[TESE DE DOUTORADO] Uma Abordagem Híbrida Apoiada por Algoritmo Bioinspirado e Tecnologias de Web Semântica para Recomendação Personalizada de Objetos de Aprendizagem

Local: 
Por videoconferência
Data de Defesa: 
22/07/2021 - 14:00
Banca examinadora: 
Prof. Dr. Fabiano Azevedo Dorça - FACOM/UFU (Orientador)
Prof. Dr. Rafael Dias Araújo - FACOM/UFU (Coorientador)
Prof. Dr. Renan Gonçalves Cattelan - FACOM/UFU
Prof.ª Dr.ª Márcia Aparecida Fernandes - FACOM/UFU
Prof. Dr. Sergio Crespo Coelho da Silva Pinto - UFF
Prof.ª Dr.ª Isabel Dillmann Nunes - UFRN/IMD

A área de Sistemas Adaptativos e Inteligentes para a Educação (SAIE) está em constante evolução e esforça-se na aplicação de tecnologias recentes, buscando criar ambientes de aprendizagens personalizados que forneçam subsídios para a educação. Para o desenvolvimento de SAIE, técnicas de Inteligência Artificial (IA) são bastante exploradas e comumente combinadas com teorias pedagógicas. Este trabalho visa contribuir para a área de Inteligência Artificial aplicada à Educação, onde apresenta-se uma abordagem que faz uso de tecnologias de Web Semântica e um algoritmo bioinspirado para realizar recomendação personalizada de Objetos de Aprendizagem (OA), utilizando Filtragem Baseada em Conteúdo (FBC). Diferente de abordagens propostas anteriormente, esta pesquisa combina repositórios de Ambiente Virtual de Aprendizagem (AVA) e materiais disponibilizados na web em busca de cobrir tópicos de um determinado conteúdo com materiais em formatos distintos. Com relação aos materiais da web, estes são recuperados e estruturados em forma de OA, auxiliando na geração automática de metadados e minimizando o trabalho de tutores do curso. A abordagem desenvolvida nesta pesquisa foi implementada no AVA Classroom eXperience (CX) e também foi criado um recurso de extensão para o Moodle. Através disso, foi possível observar que é uma abordagem fracamente acoplada a um sistema, podendo ser reaproveitada para outros ambientes. Além disso, testes foram realizados mostrando a capacidade de cobertura de conteúdo através de recomendação de OA e a satisfação dos usuários com este tipo de abordagem.