Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-05-01T13:20:15Z No. of bitstreams: 1 JANDERSON JASON BARBOSA AGUIAR - DISSERTAÇÃO PPGCC 2015..pdf: 4415910 bytes, checksum: f0d6a47b1a591745921f0dde35a45bb1 (MD5) / Made available in DSpace on 2018-05-01T13:20:15Z (GMT). No. of bitstreams: 1 JANDERSON JASON BARBOSA AGUIAR - DISSERTAÇÃO PPGCC 2015..pdf: 4415910 bytes, checksum: f0d6a47b1a591745921f0dde35a45bb1 (MD5) Previous issue date: 2015-08-25 / Capes / Os Objetos de Aprendizagem (OA) utilizados em cursos presenciais ou à distância são armazenados em ambientes computacionais usados no processo de ensino-aprendizagem com tendência de crescimento da sua quantidade com o passar do tempo. Apesar dos Sistemas de Recomendação (SR) serem atualmente utilizados com sucesso para recomendar itens em vários domínios, o contexto educacional possui particularidades (por exemplo, questões pedagógicas) que tornam ainda mais desafiadora a criação desses sistemas. A Personalidade — que pode ser definida como um padrão de comportamento consistente originado internamente no indivíduo — influencia o processo de tomada de decisão. Além disso, há a preocupação com os Estilos de Aprendizagem (EA), a partir dos quais os aprendizes percebem, processam e retêm as informações. Diante do exposto, a pesquisa ora descrita visa a propor um modelo de Sistema de Recomendação Educacional (SRE) utilizando os conceitos de EA e Personalidade na construção do perfil dos discentes, para realizar uma seleção personalizada de OA a serem recomendados. Embora ainda seja desafiador criar SRE envolvendo a extração e inserção dos conceitos psicológicos comentados, nesta dissertação é apresentado e avaliado um modelo que recomenda OA, seguindo o padrão IEEE LOM, a partir da extração dos EA via inventário ILS (Index of Learning Styles) e da extração dos Traços de Personalidade (TP) via Five Labs, ferramenta online de análise semântica de postagens do Facebook. Considerando métricas utilizadas em SR, um experimento realizado com alunos de Ciência da Computação indicou que o modelo proposto proporcionou resultados melhores ou similares, em comparação a outras abordagens de recomendação pesquisadas. Portanto, a abordagem proposta se mostra promissora para a recomendação personalizada de conteúdo no âmbito educacional. / Learning Objects (LO) used in on-site courses or distance learning are stored in computing environments used in the teaching-learning process, and tend to grow their numbers over time. Although Recommendation Systems (RS) are currently being used successfully to recommend items in various fields, the educational context has special features (for example, pedagogical issues) which make the creation of such systems even more challenging. The Personality — which can be defined as a consistent pattern of behavior originated internally in an individual — influences the decision-making process. In addition, there is concern with the Learning Styles (LS), through which learners perceive, process, and retain information. Based on the above considerations, this research aims to propose a model of RS for Learning (RSL) using the concepts of LS and Personality in building the profile of students, in order to make a custom selection of LO to be recommended. Although it is still challenging to create RSL involving the extraction and insertion of psychological concepts as previously mentioned, in this dissertation a model that recommends LO is presented and evaluated, following the IEEE LOM standard, based on the extraction of LS via Index of Learning Styles and of Personality Traits (PT) via Five Labs, an online tool for semantic analysis of Facebook posts. Considering metrics known in RS, an experiment with computer science students indicated that the proposed model provided similar or better results when compared to other recommendation approaches. Therefore, the proposed approach seems promising for personalized content recommendation in the education field.