Author(s): Madeira, Filipe Montez Coelho
Date: 2015
Persistent ID: http://hdl.handle.net/10174/16446
Origin: Repositório Científico da Universidade de Évora
Subject(s): Sistemas de recomendação personalizados; Filtragem colaborativa; Gestor de conteúdos; Aprendizagem formal; Sequenciamento; Perfil do aluno; Tecnologia avançada de aprendizagem; Personalized recommender systems; Collaborative formal learning; Content manager; Sequencing; Learner profile; Technology enhanced learning
O objetivo principal desta dissertação é propor um modelo de recomendação de conteúdos de aprendizagem num ambiente formal, típico do Ensino Superior, sobre um gestor de conteúdos ampliado, onde os alunos avaliam e publicam conteúdos. As principais contribuições deste trabalho são: 1. A adição de conteúdos pelos alunos é por eles bem aceite; 2. Modelo de recomendações híbrido, em cascata, com três filtragens baseadas em regras de precedência, duração de estudo e avaliação das atividades de aprendizagem; 3. Formulação de similaridade entre alunos, que valoriza os melhores alunos e o passado recente de conteúdos selecionados por cada aluno; 4. Implementação, experimentação e avaliação de um protótipo baseado no modelo proposto. A avaliação mostrou que o desenvolvimento deste tipo de sistemas permite aos alunos terem experiências únicas de aprendizagem com sequenciamentos de conteúdos adequados aos seus perfis. Destacamos a contribuição para esta investigação da revisão de conceitos e literatura relacionada; ABSTRACT:The main objective of this thesis is to propose a model for personalized recommendation of learning activities, directed to learners, in a formal learning context. We suggest that learners can publish some useful contents and that they should rate them. The main contributions of this work are: 1. The addition of new content was well accepted, by learners; 2. Hybrid recommendations model in cascade, with three filtering techniques, based on precedence rules, duration of study and classification of learning activities; 3. New formulation of similarity between students, which gives value to the best students and recent past of content selected by each student. 4. A prototype has been implemented and real experimentation was carried out during two months. It showed that such systems help learners to diversify their learning paths and experiences, increase useful collaboration and support making decisions. We also highlight the contribution of the revision of related work.
