Modelo de aprendizaje para sistemas de recomendación, caso: Curso Programación Web

• Autor: Vera Sancho, Julio Augusto
• Formato: tesis de maestría
• Fecha de Publicación: 2016
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:UNSA/6126
• Enlace del recurso: http://repositorio.unsa.edu.pe/handle/UNSA/6126
• Nivel de acceso: acceso abierto
• Materia: Sistemas de recomendación; E-learning; Maquinas de aprendizaje; Redes bayesianas; https://purl.org/pe-repo/ocde/ford#2.02.04

Los sistemas de recomendación en la actualidad nos ayudan a obtener resultados de búsqueda cercano o adaptados a nuestras necesidades, en los últimos años este enfoque ha ido cambiando y se ha centrado en los sistemas e-Learning y dentro de lo que son los sistemas de gestión de aprendizaje, que son tecnologías educativas muy importante para el desarrollo académico de las estudiantes, dentro de los sistemas de recomendación tradicionales se hace un matching entre lo que es las entradas del estudiante, que por lo general son las tareas y las notas que se le da al estudiante por su desenvolvimiento ante una tarea, que es proporcionada por un profesor o algún sistema. Este trabajo propone un modelo de recomendación de contenidos educativos basado en el contexto de un usuario, el cual usa un modelo de contexto que incorpora el rol, las tareas, ejercicios de programación y su aplicación al problema de recomendación. Las recomendaciones se hacen sobre la base de la estimación de la diferencia que existe entre el nivel de conocimiento actual de un usuario frente a las habilidades que requiere en su contexto que se encuentra. En el trabajo se usa una técnica de razonamiento probabilístico para las recomendaciones, para tener en cuenta las especificaciones inexactas de las competencias de los usuarios y los requerimientos en su contexto. Los experimentos desarrollados en el contexto del estudiante, muestran que, usando un modelo de razonamiento probabilístico ayuda a obtener mejores recomendaciones de contenidos educativos, según a las competencias faltantes de un estudiante respecto a un tema que necesita aprender, lo cual se busca hacer una estandarización para sistemas de recomendación.