic Universal Dependencies (SUD): surface-syntactic relations and deep syntactic features
    15 août 2019
    SUD is an annotation scheme for syntactic dependency treebanks, near isomorphic to UD (Universal Dependencies). Contrary to UD, it is based on syntactic criteria (favoring functional heads) and the relations are defined on distributional and functional bases. In this paper, we will recall and specify the general principles underlying SUD, present the updated set of SUD relations, discuss the central question of MWEs, and introduce an orthogonal layer of deep-syntactic features converted from the deep-syntactic part of the UD scheme.
  • [hal-02263803] Evaluer les apprentissages : comparaison de deux techniques de diagnostic de connaissance
    14 août 2019
    L'item Response Theory (IRT) et le Bayesian Knowledge Tracing (BKT) sont deux modèles d'évaluation de la maîtrise d'une connaissance par un apprenant. Ces deux modèles sont généralement comparés sur la précision de la prédiction d'une bonne réponse d'un apprenant à une question. Nous montrons dans cet article que ces deux modèles s'adressent à des situations distinctes pour lesquelles chacun d'eux peut être utilisé, et nous émettons l'hypothèse que cette hiérarchisation par la précision évolue en fonction de la quantité de réponses de l'apprenant. Mots-clés. Théorie de la Réponse à l'Item, Bayesian Knowledge Tracing, Système Tuteur Intelligent, comparaison de modèles, modèle prédictif, modèle explicatif. Abstract. Item Response Theory (IRT) and Bayesian Knowledge Tracing (BKT) are two evaluation models of the mastery degree of a concept by a learner. In general, these two models are compared based on the prediction prevision of the correct answer of a learner to a question. We show in this article that these models tackle different situations for which each of them can be used, and we hypothesize that this hierarchy by the precision tends to evolve according to the amount of questions the learner answered to.

Mis à jour le 03 juin 2019