Recommender System for Learning Objects based in Learner-user Choices in E-learning Systems
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/194037 |
Resumo: | Nesta tese é apresentada uma abordagem de recomendação de objetos de aprendizagem em sistemas de e-learning, a qual foi desenvolvida para ajudar a minimizar o problema de sobrecarga de informação de objetos de aprendizagem. Nesses sistemas, os usuários estudantes geralmente realizam um conjunto de escolhas ou tomadas de decisão (―o que aprender‖, ―como aprender‖, ―que caminho de aprendizagem seguir para aprender‖, ―com quem aprender‖, entre outros) durante a aprendizagem, dependendo do sistema. A abordagem desenvolvida usa o resultado dessas escolhas como fonte de informação. A aplicação dessa abordagem é apresentada sobre dois sistemas: o AdaptWeb e o MERLOT, seguida de uma avaliação experimental de acurácia de predicação de uso em cada sistema. Com isso, mostrouse que é possível utilizar os resultados dessas escolhas do usuário como fonte de informação para um sistema de recomendação, além disso, nesses sistemas, a acurácia de predição do uso varia de acordo com a combinação de escolhas do usuário e apresenta acurácia maior do que a das abordagens baseline com diferença estatisticamente significativa. Limitações da abordagem também são discutidas, por exemplo, quando o usuário faz escolhas não seguindo suas preferências, mas de acordo com o contexto, tais escolhas podem influenciar na precisão do sistema ao longo do tempo. Apesar dessa abordagem de recomendação estar focada em sistemas de e-learning, do domínio de Educação, discute-se brevemente como utilizá-la em outros domínios, como o de Turismo, onde se observa que os usuários podem tomar decisões ao interagir com sistemas. |
id |
URGS_0bfada15fef41f37c877b5f4cfc9b637 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/194037 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Dias, Alessandro da SilveiraWives, Leandro Krug2019-05-09T02:37:19Z2019http://hdl.handle.net/10183/194037001092834Nesta tese é apresentada uma abordagem de recomendação de objetos de aprendizagem em sistemas de e-learning, a qual foi desenvolvida para ajudar a minimizar o problema de sobrecarga de informação de objetos de aprendizagem. Nesses sistemas, os usuários estudantes geralmente realizam um conjunto de escolhas ou tomadas de decisão (―o que aprender‖, ―como aprender‖, ―que caminho de aprendizagem seguir para aprender‖, ―com quem aprender‖, entre outros) durante a aprendizagem, dependendo do sistema. A abordagem desenvolvida usa o resultado dessas escolhas como fonte de informação. A aplicação dessa abordagem é apresentada sobre dois sistemas: o AdaptWeb e o MERLOT, seguida de uma avaliação experimental de acurácia de predicação de uso em cada sistema. Com isso, mostrouse que é possível utilizar os resultados dessas escolhas do usuário como fonte de informação para um sistema de recomendação, além disso, nesses sistemas, a acurácia de predição do uso varia de acordo com a combinação de escolhas do usuário e apresenta acurácia maior do que a das abordagens baseline com diferença estatisticamente significativa. Limitações da abordagem também são discutidas, por exemplo, quando o usuário faz escolhas não seguindo suas preferências, mas de acordo com o contexto, tais escolhas podem influenciar na precisão do sistema ao longo do tempo. Apesar dessa abordagem de recomendação estar focada em sistemas de e-learning, do domínio de Educação, discute-se brevemente como utilizá-la em outros domínios, como o de Turismo, onde se observa que os usuários podem tomar decisões ao interagir com sistemas.In this thesis, a developed recommendation approach of learning objects in e-learning systems is presented, which helps to alleviate the problem of information overload of learning objects. In these systems, learner-users often make a set of choices or decision-making (―what to learn‖, ―how to learn‖, ―in which learning pathway to learn‖, ―with whom to learn‖, among others), depending on the system. The developed recommendation approach uses the result of these choices as a source of information. The application of this approach is presented on two systems: AdaptWeb and MERLOT, followed by an experimental evaluation of usage prediction accuracy in each system. With this, it was shown that it is possible to use the results of these user choices as a source of information for a recommender system, in addition, in these systems, the usage prediction accuracy varies according to the combination of user choices and it presents statistically significant higher prediction accuracy than the baseline approaches. Limitations of the LO recommendation approach are also presented, for example, when the user makes choices not following their preferences, but according to the context, such choices can influence the accuracy