Modelo de agente adaptativo al contexto para ofrecer recursos didácticos
La presente investigación se basó en el desarrollo de un modelo de agente recomendador, que tiene como fin presentar recursos didácticos que se adecuen a las características de aprendizaje de cada estudiante de la Pontificia Universidad Católica del Ecuador sede Ibarra, esto significa, que los recur...
Збережено в:
| Автор: | |
|---|---|
| Формат: | bachelorThesis |
| Опубліковано: |
2018
|
| Предмети: | |
| Онлайн доступ: | https://repositorio.puce.edu.ec/handle/123456789/39707 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Додати тег | Резюме: | La presente investigación se basó en el desarrollo de un modelo de agente recomendador, que tiene como fin presentar recursos didácticos que se adecuen a las características de aprendizaje de cada estudiante de la Pontificia Universidad Católica del Ecuador sede Ibarra, esto significa, que los recursos se adaptan al perfil del estudiante, de una manera que él pueda asimilar nueva información de una forma más adecuada; en este contexto se inicia una transformación en la educación tradicional, llevándola hacia una instrucción personalizada a través del uso de distintos agentes inteligentes que trabajen en conjunto en un ambiente inteligente para brindar una experiencia agradable a los alumnos. El proyecto estuvo enmarcado en el tipo de investigación documental y aplicada, fundamentada en el análisis de fuentes de información de técnicas de recomendación híbridas que emplean filtros basados contenido y modelos colaborativos. Obteniendo como resultado un agente desarrollado bajo la metodología ágil XP y el lenguaje de programación PHP. Como efecto se obtuvo un agente que emplea servicios REST para obtener y generar información, y que utiliza un conjunto de diferentes matrices que contienen los indicadores cuantitativos y cualitativos del perfil del estudiante, los objetos de aprendizaje o recursos didácticos y las valoraciones de los objetos de aprendizaje, para inferir las recomendaciones de cada filtro, las cuales posteriormente se mostrarán al estudiante. Finalmente, a través de un escenario de pruebas, se pudo concluir que el desempeño del agente recomendador es acertado, ya que proporciona recomendaciones de objetos de aprendizaje que se ajustan a las características de aprendizaje de cada perfil de estudiante con el que se realizaron las pruebas. |
|---|