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

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.

• Autores: Rodríguez Marín, Paula Andrea
• Fecha de publicación: 2014
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/20949
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/20949; http://bdigital.unal.edu.co/11634/
• Palabra clave: 0 Generalidades / Computer science, information and general works; Estilos de Aprendizaje; Federación de Repositorios de OAs; Modelo del estudiante; Objetos de Aprendizaje; Repositorios Distribuidos; Sistemas de Recomendación; Sistemas Multi-Agente; Distributed Repositories; Learning Objects; Learning Styles; LO Repositories Federation; Multi- Agent Systems; Recommender Systems; Student Model
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional