Uma proposta de sistema de recomendação para educação utilizando neural collaborative filtering e requisitos de acessibilidade

• Ano de defesa: 2022
• Autor(a) principal: Lima, Flávio de Oliveira
• Orientador(a): Silveira, Ismar Frango
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por; eng
• Instituição de defesa: Universidade Presbiteriana Mackenzie
• Palavras-chave em Português: sistemas de recomendação; neural collaborative filtering; educação; acessibilidade
• Link de acesso: https://dspace.mackenzie.br/handle/10899/31246

O crescente interesse das grandes corporações, assim como escolas e universidades em fornecer recomendações personalizadas ao seu público-alvo permite que as pessoas aumentem o interesse em receber conteúdos cada vez mais específicos de acordo com o seu perfil. Os sistemas de recomendação contribuem diretamente para sugestões, previsões ou avaliações que são fornecidas por meio de diferentes técnicas. Considerando o cenário de pandemia da Covid-19, o ensino híbrido ganha notoriedade e a necessidade da aprimoração de recursos do ensino à distância, abrindo espaço para os sistemas de recomendação na educação que visam contribuir para auxiliar o processo de aprendizagem, principalmente quando soluções voltadas para pessoas com deficiências são apresentadas, de forma a fornecer uma experiência única, podendo auxiliar neste processo de maneira efetiva. Este trabalho busca explorar de forma detalhada o estado da arte dos sistemas de recomendação na educação ao redor do mundo e identificar estratégias do uso de abordagens hibridas, unindo as técnicas tradicionais de recomendação a algoritmos de inteligência artificial. Ao final é proposto um sistema de recomendação utilizando o framework Neural Collaborative Filtering (NCF) e requisitos de acessibilidade para fornecer recomendações de objetos de aprendizagem personalizados para professores com base em feedbacks implícitos de alunos com deficiência.