Aplicação de técnicas de recomendação de recursos educacionais em um campus universitário
DOI:
https://doi.org/10.5902/2179460X75195Palavras-chave:
Sistema de Recomendação, Campus Inteligente, Filtragem Colaborativa, Filtragem baseada em Conteúdo, Sistema HíbridoResumo
O desenvolvimento da Internet ao longo dos anos trouxe consigo um aumento massivo da quantidade de dados presente na rede, fazendo com que a busca por itens específicos se tornasse uma tarefa lenta e complexa. Dessa forma, surgem ferramentas que têm o objetivo de filtrar informações dentro de websites e plataformas deixando de lado tudo o que for irrelevante e levando ao usuário somente aquilo que provavelmente irá lhe interessar. Essas ferramentas são chamadas de sistemas de recomendação. Além disso, a área da educação também se tornou afetada pelo problema de sobrecarga de dados, principalmente nos últimos anos com a popularização da educação online onde alunos passam a demandar por novos métodos de pesquisa e aprendizado além da sala de aula. Dessa forma, neste artigo, tem-se o objetivo de desenvolver um sistema de recomendação personalizado de recursos educacionais que, baseado nos interesses dos usuários, faça previsões e gere listas de itens que vão ao encontro de seus interesses. Assim espera-se também que essa plataforma possa ajudar na integração e desenvolvimento de campus universitários inteligentes.
Downloads
Referências
Abouabdellah, A. Benfares, C., & elIdrissi, Y. E. B. (2017). Recommendation semantic of services in smart city. ACM International Conference Proceeding Series, Part F129474.
Abualnaaj, K., Ahmed, V., & Saboor, S. (n.d.). A Strategic Framework for Smart Campus. Proceedings of the International Conference on Industrial Engineering and Operations Management Dubai, UAE, March 10-12, 2020
Chun-Mei, L., Jie-Teng, J., Shuo, D., Wei, P., Yan, Q., & Yi-Han, M. (2021). Personalized Recommendation Algorithm for books and its implementation. Journal of Physics: Conference Series, 1738(1).
Dennouni, N., Lancieri, L., Peter, Y., & Slama, Z. (2018). Towards an incremental recommendation of POIs for mobile tourists without profiles. International Journal of Intelligent Systems and Applications, 10(10), 42–52.
Eliyas, S., & Ranjana, P. (2022). Recommendation Systems: Content-Based Filtering vs Collaborative Filtering. 2022 2nd International Conference on Advance Computing and Innovative Technologies in Engineering, ICACITE 2022, 1360–1365.
Imbar, R. V., Langi, A. Z. R., & Supangkat, S. H. (2020, November 19). Smart Campus Model: A Literature Review. 7th International Conference on ICT for Smart Society: AIoT for Smart Society, ICISS 2020 - Proceeding.
Jordán, J., Botti, V., Turró, C., & Valero, S. (2021). Using a hybrid recommending system for learning videos in flipped classrooms and moocs. Electronics (Switzerland), 10(11).
Karlgren, J. (1990). An Algebra for Recommendations An Algebra for Recommendations Using Reader Data as a Basis for Measuring Document Proximity.
Khan, N. Z. A., & Mahalakshmi, R. (2020). A novel user review-based contextual recommender system. International Journal of Modeling, Simulation, and Scientific Computing.
Meng, H., & Cheng, Y. (2021). Research on Key Technologies of Intelligent Recommendation Based Online Education Platform in Big Data Environment. ACM International Conference Proceeding Series, 638–645.
Mrhar, K., & Abik, M. (2019). Toward a deep recommender system for MOOCs platforms. ACM International Conference Proceeding Series, 173–177.
Thannimalai, V., & Zhang, L. (2021). A CONTENT BASED AND COLLABORATIVE FILTERING RECOMMENDER SYSTEM. Proceedings - International Conference on Machine Learning and Cybernetics, 2021-December.
Xu, X., Wang, Y., & Yu, S. (2018). Teaching performance evaluation in smart campus. IEEE Access, 6, 77754–77766.
Zhang, Y., Dong, Z. Y., Lu, E., & Yip, C. (2022). A Systematic Review on Technologies and Applications in Smart Campus: A Human-Centered Case Study. In IEEE Access (Vol. 10, pp. 16134–16149).
Zheng, K., Wang, Y., Wu, Y., Yang, X., & Zheng, X. (2020). Collaborative filtering recommendation algorithm based on variational inference. International Journal of Crowd Science, 4(1), 31–44.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Ciência e Natura
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Para acessar a DECLARAÇÃO DE ORIGINALIDADE E EXCLUSIVIDADE E CESSÃO DE DIREITOS AUTORAIS clique aqui.
Diretrizes Éticas para Publicação de Revistas
A revista Ciência e Natura está empenhada em garantir a ética na publicação e na qualidade dos artigos.
A conformidade com padrões de comportamento ético é, portanto, esperada de todas as partes envolvidas: Autores, Editores e Revisores.
Em particular,
Autores: Os Autores devem apresentar uma discussão objetiva sobre a importância do trabalho de pesquisa, bem como detalhes e referências suficientes para permitir que outros reproduzam as experiências. Declarações fraudulentas ou intencionalmente incorretas constituem comportamento antiético e são inaceitáveis. Artigos de Revisão também devem ser objetivos, abrangentes e relatos precisos do estado da arte. Os Autores devem assegurar que seu trabalho é uma obra totalmente original, e se o trabalho e / ou palavras de outros têm sido utilizadas, isso tem sido devidamente reconhecido. O plágio em todas as suas formas constitui um comportamento publicitário não ético e é inaceitável. Submeter o mesmo manuscrito a mais de um jornal simultaneamente constitui um comportamento publicitário não ético e é inaceitável. Os Autores não devem submeter artigos que descrevam essencialmente a mesma pesquisa a mais de uma revista. O Autor correspondente deve garantir que haja um consenso total de todos os Co-autores na aprovação da versão final do artigo e sua submissão para publicação.
Editores: Os Editores devem avaliar manuscritos exclusivamente com base no seu mérito acadêmico. Um Editor não deve usar informações não publicadas na própria pesquisa do Editor sem o consentimento expresso por escrito do Autor. Os Editores devem tomar medidas de resposta razoável quando tiverem sido apresentadas queixas éticas relativas a um manuscrito submetido ou publicado.
Revisores: Todos os manuscritos recebidos para revisão devem ser tratados como documentos confidenciais. As informações ou ideias privilegiadas obtidas através da análise por pares devem ser mantidas confidenciais e não utilizadas para vantagens pessoais. As revisões devem ser conduzidas objetivamente e as observações devem ser formuladas claramente com argumentos de apoio, de modo que os Autores possam usá-los para melhorar o artigo. Qualquer Revisor selecionado que se sinta desqualificado para rever a pesquisa relatada em um manuscrito ou sabe que sua rápida revisão será impossível deve notificar o Editor e desculpar-se do processo de revisão. Os Revisores não devem considerar manuscritos nos quais tenham conflitos de interesse resultantes de relacionamentos ou conexões competitivas, colaborativas ou outras conexões com qualquer dos autores, empresas ou instituições conectadas aos documentos.