Resumen

Los Objetos de Aprendizaje (OA) se distinguen de los tradicionales recursos educativos por su disponibilidad en repositorios. La conformación de federaciones de repositorios de objetos de aprendizaje es una tendencia mundial importante ya que se busca reutilizar recursos educativos para apoyar los procesos de enseñanza  aprendizaje. Ante la dificultad de entregar recursos educativos que cuentan con características particulares, se propone un enfoque multi-agente que recomiende OA basados en un perfil. Existen varias técnicas propuestas para realizar recomendaciones. Cuando estas técnicas se combinan se llama recomendación híbrida. Este artículo presenta un modelo para realizar una recomendación híbrida con el fin de entregar resultados adaptados; según el cálculo de precisión, se obtuvieron resultados satisfactorios en el caso de estudio aplicado para entregar recursos educativos según un perfil de usuario.

Palabras clave

Inteligencia Artificial en Educación, Federaciones de repositorios de objetos de aprendizaje, Recomendación híbrida, Sistemas de recomendación centradas en el estudiante, Sistemas multi-agentes.

Abstract

Learning Objects (LO) are distinguished from traditional educational resources due to their availability through repositories. The creation of federations of learning objects (LO) repositories is a major global trend that aims at reusing LO in order to support teaching–learning processes. Considering the difficulty of delivering educational resources that have particular characteristics, we propose a multi-agent approach to help identifying and recommending LO based on the user's profile. Several techniques have already been proposed to make recommendations, when these techniques are combined the recommendation is called hybrid. This paper proposes a multi-agent model in order to deliver tailored and adaptive results. According to the precision calculations which were performed we conclude that the objects delivered by the system are relevant to the student.

Keywords

Artificial Intelligence in Education, Hybrid recommendation, Learning objects repository federations, Multi-agent Systems, Student-centered recommender systems.

Résumé

Les objets d’apprentissage (OA) se différencient des ressources éducatives traditionnelles par sa disponibilité dans entrepôts. La formation de fédérations d’entrepôts d’objets d’apprentissage est une tendance mondiale  important par suite de la recherche pour réutiliser des ressources éducatives qu’aident aux processus d’enseignement-apprentissage. Devant la difficulté de donner des ressources éducatives qu’aient des caractéristiques particulières, on propose une approche multi-agent qui recommande OA en se basant sur un profil. Il existe diffèrent techniques proposés pour réaliser des recommandations.  Quand ces techniques sont combinées on l’appelé recommandation hybride. Cet article présente un modèle pour réaliser une recommandation hybride avec l’intention d’obtenir des résultats adaptés ; d’après le calcul de précision, on a obtenu des résultats satisfaisants dans le cas d’étude appliqué, où sont donnes des ressources éducatifs selon les utilisateurs.

Mots-clés

Intelligence artificiel dans éducation, fédérations d’entrepôts d’objets d’apprentissage, recommandation hybride, systèmes de recommandation dirigés vers les étudiantes, systèmes multi-agents