Filtragem Baseada em Comentários para Recomendação de Recursos Educacionais em Plataformas de Conteúdos Diversificados

Tese de Doutorado
por Caroline Félix de Oliveira
Publicado: 21/08/2024 - 13:56
Última modificação: 21/08/2024 - 13:56

Linha de pesquisa: Inteligência Artificial

Resumo: A evolução tecnológica tem promovido uma sociedade cada vez mais conectada, facilitando a interação entre pessoas e o compartilhamento massivo de conteúdos. Esse avanço impacta positivamente várias áreas do conhecimento, incluindo a educação, onde a quantidade de materiais disponíveis cresce exponencialmente. No entanto, essa abundância de recursos educacionais traz desafios, como a dificuldade em identificar e escolher os mais adequados em meio a um vasto acervo de conteúdos. Esses desafios são ainda maiores em repositórios não estritamente educacionais, como Wikipedia, LinkedIn, YouTube, TikTok, Vimeo, entre outros, onde os conteúdos são compartilhados por usuários de diferentes áreas e interesses, incluindo materiais educacionais. O presente trabalho inova ao desenvolver uma abordagem que utiliza os comentários dos usuários juntamente com técnicas de Aprendizado de Máquina (AM) para recomendar Objetos de Aprendizagem (OA) em ambientes com conteúdos diversificados. Para isso, foram utilizados os vocábulos mais frequentes em cada classe, educacional ou não educacional. Duas varia- ções foram desenvolvidas: a variação rígida e a variação flexível. A variação rígida utiliza algoritmos de AM para classificar os vídeos como educacionais ou não educacionais com base nos vocábulos mais frequentes, recomendando vídeos que o algoritmo tem “certeza” de serem educacionais. Já a variação flexível classifica individualmente cada comentário como educacional ou não educacional, analisando a classificação de todos os comentários dos vídeos e recomendando-os com um certo “grau de certeza” de pertencerem à classe educacional. Os resultados obtidos revelaram que os comentários são, de fato, uma excelente característica para a classificação de OAs, especialmente ao utilizar os vocábulos mais frequentes de cada classe. Experimentos indicam que a abordagem permite identificar OAs com uma acurácia impressionante de 95%. Além disso, a variação flexível demonstra maior adaptabilidade para trabalhar com o mundo real, possibilitando uma melhor recomendação de materiais com diferentes quantidades de comentários. Por fim, foi desenvolvido o Learning Object Intelligent Search (LOIS), um Sistema de Recomenda- ção (SR) que auxilia docentes e discentes em Ambientes Virtuais de Aprendizagem (AVA) a encontrar OAs no YouTube.

Link para a defesa: http://meet.google.com/aey-mosr-oaj

Coorientador: Cristiano Grijó Pitangui - Universidade Federal de São João Del-Rei, Departamento de Tecnologia e Eng. Civil, Computação e Humanidades.
Banca Examinadora: 
Márcia Aparecida Fernandes - Universidade Federal de Uberlândia, Faculdade de Ciência da Computacão, Faculdade de Ciência da Computacão.
Rafael Dias Araújo - Universidade Federal de Uberlândia, Faculdade de Computação.
Alessandro Vivas Andrade - Universidade Federal dos Vales do Jequitinhonha e Mucuri - Campus JK, Sistemas de Informação.
Thiago Rodrigues de Oliveira - Universidade Federal de São João Del-Rei.
Data e Horário: 
06/09/2024 - 15:00
Virtual, 2121 1B
Uberlândia, Minas Gerais, Brasil
38400-902
Campus Santa Mônica - Bloco 1B - Sala 230
Complemento: 
1B