dc.creator | Schrammel, Lucca Alexandre | |
dc.date.accessioned | 2023-12-19T13:08:55Z | |
dc.date.available | 2023-12-19T13:08:55Z | |
dc.date.issued | 2023-10-19 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/30895 | |
dc.description.abstract | With a large amount of data available, it is increasingly difficult to identify information
that will contribute to the student's learning process. In this scenario, the present study
seeks to apply a hybrid model framework to recommend learning objects based on the
preferences and needs of each student. To identify students' needs, the framework
carries out a performance prediction process to identify any future difficulties that a
student may present. In this way, the recommendations generated precede a possible
need for more specific learning objects for the needs of each student.
Recommendations are generated from collaborative, content, and knowledge-based
filtering methods. With the framework implemented, the validation of the algorithms
made a significant contribution to the recommendations generated, considering that it
was evident that the framework was capable of integrating filtering methods and data
prediction algorithms, for recommending learning objects. The framework generated
recommendations with accuracy above 80% in all test scenarios. Furthermore, it
generated a low number of recommendations, which highlights that even if several
possibilities of proposals were considered, only the learning objects with the highest
probability of acceptance by students were recommended. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Recomendação | por |
dc.subject | Objetos de aprendizagem | por |
dc.subject | Predição | por |
dc.subject | Desempenho | por |
dc.subject | Recommendation | eng |
dc.subject | Learning object | eng |
dc.subject | Predict | eng |
dc.subject | Performance | eng |
dc.title | Ferramenta de recomendação híbrida de objetos de aprendizagem com predição das necessidades personalizadas de cada estudante | por |
dc.title.alternative | Hybrid learning object recommendation tool with prediction of each student’s personalized needs | eng |
dc.type | Dissertação | por |
dc.description.resumo | Com a grande quantidade de dados disponíveis, está cada vez mais difícil identificar
informações que contribuirão no processo de aprendizagem dos estudantes. Neste
cenário, o presente estudo busca a aplicação de um framework de modelo híbrido
para recomendação de objetos de aprendizagem com base nas preferências e nas
necessidades de cada estudante. Para identificação das necessidades dos
estudantes, o framework realiza um processo de predição de desempenho para
identificar eventuais dificuldades futuras que um estudante poderá apresentar. Dessa
forma, as recomendações geradas antecedem uma eventual necessidade de objetos
de aprendizagem mais específicos para as necessidades de cada um dos estudantes.
As recomendações são geradas a partir de métodos de filtragem colaborativa,
filtragem baseada em conteúdo e filtragem baseada em conhecimento. Com o
framework implementado, a validação dos algoritmos apresentou uma grande
contribuição em relação as recomendações geradas, tendo em vista que pôde-se
evidenciar que o framework foi capaz de integrar métodos de filtragem e algoritmos
de predição de dados, para recomendação de objetos de aprendizagem. O framework
gerou recomendações com precisão acima de 80% em todos os cenários de teste.
Além disso, gerou um número baixo de recomendações, o que destaca que, mesmo
que consideradas várias possibilidades de recomendações, apenas os objetos de
aprendizagem com maior probabilidade de aceitação pelos estudantes foram
recomendados. | por |
dc.contributor.advisor1 | Fontoura, Lisandra Manzoni | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/8979575031016933 | por |
dc.contributor.referee1 | Bernardi, Giliane | |
dc.contributor.referee2 | Chicon, Patricia Mariotto Mozzaquatro | |
dc.creator.Lattes | http://lattes.cnpq.br/3969320174246666 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Ciência da Computação | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação | por |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.publisher.unidade | Centro de Tecnologia | por |