Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/21534
Document type: | Dissertação |
Access type: | Acesso Aberto |
Title: | Uma abordagem para análise automática de repositórios de objetos de aprendizagem através de técnicas de aprendizagem de máquina para apoio a recomendação personalizada de conteúdo em sistemas adaptativos e inteligentes para educação |
Alternate title (s): | An Approach to Automatic Analysis of Learning Object Repositories through Machine Learning Techniques to Support Personalized Recommendation of Content in Adaptive and Intelligent Systems for Education |
Author: | Mendes, Miller Miranda |
First Advisor: | Dorça, Fabiano Azevedo |
First member of the Committee: | Lopes, Carlos Roberto |
Second member of the Committee: | Andrade, Alessandro Vivas |
Summary: | A quantidade de conteúdo educacional digital que é criado continuamente faz com que os repositórios de materiais educacionais fiquem cada vez maiores e a busca por conteúdos específicos e direcionados aumente. Dessa forma, foi realizado um estudo com base nos objetos de aprendizagem gerados em um repositório. Foi aplicado o padrão IEEE LOM para gerar grupos de objetos de aprendizagem que possam ser utilizados para um determinado perfil de estudante. Logo, tem-se uma necessidade que estes objetos estejam organizados para que sua recomendação seja mais eficiente. Sendo assim, este trabalho apresenta uma proposta que faz uso de técnicas de clusterização para agrupar conteúdos educacionais em repositórios com base em estilos de aprendizagem do estudante. Inicialmente, foi realizada uma analise comparativa entre algoritmos de agrupamentos com dados fictícios no qual foram obtidos bons resultados. Com base nestes resultados, foi discutido e implementado um estudo de caso recorrendo a dados reais de estudantes em um sistema educacional. |
Abstract: | The amount of digital educational content that is continually created makes the repositories of educational materials increasingly large and the search for specific and targeted content is increasing. Thus, a study was carried out based on learning objects generated in a repository. The IEEE LOM standard was used to generate groups of learning objects that could be used for a given student profile. It is a necessity that these objects be organized so that their recommendation is more efficient. Thus, this paper presents a proposal that uses clustering techniques to group educational content into repositories based on student learning styles. Initially a comparative analysis was performed between grouping algorithms with dummy data in which good results were obtained. Based on these results, a case study using real data from students in an educational system was discussed and implemented. |
Keywords: | Objetos de aprendizagem Aprendizado de máquina Learning objects Estilos de aprendizagem Learning styles Felder e Silverman Adaptive educational systems Clustering Learning environment Lom field Sistemas educacionais adaptativos, Ambiente de aprendizagem Atributos LOM Computação Ensino auxiliado por computador Aprendizado do computador Agrupamento |
Area (s) of CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Uberlândia |
Program: | Programa de Pós-graduação em Ciência da Computação |
Quote: | MENDES, Miller Miranda. Uma abordagem para análise automática de repositórios de objetos de aprendizagem através de técnicas de aprendizagem de máquina para apoio a recomendação personalizada de conteúdo em sistemas adaptativos e inteligentes para educação. 2018. 71 f. Dissertação (Mestrado em Computação) - Universidade Federal de Uberlândia, Uberlândia, 2018. DOI http://dx.doi.org/10.14393/ufu.di.2018.233 |
Document identifier: | http://dx.doi.org/10.14393/ufu.di.2018.233 |
URI: | https://repositorio.ufu.br/handle/123456789/21534 |
Date of defense: | 16-Feb-2018 |
Appears in Collections: | DISSERTAÇÃO - Ciência da Computação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
AbordagemAnaliseAutomatica.pdf | Dissertação ou Tese | 8.53 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.