Prerequisite identification via knowledge graphs
The identification of prerequisite relationships among concepts is a fundamental step toward the organization of knowledge for educational purposes. The identification of such prerequisite relations is a crucial step for instructional designers and for the next generation of automated systems whose...
- Autores:
-
Manrique Piramanrique, Rubén Francisco
- Tipo de recurso:
- Fecha de publicación:
- 2019
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/44020
- Acceso en línea:
- http://hdl.handle.net/1992/44020
- Palabra clave:
- Grafos de conocimiento
Web semántica
Estructuras conceptuales (Teoría de la información)
Ingeniería
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
id |
UNIANDES2_f6bf8e9cb820fef989d609875f6f7527 |
---|---|
oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/44020 |
network_acronym_str |
UNIANDES2 |
network_name_str |
Séneca: repositorio Uniandes |
repository_id_str |
|
dc.title.es_CO.fl_str_mv |
Prerequisite identification via knowledge graphs |
title |
Prerequisite identification via knowledge graphs |
spellingShingle |
Prerequisite identification via knowledge graphs Grafos de conocimiento Web semántica Estructuras conceptuales (Teoría de la información) Ingeniería |
title_short |
Prerequisite identification via knowledge graphs |
title_full |
Prerequisite identification via knowledge graphs |
title_fullStr |
Prerequisite identification via knowledge graphs |
title_full_unstemmed |
Prerequisite identification via knowledge graphs |
title_sort |
Prerequisite identification via knowledge graphs |
dc.creator.fl_str_mv |
Manrique Piramanrique, Rubén Francisco |
dc.contributor.advisor.none.fl_str_mv |
Mariño Drews, Olga |
dc.contributor.author.none.fl_str_mv |
Manrique Piramanrique, Rubén Francisco |
dc.contributor.jury.none.fl_str_mv |
Cardozo Álvarez, Nicolás Cortés Buitrago, Gloria Cristina |
dc.subject.armarc.es_CO.fl_str_mv |
Grafos de conocimiento Web semántica Estructuras conceptuales (Teoría de la información) |
topic |
Grafos de conocimiento Web semántica Estructuras conceptuales (Teoría de la información) Ingeniería |
dc.subject.themes.none.fl_str_mv |
Ingeniería |
description |
The identification of prerequisite relationships among concepts is a fundamental step toward the organization of knowledge for educational purposes. The identification of such prerequisite relations is a crucial step for instructional designers and for the next generation of automated systems whose goal is to support the generation, recommendation, and adaptation of learning paths. In this thesis, we address the problem of the automatic identification of the prerequisite relationships among concepts. We explore two different strategies. The first is a simple measure that analyzes links between the concepts in a Knowledge Graph base belonging to the linked open data initiative. The second strategy uses machine learning methods to identify the prerequisite relationship based on a set of features extracted mostly from the Knowledge Graph. The proposed approach is validated on three benchmarks concept pairs datasets in different domains. The results show the superiority of the machine learning method and that it is possible in most cases to automatically discern the prerequisite relationship. Moreover, our approach overcomes other supervised and unsupervised strategies that have been proposed in the literature for this problem. |
publishDate |
2019 |
dc.date.issued.es_CO.fl_str_mv |
2019 |
dc.date.accessioned.none.fl_str_mv |
2020-09-03T14:30:41Z |
dc.date.available.none.fl_str_mv |
2020-09-03T14:30:41Z |
dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/44020 |
dc.identifier.pdf.none.fl_str_mv |
u827296.pdf |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
url |
http://hdl.handle.net/1992/44020 |
identifier_str_mv |
u827296.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
dc.language.iso.es_CO.fl_str_mv |
eng |
language |
eng |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.es_CO.fl_str_mv |
76 hojas |
dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
dc.publisher.program.es_CO.fl_str_mv |
Maestría en Ingeniería de Sistemas y Computación |
dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería de Sistemas y Computación |
dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
instname_str |
Universidad de los Andes |
institution |
Universidad de los Andes |
reponame_str |
Repositorio Institucional Séneca |
collection |
Repositorio Institucional Séneca |
bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/ecc93f2c-9d3b-43de-bbd9-fe4e0a9597ac/download https://repositorio.uniandes.edu.co/bitstreams/ad61e4a1-b829-49be-a9ba-5405882cc1e2/download https://repositorio.uniandes.edu.co/bitstreams/7e814344-0206-486a-a478-7a70a5e32ce1/download |
