A Low Complexity Heuristic To Solve a Learning Objects Recommendation Problem

Falci, Samuel Henrique; Dorça, Fabiano; Falci, Daniel Henrique Mourão; Andrade, Alessandro Vivas

doi:10.1109/icalt.2019.00022

Cited by 2 publications

(2 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Later in [Pereira et al 2020], we also solved it using Prey-predator algorithm (PPA) [Tilahun and Ong 2015] and Particle Swarm Optimization (PSO). In [Falci et al 2019], this problem was addressed using a greedy heuristic algorithm that selects LOs based on the student's learning style while covering a wide range of concepts. The heuristic algorithm is faster than GA, particularly for larger instances with thousands of LOs.…”

Section: Related Workmentioning

confidence: 99%

Solving the Individualized Instructional Content Delivery Problem Using Ontology and Metaheuristics on the Set Covering Problem: An Experimental Analysis

Belizário Júnior,

Dorça,

Assis

et al. 2023

Anais Do XXXIV Simpósio Brasileiro De Informática Na Educação (SBIE 2023)

View full text Add to dashboard Cite

Intelligent Tutoring Systems (ITSs) based on a step-by-step problem-solving approach are limited in terms of compatible content. On the other hand, recommendation systems can suggest various content types but lack the granularity of concepts found in step-by-step approaches. This study addresses this challenge by proposing a method to recommend instructional content from diverse knowledge domains while incorporating the refined concepts of ITSs. To tackle this issue, the instructional content delivery problem (LORP) is formulated as a set covering problem, classified as NP-hard. We show that a PSO-based algorithm is a good candidate to solve LORP in a better runtime than the exact algorithm and with better solutions than the greedy heuristic. By leveraging collaborative filtering and an ontology that models students’ knowledge, learning styles, and search parameters, the approach offers more individualized content.

show abstract

Section: Related Workmentioning

confidence: 99%

Solving the Individualized Instructional Content Delivery Problem Using Ontology and Metaheuristics on the Set Covering Problem: An Experimental Analysis

Belizário Júnior,

Dorça,

Assis

et al. 2023

Anais Do XXXIV Simpósio Brasileiro De Informática Na Educação (SBIE 2023)

View full text Add to dashboard Cite

show abstract

“…Esse mesmo problemaé resolvido por um algoritmo mais rápido considerando uma heurística gulosa, conforme demonstram [Falci et al 2019]. A intuição subjacentè a heurísticaé que os OAs que atendem ao estilo de aprendizagem do estudante enquanto cobrem mais conceitos tendem a entregar candidatos melhores para a solução final.…”

Section: Trabalhos Relacionadosunclassified

Avanços na recomendação personalizada de objetos de aprendizagem através da utilização de meta-heurísticas clássicas associadas aos Problemas de Cobertura de Conjuntos e de Máxima Cobertura: Uma análise experimental

Júnior¹,

Dorça²,

Andrade³

et al. 2020

Anais Do XXXI Simpósio Brasileiro De Informática Na Educação (SBIE 2020)

View full text Add to dashboard Cite

Uma limitação dos sistemas de recomendação é não garantir que os objetos de aprendizagem (OAs) recomendados cobrem todos os conceitos que o estudante precisa aprender. Para lidar com esse desafio, neste artigo, o Problema de Recomendação de Objetos de Aprendizagem (PROA) é formulado como o Problema de Cobertura de Conjuntos e um problema similar ao Problema de Máxima Cobertura, ambos da classe NP-Hard. Adaptam-se meta-heurísticas gulosas e evolucionárias mostrando que elas são apropriadas para a solução do PROA. Este artigo contribui com o estado da arte com uma recomendação de OAs mais personalizada usando uma ontologia que modela as necessidades de conhecimento do estudante e o seu estilo de aprendizagem.

show abstract

A Low Complexity Heuristic To Solve a Learning Objects Recommendation Problem

Cited by 2 publications

References 12 publications

Solving the Individualized Instructional Content Delivery Problem Using Ontology and Metaheuristics on the Set Covering Problem: An Experimental Analysis

Solving the Individualized Instructional Content Delivery Problem Using Ontology and Metaheuristics on the Set Covering Problem: An Experimental Analysis

Avanços na recomendação personalizada de objetos de aprendizagem através da utilização de meta-heurísticas clássicas associadas aos Problemas de Cobertura de Conjuntos e de Máxima Cobertura: Uma análise experimental

Contact Info

Product

Resources

About