Context-aware recommender systems for authors of e-learning content

doctoral thesis

• Title (croatian): Preporučiteljski sustavi svjesni konteksta namijenjeni autorima sadržaja u e-učenju
• Author: Ivana Bosnić
• Mentor: Mario Žagar (mentor)
• Committee member: Mario Žagar (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; (Department of Control and Computer Engineering); Zagreb
• Defense date and country: 2013, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing; Data Processing
• Universal decimal classification (UDC): 004 - Computer science and technology. Computing. Data processing

Abstract

The goal of this thesis is to research context dimensions and characteristics of context-aware recommender systems designed for authoring of e-learning content. Building on characteristics of available content models, the context model is proposed, comprising context dimensions from (i) learning management system and course context, (ii) author’s profile and (iii) context inferred from already used learning objects, which includes their structure, pedagogical roles, domain topics and layout features. Based on this model, the recommender system structure is proposed, with algorithms for analyzing content and inferring context data which can be grouped in three subtypes: (i) domain keywords and concepts, (ii) context dimensions for structure, layout and pedagogical roles, and (iii) author’s feedback. Following the analysis, data is converted to three matrices, to be used in further algorithms. Recommended learning objects are obtained from popular Web2.0 content providers according to content keywords. Received results are additionally analyzed in contextual post-filtering phase, according to relevant context dimensions and implicit author’s feedback. Implementation of model and recommender system is developed in the popular learning management system Moodle, as AREC recommender block, providing content recommendations to authors. Evaluation, based on publicly available and free content, shows that using context data improves recommendation process, which would otherwise depend only on content-based recommendation from content providers. During evaluation discussion, several open issues in model and system proposal, as well as in reusing e-learning content, are noted and discussed, with possible solutions offered.

Abstract (croatian)

Cilj ove disertacije je istraživanje dimenzija konteksta i značajki preporučiteljskih sustava svjesnih konteksta namijenjenih autorima sadržaja u e-učenju. Nadograđujući na značajke postojećih modela sadržaja, predložen je model konteksta, koji se sastoji od dimenzija konteksta iz (i) sustava za upravljanje učenjem i konteksta kolegija, (ii) profila autora i (iii) konteksta izvedenog iz već korištenih objekata učenja, koji sadrži njihovu strukturu, pedagoške uloge, teme domene i posebnosti izgleda. Na temelju ovoga modela predložena je struktura preporučiteljskog sustava, s algoritmima za analizu sadržaja i izvođenje podataka iz konteksta koje je moguće grupirati u tri podtipa: (i) ključne riječi i koncepti domene, (ii) dimenzije konteksta za strukturu, izgled i pedagoške uloge, te (iii) povratna informacija autora. Nakon analize, podaci su pretvoreni u tri matrice, za uporabu u narednim algoritmima. Preporučeni objekti učenja dobiveni su iz popularnih Web2.0 pružatelja sadržaja prema ključnim riječima sadržaja. Dobiveni rezultati dodatno su analizirani u fazi kontekstualnog naknadnog filtriranja, prema relevantnim dimenzijama konteksta i implicitnom autorovom povratnom informacijom. Izvedba modela i preporučiteljskog sustava ostvarena je u popularnom sustavu za upravljanje učenjem Moodle, kao blok „AREC preporučitelj“, koji autorima pruža preporuke sadržaja. Vrednovanje, temeljeno na javno dostupnom, slobodnom sadržaju, pokazuje da uporaba kontekstnih podataka poboljšava proces preporučivanja, koji bi inače ovisio samo o preporukama temeljenim na sadržaju pružatelja sadržaja. U raspravi o vrednovanju, navedeno je i obrazloženo nekoliko otvorenih općenitih poteškoća vezanih za prijedlog modela i sustava, te uz ponovnu uporabu sadržaja u e-učenju, uz prijedloge mogućih rješenja.

• Keywords: technology enhanced learning; e-learning; content authoring; recommender system; context; content; learning object; learning management system
• Keywords (croatian): učenje podržano tehnologijom; e-učenje; stvaranje sadržaja; preporučiteljski sustav; kontekst; sadržaj; objekt učenja; sustav za upravljanje učenjem
• Language: english
• URN:NBN: urn:nbn:hr:168:589402
• Study programme: Title: Electrical Engineering and Computing; Study programme type: university; Study level: postgraduate; Academic / professional title: Doktor znanosti elektrotehnike i računarstva (Doktor znanosti elektrotehnike i računarstva)
• Type of resource: Text
• Extent: 134 str. ; 30 cm.
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2019-04-19 15:04:13