Apresentação Rebass

Apresentação: Paulo Henrique Santini

REeBaSS: Recomendação Baseada em Similaridade de Sessões.

Um Modelo para Recomendação de Objetos de Aprendizagem Baseado em Similaridade de Sessões -

REBASS

Programa Interdisciplinar de Pós-Graduação em

Computação Aplicada

Mestrado Acadêmico

Disciplina Técnicas de Programação

Professora Dra. Marta Becker Villamil Professor Dr. Sandro J. Rigo

Tiago Wiedemann, Jorge L. V. Barbosa, Sandro J. Rigo Universidade do Vale do Rio dos Sinos (UNISINOS)

Av. Unisinos, 950 - São Leopoldo - RS - Brazil

1

Eder, Marcelo, Paulo, Rodrigo

Simulation analysis of lot streaming in job shops

with transportation queue disciplines 2

Roteiro

• Introdução e Apresentação do Problema;

• Modelo Proposto;

• Implementação e Avaliação;

• Conclusões e trabalhos futuros;



2




Introdução e Apresentação do Problema

• O que é um OA (Objeto de Aprendizagem) ?

É Qualquer entidade ou recurso que possa ser utilizado no aprendizado auxiliado por computador. Podendo ser textos, multimidia, apresentações, programas ou outros.

• Com o aumento da quantidade de OA disponibilizados, crescimento web, houve-se a necessidade de criação de bancos de dados organizados para seu armazenamento e catologação.

Conhecidos na web como: REPOSITÓRIOS.

Banco Internacional de Objetos Educacionais (MEC);

• Mesmo com a organização dos OA, a localização dos mesmos com a adequação ao usuário, ainda é uma tarefa complexa.

Surgimento dos Sistemas de Recomendação.

• Propõe um Modelo para sistemas de recomendação de OA denominado:

ReBaSS (Recomendação Baseada em Similaridade de Sessões).

Considerando similaridade entre sequência de objetos consultados durante sessão atual do usuário com sequências armazenadas no histórico de sessões do repositório.



3




Introdução e Apresentação do Problema

• Técnica utilizada no modelo é a Dynamic Time Warping (DTW), faz a análise de similaridade em séries temporais, como exemplo: a análise do histórico de preços de ações e o reconhecimento de fala.

• Utiliza como base apenas a sequência de OA acessados durante a sessão atual do usuário. Este possui características:

I. Pequena quantidade de OA consultados, melhora o desempenho de análise de similaridade;

II. Carregamento (através OA) de qual interesse do usuário no momento, permitindo recomendação mais precisa;

III. Sessão atual pode trazer o contexto atual do usuário. Exemplo: qual curso ou disciplina ele está cursando no momento atual.

IV. Aplica um técnica simples, aplicável e adpatável a modelos mais complexos.



4






5




Modelo Proposto



6

• Para calcular a função de distância entre os OA foi desenvolvida uma técnica que compara a área temática de cada objeto, retornando valor entre 0 e 1.

• X e Y neste caso são os OA a serem comparados.

• O objetivo é reduzir a quantidade de falsos positivos durante a comparação.

Ciências

Física

Teoria Atômica

Objeto X

Ciências

História da Ciência

Teoria Atômica

Objeto Y




Modelo Proposto

• Definida Função distância, Utiliza a DTW para calcular a similaridade das sequências. Nesse caso, bom limitar quantidade de sessões comparadas, pegando as mais recentes ou as com perfis de usuários mais similares. Retorna as sessões mais similares à sessão atual com relação a sequência de OA consultados. Obtêm uma lista de OA similares e faz a recomendação ao usuário.



7




Implementação e Avaliação

• O protótipo desenvolvido em JAVA.

• Banco de Dados PostgreSQL.

• E a técnica do DTW foi utilizado o framework OpenSource FastDTW.

• Os dados para realização do experimento foram obtidos a partir dos logs de acesso ao sistema Moodle do curso de Sistemas de Informação das Faculdades Integradas de Taquara/RS. Agosto/2012 a Agosto/2013.



8

Curso

Módulo do

Curso

Criando uma hierarquia para identificação da área

temática de cada OA.




Implementação e Avaliação

• 11.039 sessões de usuários (eixo X) EM 33.778 registros de acessos a AO (eixo Y)



9

Maior sessão

154 registros

Maioria com

menos 25

registros






10

11.039 Sessões

400 a 500 por segundo.

Similar sessão corrente

Valor distância 2.0 DTW

Objeto recomendado

Área temática

Sessão




Conclusão



11

• Apresentou um modelo interessante, dinâmico e útil para recomendação de OA baseado na similaridade entre sequências de consultas realizadas em cada sessão de usuário.

• Utilização da técnica DTW, para calcular a similaridade entre as sequências dos objetos, relevante para o trabalho.

• Alto potencial na recomendação de objetos de sessões similares e que ainda não tenham sido acessados durante a sessão atual.

• Utilização de um cenário real para avaliação do protótipo, EAD do curso de Sistemas de Informação de uma faculdade.

• Trabalhos futuros:

• Outras técnicas para análise de similaridade em sequências visando a comparação em relação a DTW.

• Aperfeiçoamento do cálculo de distância entre os objetos.

• Auxílio a outras aplicações, como: formação automática de grupos de estudo.



Um Modelo para Recomendação de Objetos de Aprendizagem Baseado em Similaridade de Sessões -

REBASS Tiago Wiedemann1, Jorge L. V. Barbosa1, Sandro J. Rigo1

Universidade do Vale do Rio dos Sinos (UNISINOS) Av. Unisinos, 950 - São Leopoldo - RS - Brazil

12

Obrigado pela atenção !

Apresentação Rebass

Technology

Transcript of Apresentação Rebass