Uma abordagem Multiobjetivo para a Recomendação de Objetos de Aprendizagem no contexto Educacional

Existem grandes repositórios de conteúdos na Internet que podem ser utilizados como fonte de recursos para o e-learning. Para facilitar a utilização desses conteúdos, eles são organizados como Objetos de Aprendizagem (OAs), que além do conteúdo propriamente dito, possuem vários metadados que os desc...

Descripción completa

Detalles Bibliográficos
Autores: Leite, Ramon Rocha, Pitangui, Cristiano Grijó, Andrade, Alessandro Vivas, Assis, Luciana Pereira de, Dorça, Fabiano Azevedo
Tipo de recurso: artículo
Estado:Versión publicada
Fecha de publicación:2022
País:Brasil
Institución:Sociedade Brasileira de Computação (SBC)
Repositorio:Revista Brasileira de Informática na Educação
Idioma:portugués
OAI Identifier:oai:journals-sol.sbc.org.br:article/2443
Acceso en línea:https://journals-sol.sbc.org.br/index.php/rbie/article/view/2443
Access Level:acceso abierto
Palabra clave:Learning Objects
Multi-objective Optimization
Recommender Systems
Instructional Design
Objetos de Aprendizagem
Otimização Multiobjetivo
Sistemas de Recomendação
Projeto Instrucional
id BR_d9957072911841d3a7240cec5bac692b
oai_identifier_str oai:journals-sol.sbc.org.br:article/2443
network_acronym_str BR
network_name_str Brasil
repository_id_str
dc.title.none.fl_str_mv Uma abordagem Multiobjetivo para a Recomendação de Objetos de Aprendizagem no contexto Educacional
A Multi-objective approach for Learning Objects Recommendation in the Educational context
Uma abordagem Multiobjetivo para a Recomendação de Objetos de Aprendizagem no contexto Educacional
title Uma abordagem Multiobjetivo para a Recomendação de Objetos de Aprendizagem no contexto Educacional
spellingShingle Uma abordagem Multiobjetivo para a Recomendação de Objetos de Aprendizagem no contexto Educacional
Leite, Ramon Rocha
Learning Objects
Multi-objective Optimization
Recommender Systems
Instructional Design
Objetos de Aprendizagem
Otimização Multiobjetivo
Sistemas de Recomendação
Projeto Instrucional
Objetos de Aprendizagem
Otimização Multiobjetivo
Sistemas de Recomendação
Projeto Instrucional
title_short Uma abordagem Multiobjetivo para a Recomendação de Objetos de Aprendizagem no contexto Educacional
title_full Uma abordagem Multiobjetivo para a Recomendação de Objetos de Aprendizagem no contexto Educacional
title_fullStr Uma abordagem Multiobjetivo para a Recomendação de Objetos de Aprendizagem no contexto Educacional
title_full_unstemmed Uma abordagem Multiobjetivo para a Recomendação de Objetos de Aprendizagem no contexto Educacional
title_sort Uma abordagem Multiobjetivo para a Recomendação de Objetos de Aprendizagem no contexto Educacional
dc.creator.none.fl_str_mv Leite, Ramon Rocha
Pitangui, Cristiano Grijó
Andrade, Alessandro Vivas
Assis, Luciana Pereira de
Dorça, Fabiano Azevedo
author Leite, Ramon Rocha
author_facet Leite, Ramon Rocha
Pitangui, Cristiano Grijó
Andrade, Alessandro Vivas
Assis, Luciana Pereira de
Dorça, Fabiano Azevedo
author_role author
author2 Pitangui, Cristiano Grijó
Andrade, Alessandro Vivas
Assis, Luciana Pereira de
Dorça, Fabiano Azevedo
author2_role author
author
author
author
dc.subject.por.fl_str_mv Learning Objects
Multi-objective Optimization
Recommender Systems
Instructional Design
Objetos de Aprendizagem
Otimização Multiobjetivo
Sistemas de Recomendação
Projeto Instrucional
Objetos de Aprendizagem
Otimização Multiobjetivo
Sistemas de Recomendação
Projeto Instrucional
topic Learning Objects
Multi-objective Optimization
Recommender Systems
Instructional Design
Objetos de Aprendizagem
Otimização Multiobjetivo
Sistemas de Recomendação
Projeto Instrucional
Objetos de Aprendizagem
Otimização Multiobjetivo
Sistemas de Recomendação
Projeto Instrucional
description Existem grandes repositórios de conteúdos na Internet que podem ser utilizados como fonte de recursos para o e-learning. Para facilitar a utilização desses conteúdos, eles são organizados como Objetos de Aprendizagem (OAs), que além do conteúdo propriamente dito, possuem vários metadados que os descrevem. Devido ao grande volume de materiais disponíveis, torna-se difícil escolher aqueles OAs que melhor atendam às necessidades de cada indivíduo. Para se sugerir os OAs mais adequados, utilizam-se os Sistemas de Recomendação de OAs, responsáveis por encontrar e recomendar os itens mais úteis aos estudantes. Neste contexto, o presente trabalho propõe uma abordagem de otimização multiobjetivo do problema de recomendação de OAs. Nesse problema, tem-se um conjunto de conceitos a serem ensinados, de acordo com um Design Instrucional, um repositório de OAs, no qual cada OA aborda um ou mais conceitos, além de dependências pedagógicas que obrigam determinados conceitos a serem apresentados previamente para compreensão de outros. No problema proposto, não se buscam soluções que necessariamente cubram todos os conceitos estabelecidos. Na verdade, buscam-se por soluções que cumpram dois objetivos distintos, a saber: i) menor custo, dado pela soma do custo de cada OA presente na solução; ii) maior número de conceitos cobertos, respeitadas as dependências pedagógicas estabelecidas. Para resolução do problema, utilizou-se o NSGA-II, um Algoritmo Genético multiobjetivo implementado no framework MOEA. As instâncias do problema foram geradas artificialmente, simulando repositórios de 1000 OAs, cursos com 200 conceitos, com até 20 dependências. Os resultados obtidos abrangeram conjuntos de diferentes configurações de soluções, com números distintos de conceitos cobertos e custos das soluções, o que traz maiores possibilidades para que os conteúdos entregues estejam de acordo com os objetivos, necessidades e realidade dos alunos.
publishDate 2022
dc.date.none.fl_str_mv 2022-09-22
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Peer-reviewed article
Artículo revisado por pares
Artigo avaliado pelos pares
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://journals-sol.sbc.org.br/index.php/rbie/article/view/2443
10.5753/rbie.2022.2443
url https://journals-sol.sbc.org.br/index.php/rbie/article/view/2443
identifier_str_mv 10.5753/rbie.2022.2443
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://journals-sol.sbc.org.br/index.php/rbie/article/view/2443/2033
dc.rights.driver.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Sociedade Brasileira de Computação
publisher.none.fl_str_mv Sociedade Brasileira de Computação
dc.source.none.fl_str_mv Revista Brasileña de Informática en la Educación; Vol. 30 (2022); 320-349
Revista Brasileira de Informática na Educação; Vol. 30 (2022); 320-349
Brazilian Journal of Computers in Education; Vol. 30 (2022); 320-349
2317-6121
1414-5685
reponame:Revista Brasileira de Informática na Educação
instname:Sociedade Brasileira de Computação (SBC)
instacron:SBC
instname_str Sociedade Brasileira de Computação (SBC)
instacron_str SBC
institution SBC
reponame_str Revista Brasileira de Informática na Educação
collection Revista Brasileira de Informática na Educação
repository.name.fl_str_mv Revista Brasileira de Informática na Educação - Sociedade Brasileira de Computação (SBC)
repository.mail.fl_str_mv publicacoes@sbc.org.br
_version_ 1853662448408592384
spelling Uma abordagem Multiobjetivo para a Recomendação de Objetos de Aprendizagem no contexto EducacionalA Multi-objective approach for Learning Objects Recommendation in the Educational contextUma abordagem Multiobjetivo para a Recomendação de Objetos de Aprendizagem no contexto EducacionalLearning ObjectsMulti-objective OptimizationRecommender SystemsInstructional DesignObjetos de AprendizagemOtimização MultiobjetivoSistemas de RecomendaçãoProjeto InstrucionalObjetos de AprendizagemOtimização MultiobjetivoSistemas de RecomendaçãoProjeto InstrucionalExistem grandes repositórios de conteúdos na Internet que podem ser utilizados como fonte de recursos para o e-learning. Para facilitar a utilização desses conteúdos, eles são organizados como Objetos de Aprendizagem (OAs), que além do conteúdo propriamente dito, possuem vários metadados que os descrevem. Devido ao grande volume de materiais disponíveis, torna-se difícil escolher aqueles OAs que melhor atendam às necessidades de cada indivíduo. Para se sugerir os OAs mais adequados, utilizam-se os Sistemas de Recomendação de OAs, responsáveis por encontrar e recomendar os itens mais úteis aos estudantes. Neste contexto, o presente trabalho propõe uma abordagem de otimização multiobjetivo do problema de recomendação de OAs. Nesse problema, tem-se um conjunto de conceitos a serem ensinados, de acordo com um Design Instrucional, um repositório de OAs, no qual cada OA aborda um ou mais conceitos, além de dependências pedagógicas que obrigam determinados conceitos a serem apresentados previamente para compreensão de outros. No problema proposto, não se buscam soluções que necessariamente cubram todos os conceitos estabelecidos. Na verdade, buscam-se por soluções que cumpram dois objetivos distintos, a saber: i) menor custo, dado pela soma do custo de cada OA presente na solução; ii) maior número de conceitos cobertos, respeitadas as dependências pedagógicas estabelecidas. Para resolução do problema, utilizou-se o NSGA-II, um Algoritmo Genético multiobjetivo implementado no framework MOEA. As instâncias do problema foram geradas artificialmente, simulando repositórios de 1000 OAs, cursos com 200 conceitos, com até 20 dependências. Os resultados obtidos abrangeram conjuntos de diferentes configurações de soluções, com números distintos de conceitos cobertos e custos das soluções, o que traz maiores possibilidades para que os conteúdos entregues estejam de acordo com os objetivos, necessidades e realidade dos alunos.Currently, one may find large repositories on the Internet that can be used as a source of resources for e-learning. In order to facilitate the use of these contents, they are organized as Learning Objects (LOs), which, in addition to the content itself, they hold several metadata to describe them. Due to the large volume of materials available, it becomes difficult to choose those LOs that best meet the needs of each individual. To suggest the most suitable LOs, we rely on Recommendation Systems, that are responsible to find and recommend the most useful items to students. In this