Propuesta de un sistema de recomendación híbrido semántico de objetos de aprendizaje en el área de educación ambiental basado en Linked Data

Autores/as

  • Jaime Guzmán Luna Universidad Nacional de Colombia
  • Jennifer Cartagena Orrego Universidad Nacional de Colombia
  • Carlos Andrés Pérez Universidad Nacional de Colombia
  • Eder Alonso Acevedo Marín Universidad Nacional de Colombia

DOI:

https://doi.org/10.24054/rcta.v2i30.169

Palabras clave:

Sistema de recomendación, Objetos de aprendizaje, Educación Ambiental, Recomendación Semántica, Linked Data

Resumen

Este artículo propone una arquitectura para la recomendación de objetos de aprendizaje en el área de Educación Ambiental utilizando el estándar LOM con el fin de representar recursos educativos en dicha área. La información necesaria para el proceso de recomendación será obtenida mediante la tecnología de datos enlazados en asocio con ontologías para recuperar los recursos desde repositorios de Objetos de Aprendizaje existentes en la Web. Paralelamente este sistema de recomendación hace uso de técnicas de filtrado basado en contenidos y colaborativos que favorece la selección de los objetos de acuerdo a los requerimientos del usuario dando como respuesta el material más adecuado al perfil del usuario.

Citas

Betancur, D., Moreno, J. y Ovalle, D. (2009). Modelo para la recomendación y recuperación de objetos de aprendizaje en entornos virtuales de enseñanza/aprendizaje. Avances en Sistemas en Sistemas e Informática, Vol. 6, No.1.

Bizer, C. et al. (2008). Linked data on the web. Proceeding of the 17th International Conference on World Wide Web. Beijing, China. pp.1265–1266.

Casali, A. et al. (2011). Sistema inteligente para la recomendación de objetos de aprendizaje. Revista Generación Digital, vol. 9, no. 1, pp. 88–95.

Cechinel, C. et al. (2013). Evaluating collaborative filtering recommendations inside large learning object repositories. Information Processing & Management. Vol. 49, No. 1, pp.34–50.

Dietze, S. et al. (2013). Interlinking educational resources and the web of data: A survey of challenges and approaches. Emerald Program: electronic Library and Information Systems, Vol. 47, No. 1, pp.60–91.

DuCharme, B. (2011). Learning SPARQL, O’Reilly Media, Inc. ISBN 978-1-449-30659-5.

Eduteka, 2008. La Taxonomía de Bloom y sus dos Actualizaciones. http://www.eduteka.org/TaxonomiaBloomCuadro.php3, pp.1–7. (Consultado: 5 de octubre 2015).

Galán N., S.M. (2007). Filtrado Colaborativo y Sistemas de Recomendación. Universidad Carlos III de Madrid, España.

García A., L. (2015). Objetos de Aprendizaje. http://www.academia.edu/2528431/Objetos_de_aprendizaje. (Consultado: 15 de octubre 2015).

García C., C. y Moreno, I. (2006). Algoritmos de aprendizaje: knn & kmeans. Inteligencia en Redes de Comunicación, Universidad Carlos III de Madrid. http://www.it.uc3m.es/jvillena/irc/practicas/08-09/06.pdf. (Consultado: 6 de octubre 2015).

García, P. (2000). Recursos en los entornos E-Learning, Editorial:Bibl. Univ. Nueva época. pp. 101

IEEE-LOM. (2002). Standard for Learning Object Metadata. ANSI/IEEE. etadata. (2002). http://ltsc.ieee.org/wg12/. (Consultado: 10 de octubre 2015)

Jena, A. (2015). Getting started with Apache Jena.http://jena.apache.org/getting_started/index.html. (Consultado: 5 de octubre 2015).

Kantor, P., Rokach, L. y Shapira, B. (2011). Recommender systems handbook. Editorial Springer, New York, E.E.U.U.

Machado G., N. y Montoyo, A. (2006). Recomendación de objetos de aprendizaje almacenados en repositorios lor@server según las preferencias del usuario. Proceedings of the 5th WSEAS International Conference on E- ACTIVITIES.

Merlot. (2015). Multimedia Educational Resource for Learning and Online Teaching. Universidad Estatal de California, E.E.U.U. http://www.merlot.org/. (Consultado: 1 de octubre 2015)

Ochoa, X. y Carrillo, G. (2013). Recomendación de Objetos de Aprendizaje basado en el Perfil del Usuario y la Información de Atención Contextualizada. Conferencia LACLO, Vol. 4, No.1.

Torres P., I. D. y Guzmán L., J.A. (2014). “A Cloud Computing Infrastructure Using Semantic Learning Objects for Digital Television”. Proceedings of 4th international workshop on computer science and engineering-summer (WCSE 2014). Dubái, Vol 4, No. 1.

Rajani, N. y McArdle, K. (2015). “Parallel k Nearest Neighbor Graph Construction Using Tree-Based Data Structures”. Proceedings of 1st High Performance Graph Mining workshop. Sydney.

Rodríguez M., P.A. (2014). Modelo de recomendación adaptativa de objetos de aprendizaje en el marco de una federación de repositorios, apoyado en agentes inteligentes y perfiles de usuario. Universidad Nacional de Colombia. http://www.bdigital.unal.edu.co/11634/1/1053767913.2013.pdf. (Consultado: 1 de octubre 2015)

Zapata, M. (2006). “¿Han muerto los objetos de aprendizaje?”. La Columna, Revista RED Revista de Educación a Distancia, Año V, No. 14. Universidad de Murcia, España.

Wood, D., Zaidman, M., Ruth, L. (2014). Linked Data – Structured Data on the Web. Manning Publications.

Descargas

Publicado

2020-10-21 — Actualizado el 2017-07-02

Versiones

Cómo citar

Guzmán Luna, J. ., Cartagena Orrego, J. ., Pérez, C. A., & Acevedo Marín, E. A. . (2017). Propuesta de un sistema de recomendación híbrido semántico de objetos de aprendizaje en el área de educación ambiental basado en Linked Data. REVISTA COLOMBIANA DE TECNOLOGIAS DE AVANZADA (RCTA), 2(30), 56–63. https://doi.org/10.24054/rcta.v2i30.169 (Original work published 21 de octubre de 2020)

Número

Vol. 2 Núm. 30 (2017): Julio – Diciembre

Sección

Artículos

Licencia

Derechos de autor 2017 REVISTA COLOMBIANA DE TECNOLOGIAS DE AVANZADA

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Los autores que publiquen en esta revista aceptan las siguientes condiciones:

  1. Los autores conservan los derechos morales de autor y otorgan a la revista el derecho de la primera publicación del trabajo. Este trabajo se licencia bajo la Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0 DEED), que permite a terceros utilizar el trabajo siempre que se dé crédito adecuado a los autores y a la primera publicación en esta revista. No se permite el uso comercial de la obra y no se pueden crear obras derivadas.

  2. Los autores pueden celebrar acuerdos contractuales adicionales e independientes para la distribución no exclusiva de la versión del artículo publicado en esta revista (por ejemplo, incluirlo en un repositorio institucional o publicarlo en un libro), siempre que se indique claramente que el trabajo se publicó por primera vez en esta revista.

  3. Se permite y se recomienda a los autores publicar su trabajo en Internet (por ejemplo, en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado.