Integrando reputação às técnicas de recomendação de objetos de aprendizagem em ambientes de e-learning
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/187855 |
Resumo: | A educação a distância (EaD) no Brasil tem crescido bastante nos últimos anos, aumentando, com isso, significativamente o uso dos Ambientes Virtuais de Aprendizagem (AVA), que são ambientes computacionais, usados no processo de ensino-aprendizagem. Nesses ambientes encontram-se os objetos de aprendizagem (OA), que são os materiais didáticos utilizados nos cursos, como, por exemplo, documentos de texto, apostilas, arquivos de áudio e vídeo. Entretanto, verifica-se que a cada dia o número de OAs disponíveis aos usuários cresce consideravelmente, dificultando a escolha pelos objetos que satisfaçam as reais necessidades e preferências dos estudantes, tornando-se importante a existência de uma ferramenta que faça recomendações personalizadas aos usuários desses ambientes de e-learning. Além disso, outro fator que dificulta a decisão de escolha é a falta de confiança que os usuários têm em relação ao material disponibilizado, assim como, em relação à pessoa que disponibilizou o material. Diante disso, essa tese tem por objetivo a incorporação de modelos de reputação em um ambiente de e-learning para gerar recomendações personalizadas. A arquitetura proposta, chamada e- RecRep, tem como contribuição central permitir a recomendação de OAs em um ambiente de e-learning, onde a reputação dos usuários que recomendam estes OAs é considerada. Com a adoção do e-RecRep, o aluno recebe sugestões - do sistema e de outros usuários - de objetos de aprendizagem que se relacionam com o conteúdo estudado, incentivando o aluno a complementar sua aprendizagem. Os resultados obtidos permitem concluir que as sugestões de uma pessoa que apresenta uma boa reputação a um grupo tornam a informação recomendada mais relevante, melhorando não só a credibilidade da informação, mas também sua robustez, diversidade e surpresa (serendipity). A arquitetura é avaliada através da metodologia TAM, a qual considera a utilidade do protótipo desenvolvido, bem como uma análise comparativa para avaliar a melhoria do processo de ensino e aprendizagem dos alunos. |
id |
URGS_79ee1e031f895266543bd532d4c3bbe4 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/187855 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Hinz, Verlani TimmPimenta, Marcelo Soares2019-01-18T02:31:20Z2018http://hdl.handle.net/10183/187855001083042A educação a distância (EaD) no Brasil tem crescido bastante nos últimos anos, aumentando, com isso, significativamente o uso dos Ambientes Virtuais de Aprendizagem (AVA), que são ambientes computacionais, usados no processo de ensino-aprendizagem. Nesses ambientes encontram-se os objetos de aprendizagem (OA), que são os materiais didáticos utilizados nos cursos, como, por exemplo, documentos de texto, apostilas, arquivos de áudio e vídeo. Entretanto, verifica-se que a cada dia o número de OAs disponíveis aos usuários cresce consideravelmente, dificultando a escolha pelos objetos que satisfaçam as reais necessidades e preferências dos estudantes, tornando-se importante a existência de uma ferramenta que faça recomendações personalizadas aos usuários desses ambientes de e-learning. Além disso, outro fator que dificulta a decisão de escolha é a falta de confiança que os usuários têm em relação ao material disponibilizado, assim como, em relação à pessoa que disponibilizou o material. Diante disso, essa tese tem por objetivo a incorporação de modelos de reputação em um ambiente de e-learning para gerar recomendações personalizadas. A arquitetura proposta, chamada e- RecRep, tem como contribuição central permitir a recomendação de OAs em um ambiente de e-learning, onde a reputação dos usuários que recomendam estes OAs é considerada. Com a adoção do e-RecRep, o aluno recebe sugestões - do sistema e de outros usuários - de objetos de aprendizagem que se relacionam com o conteúdo estudado, incentivando o aluno a complementar sua aprendizagem. Os resultados obtidos permitem concluir que as sugestões de uma pessoa que apresenta uma boa reputação a um grupo tornam a informação recomendada mais relevante, melhorando não só a credibilidade da informação, mas também sua robustez, diversidade e surpresa (serendipity). A arquitetura é avaliada através da metodologia TAM, a qual considera a utilidade do protótipo desenvolvido, bem como uma análise comparativa para avaliar a melhoria do processo de ensino e aprendizagem dos alunos.Distance learning (DL) in Brazil has grown significantly in recent years, increasing significantly the use of Virtual Learning Environments (VLE), which are computational environments, used in the teaching-learning process. In these environments are the learning objects (LO), which are the didactic materials used in the courses, such as text documents, handouts, audio and video files. However, it is verified that each day the number of LOs available to users grows considerably, making it difficult to choose the objects that satisfy the real needs and preferences of the students, making it important to have a tool that makes personalized recommendations to the users of these e-learning environments. In addition, another factor that hinders decision making is the lack of confidence that users have in relation to the material made available, as well as in relation to the person who made the material available. Therefore, this thesis aims to investigate the incorporation of reputation models in an e-learning environment to generate personalized recommendations. The proposed architecture, called e- RecRep, aims to allow the recommendation of LOs in an e-learning environment, where the reputation of users who recommend these LOs is considered. With the adoption of e-RecRep, the student receives suggestions - from