Recomendação sensível ao contexto aplicada à educação híbrida
| Ano de defesa: | 2022 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | eng |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Palavras-chave em Inglês: | |
| Link de acesso: | http://hdl.handle.net/10183/254410 |
Resumo: | Ambientes de educação híbrida são aqueles que combinam instrução presencial com instrução mediada por computador, e têm ganhado espaço nos meios de discussão sobre novas metodologias educacionais. Vários benefícios são observados na utilização dessa metodologia, dentre eles: aumento do desempenho acadêmico e das habilidades sociais dos estudantes, aumento da flexibilidade de ensino e aprendizagem, aumento da satisfação do estudante, diminuição das taxas de evasão e aumento da retenção escolar. O papel das TICs é central nesse cenário, podendo colaborar com o que se chama aprendizagem ubíqua, ou seja, um ambiente de aprendizado diário que fornece conteúdo e interação a qualquer hora e lugar aos alunos. Sistemas de recomendação são muito úteis nesses ambientes, provendo a sugestão de conteúdos e atividades de forma personalizada aos usuários. Neste âmbito, este trabalho propõe um modelo para recomendação de recursos de aprendizagem sensível ao contexto em um ambiente de educação híbrida, utilizando ontologia. Para avaliar o modelo, foram utilizadas regras SWRL (Semantic Web Rule Language) através do motor de inferência Pellet. A abordagem foi avaliada através de um estudo de caso que representa a situação de um aluno em um ambiente de educação híbrida, com diversas opções de recursos, em que as escolhas podem variar de acordo com o seu perfil geral e acadêmico, além do seu contexto atual. Então, as regras de recomendação são executadas, tendo como resultado a sugestão de recursos para o aluno, onde verificou-se que o modelo é capaz de inferir relações entre o aluno e os recursos de aprendizagem, levando em conta o seu perfil, a tecnologia disponível e a sua localização. Assim, foi apresentada a verificação da abordagem proposta, possibilitando a reprodução dos procedimentos e testes realizados. |
| id |
URGS_84af97c3cc8510d2728927cb4d50a720 |
|---|---|
| oai_identifier_str |
oai:www.lume.ufrgs.br:10183/254410 |
| network_acronym_str |
URGS |
| network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
| repository_id_str |
|
| spelling |
Santos, Diego Alessandro Pereira dosOliveira, Jose Palazzo Moreira de2023-02-08T05:02:13Z2022http://hdl.handle.net/10183/254410001161675Ambientes de educação híbrida são aqueles que combinam instrução presencial com instrução mediada por computador, e têm ganhado espaço nos meios de discussão sobre novas metodologias educacionais. Vários benefícios são observados na utilização dessa metodologia, dentre eles: aumento do desempenho acadêmico e das habilidades sociais dos estudantes, aumento da flexibilidade de ensino e aprendizagem, aumento da satisfação do estudante, diminuição das taxas de evasão e aumento da retenção escolar. O papel das TICs é central nesse cenário, podendo colaborar com o que se chama aprendizagem ubíqua, ou seja, um ambiente de aprendizado diário que fornece conteúdo e interação a qualquer hora e lugar aos alunos. Sistemas de recomendação são muito úteis nesses ambientes, provendo a sugestão de conteúdos e atividades de forma personalizada aos usuários. Neste âmbito, este trabalho propõe um modelo para recomendação de recursos de aprendizagem sensível ao contexto em um ambiente de educação híbrida, utilizando ontologia. Para avaliar o modelo, foram utilizadas regras SWRL (Semantic Web Rule Language) através do motor de inferência Pellet. A abordagem foi avaliada através de um estudo de caso que representa a situação de um aluno em um ambiente de educação híbrida, com diversas opções de recursos, em que as escolhas podem variar de acordo com o seu perfil geral e acadêmico, além do seu contexto atual. Então, as regras de recomendação são executadas, tendo como resultado a sugestão de recursos para o aluno, onde verificou-se que o modelo é capaz de inferir relações entre o aluno e os recursos de aprendizagem, levando em conta o seu perfil, a tecnologia disponível e a sua localização. Assim, foi apresentada a verificação da abordagem proposta, possibilitando a reprodução dos procedimentos e testes realizados.Blended learning environments are those that combine face-to-face instruction with computer mediated instruction and have gained space in the means of discussion about new educational methodologies. Several benefits are observed in this methodology, including an increase in academic performance and students' social skills, an increase in teaching and learning flexibility, an increase in student satisfaction, a decrease in dropout rates, and an increase in school retention. The role of ICTs is central in this scenario, collaborating with ubiquitous learning, that is, a daily learning environment that provides content and interaction anytime and anywhere to students. Recommender systems are very useful in these environments, providing users with personalized suggestions for content and activities. In this context, this work proposes a model for recommending learning resources in a blended learning environment, using ontology. To evaluate the model, SWRL rules were used through the Pellet inference engine. The approach was evaluated through a case study that represents a student's situation in a hybrid education environment, with several options of resources, in which the choices may vary according to their educational and administrative profile, in addition to their current context. Then, the recommendation rules are executed, resulting