Uma proposta de sistema de recomendação para educação utilizando neural collaborative filtering e requisitos de acessibilidade

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Lima, Flávio de Oliveira
Orientador(a): Silveira, Ismar Frango
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
eng
Instituição de defesa: Universidade Presbiteriana Mackenzie
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
sistemas de recomendação
neural collaborative filtering
educação
acessibilidade
Link de acesso: https://dspace.mackenzie.br/handle/10899/31246
Resumo: O crescente interesse das grandes corporações, assim como escolas e universidades em fornecer recomendações personalizadas ao seu público-alvo permite que as pessoas aumentem o interesse em receber conteúdos cada vez mais específicos de acordo com o seu perfil. Os sistemas de recomendação contribuem diretamente para sugestões, previsões ou avaliações que são fornecidas por meio de diferentes técnicas. Considerando o cenário de pandemia da Covid-19, o ensino híbrido ganha notoriedade e a necessidade da aprimoração de recursos do ensino à distância, abrindo espaço para os sistemas de recomendação na educação que visam contribuir para auxiliar o processo de aprendizagem, principalmente quando soluções voltadas para pessoas com deficiências são apresentadas, de forma a fornecer uma experiência única, podendo auxiliar neste processo de maneira efetiva. Este trabalho busca explorar de forma detalhada o estado da arte dos sistemas de recomendação na educação ao redor do mundo e identificar estratégias do uso de abordagens hibridas, unindo as técnicas tradicionais de recomendação a algoritmos de inteligência artificial. Ao final é proposto um sistema de recomendação utilizando o framework Neural Collaborative Filtering (NCF) e requisitos de acessibilidade para fornecer recomendações de objetos de aprendizagem personalizados para professores com base em feedbacks implícitos de alunos com deficiência.
id UPM_3596da910aaf1755448a36a82614a15d
oai_identifier_str oai:dspace.mackenzie.br:10899/31246
network_acronym_str UPM
network_name_str Repositório Digital do Mackenzie
repository_id_str
spelling Lima, Flávio de OliveiraSilveira, Ismar Frango2023-02-03T18:49:06Z2023-02-03T18:49:06Z2022-08-18O crescente interesse das grandes corporações, assim como escolas e universidades em fornecer recomendações personalizadas ao seu público-alvo permite que as pessoas aumentem o interesse em receber conteúdos cada vez mais específicos de acordo com o seu perfil. Os sistemas de recomendação contribuem diretamente para sugestões, previsões ou avaliações que são fornecidas por meio de diferentes técnicas. Considerando o cenário de pandemia da Covid-19, o ensino híbrido ganha notoriedade e a necessidade da aprimoração de recursos do ensino à distância, abrindo espaço para os sistemas de recomendação na educação que visam contribuir para auxiliar o processo de aprendizagem, principalmente quando soluções voltadas para pessoas com deficiências são apresentadas, de forma a fornecer uma experiência única, podendo auxiliar neste processo de maneira efetiva. Este trabalho busca explorar de forma detalhada o estado da arte dos sistemas de recomendação na educação ao redor do mundo e identificar estratégias do uso de abordagens hibridas, unindo as técnicas tradicionais de recomendação a algoritmos de inteligência artificial. Ao final é proposto um sistema de recomendação utilizando o framework Neural Collaborative Filtering (NCF) e requisitos de acessibilidade para fornecer recomendações de objetos de aprendizagem personalizados para professores com base em feedbacks implícitos de alunos com deficiência.