of the system over time. Although this recommendation approach is focused on e-learning systems in the field of Education, it is briefly discussed how to use it in other domains, such as Tourism, where it is observed that users can make decisions when interacting with systems.application/pdfporInformática : EducaçãoAprendizagemRecommender SystemLearning ObjectsLearner-driven LearningRecommender System for Learning Objects based in Learner-user Choices in E-learning Systemsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2019doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001092834.pdf.txt001092834.pdf.txtExtracted Texttext/plain221822http://www.lume.ufrgs.br/bitstream/10183/194037/2/001092834.pdf.txt7cc9485a1ea95b2be5b75519f887ff5dMD52ORIGINAL001092834.pdfTexto completoapplication/pdf1986022http://www.lume.ufrgs.br/bitstream/10183/194037/1/001092834.pdffac03e2197e370bfc4c2708368a0c0caMD5110183/1940372019-05-10 02:37:24.699283oai:www.lume.ufrgs.br:10183/194037Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532019-05-10T05:37:24Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Recommender System for Learning Objects based in Learner-user Choices in E-learning Systems |
title |
Recommender System for Learning Objects based in Learner-user Choices in E-learning Systems |
spellingShingle |
Recommender System for Learning Objects based in Learner-user Choices in E-learning Systems Dias, Alessandro da Silveira Informática : Educação Aprendizagem Recommender System Learning Objects Learner-driven Learning |
title_short |
Recommender System for Learning Objects based in Learner-user Choices in E-learning Systems |
title_full |
Recommender System for Learning Objects based in Learner-user Choices in E-learning Systems |
title_fullStr |
Recommender System for Learning Objects based in Learner-user Choices in E-learning Systems |
title_full_unstemmed |
Recommender System for Learning Objects based in Learner-user Choices in E-learning Systems |
title_sort |
Recommender System for Learning Objects based in Learner-user Choices in E-learning Systems |
author |
Dias, Alessandro da Silveira |
author_facet |
Dias, Alessandro da Silveira |
author_role |
author |
dc.contributor.author.fl_str_mv |
Dias, Alessandro da Silveira |
dc.contributor.advisor1.fl_str_mv |
Wives, Leandro Krug |
contributor_str_mv |
Wives, Leandro Krug |
dc.subject.por.fl_str_mv |
Informática : Educação Aprendizagem |
topic |
Informática : Educação Aprendizagem Recommender System Learning Objects Learner-driven Learning |
dc.subject.eng.fl_str_mv |
Recommender System Learning Objects Learner-driven Learning |
description |
Nesta tese é apresentada uma abordagem de recomendação de objetos de aprendizagem em sistemas de e-learning, a qual foi desenvolvida para ajudar a minimizar o problema de sobrecarga de informação de objetos de aprendizagem. Nesses sistemas, os usuários estudantes geralmente realizam um conjunto de escolhas ou tomadas de decisão (―o que aprender‖, ―como aprender‖, ―que caminho de aprendizagem seguir para aprender‖, ―com quem aprender‖, entre outros) durante a aprendizagem, dependendo do sistema. A abordagem desenvolvida usa o resultado dessas escolhas como fonte de informação. A aplicação dessa abordagem é apresentada sobre dois sistemas: o AdaptWeb e o MERLOT, seguida de uma avaliação experimental de acurácia de predicação de uso em cada sistema. Com isso, mostrouse que é possível utilizar os resultados dessas escolhas do usuário como fonte de informação para um sistema de recomendação, além disso, nesses sistemas, a acurácia de predição do uso varia de acordo com a combinação de escolhas do usuário e apresenta acurácia maior do que a das abordagens baseline com diferença estatisticamente significativa. Limitações da abordagem também são discutidas, por exemplo, quando o usuário faz escolhas não seguindo suas preferências, mas de acordo com o contexto, tais escolhas podem influenciar na precisão do sistema ao longo do tempo. Apesar dessa abordagem de recomendação estar focada em sistemas de e-learning, do domínio de Educação, discute-se brevemente como utilizá-la em outros domínios, como o de Turismo, onde se observa que os usuários podem tomar decisões ao interagir com sistemas. |
publishDate |
2019 |
dc.date.accessioned.fl_str_mv |
2019-05-09T02:37:19Z |
dc.date.issued.fl_str_mv |
2019 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/194037 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001092834 |
url |
http://hdl.handle.net/10183/194037 |
identifier_str_mv |
001092834 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/194037/2/001092834.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/194037/1/001092834.pdf |
bitstream.checksum.fl_str_mv |
7cc9485a1ea95b2be5b75519f887ff5d fac03e2197e370bfc4c2708368a0c0ca |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1800309143541645312 |