Un Enfoque para la Recomendación Personalizada de Materiales Educativos a través de Filtrado Basado en Contenido en Entornos Virtuales de Aprendizaje
DOI:
https://doi.org/10.5753/rbie.2023.3292Keywords:
Sistemas Adaptativos, Recomendación, Aprendizaje PersonalizadoAbstract
El área de Sistemas Educativos Adaptativos e Inteligentes está en constante evolución y tiene como objetivo crear entornos de aprendizaje personalizados a través de la aplicación de tecnologías recientes, incluyendo técnicas de Inteligencia Artificial, combinadas con teorías pedagógicas. Este trabajo tiene como objetivo contribuir al área de IA en la educación, utilizando un enfoque que combina tecnologías de la Web Semántica y un algoritmo bioinspirado para realizar recomendaciones personalizadas de objetos de aprendizaje a través de filtrado basado en contenido. En contraste con otros enfoques, este estudio combina repositorios de Entornos Virtuales de Aprendizaje (EVA) con materiales disponibles en la web (YouTube y Wikipedia) para proporcionar recursos educativos en diversos formatos sobre un tema específico. Los materiales de la web se recuperan y estructuran como objetos de aprendizaje. El enfoque se probó en el Entorno de Aprendizaje en el Aula (CX) VLE, y también se creó un recurso de extensión para Moodle. Se llevaron a cabo experimentos para probar el enfoque. Uno de los experimentos tuvo como objetivo analizar las opiniones de los estudiantes con respecto a las recomendaciones personalizadas. Los estudiantes evaluaron positivamente las recomendaciones que consideraron su nivel de conocimiento y ofrecieron materiales adicionales sobre el tema. Otro experimento consideró tres procesos de recomendación diferentes para observar las preferencias de los estudiantes. Las recomendaciones consideraron el uso y no uso de estilos de aprendizaje en el proceso. La calificación promedio general fue relativamente mejor al ignorar el uso de estilos de aprendizaje, pero no hubo significancia estadística.
Descargas
Citas
Almahairi, A., Kastner, K., Cho, K., & Courville, A. (2015). Learning distributed representations from reviews for collaborative filtering. Proceedings of the 9th ACM Conference on Recommender Systems, 147–154. https://doi.org/10.1145/2792838.2800192. [GS Search]
An, D., & Carr, M. (2017). Learning styles theory fails to explain learning and achievement: Recommendations for alternative approaches. Personality and Individual Differences, 116, 410–416. https://doi.org/10.1016/j.paid.2017.04.050. [GS Search].
Araújo, R. D. (2017). Uma Arquitetura Computacional para Autoria e Personalização de Objetos de Aprendizagem em Ambientes Educacionais Ubíquos (tese de dout.). Universidade Federal de Uberlândia. [GS Search].
Ariyaratne, M., & Fernando, T. (2014). A comparative study on nature inspired algorithms with firefly algorithm. International Journal of Engineering and Technology, 4(10), 611–617. [GS Search].
Belizário Júnior, C. (2018). Reúso de conteúdo da Web na recomendação personalizada de objetos de aprendizagem: uma abordagem baseada em um algoritmo genético, tecnologias da Web Semântica e uma ontologia (diss. de mestr.). Universidade Federal de Uberlândia. [GS Search].
Belizário Júnior, C., & Dorça, F. (2018). Uma abordagem para a criação e recomendaçao de objetos de aprendizagem usando um algoritmo genético, tecnologias da web semântica e uma ontologia. Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), 29, 1533. [GS Search].
Bernhard, K., & Vygen, J. (2008). Combinatorial optimization: Theory and algorithms. Springer, Third Edition, 2005.
Brusilovsky, P., & Peylo, C. (2003). Adaptive and intelligent web-based educational systems. International Journal of Artificial Intelligence in Education (IJAIED), 13, 159–172. [GS Search].
Colchester, K., Hagras, H., Alghazzawi, D., & Aldabbagh, G. (2017). A survey of artificial intelligence techniques employed for adaptive educational systems within e-learning platforms. Journal of Artificial Intelligence and Soft Computing Research, 7(1), 47–64. https://doi.org/10.1515/jaiscr-2017-0004. [GS Search].
Cormen, T. H., Leiserson, C. E., Rivest, R. L., & Stein, C. (2009). Introduction to algorithms. MIT press. [GS Search].
De Medio, C., Limongelli, C., Marani, A., & Taibi, D. (2019). Retrieval of Educational Resources from the Web: A Comparison Between Google and Online Educational Repositories. Em M. A. Herzog, Z. Kubincová, P. Han & M. Temperini (Ed.), Advances in Web-Based Learning – ICWL 2019 (pp. 28–38). Springer International Publishing. [GS Search].
Dias, L. L., Barbosa, J. S., Barrére, E., & de Souza, J. F. (2017). Uma abordagem para identificação de similaridade entre recursos educacionais utilizando bases de conhecimento externas. Revista Brasileira de Informática na Educação, 25(02), 18. https://doi.org/10.5753/rbie.2017.25.02.18. [GS Search].
Drachsler, H., Verbert, K., Santos, O. C., & Manouselis, N. (2015). Panorama of recommender systems to support learning. Em Recommender systems handbook (pp. 421–451). Springer. [GS Search].
Dwivedi, P., Kant, V., & Bharadwaj, K. K. (2018). Learning path recommendation based on modified variable length genetic algorithm. Education and Information Technologies, 23(2), 819–836. https://doi.org/10.1007/s10639-017-9637-7. [GS Search].
Felder, R. M., Silverman, L. K., et al. (1988). Learning and teaching styles in engineering education. Engineering education, 78(7), 674–681. [GS Search].
Feldman, J., Monteserin, A., & Amandi, A. (2015). Automatic detection of learning styles: state of the art. Artificial Intelligence Review, 44(2), 157–186. https://doi.org/10.1007/s10462-014-9422-6. [GS Search].
Ferreira, H. N. M. (2018). Uma Abordagem Híbrida Baseada em Redes Bayesianas e Ontologias para Modelagem do Estudante em Sistemas Adaptativos e Inteligentes para Educação (tese de dout.). Universidade Federal de Uberlândia. https://doi.org/10.5753/cbie.sbie.2017.1197. [GS Search].
Ferreira, J. P. B., de Tôrres Maschio, P., de Santana, T. S., da Costa, N. T., & Pereira Junior, C. (2020). Análise de Vídeos como Recurso Educacional em Plataforma Não Formal de Aprendizagem. Anais do XXXI Simpósio Brasileiro de Informática na Educação, 1733–1742. https://doi.org/10.5753/cbie.sbie.2017.1197 https://doi.org/10.5753/cbie.sbie.2017.1197. [GS Search].
Gardner, H. (1983). Frames of mind: The theory of multiple intelligences. NY: Basics. [GS Search].
Gasparetti, F., De Medio, C., Limongelli, C., Sciarrone, F., & Temperini, M. (2018). Prerequisites between learning objects: Automatic extraction based on a machine learning approach. Telematics and Informatics, 35(3), 595–610. https://doi.org/10.1016/j.tele.2017.05.007. [GS Search].
Group, N. E. T. P. T. W., et al. (2010). Transforming American education: Learning powered by technology.
Harman, K., & Koohang, A. (2007). Learning objects: standards, metadata, repositories, and LCMS. Informing Science. [GS Search].
Kalogeraki, E.-M., Troussas, C., Apostolou, D., Virvou, M.,&Panayiotopoulos, T. (2016). Ontology-based model for learning object metadata. 2016 7th International Conference on Information, Intelligence, Systems & Applications (IISA), 1–6. https://doi.org/10.1109/IISA.2016.7785383. [GS Search].