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nívelhttps://dspace.mackenzie.br/handle/10899/31246porengUniversidade Presbiteriana MackenzieAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccesssistemas de recomendaçãoneural collaborative filteringeducaçãoacessibilidadeUma proposta de sistema de recomendação para educação utilizando neural collaborative filtering e requisitos de acessibilidadeinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Digital do Mackenzieinstname:Universidade Presbiteriana Mackenzie (MACKENZIE)instacron:MACKENZIEhttp://lattes.cnpq.br/3894359521286830https://orcid.org/0000-0001-8029-072Xhttp://lattes.cnpq.br/2443296326760741Eliseo, Maria Ameliahttp://lattes.cnpq.br/5813743488218949https://orcid.org/0000-0003-0913-3259Pimentel, Edson Pinheirohttp://lattes.cnpq.br/6163089025212520The growing interest of large corporations, as well as schools and universities in providing personalized recommendations to their target audience, allows people to increase their interest in receiving increasingly specific content according to their profile. Recommender systems directly contribute to suggestions, predictions or evaluations that are provided through different techniques. Considering the Covid-19 pandemic scenario, Blended Learning gains notoriety and the need to improve distance learning resources, opening space for recommendation systems in education that aim to help the learning process, especially when solutions aimed at for people with disabilities are presented to provide a unique experience and can effectively assist in this process. This work pretends to explore in detail the state of the art of recommender systems in education around the world and identify strategies for the use of hybrid approaches, combining traditional recommendation techniques with artificial intelligence algorithms. Finally, a recommendation system is proposed using the Neural Collaborative Filtering (NCF) framework and accessibility requirements to provide personalized learning object recommendations for teachers based on implicit feedback from students with disabilities.recommendation systemsneural collaborative filteringeducationaccessibilityBrasilEscola de Engenharia Mackenzie (EE)UPMEngenharia Elétrica e ComputaçãoCNPQ::ENGENHARIASORIGINALFLAVIO LIMA DE OLIVEIRA -protegido.pdfFLAVIO LIMA DE OLIVEIRA -protegido.pdfFlávio de Oliveira Limaapplication/pdf4100651https://dspace.mackenzie.br/bitstreams/01ae9273-be89-47e3-8ace-704fd22bcbfb/downloadced3d2ee950586738cf64e4645733546MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://dspace.mackenzie.br/bitstreams/2e1541c3-b405-4ac1-83f3-9868ade7c9ec/downloade39d27027a6cc9cb039ad269a5db8e34MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81997https://dspace.mackenzie.br/bitstreams/dd6742bd-2b3e-47ab-8d12-55cb3f7a7348/downloadfb735e1a8fa1feda568f1b61905f8d57MD55TEXTFLAVIO LIMA DE OLIVEIRA -protegido.pdf.txtFLAVIO LIMA DE OLIVEIRA -protegido.pdf.txtExtracted texttext/plain122837https://dspace.mackenzie.br/bitstreams/c65e2a3d-8269-42b1-9e72-1ecc806b20a9/downloadab49e5a383300562ab999dee963e1219MD56THUMBNAILFLAVIO LIMA DE OLIVEIRA -protegido.pdf.jpgFLAVIO LIMA DE OLIVEIRA -protegido.pdf.jpgGenerated Thumbnailimage/jpeg1218https://dspace.mackenzie.br/bitstreams/e16c9d79-261d-4555-b7a2-5abea57579dd/downloadeeda792dff742749d9c56f080b7a4853MD5710899/312462023-02-04 01:02:43.445http://creativecommons.org/licenses/by-nc-nd/3.0/br/Attribution-NonCommercial-NoDerivs 3.0 Braziloai:dspace.mackenzie.br:10899/31246https://dspace.mackenzie.brBiblioteca Digital de Teses e Dissertaçõeshttp://tede.mackenzie.br/jspui/PRIhttps://adelpha-api.mackenzie.br/server/oai/repositorio@mackenzie.br||paola.damato@mackenzie.bropendoar:102772023-02-04T01:02:43Repositório Digital do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)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
dc.title.pt_BR.fl_str_mv Uma proposta de sistema de recomendação para educação utilizando neural collaborative filtering e requisitos de acessibilidade
title Uma proposta de sistema de recomendação para educação utilizando neural collaborative filtering e requisitos de acessibilidade
spellingShingle Uma proposta de sistema de recomendação para educação utilizando neural collaborative filtering e requisitos de acessibilidade
Lima, Flávio de Oliveira
sistemas de recomendação
neural collaborative filtering
educação
acessibilidade
title_short Uma proposta de sistema de recomendação para educação utilizando neural collaborative filtering e requisitos de acessibilidade