the system and other users - of learning objects that relate to the studied content, encouraging the student to complement his / her learning. Preliminary results allow us to conclude that the suggestions of a person who presents a good reputation to a group make the recommended information more relevant, improving not only the credibility of the information, but also its robustness, diversity and surprise (serendipity). The architecture is evaluated through the TAM methodology, which considers the utility of the developed prototype, as well as a comparative analysis to evaluate the improvement of the teaching and learning process of the students.application/pdfporEnsino : AprendizagemEducação a distânciaE-learningRecommendation TechniquesLearning ObjectsReputation ModelsIntegrando reputação às técnicas de recomendação de objetos de aprendizagem em ambientes de e-learninginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2018doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001083042.pdf.txt001083042.pdf.txtExtracted Texttext/plain192189http://www.lume.ufrgs.br/bitstream/10183/187855/2/001083042.pdf.txt120eb422da346281c7b32505aefb1a38MD52ORIGINAL001083042.pdfTexto completoapplication/pdf1858203http://www.lume.ufrgs.br/bitstream/10183/187855/1/001083042.pdfb781c7fde69c20874769c7ce89c4ea48MD5110183/1878552019-01-19 02:33:26.190378oai:www.lume.ufrgs.br:10183/187855Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532019-01-19T04:33:26Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Integrando reputação às técnicas de recomendação de objetos de aprendizagem em ambientes de e-learning |
title |
Integrando reputação às técnicas de recomendação de objetos de aprendizagem em ambientes de e-learning |
spellingShingle |
Integrando reputação às técnicas de recomendação de objetos de aprendizagem em ambientes de e-learning Hinz, Verlani Timm Ensino : Aprendizagem Educação a distância E-learning Recommendation Techniques Learning Objects Reputation Models |
title_short |
Integrando reputação às técnicas de recomendação de objetos de aprendizagem em ambientes de e-learning |
title_full |
Integrando reputação às técnicas de recomendação de objetos de aprendizagem em ambientes de e-learning |
title_fullStr |
Integrando reputação às técnicas de recomendação de objetos de aprendizagem em ambientes de e-learning |
title_full_unstemmed |
Integrando reputação às técnicas de recomendação de objetos de aprendizagem em ambientes de e-learning |
title_sort |
Integrando reputação às técnicas de recomendação de objetos de aprendizagem em ambientes de e-learning |
author |
Hinz, Verlani Timm |
author_facet |
Hinz, Verlani Timm |
author_role |
author |
dc.contributor.author.fl_str_mv |
Hinz, Verlani Timm |
dc.contributor.advisor1.fl_str_mv |
Pimenta, Marcelo Soares |
contributor_str_mv |
Pimenta, Marcelo Soares |
dc.subject.por.fl_str_mv |
Ensino : Aprendizagem Educação a distância |
topic |
Ensino : Aprendizagem Educação a distância E-learning Recommendation Techniques Learning Objects Reputation Models |
dc.subject.eng.fl_str_mv |
E-learning Recommendation Techniques Learning Objects Reputation Models |
description |
A educação a distância (EaD) no Brasil tem crescido bastante nos últimos anos, aumentando, com isso, significativamente o uso dos Ambientes Virtuais de Aprendizagem (AVA), que são ambientes computacionais, usados no processo de ensino-aprendizagem. Nesses ambientes encontram-se os objetos de aprendizagem (OA), que são os materiais didáticos utilizados nos cursos, como, por exemplo, documentos de texto, apostilas, arquivos de áudio e vídeo. Entretanto, verifica-se que a cada dia o número de OAs disponíveis aos usuários cresce consideravelmente, dificultando a escolha pelos objetos que satisfaçam as reais necessidades e preferências dos estudantes, tornando-se importante a existência de uma ferramenta que faça recomendações personalizadas aos usuários desses ambientes de e-learning. Além disso, outro fator que dificulta a decisão de escolha é a falta de confiança que os usuários têm em relação ao material disponibilizado, assim como, em relação à pessoa que disponibilizou o material. Diante disso, essa tese tem por objetivo a incorporação de modelos de reputação em um ambiente de e-learning para gerar recomendações personalizadas. A arquitetura proposta, chamada e- RecRep, tem como contribuição central permitir a recomendação de OAs em um ambiente de e-learning, onde a reputação dos usuários que recomendam estes OAs é considerada. Com a adoção do e-RecRep, o aluno recebe sugestões - do sistema e de outros usuários - de objetos de aprendizagem que se relacionam com o conteúdo estudado, incentivando o aluno a complementar sua aprendizagem. Os resultados obtidos permitem concluir que as sugestões de uma pessoa que apresenta uma boa reputação a um grupo tornam a informação recomendada mais relevante, melhorando não só a credibilidade da informação, mas também sua robustez, diversidade e surpresa (serendipity). A arquitetura é avaliada através da metodologia TAM, a qual considera a utilidade do protótipo desenvolvido, bem como uma análise comparativa para avaliar a melhoria do processo de ensino e aprendizagem dos alunos. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018 |
dc.date.accessioned.fl_str_mv |
2019-01-18T02:31:20Z |
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/10183/187855 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001083042 |
url |
http://hdl.handle.net/10183/187855 |
identifier_str_mv |
001083042 |
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/10183/187855/2/001083042.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/187855/1/001083042.pdf |
bitstream.checksum.fl_str_mv |
120eb422da346281c7b32505aefb1a38 b781c7fde69c20874769c7ce89c4ea48 |
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_ |
1810085464002002944 |