Dissertação
{en_GB=A Recommender System For Personalized Teaching Strategies} {} EVALUATED
{pt=Com o objetivo de promover a mudança de comportamento e aumentar o envolvimento dos alunos nas atividades letivas, alguns professores começaram a integrar elementos de jogo dentro das salas de aula. Quando se trata de ambientes educacionais com elevada quantidade de dados, como é o caso de ambientes gamificados, os alunos ficam sobrecarregados com o número de opções disponíveis. A implementação de Sistemas de Recomendação é uma técnica promissora para lidar com estes desafios uma vez que estes sistemas têm a capacidade de selecionar as opções/atividades mais adequadas a cada aluno, de modo a garantir um tratamento mais personalizado. O objetivo deste projeto foca-se no desenvolvimento de um Sistema de Recomendação capaz de sugerir atividades específicas de modo a apoiar a ascensão dos alunos ao próximo perfil, auxiliando-os ao longo de todo o semestre de modo a concluírem o curso com sucesso. Este Sistema de Recomendação utiliza duas estratégias diferentes para atingir o seu objetivo; a primeira estratégia é baseada numa abordagem de recomendação colaborativa, enquanto que a segunda estratégia segue um plano de Aprendizagem por Reforço. Os resultados comprovam que independentemente da estratégia utilizada, a maioria dos alunos iria beneficiar de um sistema de recomendação deste género. No caso da abordagem de recomendação Colaborativa, a percentagem de alunos que conseguiram melhorar suas notas no final do semestre foi superior a 60%, enquanto que a abordagem de Aprendizagem por Reforço provou ser mais eficaz ao permitir que mais de 90% dos alunos fosse capaz de melhorar as suas notas finais., en=With the purpose of promoting behavior change and leveraging the students’ engagement in the courses’ activities, professors are beginning to integrate game elements into the classroom. Usually in large collaborative educational environments, students are overwhelmed by the number of available options and information. Furthermore, the“one-size-fits-all” approach, which is implemented in a large portion of the studies, does not con-template the individual differences among the students. A promising way to deal with these challenges and enhance the guidance to find and select the most suitable learning activities is by introducing Recommender Systems. This project’s scope focuses on the development of a Recommender System capable of suggesting specific course activities in the interest of supporting the student’s ascendance to the next profile helping them to succeed in the course. This Recommender System uses two different strategies to accomplish its goal, the first strategy is based on a Collaborative Filtering approach, whilst the second one follows a ReinforcementLearning plan. The results proved that no matter the strategy used, most of the students would benefit from a Recommender System that was capable of suggesting specific activities in order to help their ascendance to the upper profiles. In the case of the Collaborative Filtering approach, the percentage of students who were able to improve their grades by the end of the semester was more than 60%, whilst the Reinforcement Learning approach proved to be more effective by allowing more than 90% of the students to notice an improvement in their final grades.}
janeiro 14, 2021, 13:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
