Recomendação de objetos de aprendizagem baseada em estilos de aprendizagem e traços de personalidade.

• Autor(a) principal: AGUIAR, Janderson Jason Barbosa.
• Data de Publicação: 2015
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/546
• topic: Sistema de recomendação; Estilo de aprendizagem; Educação à distância EAD - computação; Traços de personalidade; Estilos de aprenizagem; Objetos de aprendizagem; Recommendation systems; Learning objects; Index of Learning Styles; Ferramenta de análise de semântica; Ciências Exata e da Terra

Os Objetos de Aprendizagem (OA) utilizados em cursos presenciais ou à distância são armazenados em ambientes computacionais usados no processo de ensino-aprendizagem com tendência de crescimento da sua quantidade com o passar do tempo. Apesar dos Sistemas de Recomendação (SR) serem atualmente utilizados com sucesso para recomendar itens em vários domínios, o contexto educacional possui particularidades (por exemplo, questões pedagógicas) que tornam ainda mais desafiadora a criação desses sistemas. A Personalidade — que pode ser definida como um padrão de comportamento consistente originado internamente no indivíduo — influencia o processo de tomada de decisão. Além disso, há a preocupação com os Estilos de Aprendizagem (EA), a partir dos quais os aprendizes percebem, processam e retêm as informações. Diante do exposto, a pesquisa ora descrita visa a propor um modelo de Sistema de Recomendação Educacional (SRE) utilizando os conceitos de EA e Personalidade na construção do perfil dos discentes, para realizar uma seleção personalizada de OA a serem recomendados. Embora ainda seja desafiador criar SRE envolvendo a extração e inserção dos conceitos psicológicos comentados, nesta dissertação é apresentado e avaliado um modelo que recomenda OA, seguindo o padrão IEEE LOM, a partir da extração dos EA via inventário ILS (Index of Learning Styles) e da extração dos Traços de Personalidade (TP) via Five Labs, ferramenta online de análise semântica de postagens do Facebook. Considerando métricas utilizadas em SR, um experimento realizado com alunos de Ciência da Computação indicou que o modelo proposto proporcionou resultados melhores ou similares, em comparação a outras abordagens de recomendação pesquisadas. Portanto, a abordagem proposta se mostra promissora para a recomendação personalizada de conteúdo no âmbito educacional.