Aliado ao aumento na procura de cursos a distância (de 2006 a 2011, o número de alunos matriculados aumentou mais de 400% [2]), houve um crescimento acentuado no volume de recursos digitais educacionais disponíveis na Web, dificultando a tarefa de estudantes e professores acessarem o conteúdo que lhes interessa. Esse cenário apresenta o problema clássico da Sobrecarga de Informação [1], em que o excesso de informação disponível dificulta o acesso ao conteúdo considerado relevante.
Apesar dos Sistemas de Recomendação serem atualmente utilizados com sucesso para recomendar itens em uma variedade de domínios, o contexto educacional possui particularidades, o que requer uma reflexão especial [4]. Além das preferências do professor ou do estudante sobre determinado recurso, é importante saber o quanto tal recurso irá ajudá-los a alcançar os objetivos de aprendizagem [6].
Nesse contexto, o Laboratório de Inteligência Artificial (LIA) – com o aluno de mestrado Janderson Aguiar, sob orientação dos professores Evandro Costa (UFAL) e Joseana Fechine (UFCG) – conduz uma pesquisa na área de Sistemas de Recomendação Educacionais (SRE) na qual se objetiva criar um modelo de recomendação de recursos digitais para alunos, considerando aspectos psicológicos destes, uma vez que aspectos psicológicos têm importância e influenciam o processo de tomada de decisão dos humanos [3]. É importante destacar que o LIA possui outras pesquisas na área de Informática na Educação.
Em relação a aspectos psicológicos para se realizar uma seleção personalizada de recursos educacionais a serem recomendados, a pesquisa contempla o estudo das teorias de Traços de Personalidade e Estilos Cognitivos de Aprendizagem.
Sobre os Traços de Personalidade, um dos modelos existentes, considera-se que há Cinco Grandes Fatores (Big Five): Extroversão, Amabilidade (ou Socialização), Conscientização (ou Realização), Neuroticismo (ou Instabilidade Emocional) e Abertura (ou Abertura à mudança) [3]. Em relação a Estilos de Aprendizagem, em linhas gerais, está sendo considerado o Índice de Estilos de Aprendizagem (Index of Learning Styles – ILS) desenvolvido para determinar preferências de aprendizagem em quatro dimensões: 1–Ativo/Reflexivo, 2–Sensorial/Intuitivo, 3–Visual/Verbal e 4–Sequencial/Global [5].
A fase atual da pesquisa consiste no estudo de correlação de dados obtidos por meio de inventários de ambas as teorias. Após essa análise, será elaborado o modelo de perfil do usuário a ser considerado no processo de recomendação personalizada.
Com a revisão bibliográfica inicial realizada nesta pesquisa, foi publicado um capítulo nos Anais da Jornada de Atualização em Informática na Educação (JAIE 2013), subevento do Congresso Brasileiro de Informática na Educação (CBIE 2013). A JAIE consiste em apresentações de minicursos e, dessa forma, este capítulo foi base para o minicurso com a mesma denominação (Sistemas de Recomendação de Recursos Educacionais: conceitos, técnicas e aplicações), ministrado em novembro de 2013.
Editado por: Maria Letícia Leôncio Barbosa
REFERÊNCIAS
[1] ADOMAVICIUS, G.; TUZHILIN, A. Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions. In: IEEE Transactions On Knowledge and Data Engineering, vol. 17, no. 6, p. 734–749, 2005.
[2] INEP — INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS ANÍSIO TEIXEIRA. Censo da Educação Superior 2011 — Resumo Técnico. Brasília. 2013. Disponível em: http://download.inep.gov.br/educacao_superior/censo_superior/resumo_tecnico/ resumo_tecnico_censo_educacao_superior_2011.pdf. Último acesso em: 22 de mai. de 2014.
[3] NUNES, M. A. S. N. Computação Afetiva personalizando interfaces, interações e recomendações de produtos, serviços e pessoas em Ambientes computacionais. In: Nunes, M. A. S. N.; Oliveira, A. A.; Ordonez, E. D. M. (Org.). Projetos e Pesquisas em Ciência da Computação no DCOMP/PROCC/UFS: São Cristóvão, p. 115–151, 2012.
[4] PARVEEN, R.; JAISWA, A. K.; KANT, V. E-Learning Recommendation Systems – A Survey. International Journal of Engineering Research and Development, v. 4, p. 10–12, 2012.
[5] SILVA, D. M.; LEAL, E. A.; PEREIRA, J. M.; OLIVEIRA NETO, J. D. Estilos de Aprendizagem na Educação a Distância: Uma Investigação em Cursos de Especialização. In EnANPAD 2013, Rio de Janeiro, 2013.
[6] TANG, T. Y.; MCCALLA, G. I. Beyond learners’ interest: Personalized paper recommendation based on their pedagogical features for an e-learning system. In: PRICAI, p. 301–310, 2004
Grupo PET Computação UFCG, 2013. All rights reserved.
