Recomendação Baseada no Perfil e Contexto Tecnológico do Aluno
Resumo
Este artigo descreve a evolução da ontologia PERSONNA, para modelagem do perfil e do contexto do aluno em um ambiente e-learning, criando a ontologia PERSONNA-TEC e sua integração na arquitetura BROAD-RS. Esse sistema é capaz de realizar a recomendação de objetos de aprendizagem (OA) sensível ao contexto, e enriquecer, flexibilizar e dinamizar os conteúdos de uma disciplina através do plano didático do professor. A avaliação ocorreu com alunos da disciplina de Conceitos Básicos do Computador com recomendações de OA para recursos tecnológicos diferenciados. Os resultados obtidos apontam para a viabilidade da proposta.
Referências
Carvalho, V. C.; Mendes, M. M.; Ferreira, H. N. M.; Dorça, F. A.; Cattelan, R. G. (2016). Uma Ontologia para Apoio à Recomendaçao Automática e Personalizada de Conteúdo Considerando Estilos de Aprendizagem de Estudantes em Sistemas Adaptativos para Educação. In Brazilian Symposium on Computers in Education - Simpósio Brasileiro de Informática na Educação – SBIE 2016, v. 27, p. 1175.
Dolog, P.; Nejdl, W. (2007). Semantic Web Technologies for the Adaptive Web. In: The Adaptive Web, Springer-Verlag, Berlin, Heidelberg, p. 697-719.
Drescht, A.; Lacerda, D. P.; Antunes Junior, J. A. V. (2015). Design Science Research: método para avanço da ciência e tecnologia. Porto Alegre: Bookman, p. 204.
Ferreira, H. N. M.; Araújo, R. D.; Dorça, F. A.; Cattelan, R. G. (2017). Uma Abordagem Baseada em Ontologias para Modelagem e Avaliação do Estudante em Sistemas Adaptativos e Inteligentes para Educação. Anais do XXVIII Simpósio Brasileiro de Informática na Educação - SBIE 2017, v. 28, p. 1197.
Hinz, V. T.; Gasparini, I.; Pimenta, M. S. (2011). Em busca de recomendação de objetos de aprendizagem em um ambiente e-learning com uso de ontologias. In: LACLO 2011 - Sexto Congresso Latinoamericano de Objetos de Aprendizagem, Montevidéu. IEEE.
LOM - Learning Object Metadata Working Group 12. (2012). Disponível em: [link] Acesso em: 7 de maio de 2018.
Melo, S. L.; Dantas, A. C.; Fernandes, M. A. (2017). Modelo do estudante baseado em emoções e perfis de personalidade para recomendação de estratégias pedagógicas personalizadas. Anais do XXVIII Simpósio Brasileiro de Informática na Educação - SBIE 2017, v. 28, p. 967.
Nascimento, K. A. S.; Filho, J. A. C. (2016). Dispositivos móveis na educação: ensinando e aprendendo em diferentes contextos. Anais do XXVII Simpósio Brasileiro de Informática na Educação - SBIE 2016, v. 27, p. 1225.
Pereira, C. K.; Campos, F.; Ströele, V.; David, J. M. N.; Braga, R. (2018). BROAD-RSI – educational recommender system using social networks interactions and linked data. Journal of Internet Services and Applications, v. 9, n. 1, p. 7.
Pereira, C. K.; Campos, F. C. A.; David, J. M. N.; Braga, R. M. (2014). Extracting User Profile and Context from Social Networks and Virtual Learning Environments to Recommend Educational Resources. ICWI, Porto, Portugal: [s.n.], p. 171–178.
Pereira, C. K.; Campos, F.; Ströele, V. (2014). Extração de Características de Perfil e de Contexto em Redes Sociais para Recomendação de Recursos Educacionais. In: Simpósio Brasileiro de Informática na Educação, 2014, Dourados-MS. Anais do SBIE 2014, p. 506-515. Porto Alegre: SBC.
Pereira, C. K.; Campos, F.; Ströele, V.; David, J. M. N.; Braga, R. (2015). Explorando Dados Ligados através de um Sistema de Recomendação Educacional. Anais do XXVI Simpósio Brasileiro de Informática na Educação – SBIE 2015, v. 26, p. 1042.
Rezende, P.; Campos, F.; Braga, R.; David, J. M. N. (2013). Broad-rs: uma arquitetura para recomendação de objetos de aprendizagem sensível ao contexto usando agentes. Anais do X Congresso Brasileiro de Ensino Superior a Distância, p. 11–13.
Rezende, P.; Campos, F.; David, J. M. N.; Braga, R. (2015). PERSONNA: proposta de ontologia de contexto e perfil de aluno para recomendação de objetos de aprendizagem. RBIE (Revista Brasileira de Informática na Educação), v. 23, n. 1, janeiro de 2015.
Verbert, K.; Manouselis, N.; Ochoa, X. (2012). Context-Aware Recommender Systems for Learning: A Survey and Future Challenges. IEEE Transactions on Learning Technologies, v. 99, no. PrePrints.
