StudyPlan: a software for personalized recommendation of study plans
Abstract
In higher education in Computer Science, students face challenges, such as overloading extracurricular activities and damaging their academic performance. We propose StudyPlan, a software that recommends personalized study plans, considering the student’s profile, aiming for academic success. To evaluate the software, we carried out an empirical study, comparing the recommendation generated by experts with that generated by StudyPlan. As a result, the median accuracy of the five scenarios was 0.7 and the median precision was 0.9. Thus, there is evidence that StudyPlan is capable of correctly recommending subjects, even if it does not recommend all possible subjects.
Keywords:
recommendation application, context awareness, dynamic programming, knapsack problem
References
Brasscom (2021). Demanda de talentos em tic e estrategia tcem 2021 - relatório de inteligência e informação bri2-2021-007 -v112. [link]. Acesso em 27 nov. 2023.
Coutinho, E., Bezerra, J., Bezerra, C. I. M., and Moreira, L. O. (2018). Uma análise da evasão em cursos de graduação apoiado por métricas e visualização de dados. In Anais do XXIV Workshop de Informática na Escola, pages 31–40. SBC.
Engestrom, Y., Miettinen, R., and Punamaki, R.-L. (1999). Perspectives on activity theory. Cambridge University Press.
Hamim, T., Benabbou, F., and Sael, N. (2021). Survey of machine learning techniques for student profile modeling. iJET, 16(4):136–151.
Henderson, A. (2002). Interaction design: Beyond human-computer interaction. Ubiquity, 2002(March).
Inep, Diretoria de Estatísticas Educacionais, C.-G. d. C. d. Q. e. T. d. I. (2023). Painel de estatísticas do censo da educação superior. [link].
James, G. (2013). An introduction to statistical learning.
Morrow, T., Hurson, A. R., and Sarvestani, S. S. (2017). A multi-stage approach to personalized course selection and scheduling. In 2017 IEEE IRI conference, pages 253–262. IEEE.
Paz, F. and Cazella, S. (2017). Identificando o perfil de evasão de alunos de graduação através da mineração de dados educacionais: um estudo de caso de uma universidade comunitária. In Anais dos Workshops do CBIE, volume 6, page 624.
Prodanov, Cleber Cristiano de Freitas, E. C. (2013). Metodologia do trabalho científico: métodos e técnicas da pesquisa e do trabalho acadêmico-2ª Edição . Editora Feevale
SBC (2021). Educação Superior em Computação - Estatísticas – 2021. Disponível em: [link].
Seabra, R. D. and Mattedi, A. P. (2017). Levantamento do perfil de estudantes ingressantes nos cursos de computação da universidade federal de itajubá: um estudo socioeconômico e cultural. Revista de Sistemas e Computação-RSC , 7(1).
Skiena, S. S. (2008). The Algorithm Design Manual. Springer, second edition.
Susmaga, R. (2004). Confusion matrix visualization. In Intelligent Information Processing and Web Mining: Proceedings of the International IIS: IIPWM ‘04 Conference held in Zakopane, Poland, May 17–20, 2004, pages 107–116. Springer.
Valente, M. T. (2020). Engenharia de Software Moderna: Princípios e Práticas para Desenvolvimento de Software com Produtividade.
Walker, M., Takayama, L., Landay, J., and Leila (2002). High-fidelity or low-fidelity, paper or computer choosing attributes when testing web prototypes. Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 46.
Êrica Carmo, Isabela Gasparini, E. O. (2022). Identificação de trajetórias de aprendizagem em um curso de graduação e sua relação com a evasão escolar. In Anais do XXXIII SBIE, pages 323–333, Porto Alegre. SBC.
Coutinho, E., Bezerra, J., Bezerra, C. I. M., and Moreira, L. O. (2018). Uma análise da evasão em cursos de graduação apoiado por métricas e visualização de dados. In Anais do XXIV Workshop de Informática na Escola, pages 31–40. SBC.
Engestrom, Y., Miettinen, R., and Punamaki, R.-L. (1999). Perspectives on activity theory. Cambridge University Press.
Hamim, T., Benabbou, F., and Sael, N. (2021). Survey of machine learning techniques for student profile modeling. iJET, 16(4):136–151.
Henderson, A. (2002). Interaction design: Beyond human-computer interaction. Ubiquity, 2002(March).
Inep, Diretoria de Estatísticas Educacionais, C.-G. d. C. d. Q. e. T. d. I. (2023). Painel de estatísticas do censo da educação superior. [link].
James, G. (2013). An introduction to statistical learning.
Morrow, T., Hurson, A. R., and Sarvestani, S. S. (2017). A multi-stage approach to personalized course selection and scheduling. In 2017 IEEE IRI conference, pages 253–262. IEEE.
Paz, F. and Cazella, S. (2017). Identificando o perfil de evasão de alunos de graduação através da mineração de dados educacionais: um estudo de caso de uma universidade comunitária. In Anais dos Workshops do CBIE, volume 6, page 624.
Prodanov, Cleber Cristiano de Freitas, E. C. (2013). Metodologia do trabalho científico: métodos e técnicas da pesquisa e do trabalho acadêmico-2ª Edição . Editora Feevale
SBC (2021). Educação Superior em Computação - Estatísticas – 2021. Disponível em: [link].
Seabra, R. D. and Mattedi, A. P. (2017). Levantamento do perfil de estudantes ingressantes nos cursos de computação da universidade federal de itajubá: um estudo socioeconômico e cultural. Revista de Sistemas e Computação-RSC , 7(1).
Skiena, S. S. (2008). The Algorithm Design Manual. Springer, second edition.
Susmaga, R. (2004). Confusion matrix visualization. In Intelligent Information Processing and Web Mining: Proceedings of the International IIS: IIPWM ‘04 Conference held in Zakopane, Poland, May 17–20, 2004, pages 107–116. Springer.
Valente, M. T. (2020). Engenharia de Software Moderna: Princípios e Práticas para Desenvolvimento de Software com Produtividade.
Walker, M., Takayama, L., Landay, J., and Leila (2002). High-fidelity or low-fidelity, paper or computer choosing attributes when testing web prototypes. Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 46.
Êrica Carmo, Isabela Gasparini, E. O. (2022). Identificação de trajetórias de aprendizagem em um curso de graduação e sua relação com a evasão escolar. In Anais do XXXIII SBIE, pages 323–333, Porto Alegre. SBC.
Published
2024-11-04
How to Cite
RODRIGUES, Andressa; DIAS, Bruna; FORRATI, Samuel; ECAR, Miguel; FINGER, Alice; SILVA, João Pablo.
StudyPlan: a software for personalized recommendation of study plans. In: BRAZILIAN SYMPOSIUM ON COMPUTERS IN EDUCATION (SBIE), 35. , 2024, Rio de Janeiro/RJ.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 2220-2231.
DOI: https://doi.org/10.5753/sbie.2024.242322.
