Una propuesta de sistema de recomendación basado en competencias y modelado del estudiante ontológico

• Autores: Héctor Yago
• Directores de la Tesis: Julia Clemente Párraga (dir. tes.) , Daniel Rodríguez García (codir. tes.)
• Lectura: En la Universidad de Alcalá ( España ) en 2019
• Idioma: español
• Tribunal Calificador de la Tesis: Arantza Casillas Rubio (presid.) , Antonio García Cabot (secret.) , Maria del Carmen Suarez de Figueroa Baonza (voc.)
• Enlaces
  • Tesis en acceso abierto en: TESEO
• Resumen
  • español

    En el marco de esta tesis doctoral, se propone la creación de un prototipo de sistema de recomendación basado en competencias. Para ello, se ha decidido utilizar una extensa red de ontologías que almacena un amplio rango de información referente a su aprendizaje. Esta red ha sido elaborada a partir de una versión previa, siguiendo una guía metodológica para el desarrollo de ontologías así como un conjunto de recursos ontológicos y no ontológicos analizados en el estado del arte. El prototipo de sistema de recomendación implementado ha sido evaluado mediante tres casos prácticos en los que los estudiantes llevan a cabo una experiencia de aprendizaje procedimental en tres entornos diferentes.

    Como conclusiones de la línea de investigación llevada a cabo, se pueden extraer las siguientes: (1) en el modelado del aprendizaje, la flexibilidad tiene un papel crucial para lograr un equilibrio entre disponer de la mayor información posible acerca del estudiante para ofrecer funcionalidades personalizadas y registrar la menor información personal por motivos de privacidad, seguridad, etc., (2) los modelos de competencias deben poder ser aplicados al mayor número de meta-dominios posible en el campo educativo con el fin de representar más fielmente la realidad de los mundos académico y laboral, (3) la aplicación de instrumentos de evaluación como rúbricas, apropiadamente diseñadas, puede ayudar a una evaluación más objetiva de los conocimientos y habilidades del estudiante, (4) problemas como el arranque en frío o la sobreexplotación deben ser tenidos en cuenta en la especificación de requisitos de un sistema de recomendación y, en concreto, aplicado en el campo educativo, (5) es aconsejable seguir una metodología para el desarrollo de una red de ontologías que haga especial hincapié en la reutilización de recursos, la evaluación y el mantenimiento de la red modular. Adicionalmente, se ha contribuido al estado del arte en el campo de sistemas de recomendación basados en competencias mediante la reingeniería de una red modular de ontologías denominada Ontología del Estudiante, la descripción de una metodología para la adaptación del sistemas de recomendación basado en competencias, el diseño de un conjunto de patrones de reglas de diagnóstico y recomendación y la creación de una aplicación Web para monitorizar información registrada en la ontología tales como acciones, estados de objetivos, actividades o recomendaciones.

    A partir de este trabajo surgen nuevas líneas de actuación relacionadas con la red de ontologías y el sistema de recomendación basado en competencias. La red de ontologías puede ser extendida reutilizando otras propuestas de ontologías, modelos o taxonomías vinculados con el aprendizaje. Otras líneas futuras posibles se basan en mejoras del sistema de recomendación como la extensión de los patrones de reglas diseñados para incrementar el tipo y/o número de recomendaciones, o la ampliación de la taxonomía de criterios de recomendación establecida. Asimismo, el análisis de nuevos desafíos en este ámbito ayudaría a crear un sistema cada vez más completo y flexible. En este sentido, la aplicación también podría ser mejorada con el fin de proporcionar mayor funcionalidad y aumentar sus características como las de accesibilidad.

  • English

    The great advances in the field of Computer Science and Internet have encouraged their application to almost any discipline. One of the most benefited areas is Education in which, thanks to the technological advances, many paradigms, strategies, platforms, communication methods, etc. have emerged. Consequently, the learning has evolved from a teacher-centered perspective to a perspective where the main character is the student. In this new constructivist approach, the competence-based model is increasingly widespread since it provides flexibility, facilitates the self-learning and brings the academic and professional world closer together. Competence, together with assessment instruments (e.g. rubrics) ease a more objective evaluation of the knowledge and skills demonstrated by the student in his/her performance.

    Recent researches include competences related to meta-domains not used in most popular learning models such as Bloom Taxonomy. The competences, together with student’s properties (student state, profile, preferences, etc.) and their learning, are essential support to the application of multiple processes like monitoring, diagnose, recommendation, or supervision. By means of them, which can be applied at the beginning, during or at the end of an activity, it is possible to infer information concerning the student progress, predict an anomalous situation, help the teacher in tutoring decisionmaking for each student, etc. In order to carry out properly any of these tasks, is essential to provide a suitable student modeling that allows for register all the required information about the student; student profile, knowledge state, student’s learning progress, etc. It would be very beneficial if this modeling, in addition to incorporate such information, employ mechanisms from which it is possible to infer additional information about the student’s knowledge state.

    In the framework of this PhD thesis, the creation of a competence-based recommender system prototype is proposed. For this, we use an extended ontology network responsible for storing the student learning process information. This network has been built from a previous version, following a methodological guide for the development of ontologies and a set of ontological and non-ontological resources previously analysed. The implemented recommender system prototype has been evaluated by means of three case studies, in which students perform a procedural learning experience by the use of three different environments.

    As main conclusions of the line of investigation carried out, the following can be extracted: (1) in learning modeling, the flexibility is an essential feature to achieve a balance between dispose of the most rich information about the student to provide adaptive capacities and register the less personal information for security, privacy and speed reasons, (2) competence model should be able to be applied to a wide range of meta-domains in the educational field with the aim of faithfully represent the reality of academic and professional worlds, (3) the application of assessment instruments such as rubrics, properly designed, can help to a more fair evaluation of the student’s knowledge and skills, (4) problems such as the cold start or overexploitation must be taken into account in the requirement analysis of recommender system and, specifically, in those relating to the educational field, (5) it is advisable to follow a methodology for the development of an ontology network focused on the appropriate and easy reuse of resources, evaluation and maintenance of the modular network. Additionally, we contributed to the competence-based recommender system state of the art by means of the reengineering of a modular network so-called Student Ontology, the description of a methodology for the adaptation of the proposed competence-based recommender system, the design of a taxonomy of recommendation criteria and rule patterns, as well as the development of a web application to monitor information about student’s learning process registered in the ontology such as actions, objective states, activities and recommendations.

    New lines of work related to the ontology network and compentence-based recommender system arise. The ontology network can be extended reusing other models, taxonomies or ontologies linked to the learning area. Other possible future lines are based on recommendations system improvements such as the extension of designed rule patterns in order to increase the type and number of recommendations, or the extension of the recommendation criteria taxonomy established here. Likewise, the application can be improved to allow more functionalities and characteristics such as good accessibility features