Recomendação Híbrida de Objetos de Aprendizagem a partir da Predição de Necessidades Personalizadas de Estudantes
Resumo
Dada a grande quantidade de dados disponíveis, está cada vez mais difícil identificar objetos de aprendizagem (OA) que contribuirão no processo de aprendizagem dos estudantes. Neste cenário, este trabalho propõe um framework de modelo híbrido para recomendação de OA com base nas preferências e nas necessidades de cada estudante. Para isso, o framework realiza um processo de predição de desempenho para identificar eventuais dificuldades que um estudante poderá apresentar e o framework gera recomendações assertivas, aumentando as chances de aprovação, tendo em vista que o mesmo contará com uma gama de OA que permitirão um melhor desempenho dentro de um semestre letivo.
Referências
Aguiar, J., Fechine, J., & Costa, E. (2019, November). Experimentando a influência dos traços de personalidade do modelo big five na recomendação de recursos educacionais. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE) (Vol. 30, No. 1, p. 1711).
Aha, D. W., Kibler, D., & Albert, M. K. (1991). Instance-based learning algorithms. Machine learning, 6, 37-66.
Júlia Marques Carvalho da Silva, André Luís Alice Raabe. (2021). Um ambiente para atendimento as dificuldades de aprendizagem de algoritmos. XXV Congresso da Sociedade Brasileira de Computação, UNISINOS, São Leopoldo.
Balabanović, M., & Shoham, Y. (1997). Fab: content-based, collaborative recommendation. Communications of the ACM, 40(3), 66-72.
Barreto, A. E., & Pozzatti, F. M. L. (2014). Objetos de aprendizagem teoria e prática. Objetos de aprendizagem: conceitos básicos. Evangraf, Porto Alegre.
Bobadilla, J., Ortega, F., Hernando, A., & Gutiérrez, A. (2013). Recommender systems survey. Knowledge-based systems, 46, 109-132.
Campos, A. D., Hollerweger, L., Santos, G., Farias, A. F., & Behar, P. A. (2017).
Mapeamento de soluções tecnológicas em sistemas de recomendação educacionais em âmbito brasileiro. Informática na educação: teoria & prática. Porto Alegre. Vol. 20, n. 3 (set./dez. 2017), p. 78-93.
Carvalho, Carolina. (2023). O que é python? História, Sintaxe e um Guia para iniciar na Linguagem. Disponível em: [link]. Acesso em 31 mai. 2023.
Carvalho, Vitor; Dorça, Fabiano. (2014). Uma Abordagem para Recomendação Automática e Dinâmica de Objetos de Aprendizagem Baseada em Estilos de Aprendizagem e em Metadados no padrão IEEE LOM. In: Workshop de Desafios da Computação Aplicada à Educação (Desafie!), 3., 2014, Brasília. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, p. 47-56.
Cazella, S., Behar, P., & Schneider, D. (2012). Ketia da Silva, and Rodrigo Freitas. Desenvolvendo um Sistema de Recomendação de Objetos de Aprendizagem baseado em Competências para a Educação: relato de experiências. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE) (Vol. 23, No. 1, pp. 26-30).
Diniz, F. A., Neto, F. M. M., Júnior, F. D. C. L., & Fontes, L. M. O. (2013). RedFace: um sistema de reconhecimento facial baseado em técnicas de análise de componentes principais e autofaces. Revista Brasileira de Computação Aplicada, 5(1), 42-54.
Drachsler, H., Verbert, K., Santos, O. C., & Manouselis, N. (2015). Panorama of recommender systems to support learning. Recommender systems handbook, 421451.
Felder, R. M.; Henriques, E. R. (1995) Learning and Teaching Styles In: Foreign and Second Language Education. Foreign Language Annals, v. 28, n. 1, p. 21–31.
Goldberg, D., Nichols, D., Oki, B. M., & Terry, D. (1992). Using collaborative filtering to weave an information tapestry. Communications of the ACM, 35(12), 61-70.
Guttman, R. H., Moukas, A. G., & Maes, P. (1998). Agent-mediated electronic commerce: A survey. The Knowledge Engineering Review, 13(2), 147-159.
Hoic-Bozic, N., Dlab, M. H., & Mornar, V. (2015). Recommender system and web 2.0 tools to enhance a blended learning model. IEEE Transactions on education, 59(1), 39-44.
