Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/32725
Full metadata record
DC FieldValueLanguage
dc.creatorPereira Júnior, Cleon Xavier-
dc.date.accessioned2021-09-13T20:51:52Z-
dc.date.available2021-09-13T20:51:52Z-
dc.date.issued2021-07-22-
dc.identifier.citationPEREIRA JUNIOR, Cleon Xavier. Uma abordagem híbrida apoiada por algoritmo bioinspirado e tecnologias de web semântica para recomendação personalizada de objetos de aprendizagem. 2021. 143 f. Tese (Doutorado em Ciências da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2021. DOI http://doi.org/10.14393/ufu.te.2021.463pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/32725-
dc.description.abstractThe Adaptive and Intelligent Educational Systems (AIES) area is constantly evolving and is working to apply recent technologies to create personalized learning environments. For AIES development, Artificial Intelligence (AI) techniques are widely explored and commonly combined with pedagogical theories. This work aims to contribute to the area of AI applied to education, by presenting an approach that uses Semantic Web technologies and a bio-inspired algorithm to perform personalized recommendation of Learning Objects (LO), using Content-Based Filtering (CBF). In this research, we combine Virtual Learning Environment (VLE) repositories and materials available on the Web (Youtube and Wikipedia) to cover topics of a given content with materials in different formats. Regarding the materials on the Web, these are retrieved and structured as LO. We implemented the approach in the Classroom eXperience (CX) VLE and also created an extension for Moodle. Experiments were conducted with this implementation. One experiment compared three bio-inspired algorithms with two different databases and, after analysis, concluded that the genetic algorithm performs satisfactorily. Other experiments aimed to analyze the students' opinions regarding the recommendation. Students positively evaluated the recommendation that took into account their level of knowledge and offered additional material from a given content. Another experiment considered three different recommendation processes to observe preference possibilities. The recommendations took into consideration the use and non-use of learning styles in the process. The overall average rating was relatively better disregarding the use of learning styles, but there was no statistical significance.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectSistemas de Recomendaçãopt_BR
dc.subjectRecommendation Systemspt_BR
dc.subjectObjeto de Aprendizagempt_BR
dc.subjectLearning Objectpt_BR
dc.subjectFiltragem Baseada em Conteúdopt_BR
dc.subjectContent Based Filteringpt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectArtificial Intelligencept_BR
dc.titleUma abordagem híbrida apoiada por algoritmo bioinspirado e tecnologias de web semântica para recomendação personalizada de objetos de aprendizagempt_BR
dc.title.alternativeA hybrid approach supported by bioinspired algorithm and semantic web technologies for recommending personalized learning objectspt_BR
dc.typeTesept_BR
dc.contributor.advisor-co1Araújo, Rafael Dias-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/3067137114142725pt_BR
dc.contributor.advisor1Dorça, Fabiano Azevedo-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3944579737930998pt_BR
dc.contributor.referee1Cattelan, Renan Gonçalves-
dc.contributor.referee2Fernandes, Márcia Aparecida-
dc.contributor.referee3Pinto, Sergio Crespo Coelho da Silva-
dc.contributor.referee4Nunes, Isabel Dillmann-
dc.creator.Latteshttp://lattes.cnpq.br/2106704642081867pt_BR
dc.description.degreenameTese (Doutorado)pt_BR
dc.description.resumoA área de Sistemas Adaptativos e Inteligentes para a Educação (SAIE) está em constante evolução e esforça-se na aplicação de tecnologias recentes, buscando criar ambientes de aprendizagens personalizados. Para o desenvolvimento de SAIE, técnicas de Inteligência Artificial (IA) são bastante exploradas e comumente combinadas com teorias pedagógicas .Este trabalho visa contribuir para a área de IA aplicada à educação, a partir de uma abordagem que faz uso de tecnologias de Web Semântica e um algoritmo bioinspirado para realizar recomendação personalizada de Objetos de Aprendizagem (OA), utilizando Filtragem Baseada em Conteúdo (FBC). Diferente de abordagens já propostas, esta pesquisa combina repositórios de Ambiente Virtual de Aprendizagem (AVA) e materiais disponibilizados na Web (Youtube e Wikipedia) com o propósito de cobrir tópicos de um determinado conteúdo com materiais em formatos distintos. Com relação aos materiais da Web, estes são recuperados e estruturados em forma de OA. A abordagem desenvolvida nesta pesquisa foi implementada no AVA Classroom eXperience (CX) e foi criado um recurso de extensão para o Moodle. Foram realizados experimentos com esta abordagem. Um dos experimentos comparou três algoritmos bioinspirados com duas bases de dados distintas e, após análise, concluiu que o algoritmo genético apresenta desempenho satisfatório. Outros experimentos objetivaram analisar a opinião de estudantes com relação à recomendação. Os estudantes avaliaram positivamente a recomendação que levou em consideração o nível de conhecimento e ofertou materiais adicionais a partir de um determinado conteúdo. Outro experimento considerou três processos de recomendação distintos na intenção de observar possibilidades de preferências. As recomendações levaram em consideração o uso e não uso de estilos de aprendizagem no processo. A média geral da avaliação foi relativamente melhor desconsiderando o uso dos estilos de aprendizagem, porém não houve significância estatística.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-graduação em Ciência da Computaçãopt_BR
dc.sizeorduration143pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.identifier.doihttps://doi.org/10.14393/ufu.te.2021.463pt_BR
dc.orcid.putcode99898546-
dc.crossref.doibatchid9fdbb1ab-cab6-4c97-9cb7-9e56683cece1-
dc.subject.autorizadoComputaçãopt_BR
dc.subject.autorizadoInteligência artificial - Aplicações educacionaispt_BR
dc.subject.autorizadoWeb semânticapt_BR
Appears in Collections:TESE - Ciência da Computação

Files in This Item:
File Description SizeFormat 
AbordagemHibridaApoiada.pdfTese22.38 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons