Modelo genérico para la recomendación híbrida y adaptativa de recursos educativos digitales

Abstract

El proceso autónomo de aprendizaje en entornos virtuales requiere la recomendación de recursos educativos digitales, ya que cuando los estudiantes entran a buscar un recurso es difícil encontrar los materiales adecuados y acordes a sus necesidades y para apoyar su proceso de aprendizaje. En esta tesis se propone un modelo genérico para la recomendación híbrida y adaptativa de recursos educativos digitales, que ayude a los estudiantes en las dificultades a las que se enfrentan para acceder a materiales relevantes para su aprendizaje. En el modelo se adaptan las técnicas, enfoques y algoritmos a la información disponible de ítems y de usuarios. Asimismo, se proponen dos estrategias de aplicación y uso, la primera plantea una metodología para la selección guiada de componentes de recomendación y la segunda integra todas las características de usuarios y de ítems en factorización de matrices para entregar resultados relevantes; aprovechando los datos disponibles desde diferentes fuentes. La validación se hace para ambas estrategias y los resultados son promisorios en cuanto a la relevancia de los materiales encontrados, según el perfil del estudiante. Adicionalmente, se plantea un sistema de recomendación que persuade al usuario a utilizar los materiales recomendados para él, según un enfoque híbrido a través de la argumentación. Finalmente, el modelo propuesto puede ser aplicado a diferentes contextos educacionales, con distintos perfiles de usuario y con recursos heterogéneos.

Abstract: The autonomous process on virtual environments learning requires the recommendation of digital educational resources because when students enter to find a resource it is difficult to find the materials they really need and they will support their learning process. This thesis proposes a generic model for the hybrid and adaptive recommendation of digital educational resources, which helps students in the difficulties they face to access materials relevant to their learning. In the model, techniques, approaches, and algorithms are adapted to the available information of items and users. Likewise, two application and use strategies are proposed, the first one proposes a methodology for the guided selection of recommendation components and the second one integrates all the characteristics of users and items in matrix factorization to deliver relevant results. Validation is done in both strategies and the results are promising because they help students find materials relevant to their learning process. In addition, a recommendation system is proposed that persuades the user to use the recommended materials for him, according to a hybrid approach through argumentation. Finally, a hybrid recommendation approach is proposed, estimating the parameters of the existing relationships between the characteristics of the users and the items. The model can be applied to different educational contexts, with different user profiles, and with heterogeneous resources.