Analysis of recommendation rethods for learning objects using learning styles

• Ano de defesa: 2020
• Autor(a) principal: Almeida, Miguel Alvim de
• Orientador(a): Barrere, Eduardo
• Banca de defesa: Souza, Jairo Francisco de , Soares Neto, Carlos de Salles
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
• Programa de Pós-Graduação: Programa de Pós-graduação em Ciência da Computação
• Departamento: ICE – Instituto de Ciências Exatas
• País: Brasil
• Palavras-chave em Português: Redes neurais artificiais; Sistemas de recomendação; Estilos de aprendizagem; Similaridade de vetor; Objetos de aprendizagem; IEEE-LOM; Artificial neural networks; Recommender systems; Learning vector similarity; Learning objects
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: https://repositorio.ufjf.br/jspui/handle/ufjf/12593

Esta dissertação apresenta a pesquisa sobre a utilização de Estilos de Aprendizagem como critérios primários para a construção de um sistema de recomendação de Objetos de Aprendizagem. São identificadas as principais características necessárias para a criação de tal sistema, assim como quais passos são necessários para se utilizar Estilos de Aprendizagem durante um processo de recomendação. É proposta uma função utilidade para o processo de recomendação que faz uso de uma Rede Neural Artificial. Para a realização de testes, foram criadas bases de dados sintéticas de alunos baseadas no modelo de estilos de aprendizagem Felder & Silverman e de objetos de aprendizagem baseados no IEEE-LOM. Os resultados demonstram possíveis limitações inerentes do método de Anitha e Deisy para a classificação de objetos de aprendizagem para o modelo Felder & Silverman assim como da capacidade de utilização de estilos de aprendizagem como principais e únicos fatores para a recomendação de conteúdo educacional. Das conclusões tiradas, é visto que a adição de mais elementos pertinentes ao processo de educação e o maior estudo sobre a implementação e treino da rede neural podem ser o caminho necessário para suprimir e superar as limitações encontradas, que são o uso do método de Anitha e Deisy para converter objetos de aprendizagem do IEEE-LOM para o FSLSM e o uso exclusivo de estilos de aprendizagem como critério de recomendação.