Search engine for discovering works of Art, research articles, and books related to Art and Culture
ShareThis
Javascript must be enabled to continue!

A pedagogical resources recommender system for teachers

View through CrossRef
Un système de recommandation de ressources pédagogiques pour les enseignants Le monde de l’éducation est en constante évolution et ces dernières années, il a particulièrement été impacté par la pandémie et les évolutions technologiques associées. Dans ce contexte, les enseignants doivent faire face à de nombreux défis qui ont des conséquences à la fois sur leur évolution professionnelle et leurs pratiques éducatives. Ces défis peuvent concerner leur propre expertise du domaine enseigné, la motivation des apprenants et la prise en compte de l’environnement éducatif. Ils sont généralement liés à différents contextes tels que le contexte social et culturel de l’enseignant et celui des apprenants, le contexte environnemental et le contexte éducatif. Ces défis varient en intensité selon différentes situations comme par exemple un enseignant sans expérience qui enseigne un cours spécialisé auprès d’un public récalcitrant. Le contexte socioculturel de l’enseignant peut impacter sa façon de relever ces défis. L’usage de ressources pédagogiques joue un rôle majeur pour faciliter l’enseignement et l’apprentissage. Un enseignant peut se saisir ou produire de telles ressources destinées aux apprenants mais également s’en servir pour répondre à ses propres questions. Une ressource pédagogique peut être considérée comme tout matériel didactique qui aide les enseignants à dispenser un enseignement efficace à leurs apprenants. Dans ce travail de thèse, nous avons pour objectif d’aider les enseignants à relever leurs défis au moyen de recommandations de ressources pédagogiques tenant compte de leur contexte qui est complexe et multiple. Nous nous sommes concentrés sur les moyens de représenter et d’intégrer les différents contextes des enseignants. La méthodologie suivie implique une modélisation ontologique permettant un raisonnement sémantique et a permisle développement de l’ontologie du Contexte Sentimental et de Collaboration de l’Enseignant (TSCCO). Cette ontologie encapsule les différents contextes caractérisant les enseignants et vise à faciliter l’intégration des données. Pour effectuer les recommandations, nous avons développé un Système de Recommandation de Ressources Pédagogiques Contextuelles (CAPRRS). CAPRRS combine des techniques de filtrage collaboratif et de filtrage basé sur le contenu avec une approche hybride de filtrage contextuel, guidée par différents contextes. Il s’appuie sur l’association de deux méthodes de sélection de caractéristiques (la variance et l’information mutuelle) afin d’identifier les caractéristiques pertinentes. Le filtrage collaboratif tire parti des traces d’interaction enregistrées, tandis que le filtrage basé sur le contenu prend en compte les données décrivant les ressources pédagogiques, offrant ainsi des recommandations plus personnalisées. Les principales conclusions soulignent l’importance de la sélection des caractéristiques et de l’efficacité de CAPRRS dans la fourniture de recommandations de ressources pédagogiques conscientes du contexte. Ces résultats contribuent à une compréhension plus approfondie des relations qui peuvent exister entre les préférences des enseignants, les caractéristiques contextuelles et les approches de recommandation. Ils contribuent à la fois aux recherches en éducation et en systèmes de recommandation.
Agence Bibliographique de l'Enseignement Supérieur
Title: A pedagogical resources recommender system for teachers
Description:
Un système de recommandation de ressources pédagogiques pour les enseignants Le monde de l’éducation est en constante évolution et ces dernières années, il a particulièrement été impacté par la pandémie et les évolutions technologiques associées.
Dans ce contexte, les enseignants doivent faire face à de nombreux défis qui ont des conséquences à la fois sur leur évolution professionnelle et leurs pratiques éducatives.
Ces défis peuvent concerner leur propre expertise du domaine enseigné, la motivation des apprenants et la prise en compte de l’environnement éducatif.
Ils sont généralement liés à différents contextes tels que le contexte social et culturel de l’enseignant et celui des apprenants, le contexte environnemental et le contexte éducatif.
Ces défis varient en intensité selon différentes situations comme par exemple un enseignant sans expérience qui enseigne un cours spécialisé auprès d’un public récalcitrant.
Le contexte socioculturel de l’enseignant peut impacter sa façon de relever ces défis.
L’usage de ressources pédagogiques joue un rôle majeur pour faciliter l’enseignement et l’apprentissage.
Un enseignant peut se saisir ou produire de telles ressources destinées aux apprenants mais également s’en servir pour répondre à ses propres questions.
Une ressource pédagogique peut être considérée comme tout matériel didactique qui aide les enseignants à dispenser un enseignement efficace à leurs apprenants.
Dans ce travail de thèse, nous avons pour objectif d’aider les enseignants à relever leurs défis au moyen de recommandations de ressources pédagogiques tenant compte de leur contexte qui est complexe et multiple.
Nous nous sommes concentrés sur les moyens de représenter et d’intégrer les différents contextes des enseignants.
La méthodologie suivie implique une modélisation ontologique permettant un raisonnement sémantique et a permisle développement de l’ontologie du Contexte Sentimental et de Collaboration de l’Enseignant (TSCCO).
Cette ontologie encapsule les différents contextes caractérisant les enseignants et vise à faciliter l’intégration des données.
Pour effectuer les recommandations, nous avons développé un Système de Recommandation de Ressources Pédagogiques Contextuelles (CAPRRS).
CAPRRS combine des techniques de filtrage collaboratif et de filtrage basé sur le contenu avec une approche hybride de filtrage contextuel, guidée par différents contextes.
Il s’appuie sur l’association de deux méthodes de sélection de caractéristiques (la variance et l’information mutuelle) afin d’identifier les caractéristiques pertinentes.
Le filtrage collaboratif tire parti des traces d’interaction enregistrées, tandis que le filtrage basé sur le contenu prend en compte les données décrivant les ressources pédagogiques, offrant ainsi des recommandations plus personnalisées.
Les principales conclusions soulignent l’importance de la sélection des caractéristiques et de l’efficacité de CAPRRS dans la fourniture de recommandations de ressources pédagogiques conscientes du contexte.
Ces résultats contribuent à une compréhension plus approfondie des relations qui peuvent exister entre les préférences des enseignants, les caractéristiques contextuelles et les approches de recommandation.
Ils contribuent à la fois aux recherches en éducation et en systèmes de recommandation.

