Recomendação sensível ao contexto aplicada à educação híbrida

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Santos, Diego Alessandro Pereira dos
Orientador(a): Oliveira, Jose Palazzo Moreira de
Banca de defesa: Não Informado pela instituição
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