Kelly, D., & Tangney, B. (2006). Adapting to intelligence profile in an adaptive educational system. Interacting with Computers, 18(3), 385–409. https://doi.org/10.1016/j.intcom.2005.11.009. [GS Search].
Kirschner, P. A. (2017). Stop propagating the learning styles myth. Computers & Education, 106, 166–171. https://doi.org/10.1016/j.compedu.2016.12.006. [GS Search].
Kolb, A. Y., & Kolb, D. A. (2005). Learning styles and learning spaces: Enhancing experiential learning in higher education. Academy of management learning & education, 4(2), 193– 212. https://doi.org/10.1016/j.chb.2013.06.036. [GS Search].
Lops, P., De Gemmis, M., & Semeraro, G. (2011). Content-based recommender systems: State of the art and trends. Em Recommender systems handbook (pp. 73–105). Springer. https://doi.org/10.1007/978-0-387-85820-3_3. [GS Search].
LTSC, I. (2020). 1484.12.1-2020 - IEEE Standard for Learning Object Metadata.
Pereira Junior, C. X., Dorça, F. A., & Araujo, R. D. (2019). Towards an Adaptive Approach that Combines Semantic Web Technologies and Metaheuristics to Create and Recommend Learning Objects. 2019 IEEE 19th International Conference on Advanced Learning Technologies (ICALT), 2161, 395–397. https://doi.org/10.1109/ICALT.2019.00118. [GS Search].
Pereira Júnior, C., Araújo, R. D., & Dorça, F. A. (2020). Recomendação Personalizada de Conteúdo Instrucional Complementar usando Repositório de Objetos de Aprendizagem e Recursos da Web. Anais do XXXI Simpósio Brasileiro de Informática na Educação, 1293– 1302. ttps://doi.org/10.5753/cbie.sbie.2020.1293. [GS Search].
Pereira Júnior, C., Belizario Júnior, C., Araújo, R., & Dorça, F. (2020). Personalized Recommendation of Learning Objects Through Bio-inspired Algorithms and Semantic Web Technologies: an Experimental Analysis. Anais do XXXI Simpósio Brasileiro de Informática na Educação, 1333–1342. https://doi.org/10.5753/cbie.sbie.2020.1333. [GS Search].
Pu, P., Chen, L., & Hu, R. (2011). A user-centric evaluation framework for recommender systems. Proceedings of the fifth ACM conference on Recommender systems, 157–164. https://doi.org/10.1145/2043932.2043962. [GS Search].
Roy, D., Sarkar, S., & Ghose, S. (2008). Automatic Extraction of Pedagogic Metadata from Learning Content. Int. J. Artif. Intell. Ed., 18(2), 97–118. [GS Search].
Soloman, B. A., & Felder, R. M. (2005). Index of learning styles questionnaire. NC State University. Available online at: [Link] (last visited on 14.05. 2010), 70. [GS Search].
Valaski, J., Malucelli, A., & Reinehr, S. (2011). Revisão dos modelos de estilos de aprendizagem aplicados à adaptação e personalização dos materiais de aprendizagem. Anais do Simpósio Brasileiro de Informática na Educação, 1(1). [GS Search].
Vargha, A., & Delaney, H. D. (1998). The Kruskal-Wallis test and stochastic homogeneity. Journal of Educational and behavioral Statistics, 23(2), 170–192. https://doi.org/10.3102/10769986023002170. [GS Search].
Wan, S., & Niu, Z. (2018). An e-learning recommendation approach based on the self-organization of learning resource. Knowledge-Based Systems, 160, 71–87. https://doi.org/10.1016/j.knosys.2018.06.014. [GS Search].
Archivos adicionales
Published
Cómo citar
Issue
Section
Licencia
Derechos de autor 2023 Cleon Xavier Pereira Júnior, Rafael Dias Araújo, Fabiano Azevedo Dorça
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
