Modelo de recomendación adaptativa de objetos de aprendizaje en el marco de una federación de repositorios, apoyado en agentes inteligentes y perfiles de usuario

Abstract

Resumen: La construcción de sistemas de recomendación adaptativa para e-learning requiere de búsquedas personalizadas que apoyen los procesos de enseñanza – aprendizaje. De esta forma se hace imprescindible crear modelos de recomendación enfocados a los perfiles de los aprendices con el fin de recuperar Objetos de Aprendizaje (OAs) adaptados. La utilización de agentes inteligentes que ayuden a recomendar recursos de aprendizaje, almacenados en federaciones de repositorios donde están disponibles grandes volúmenes de OAs, mejora los resultados obtenidos. Además es necesario caracterizar un perfil de estudiante para hacer búsquedas de OAs acordes a las preferencias y requerimientos de un estudiante. Con el fin de enfrentar las dificultades encontradas, se propone en esta tesis un modelo de recomendación hibrida (SR Contenido, SR Colaborativo y SR Conocimiento) de OAs en el marco de una federación de repositorios, utilizando agentes inteligentes y manejando características del perfil de estudiante.

Abstract : Building adaptive recommendation systems for e -learning requires custom searches to support the teaching - learning. Thus it is essential to create models of recommendation focused on the profiles of the learners in order to retrieve learning objects (LO) adapted. The use of intelligent agents to help recommend learning resources stored in repositories where federations of large volumes of LO are available, improving the results. It is also necessary to characterize a profile of student searches for LO chords to the preferences and requirements of a student. In order to address these difficulties, a model of hybrid recommendation (SR Content, SR Collaborative and SR Knowledge) LO within a federation of repositories is proposed in this thesis, using intelligent agents and handling characteristics of the student profile.