bitstream.checksum.fl_str_mv |
c8fc29fcd80c10dcf26715d5dd6667da 441ddff7b04c5a5c2a6a62f03fa06880 a517fdf564e4f94538af2310720e345b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional Séneca |
repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
_version_ |
1812133898870587392 |
spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Mariño Drews, Olgavirtual::6408-1Manrique Piramanrique, Rubén Francisco780bf4c6-40f7-4348-89f8-cc2ee976a0be400Cardozo Álvarez, NicolásCortés Buitrago, Gloria Cristina2020-09-03T14:30:41Z2020-09-03T14:30:41Z2019http://hdl.handle.net/1992/44020u827296.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/The identification of prerequisite relationships among concepts is a fundamental step toward the organization of knowledge for educational purposes. The identification of such prerequisite relations is a crucial step for instructional designers and for the next generation of automated systems whose goal is to support the generation, recommendation, and adaptation of learning paths. In this thesis, we address the problem of the automatic identification of the prerequisite relationships among concepts. We explore two different strategies. The first is a simple measure that analyzes links between the concepts in a Knowledge Graph base belonging to the linked open data initiative. The second strategy uses machine learning methods to identify the prerequisite relationship based on a set of features extracted mostly from the Knowledge Graph. The proposed approach is validated on three benchmarks concept pairs datasets in different domains. The results show the superiority of the machine learning method and that it is possible in most cases to automatically discern the prerequisite relationship. Moreover, our approach overcomes other supervised and unsupervised strategies that have been proposed in the literature for this problem."La identificación de las relaciones de prerrequisito entre conceptos es un paso fundamental hacia la organización del conocimiento con fines educativos. La identificación de prerrequisito es un paso crucial para los diseñadores de instrucción y para la próxima generación de sistemas automatizados cuyo objetivo es apoyar la generación, recomendación y adaptación de las rutas de aprendizaje. En esta tesis, abordamos el problema de la identificación automática de prerrequisito entre los conceptos. Exploramos dos estrategias diferentes. La primera es una medida simple que analiza los vínculos entre los conceptos en Grafos de Conocimiento que pertenezcan a la iniciativa Linked Open Data. La segunda estrategia utiliza métodos de aprendizaje automático para identificar la relación de requisitos previos basada en un conjunto de características extraídas principalmente del Grafo de Conocimiento seleccionado. El enfoque propuesto se valida en tres conjuntos de datos de pares de conceptos en diferentes dominios. Los resultados muestran la superioridad del método de aprendizaje automático y que es posible, en la mayoría de los casos, discernir automáticamente la relación de prerrequisito. Además, nuestro enfoque supera otras estrategias supervisadas y no supervisadas que se han propuesto en la literatura para este problema."--Tomado del Formato de Documento de Grado.Magíster en Ingeniería de Sistemas y ComputaciónMaestría76 hojasapplication/pdfengUniversidad de los AndesMaestría en Ingeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería de Sistemas y Computacióninstname:Universidad de los Andesreponame:Repositorio Institucional SénecaPrerequisite identification via knowledge graphsTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMGrafos de conocimientoWeb semánticaEstructuras conceptuales (Teoría de la información)IngenieríaPublicatione7ce8418-ddbe-41a3-abbf-c91ab61fb265virtual::6408-1e7ce8418-ddbe-41a3-abbf-c91ab61fb265virtual::6408-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000051608virtual::6408-1THUMBNAILu827296.pdf.jpgu827296.pdf.jpgIM Thumbnailimage/jpeg6006https://repositorio.uniandes.edu.co/bitstreams/ecc93f2c-9d3b-43de-bbd9-fe4e0a9597ac/downloadc8fc29fcd80c10dcf26715d5dd6667daMD55ORIGINALu827296.pdfapplication/pdf855357https://repositorio.uniandes.edu.co/bitstreams/ad61e4a1-b829-49be-a9ba-5405882cc1e2/download441ddff7b04c5a5c2a6a62f03fa06880MD51TEXTu827296.pdf.txtu827296.pdf.txtExtracted texttext/plain129994https://repositorio.uniandes.edu.co/bitstreams/7e814344-0206-486a-a478-7a70a5e32ce1/downloada517fdf564e4f94538af2310720e345bMD541992/44020oai:repositorio.uniandes.edu.co:1992/440202024-03-13 13:10:35.266http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |