Um framework de sistemas de recomendação para uso no ensino não-formal

• Ano de defesa: 2020
• Autor(a) principal: Noremberg, Mateus Wachholz
• Orientador(a): Aguiar, Marilton Sanchotene de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pelotas
• Programa de Pós-Graduação: Programa de Pós-Graduação em Computação
• Departamento: Centro de Desenvolvimento Tecnológico
• País: Brasil
• Palavras-chave em Português: Computação; Sistemas de recomendação; Educação; Ensino não-formal; Aprendizado não-formal; Recommender systems; Education; Non-formal education; Non-formal learning
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://guaiaca.ufpel.edu.br/handle/prefix/6888

Os sistemas de recomendação (SR) estão presentes nas mais diversas áreas. Entre elas, uma área na qual os SR vem ganhando cada vez mais relevância é a área da educação. Uma vez que as pessoas estão constantemente aprendendo, não só de maneira formal na escola/universidade, pode-se observar um interesse cada vez maior na busca de cursos, normalmente online, que forneçam alguma capacitação para o estudante. Essa área de ensino é classificada como ensino não-formal. Dessa forma, como o aluno pode estar aprendendo de diferentes maneiras e em diferentes lugares, a informação que está ao seu redor, no seu ambiente, ou seja, seu contexto, pode influenciar no modo como o aluno aprende. Em um primeiro momento, este trabalho apresenta uma revisão sistemática da literatura para identificar aspectos dos SR aplicados no ensino não-formal, bem como avaliar se, e como, a informação de contexto vem sendo aplicada nesses sistemas. A partir dessa análise, propõem-se um framework de recomendação que utilize a informação de contexto do aluno. O framework proposto consiste em quatro etapas, sendo elas a etapa de entrada e preparação dos dados, a etapa de filtragem e geração das recomendações preliminares, a etapa de hibridização do SR, onde a informação de contexto do aluno é aplicada para aproximar a realidade do aluno para as recomendações, e, por fim, a etapa de saída, onde são fornecidas as recomendações. Para avaliar o framework foram conduzidos experimentos de maneira offline em um dataset sintético, construído com informações de interação de usuários com objetos de aprendizagem, e com informações check-in dos usuários para simular as informações de contexto. Os resultados obtidos pelo framework foram avaliados em termos de cobertura das recomendações, similaridade entre os objetos de aprendizado recomendados, personalização, precisão e revocação. Conforme pode ser observado, o framework apresentou resultados promissores, tendo uma ótima cobertura, um equilíbrio na similaridade entre as recomendações, podendo assim gerar certa novidade nas recomendações e uma taxa de personalização das recomendações próxima a 65%.