Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufjf.br/jspui/handle/ufjf/12593
Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
miguelalvimdealmeida.pdf1.51 MBAdobe PDFVista previa
Visualizar/Abrir
Clase: Dissertação
Título : Analysis of recommendation rethods for learning objects using learning styles
Autor(es): Almeida, Miguel Alvim de
Orientador: Barrere, Eduardo
Miembros Examinadores: Souza, Jairo Francisco de
Miembros Examinadores: Soares Neto, Carlos de Salles
Resumo: Esta dissertação apresenta a pesquisa sobre a utilização de Estilos de Aprendizagem como critérios primários para a construção de um sistema de recomendação de Objetos de Aprendizagem. São identificadas as principais características necessárias para a criação de tal sistema, assim como quais passos são necessários para se utilizar Estilos de Aprendizagem durante um processo de recomendação. É 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 sintéticas de alunos baseadas no modelo de estilos de aprendizagem Felder & Silverman e de objetos de aprendizagem baseados no IEEE-LOM. Os resultados demonstram possíveis limitações inerentes do método 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 únicos fatores para a recomendação de conteúdo educacional. Das conclusões tiradas, é 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 necessário para suprimir e superar as limitações encontradas, que são o uso do método de Anitha e Deisy para converter objetos de aprendizagem do IEEE-LOM para o FSLSM e o uso exclusivo de estilos de aprendizagem como critério de recomendação.
Resumen : 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.
Palabras clave : Redes neurais artificiais
Sistemas de recomendação
Estilos de aprendizagem
Similaridade de vetor
Objetos de aprendizagem
IEEE-LOM
Artificial neural networks
Recommender systems
Learning vector similarity
Learning objects
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: eng
País: Brasil
Editorial : Universidade Federal de Juiz de Fora (UFJF)
Sigla de la Instituición: UFJF
Departamento: ICE – Instituto de Ciências Exatas
Programa: Programa de Pós-graduação em Ciência da Computação
Clase de Acesso: Acesso Aberto
Attribution-NonCommercial-NoDerivs 3.0 Brazil
Licenças Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/br/
URI : https://repositorio.ufjf.br/jspui/handle/ufjf/12593
Fecha de publicación : 3-mar-2020
Aparece en las colecciones: Mestrado em Ciência da Computação (Dissertações)



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons