A Recommender System Based on Hierarchical Clustering for Cloud e-Learning

Pireva, Krenare; Kefalas, Petros

doi:10.1007/978-3-319-66379-1_21

Cited by 8 publications

(5 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…As can be seen, the classification method with greater precision was RandomTree where its results show the data dependence obtained with respect to the first job and the graduation date to determine if this work was related to the profession. Additionally it was found that the Classification is volatile with respect to the input data, that means, when there are many entries, no associations are found between the variables and it is not possible to make predictions about the system [29].…”

Section: Resultsmentioning

confidence: 99%

Behavior of employability indicators in university graduates

Sánchez¹,

Mateus²,

Nieto³

2020

ing. Solidar

View full text Add to dashboard Cite

Introduction: This article is the result of research entitled the behavior of employability indicators in university graduates, developed at the Universidad Distrital Francisco José de Caldas in 2019. Problem: The Emple-AP project promotes the creation of an observatory for labor insertion and the strengthening of employability in countries of the Pacific Alliance (PA), which particularly benefits Colombia, because one of its objectives with the PA is to overcome the socioeconomic inequality that exists among its inhabitants. Objective: To identify the relationship between employability indicators through classification methods used in Artificial Intelligence. Methodology:The indicators’ behavior description involves data pre-processing, a formal global study in statistics and a specific formal study through comparison of classification methods. Results: Descriptions of these employability indicators show characteristics of the situation in the studied population. Conclusion:Given the analysis of the classification model, it is determined that the diversity and disparity of the dataset makes the RandomTree model the most accurate in this research, finding that the system has characteristic behaviors of an adaptative complex system. Originality:Through this research, employability indicators were analyzed through data mining tools, additionally the analysis presented in this article could be replicated under particular conditions in other countries of the PA. Limitations:The information comes from the Universidad Distrital Francisco José de Caldas graduate’s office. A single source generates a limitation in the data and in the population studied.

show abstract

Section: Resultsmentioning

confidence: 99%

Behavior of employability indicators in university graduates

Sánchez¹,

Mateus²,

Nieto³

2020

ing. Solidar

View full text Add to dashboard Cite

show abstract

“…Dois trabalhos exibidos na Tabela 1 exploraram a utilização do planejamento hierárquico no contexto de e-learning. Em [Pireva and Kefalas 2018] esta técnica foi utilizada com o intuito de definir uma sequência de OA correspondentes ao conhecimento prévio de um aprendiz e ao seu objetivo. Em [Limongelli and Sciarrone 2014], esse foi utilizado para auxiliar o estudante durante uma atividade de aprendizagem, por meio do conhecimento prévio de seu estado cognitivo, de seu estilo de aprendizagem e da estratégia didática do professor.…”

Section: Uso De Pa No Contexto Educacionalunclassified

“…Na Tabela 1, tambémé possível observar os elementos utilizados para modelar o perfil estudante. Nos trabalhos apresentados por [Garrido and Onaindia 2013, Garrido and Morales 2014, Limongelli and Sciarrone 2014, Garrido et al 2016, Pireva and Kefalas 2018 o perfil do estudante foi definido com base no estilo de aprendizagem proposto em [Felder et al 1988] em conjunto com outras características, como por exemplo: associado aos desejos e necessidades do estudante; em conjunto com os requisitos do curso, impostos por meio das inter-relações entre OA; ou ainda associadosà TRB. Tais abordagens objetivaram inferir ao estudante uma rota de aprendizagem otimizada em termos de recurso ou de tempo.…”

Section: Modelo Do Estudanteunclassified

Recomendação de Ações Pedagógicas Utilizando Planejamento Automático e Taxonomia Digital de Bloom

Costa

Júnior

Fernandes

2019

Anais Do XXX Simpósio Brasileiro De Informática Na Educação (SBIE 2019)

View full text Add to dashboard Cite

This paper presents an approach for the recommendation of pedagogical actions in Virtual Learning Environment (VLE), using automatic planning. The actions considered by the planner are structured by Bloom's Digital Taxonomy. The state is specified according to the student model. This model contains information provided by the VLE and the ASSIST questionnaire. A base of cases containing plans associated with student models is maintained and initially consulted in order to optimize the process. A proof of concept shows the feasibility of using Automated Planning effectively in the context of recommendations for generic pedagogical actions.

show abstract

“…Diversas alternativas podem ser utilizadas com tal finalidade, por exemplo em (Garrido, Morales, & Serina, 2016), as preferências modeladas por meio de estilos de aprendizagem são utilizadas. Os metadados de Ambientes Virtuais de Aprendizagem (AVAs) também podem ser utilizados com esse propósito, como observado em (Pireva & Kefalas, 2018). Já em (Limongelli & Sciarrone, 2014), o estado cognitivo do estudante, representado por meio da Taxonomia de Bloom, é utilizado.…”

Section: Introductionunclassified

Sequenciamento de Ações Pedagógicas baseadas na Taxonomia de Bloom usando Planejamento Automatizado apoiado por Algoritmo Genético

Costa

Fernandes

2021

RBIE

View full text Add to dashboard Cite

Este trabalho investigou o planejamento em Inteligência Artificial para o sequenciamento de ações pedagógicas, de acordo com o perfil do estudante. As ações representaram o processo cognitivo dado pela Taxonomia de Bloom (TB) e o perfil do estudante foi determinado conforme o Revised Approaches to Studying Inventory (RASI). A fim de medir a adequação de uma sequência ao perfil do estudante, foi necessário mapear estas duas teorias, sendo este mapeamento uma das contribuições deste estudo. Assim, o sequenciamento de ações foi formulado como um problema de otimização e implementado através de um algoritmo genético. A proposição da função a ser otimizada para este problema é também uma contribuição, desde que estabelecer critérios para avaliar aspectos pedagógicos tem sido um desafio para Informática na Educação. Experimentos realizados contaram com 41 participantes que responderam ao questionário RASI e, após terem recebido e analisado as respectivas sequências de ações determinadas pelo planejador proposto neste trabalho, também responderam a um questionário de satisfação em relação à sequência. Os resultados obtidos se mostraram promissores, demonstrando a viabilidade da pesquisa.

show abstract

A Recommender System Based on Hierarchical Clustering for Cloud e-Learning

Cited by 8 publications

References 10 publications

Behavior of employability indicators in university graduates

Behavior of employability indicators in university graduates

Recomendação de Ações Pedagógicas Utilizando Planejamento Automático e Taxonomia Digital de Bloom

Sequenciamento de Ações Pedagógicas baseadas na Taxonomia de Bloom usando Planejamento Automatizado apoiado por Algoritmo Genético

Contact Info

Product

Resources

About