context, the present work proposes a multiobjective optimization approach for the LOs recommendation problem. In this problem, there is a set of concepts to be taught, according to an Instructional Design, a repository of LOs, in which each LO addresses one or more concepts, and also pedagogical dependencies, that enforce certain concepts to be presented in advance to others. In this problem, we do not seek for solutions that necessarily cover all established concepts. In fact, we aim to obtain solutions that fulfill two distinct objectives, namely: i) lower cost, given by the sum of the cost of each LO present in the solution; ii) greater number of concepts covered, respecting the established pedagogical dependencies. To solve the problem, we used the NSGA-II, a multiobjective Genetic Algorithm implemented in the MOEA framework. The problem instances were artificially generated, simulating repositories of 1000 LOs, courses with 200 concepts, with up to 20 dependencies. The results obtained covered sets of different configurations of solutions, with different numbers of concepts covered and costs of the solutions, which brings greater possibilities to deliver content in accordance with the objectives, needs and reality of the students.Existem grandes repositórios de conteúdos na Internet que podem ser utilizados como fonte de recursos para o e-learning. Para facilitar a utilização desses conteúdos, eles são organizados como Objetos de Aprendizagem (OAs), que além do conteúdo propriamente dito, possuem vários metadados que os descrevem. Devido ao grande volume de materiais disponíveis, torna-se difícil escolher aqueles OAs que melhor atendam às necessidades de cada indivíduo. Para se sugerir os OAs mais adequados, utilizam-se os Sistemas de Recomendação de OAs, responsáveis por encontrar e recomendar os itens mais úteis aos estudantes. Neste contexto, o presente trabalho propõe uma abordagem de otimização multiobjetivo do problema de recomendação de OAs. Nesse problema, tem-se um conjunto de conceitos a serem ensinados, de acordo com um Design Instrucional, um repositório de OAs, no qual cada OA aborda um ou mais conceitos, além de dependências pedagógicas que obrigam determinados conceitos a serem apresentados previamente para compreensão de outros. No problema proposto, não se buscam soluções que necessariamente cubram todos os conceitos estabelecidos. Na verdade, buscam-se por soluções que cumpram dois objetivos distintos, a saber: i) menor custo, dado pela soma do custo de cada OA presente na solução; ii) maior número de conceitos cobertos, respeitadas as dependências pedagógicas estabelecidas. Para resolução do problema, utilizou-se o NSGA-II, um Algoritmo Genético multiobjetivo implementado no framework MOEA. As instâncias do problema foram geradas artificialmente, simulando repositórios de 1000 OAs, cursos com 200 conceitos, com até 20 dependências. Os resultados obtidos abrangeram conjuntos de diferentes configurações de soluções, com números distintos de conceitos cobertos e custos das soluções, o que traz maiores possibilidades para que os conteúdos entregues estejam de acordo com os objetivos, necessidades e realidade dos alunos.Sociedade Brasileira de Computação2022-09-22info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionPeer-reviewed articleArtículo revisado por paresArtigo avaliado pelos paresapplication/pdfhttps://journals-sol.sbc.org.br/index.php/rbie/article/view/244310.5753/rbie.2022.2443Revista Brasileña de Informática en la Educación; Vol. 30 (2022); 320-349Revista Brasileira de Informática na Educação; Vol. 30 (2022); 320-349Brazilian Journal of Computers in Education; Vol. 30 (2022); 320-3492317-61211414-5685reponame:Revista Brasileira de Informática na Educaçãoinstname:Sociedade Brasileira de Computação (SBC)instacron:SBCporhttps://journals-sol.sbc.org.br/index.php/rbie/article/view/2443/2033Copyright (c) 2022 Ramon Rocha Leite, Cristiano Grijó Pitangui, Alessandro Vivas Andrade, Luciana Pereira de Assis, Fabiano Azevedo Dorçahttps://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessLeite, Ramon RochaPitangui, Cristiano GrijóAndrade, Alessandro VivasAssis, Luciana Pereira deDorça, Fabiano Azevedo2022-07-19T11:42:06Zoai:journals-sol.sbc.org.br:article/2443Revistahttps://journals-sol.sbc.org.br/index.php/rbieONGhttps://journals-sol.sbc.org.br/index.php/rbie/oaipublicacoes@sbc.org.br2317-61211414-5685opendoar:2022-07-19T11:42:06Revista Brasileira de Informática na Educação - Sociedade Brasileira de Computação (SBC)false
score 15,300724

Similares en LA Referencia