Imran, H., Belghis-Zadeh, M., Chang, T. W., Kinshuk, & Graf, S. (2016). PLORS: a personalized learning object recommender system. Vietnam Journal of Computer Science, 3, 3-13.
Jung, C. (1971). Tipos Psicológicos. Tradução Álvaro Cabral. Rio de Janeiro. Vozes.
Kolb, D. A. (2014). Experiential learning: Experience as the source of learning and development. FT press.
Learning Technology Standards Committee Learning Object Metadata (IEEE LTSC LOM). (2002). IEEE Learning Technology Standards Committee (LTSC): standard for Learning Object Metadata (LOM).
Lops, P., De Gemmis, M., & Semeraro, G. (2011). Content-based recommender systems: State of the art and trends. Recommender systems handbook, 73-105.
Maria, S. A. A., Cazella, S. C., & Behar, P. A. (2019). Sistemas de Recomendação: conceitos e técnicas de aplicação. Recomendação Pedagógica em Educação a Distância, 19-47.
Marques, Gerson Adriano. (2022). Um modelo de sistema de recomendação de atividadades complementares para capacitação profissional do aluno de graduação. UNISINOS, São Leopoldo.
Moraes, Thayron Crystian Hortences, and Itana Stiubiener. (2018). Uma Abordagem Híbrida Baseada no Estilo de Aprendizagem para Recomendação de Objetos de Aprendizagem.
Pinho, P. C. R., Barwaldt, R., Espíndola, D., Torres, M., Pias, M., Topin, L., ... & Oliveira, M. (2019, October). Developments in Educational Recommendation Systems: a systematic review. In 2019 IEEE Frontiers in Education Conference (FIE) (pp. 1-7). IEEE.
Santos, T. G. L. Dos. (2020). Sistemas de recomendação para o AVA moodle: uma abordagem baseada em filtragem colaborativa e na taxonomia revisada de bloom. Disponível em: [link]. Acesso em: 3 jul. 2023.
Sweeney, M., Rangwala, H., Lester, J., & Johri, A. (2016). Next-term student performance prediction: A recommender systems approach. arXiv preprint arXiv:1604.01840.
Thorat, P. B., Goudar, R. M., & Barve, S. (2015). Survey on collaborative filtering, content-based filtering and hybrid recommendation system. International Journal of Computer Applications, 110(4), 31-36.
Xu, S. (2018). Bayesian Naïve Bayes classifiers to text classification. Journal of Information Science, 44(1), 48-59.
Aha, D. W., Kibler, D., & Albert, M. K. (1991). Instance-based learning algorithms. Machine learning, 6, 37-66.
Júlia Marques Carvalho da Silva, André Luís Alice Raabe. (2021). Um ambiente para atendimento as dificuldades de aprendizagem de algoritmos. XXV Congresso da Sociedade Brasileira de Computação, UNISINOS, São Leopoldo.
Balabanović, M., & Shoham, Y. (1997). Fab: content-based, collaborative recommendation. Communications of the ACM, 40(3), 66-72.
Barreto, A. E., & Pozzatti, F. M. L. (2014). Objetos de aprendizagem teoria e prática. Objetos de aprendizagem: conceitos básicos. Evangraf, Porto Alegre.
Bobadilla, J., Ortega, F., Hernando, A., & Gutiérrez, A. (2013). Recommender systems survey. Knowledge-based systems, 46, 109-132.
Campos, A. D., Hollerweger, L., Santos, G., Farias, A. F., & Behar, P. A. (2017).
Mapeamento de soluções tecnológicas em sistemas de recomendação educacionais em âmbito brasileiro. Informática na educação: teoria & prática. Porto Alegre. Vol. 20, n. 3 (set./dez. 2017), p. 78-93.
Carvalho, Carolina. (2023). O que é python? História, Sintaxe e um Guia para iniciar na Linguagem. Disponível em: [link]. Acesso em 31 mai. 2023.
Carvalho, Vitor; Dorça, Fabiano. (2014). Uma Abordagem para Recomendação Automática e Dinâmica de Objetos de Aprendizagem Baseada em Estilos de Aprendizagem e em Metadados no padrão IEEE LOM. In: Workshop de Desafios da Computação Aplicada à Educação (Desafie!), 3., 2014, Brasília. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, p. 47-56.
Cazella, S., Behar, P., & Schneider, D. (2012). Ketia da Silva, and Rodrigo Freitas. Desenvolvendo um Sistema de Recomendação de Objetos de Aprendizagem baseado em Competências para a Educação: relato de experiências. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE) (Vol. 23, No. 1, pp. 26-30).
Diniz, F. A., Neto, F. M. M., Júnior, F. D. C. L., & Fontes, L. M. O. (2013). RedFace: um sistema de reconhecimento facial baseado em técnicas de análise de componentes principais e autofaces. Revista Brasileira de Computação Aplicada, 5(1), 42-54.
Drachsler, H., Verbert, K., Santos, O. C., & Manouselis, N. (2015). Panorama of recommender systems to support learning. Recommender systems handbook, 421451.
Felder, R. M.; Henriques, E. R. (1995) Learning and Teaching Styles In: Foreign and Second Language Education. Foreign Language Annals, v. 28, n. 1, p. 21–31.
Goldberg, D., Nichols, D., Oki, B. M., & Terry, D. (1992). Using collaborative filtering to weave an information tapestry. Communications of the ACM, 35(12), 61-70.
Guttman, R. H., Moukas, A. G., & Maes, P. (1998). Agent-mediated electronic commerce: A survey. The Knowledge Engineering Review, 13(2), 147-159.
Hoic-Bozic, N., Dlab, M. H., & Mornar, V. (2015). Recommender system and web 2.0 tools to enhance a blended learning model. IEEE Transactions on education, 59(1), 39-44.
Imran, H., Belghis-Zadeh, M., Chang, T. W., Kinshuk, & Graf, S. (2016). PLORS: a personalized learning object recommender system. Vietnam Journal of Computer Science, 3, 3-13.
Jung, C. (1971). Tipos Psicológicos. Tradução Álvaro Cabral. Rio de Janeiro. Vozes.
Kolb, D. A. (2014). Experiential learning: Experience as the source of learning and development. FT press.
Learning Technology Standards Committee Learning Object Metadata (IEEE LTSC LOM). (2002). IEEE Learning Technology Standards Committee (LTSC): standard for Learning Object Metadata (LOM).
Lops, P., De Gemmis, M., & Semeraro, G. (2011). Content-based recommender systems: State of the art and trends. Recommender systems handbook, 73-105.
Maria, S. A. A., Cazella, S. C., & Behar, P. A. (2019). Sistemas de Recomendação: conceitos e técnicas de aplicação. Recomendação Pedagógica em Educação a Distância, 19-47.
Marques, Gerson Adriano. (2022). Um modelo de sistema de recomendação de atividadades complementares para capacitação profissional do aluno de graduação. UNISINOS, São Leopoldo.
Moraes, Thayron Crystian Hortences, and Itana Stiubiener. (2018). Uma Abordagem Híbrida Baseada no Estilo de Aprendizagem para Recomendação de Objetos de Aprendizagem.
Pinho, P. C. R., Barwaldt, R., Espíndola, D., Torres, M., Pias, M., Topin, L., ... & Oliveira, M. (2019, October). Developments in Educational Recommendation Systems: a systematic review. In 2019 IEEE Frontiers in Education Conference (FIE) (pp. 1-7). IEEE.
Santos, T. G. L. Dos. (2020). Sistemas de recomendação para o AVA moodle: uma abordagem baseada em filtragem colaborativa e na taxonomia revisada de bloom. Disponível em: [link]. Acesso em: 3 jul. 2023.
Sweeney, M., Rangwala, H., Lester, J., & Johri, A. (2016). Next-term student performance prediction: A recommender systems approach. arXiv preprint arXiv:1604.01840.
Thorat, P. B., Goudar, R. M., & Barve, S. (2015). Survey on collaborative filtering, content-based filtering and hybrid recommendation system. International Journal of Computer Applications, 110(4), 31-36.
Xu, S. (2018). Bayesian Naïve Bayes classifiers to text classification. Journal of Information Science, 44(1), 48-59.
Publicado
06/11/2023
Como Citar
SCHRAMMEL, Lucca Alexandre; FONTOURA, Lisandra Manzoni.
Recomendação Híbrida de Objetos de Aprendizagem a partir da Predição de Necessidades Personalizadas de Estudantes. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 34. , 2023, Passo Fundo/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 139-151.
DOI: https://doi.org/10.5753/sbie.2023.234707.