in the suggestion of resources for the student, so it was verified that the model is capable of inferring relationships between the student and the learning resources, taking into account his profile, the technology available and your location. Thus, the proposed approach was verified, enabling the reproduction of the performed procedures and tests.application/pdfengSistemas de recomendaçãoOntologiasEducação híbridaRecommender SystemsContext AwarenessBlended LearningRecomendação sensível ao contexto aplicada à educação híbridaContext-aware recommendation applied to blended learning info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2022mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001161675.pdf.txt001161675.pdf.txtExtracted Texttext/plain112251http://www.lume.ufrgs.br/bitstream/10183/254410/2/001161675.pdf.txt2dddf6a684945baa571c0ecb18fd46f3MD52ORIGINAL001161675.pdfTexto completoapplication/pdf1468670http://www.lume.ufrgs.br/bitstream/10183/254410/1/001161675.pdf3c0aac61f5b5c0fdf18bdf3153c17782MD5110183/2544102023-02-09 05:56:31.650458oai:www.lume.ufrgs.br:10183/254410Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532023-02-09T07:56:31Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
| dc.title.pt_BR.fl_str_mv |
Recomendação sensível ao contexto aplicada à educação híbrida |
| dc.title.alternative.en.fl_str_mv |
Context-aware recommendation applied to blended learning |
| title |
Recomendação sensível ao contexto aplicada à educação híbrida |
| spellingShingle |
Recomendação sensível ao contexto aplicada à educação híbrida Santos, Diego Alessandro Pereira dos Sistemas de recomendação Ontologias Educação híbrida Recommender Systems Context Awareness Blended Learning |
| title_short |
Recomendação sensível ao contexto aplicada à educação híbrida |
| title_full |
Recomendação sensível ao contexto aplicada à educação híbrida |
| title_fullStr |
Recomendação sensível ao contexto aplicada à educação híbrida |
| title_full_unstemmed |
Recomendação sensível ao contexto aplicada à educação híbrida |
| title_sort |
Recomendação sensível ao contexto aplicada à educação híbrida |
| author |
Santos, Diego Alessandro Pereira dos |
| author_facet |
Santos, Diego Alessandro Pereira dos |
| author_role |
author |
| dc.contributor.author.fl_str_mv |
Santos, Diego Alessandro Pereira dos |
| dc.contributor.advisor1.fl_str_mv |
Oliveira, Jose Palazzo Moreira de |
| contributor_str_mv |
Oliveira, Jose Palazzo Moreira de |
| dc.subject.por.fl_str_mv |
Sistemas de recomendação Ontologias Educação híbrida |
| topic |
Sistemas de recomendação Ontologias Educação híbrida Recommender Systems Context Awareness Blended Learning |
| dc.subject.eng.fl_str_mv |
Recommender Systems Context Awareness Blended Learning |
| description |
Ambientes de educação híbrida são aqueles que combinam instrução presencial com instrução mediada por computador, e têm ganhado espaço nos meios de discussão sobre novas metodologias educacionais. Vários benefícios são observados na utilização dessa metodologia, dentre eles: aumento do desempenho acadêmico e das habilidades sociais dos estudantes, aumento da flexibilidade de ensino e aprendizagem, aumento da satisfação do estudante, diminuição das taxas de evasão e aumento da retenção escolar. O papel das TICs é central nesse cenário, podendo colaborar com o que se chama aprendizagem ubíqua, ou seja, um ambiente de aprendizado diário que fornece conteúdo e interação a qualquer hora e lugar aos alunos. Sistemas de recomendação são muito úteis nesses ambientes, provendo a sugestão de conteúdos e atividades de forma personalizada aos usuários. Neste âmbito, este trabalho propõe um modelo para recomendação de recursos de aprendizagem sensível ao contexto em um ambiente de educação híbrida, utilizando ontologia. Para avaliar o modelo, foram utilizadas regras SWRL (Semantic Web Rule Language) através do motor de inferência Pellet. A abordagem foi avaliada através de um estudo de caso que representa a situação de um aluno em um ambiente de educação híbrida, com diversas opções de recursos, em que as escolhas podem variar de acordo com o seu perfil geral e acadêmico, além do seu contexto atual. Então, as regras de recomendação são executadas, tendo como resultado a sugestão de recursos para o aluno, onde verificou-se que o modelo é capaz de inferir relações entre o aluno e os recursos de aprendizagem, levando em conta o seu perfil, a tecnologia disponível e a sua localização. Assim, foi apresentada a verificação da abordagem proposta, possibilitando a reprodução dos procedimentos e testes realizados. |
| publishDate |
2022 |
| dc.date.issued.fl_str_mv |
2022 |
| dc.date.accessioned.fl_str_mv |
2023-02-08T05:02:13Z |
| 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 |
http://hdl.handle.net/10183/254410 |
| dc.identifier.nrb.pt_BR.fl_str_mv |
001161675 |
| url |
http://hdl.handle.net/10183/254410 |
| identifier_str_mv |
001161675 |
| dc.language.iso.fl_str_mv |
eng |
| language |
eng |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
| instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
| instacron_str |
UFRGS |
| institution |
UFRGS |
| reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
| collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
| bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/254410/2/001161675.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/254410/1/001161675.pdf |
| bitstream.checksum.fl_str_mv |
2dddf6a684945baa571c0ecb18fd46f3 3c0aac61f5b5c0fdf18bdf3153c17782 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
| repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
| _version_ |
1831316149785067520 |