Analysis of recommendation rethods for learning objects using learning styles
| dc.contributor.advisor1 | Barrere, Eduardo | |
| dc.contributor.advisor1Lattes | http://lattes.cnpq.br/0735298552666402 | pt_BR |
| dc.contributor.referee1 | Souza, Jairo Francisco de | |
| dc.contributor.referee1Lattes | http://lattes.cnpq.br/4516605108233899 | pt_BR |
| dc.contributor.referee2 | Soares Neto, Carlos de Salles | |
| dc.contributor.referee2Lattes | http://lattes.cnpq.br/1512846862093142 | pt_BR |
| dc.creator | Almeida, Miguel Alvim de | |
| dc.creator.Lattes | http://lattes.cnpq.br/4784827296255111 | pt_BR |
| dc.date.accessioned | 2021-04-15T12:30:27Z | |
| dc.date.available | 2021-04-15 | |
| dc.date.available | 2021-04-15T12:30:27Z | |
| dc.date.issued | 2020-03-03 | |
| dc.description.abstract | This master thesis presents a research about the utilization of Learning Styles as the primary criteria for the construction of a recommender a system for Learning Objects. The primary needed characteristics for the creation of such system are identified, along with which steps are necessary for the usage of Learning Styles during the recommendation process. It is proposed a utility function for the recommendation process that utilizes Artificial Neural Networks. So as to carry these tests, synthetic data databases containing students based on the Felder & Silverman model and learning objects on the IEEE-LOM model were created. The results show possible inherent limitations on the method of Anitha and Deisy for the classification of learning objects to the Felder & Silverman model and also to the capacity of learning styles to be used as the main and only factor for the recommendation of learning material. From the conclusions it is seen that the addition of more elements beyond the learning styles that are also pertinent to the learning process and a bigger study about the implementation and training of the neural network could lead to the necessary path to suppress and even overcome the aforementioned limitations, which are the usage of the method proposed by Anitha and Deisy for converting IEEE-LOM learning objects to the FSLSM and the exclusive usage of learning styles as criteria of recommendation. | pt_BR |
| dc.description.resumo | Esta dissertação apresenta a pesquisa sobre a utilização de Estilos de Aprendizagem como critĆ©rios primĆ”rios para a construção de um sistema de recomendação de Objetos de Aprendizagem. SĆ£o identificadas as principais caracterĆsticas necessĆ”rias para a criação de tal sistema, assim como quais passos sĆ£o necessĆ”rios para se utilizar Estilos de Aprendizagem durante um processo de recomendação. Ć proposta uma função utilidade para o processo de recomendação que faz uso de uma Rede Neural Artificial. Para a realização de testes, foram criadas bases de dados sintĆ©ticas de alunos baseadas no modelo de estilos de aprendizagem Felder & Silverman e de objetos de aprendizagem baseados no IEEE-LOM. Os resultados demonstram possĆveis limitaƧƵes inerentes do mĆ©todo de Anitha e Deisy para a classificação de objetos de aprendizagem para o modelo Felder & Silverman assim como da capacidade de utilização de estilos de aprendizagem como principais e Ćŗnicos fatores para a recomendação de conteĆŗdo educacional. Das conclusƵes tiradas, Ć© visto que a adição de mais elementos pertinentes ao processo de educação e o maior estudo sobre a implementação e treino da rede neural podem ser o caminho necessĆ”rio para suprimir e superar as limitaƧƵes encontradas, que sĆ£o o uso do mĆ©todo de Anitha e Deisy para converter objetos de aprendizagem do IEEE-LOM para o FSLSM e o uso exclusivo de estilos de aprendizagem como critĆ©rio de recomendação. | pt_BR |
| dc.description.sponsorship | CAPES - Coordenação de AperfeiƧoamento de Pessoal de NĆvel Superior | pt_BR |
| dc.identifier.uri | https://repositorio.ufjf.br/handle/ufjf/12593 | |
| dc.language | eng | pt_BR |
| dc.publisher | Universidade Federal de Juiz de Fora (UFJF) | pt_BR |
| dc.publisher.country | Brasil | pt_BR |
| dc.publisher.department | ICE ā Instituto de CiĆŖncias Exatas | pt_BR |
| dc.publisher.initials | UFJF | pt_BR |
| dc.publisher.program | Programa de Pós-graduação em Ciência da Computação | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
| dc.subject | Redes neurais artificiais | pt_BR |
| dc.subject | Sistemas de recomendação | pt_BR |
| dc.subject | Estilos de aprendizagem | pt_BR |
| dc.subject | Similaridade de vetor | pt_BR |
| dc.subject | Objetos de aprendizagem | pt_BR |
| dc.subject | IEEE-LOM | pt_BR |
| dc.subject | Artificial neural networks | pt_BR |
| dc.subject | Recommender systems | pt_BR |
| dc.subject | Learning vector similarity | pt_BR |
| dc.subject | Learning objects | pt_BR |
| dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | pt_BR |
| dc.title | Analysis of recommendation rethods for learning objects using learning styles | pt_BR |
| dc.type | Dissertação | pt_BR |
