Agrupamento e Recomendação de Objetos de Aprendizagem no Padrão IEEE-LOM Considerando Estilos de Aprendizagem

• Miller M. Mendes Universidade Federal de Uberlândia (UFU)
• Vitor C. de Carvalho Universidade Federal de Uberlândia (UFU)
• Fabiano A. Dorça Universidade Federal de Uberlândia (UFU)
• Rafael D. Araújo Universidade Federal de Uberlândia (UFU)
• Renan G. Cattelan Universidade Federal de Uberlândia (UFU)

DOI: https://doi.org/10.5753/cbie.sbie.2017.1217

Resumo

A grande quantidade de objetos de aprendizagem que são criados continuamente faz com que os repositórios de materiais educacionais fiquem cada vez maiores e a busca de itens específicos se torna um desafio. Dessa forma, faz-se necessário que tais objetos sejam organizados para que sua recomendação seja mais eficiente. Sendo assim, a proposta apresentada neste trabalho utiliza técnicas de clusterização para agrupar conteúdos educacionais em repositórios com base em estilos de aprendizagem. Uma análise comparativa de três diferentes algoritmos de agrupamento foi realizada e resultados promissores foram obtidos. Com base nos resultados, uma proposta de recomendação de objetos de aprendizagem é discutida.

Palavras-chave: Objetos de Aprendizagem, Clusterização, Estilos de Aprendizagem

Referências

Almeida, M.E.B.d. (2003). Educação à distância na internet: abordagens e contribuições dos ambientes digitais de aprendizagem. Educação e Pesquisa, 29:327–340.

Araújo, R.D., Brant-Ribeiro, T., Ferreira, H.N.M., Dorça, F.A., and Cattelan, R.G. (2016). Segmentação Colaborativa de Objetos de Aprendizagem Utilizando Bookmarks em Ambientes Educacionais Ubíquos. In Anais do 27º Simpósio Brasileiro de Informática na Educação, SBIE’16, pages 1205–1214, Uberlândia, MG, BR. SBC.

Audino, D.F. and da Silva Nascimento, R. (2012). Objetos de aprendizagem – diálogos entre conceitos e uma nova proposição aplicada à educação. Revista Contemporânea de Educação, 5(10).

Casagrande, M.F.R., Kozima, G., and Willrich, R. (2015). Técnica de recomendação baseada em metadados para repositórios digitais voltados ao ensino. Revista Brasileira de Informática na Educação, 23(02):70.

Cazella, S.C., Behar, P., Schneider, D., da Silva, K.K., and Freitas, R. (2012). Desenvolvendo um sistema de recomendação de objetos de aprendizagem baseado em competências para a educação: relato de experiências. In Anais do Simpósio Brasileiro de Informática na Educação, volume 23.

Cazella, S.C., Reategui, E., Machado, M., and Barbosa, J. (2009). Recomendação de objetos de aprendizagem empregando filtragem colaborativa e competências. Simpósio Brasileiro de Informática na Educação (SBIE).

Dempster, A.P., Laird, N.M., and Rubin, D.B. (1977). Maximum likelihood from incomplete data via the em algorithm. Journal of the royal statistical society. Series B (methodological), pages 1–38.

Dorça, F.A., Araújo, R.D., de Carvalho, V.C., Resende, D.T., and Cattelan, R.G. (2016). An Automatic and Dynamic Approach for Personalized Recommendation of Learning Objects Considering Students Learning Styles: An Experimental Analysis. Informatics in Education, 15(1):45–62.

Dos Santos, H., Cechinel, C., Araújo, R., and Brauner, D. (2015). Recomendação de objetos de aprendizagem utilizando filtragem colaborativa: Uma comparação entre abordagens de pré-processamento por meio de clusterização. In Anais do Simpósio Brasileiro de Informática na Educação, volume 26, page 1127.

Felder, R.M. and Silverman, L.K. (1988). Learning and teaching styles in engineering education. Engineering education, 78(7):674–681.

Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., and Witten, I.H. (2009). The weka data mining software: an update. ACM SIGKDD explorations newsletter, 11(1):10–18.

Hodgins, W., Duval, E., et al. (2002). Draft standard for learning object metadata (1484.12.1). Learning Technology Standards Committee of the IEEE.

Kohonen, Teuvo, P. (1998). Self-organizing maps of symbol strings. Neurocomputing, 21(1):19–30.

MacQueen, J. et al. (1967). Some methods for classification and analysis of multivariate observations. In Proceedings of the fifth Berkeley symposium on mathematical statistics and probability, volume 1, pages 281–297, Oakland, CA, USA.

Michalski, R.S., Carbonell, J.G., and Mitchell, T.M. (2013). Machine learning: An artificial intelligence approach. Springer Science & Business Media.

Riding, R. and Rayner, S. (2013). Cognitive styles and learning strategies: Understanding style differences in learning and behavior. Routledge.

Torres, T.Z. and do Amaral, S.F. (2011). Aprendizagem colaborativa e web 2.0: proposta de modelo de organização de conteúdos interativos. Educação Temática Digital, 12:49.

Vesanto, J., Himberg, J., Alhoniemi, E., Parhankangas, J., et al. (1999). Self-organizing map in matlab: the som toolbox. In Proceedings of the Matlab DSP conference, volume 99, pages 16–17.

Weiser, M. (1999). The computer for the 21st century. SIGMOBILE Mob. Comput. Commun. Rev., 3(3):3–11.

Xiong, H., Wu, J., and Chen, J. (2009). K-means clustering versus validation measures: a data-distribution perspective. Systems, Man, and Cybernetics, Part B: Cybernetics, IEEE Transactions on, 39(2):318–331.

Zaina, L., Bressan, G., Cardieri, M., and Júnior, J.F.R. (2012). e-lors: Uma abordagem para recomendação de objetos de aprendizagem. Revista Brasileira de Informática na Educação, 20(1):04.