title_full Uma proposta de sistema de recomendação para educação utilizando neural collaborative filtering e requisitos de acessibilidade
title_fullStr Uma proposta de sistema de recomendação para educação utilizando neural collaborative filtering e requisitos de acessibilidade
title_full_unstemmed Uma proposta de sistema de recomendação para educação utilizando neural collaborative filtering e requisitos de acessibilidade
title_sort Uma proposta de sistema de recomendação para educação utilizando neural collaborative filtering e requisitos de acessibilidade
author Lima, Flávio de Oliveira
author_facet Lima, Flávio de Oliveira
author_role author
dc.contributor.author.fl_str_mv Lima, Flávio de Oliveira
dc.contributor.advisor1.fl_str_mv Silveira, Ismar Frango
contributor_str_mv Silveira, Ismar Frango
dc.subject.por.fl_str_mv sistemas de recomendação
neural collaborative filtering
educação
acessibilidade
topic sistemas de recomendação
neural collaborative filtering
educação
acessibilidade
description O crescente interesse das grandes corporações, assim como escolas e universidades em fornecer recomendações personalizadas ao seu público-alvo permite que as pessoas aumentem o interesse em receber conteúdos cada vez mais específicos de acordo com o seu perfil. Os sistemas de recomendação contribuem diretamente para sugestões, previsões ou avaliações que são fornecidas por meio de diferentes técnicas. Considerando o cenário de pandemia da Covid-19, o ensino híbrido ganha notoriedade e a necessidade da aprimoração de recursos do ensino à distância, abrindo espaço para os sistemas de recomendação na educação que visam contribuir para auxiliar o processo de aprendizagem, principalmente quando soluções voltadas para pessoas com deficiências são apresentadas, de forma a fornecer uma experiência única, podendo auxiliar neste processo de maneira efetiva. Este trabalho busca explorar de forma detalhada o estado da arte dos sistemas de recomendação na educação ao redor do mundo e identificar estratégias do uso de abordagens hibridas, unindo as técnicas tradicionais de recomendação a algoritmos de inteligência artificial. Ao final é proposto um sistema de recomendação utilizando o framework Neural Collaborative Filtering (NCF) e requisitos de acessibilidade para fornecer recomendações de objetos de aprendizagem personalizados para professores com base em feedbacks implícitos de alunos com deficiência.
publishDate 2022
dc.date.issued.fl_str_mv 2022-08-18
dc.date.accessioned.fl_str_mv 2023-02-03T18:49:06Z
dc.date.available.fl_str_mv 2023-02-03T18:49:06Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://dspace.mackenzie.br/handle/10899/31246
url https://dspace.mackenzie.br/handle/10899/31246
dc.language.iso.fl_str_mv por
eng
language por
eng
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Presbiteriana Mackenzie
publisher.none.fl_str_mv Universidade Presbiteriana Mackenzie
dc.source.none.fl_str_mv reponame:Repositório Digital do Mackenzie
instname:Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron:MACKENZIE
instname_str Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron_str MACKENZIE
institution MACKENZIE
reponame_str Repositório Digital do Mackenzie
collection Repositório Digital do Mackenzie
bitstream.url.fl_str_mv https://dspace.mackenzie.br/bitstreams/01ae9273-be89-47e3-8ace-704fd22bcbfb/download
https://dspace.mackenzie.br/bitstreams/2e1541c3-b405-4ac1-83f3-9868ade7c9ec/download
https://dspace.mackenzie.br/bitstreams/dd6742bd-2b3e-47ab-8d12-55cb3f7a7348/download
https://dspace.mackenzie.br/bitstreams/c65e2a3d-8269-42b1-9e72-1ecc806b20a9/download
https://dspace.mackenzie.br/bitstreams/e16c9d79-261d-4555-b7a2-5abea57579dd/download
bitstream.checksum.fl_str_mv ced3d2ee950586738cf64e4645733546
e39d27027a6cc9cb039ad269a5db8e34
fb735e1a8fa1feda568f1b61905f8d57
ab49e5a383300562ab999dee963e1219
eeda792dff742749d9c56f080b7a4853
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Digital do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)
repository.mail.fl_str_mv repositorio@mackenzie.br||paola.damato@mackenzie.br
_version_ 1851946025073246208

Registros relacionados