Related Results

Giving Schools and Teachers Autonomy in Teacher Professional Development Under a Medium-Capability Education System
Giving Schools and Teachers Autonomy in Teacher Professional Development Under a Medium-Capability Education System
A mature teacher who continuously seeks improvement should be recognised as a professional who has autonomy in conducting their job and has the autonomy to engage in a professional...
Profesionalne kompetencije odgajatelja za rad u dječjem domu
Profesionalne kompetencije odgajatelja za rad u dječjem domu
The paper deals with the professional competences of educators employed in children's homes where children and young people without parents or without adequate parental care are ra...
Privacy Risk in Recommender Systems
Privacy Risk in Recommender Systems
Nowadays, recommender systems are mostly used in many online applications to filter information and help users in selecting their relevant requirements. It avoids users to become o...
Development of E-Commerce Website Recommender System Using Collaborative Filtering and Deep Learning Techniques
Development of E-Commerce Website Recommender System Using Collaborative Filtering and Deep Learning Techniques
Recommender system or recommendation system is becoming an increasingly important technology on e-commerce websites to help users find products that suit their preferences. However...
Pedagogical partnership in higher education institutions: expediency and capabilities
Pedagogical partnership in higher education institutions: expediency and capabilities
The article deals with the issues related to pedagogical partnership in higher education institutions. The author analyses its essence, the reason for its popularity in a number of...
A Recommender System for Personalized Reading Recommendations and Literature Discovery utilizing the HGRNN-EOO technique
A Recommender System for Personalized Reading Recommendations and Literature Discovery utilizing the HGRNN-EOO technique
Recommender systems are used to address information overload, enhance personalization, and improve user experience by providing tailored suggestions based on individual preferences...
Enhanced Product Review Recommendations Using Collaborative Filtering and Singular Value Decomposition
Enhanced Product Review Recommendations Using Collaborative Filtering and Singular Value Decomposition
Recommender systems have become indispensable tools for enhancing user satisfaction and engagement across diverse business sectors, including online marketplaces, streaming service...
ALBERT-Based Personalized Educational Recommender System: Enhancing Students’ Learning Outcomes in Online Learning
ALBERT-Based Personalized Educational Recommender System: Enhancing Students’ Learning Outcomes in Online Learning
Online learners must navigate vast educational resources to find materials that meet their needs. This study introduces an ALBERT-based personalized educational recommender system ...

Back to Top