O documento apresenta o modelo REeBaSS para recomendação de objetos de aprendizagem baseado na similaridade entre as sessões dos usuários. O modelo usa a técnica Dynamic Time Warping para calcular a similaridade entre as sequências de objetos acessados pelos usuários e recomendar objetos de sessões similares. O modelo foi implementado em Java e avaliado usando dados reais de acesso a um sistema de aprendizagem online. Os resultados indicaram que o modelo pode efetivamente recomendar objetos relevantes com base na similaridade entre as sessões dos usuários.

1. Apresentação: Paulo Henrique Santini
REeBaSS: Recomendação Baseada em Similaridade de Sessões.
Um Modelo para Recomendação de Objetos de
Aprendizagem Baseado em Similaridade de Sessões -
REBASS
Programa Interdisciplinar de Pós-Graduação em
Computação Aplicada
Mestrado Acadêmico
Disciplina Técnicas de Programação
Professora Dra. Marta Becker Villamil
Professor Dr. Sandro J. Rigo
Tiago Wiedemann, Jorge L. V. Barbosa, Sandro J. Rigo
Universidade do Vale do Rio dos Sinos (UNISINOS)
Av. Unisinos, 950 - São Leopoldo - RS - Brazil
1

2. Eder, Marcelo, Paulo, Rodrigo
Simulation analysis of lot streaming in job shops
with transportation queue disciplines
2
Roteiro
• Introdução e Apresentação do Problema;
• Modelo Proposto;
• Implementação e Avaliação;
• Conclusões e trabalhos futuros;
Apresentação: Paulo Henrique Santini
REeBaSS: Recomendação Baseada em Similaridade de Sessões.
2

3. Eder, Marcelo, Paulo, Rodrigo
Simulation analysis of lot streaming in job shops
with transportation queue disciplines
3
Introdução e Apresentação do Problema
• O que é um OA (Objeto de Aprendizagem) ?
 É Qualquer entidade ou recurso que possa ser utilizado no aprendizado
auxiliado por computador. Podendo ser textos, multimidia, apresentações,
programas ou outros.
• Com o aumento da quantidade de OA disponibilizados, crescimento web, houve-se
a necessidade de criação de bancos de dados organizados para seu
armazenamento e catologação.
 Conhecidos na web como: REPOSITÓRIOS.
 Banco Internacional de Objetos Educacionais (MEC);
• Mesmo com a organização dos OA, a localização dos mesmos com a adequação ao
usuário, ainda é uma tarefa complexa.
 Surgimento dos Sistemas de Recomendação.
• Propõe um Modelo para sistemas de recomendação de OA denominado:
 ReBaSS (Recomendação Baseada em Similaridade de Sessões).
Considerando similaridade entre sequência de objetos consultados durante sessão
atual do usuário com sequências armazenadas no histórico de sessões do repositório.
Apresentação: Paulo Henrique Santini
REeBaSS: Recomendação Baseada em Similaridade de Sessões.
3

4. Eder, Marcelo, Paulo, Rodrigo
Simulation analysis of lot streaming in job shops
with transportation queue disciplines
4
Introdução e Apresentação do Problema
• Técnica utilizada no modelo é a Dynamic Time Warping (DTW), faz a análise de
similaridade em séries temporais, como exemplo: a análise do histórico de preços
de ações e o reconhecimento de fala.
• Utiliza como base apenas a sequência de OA acessados durante a sessão atual do
usuário. Este possui características:
I. Pequena quantidade de OA consultados, melhora o desempenho de análise
de similaridade;
II. Carregamento (através OA) de qual interesse do usuário no momento,
permitindo recomendação mais precisa;
III. Sessão atual pode trazer o contexto atual do usuário. Exemplo: qual curso ou
disciplina ele está cursando no momento atual.
IV. Aplica um técnica simples, aplicável e adpatável a modelos mais complexos.
Apresentação: Paulo Henrique Santini
REeBaSS: Recomendação Baseada em Similaridade de Sessões.
4

5. Eder, Marcelo, Paulo, Rodrigo
Simulation analysis of lot streaming in job shops
with transportation queue disciplines
5
Apresentação: Paulo Henrique Santini
REeBaSS: Recomendação Baseada em Similaridade de Sessões.
5

6. Eder, Marcelo, Paulo, Rodrigo
Simulation analysis of lot streaming in job shops
with transportation queue disciplines
6
Modelo Proposto
Apresentação: Paulo Henrique Santini
REeBaSS: Recomendação Baseada em Similaridade de Sessões.
6
• Para calcular a função de distância entre os OA foi desenvolvida uma técnica que
compara a área temática de cada objeto, retornando valor entre 0 e 1.
• X e Y neste caso são os OA a serem comparados.
• O objetivo é reduzir a quantidade de falsos positivos durante a comparação.
Ciências
Física
Teoria Atômica
Objeto X
Ciências
História da Ciência
Teoria Atômica
Objeto Y

7. Eder, Marcelo, Paulo, Rodrigo
Simulation analysis of lot streaming in job shops
with transportation queue disciplines
7
Modelo Proposto
• Definida Função distância, Utiliza a DTW para calcular a similaridade das
sequências. Nesse caso, bom limitar quantidade de sessões comparadas, pegando
as mais recentes ou as com perfis de usuários mais similares. Retorna as sessões
mais similares à sessão atual com relação a sequência de OA consultados. Obtêm
uma lista de OA similares e faz a recomendação ao usuário.
Apresentação: Paulo Henrique Santini
REeBaSS: Recomendação Baseada em Similaridade de Sessões.
7

8. Eder, Marcelo, Paulo, Rodrigo
Simulation analysis of lot streaming in job shops
with transportation queue disciplines
8
Implementação e Avaliação
• O protótipo desenvolvido em JAVA.
• Banco de Dados PostgreSQL.
• E a técnica do DTW foi utilizado o framework OpenSource FastDTW.
• Os dados para realização do experimento foram obtidos a partir dos logs de acesso
ao sistema Moodle do curso de Sistemas de Informação das Faculdades Integradas
de Taquara/RS. Agosto/2012 a Agosto/2013.
Apresentação: Paulo Henrique Santini
REeBaSS: Recomendação Baseada em Similaridade de Sessões.
8
Curso
Módulo do
Curso
Criando uma hierarquia
para identificação da área
temática de cada OA.

9. Eder, Marcelo, Paulo, Rodrigo
Simulation analysis of lot streaming in job shops
with transportation queue disciplines
9
Implementação e Avaliação
• 11.039 sessões de usuários (eixo X) EM 33.778 registros de acessos a AO (eixo Y)
Apresentação: Paulo Henrique Santini
REeBaSS: Recomendação Baseada em Similaridade de Sessões.
9
Maior sessão
154 registros
Maioria com
menos 25
registros

10. Eder, Marcelo, Paulo, Rodrigo
Simulation analysis of lot streaming in job shops
with transportation queue disciplines
10
Apresentação: Paulo Henrique Santini
REeBaSS: Recomendação Baseada em Similaridade de Sessões.
10
11.039 Sessões
400 a 500 por segundo.
Similar sessão corrente
Valor distância 2.0 DTW
Objeto recomendado
Área temática
Sessão

11. Eder, Marcelo, Paulo, Rodrigo
Simulation analysis of lot streaming in job shops
with transportation queue disciplines
11
Conclusão
Apresentação: Paulo Henrique Santini
REeBaSS: Recomendação Baseada em Similaridade de Sessões.
11
• Apresentou um modelo interessante, dinâmico e útil para recomendação de OA
baseado na similaridade entre sequências de consultas realizadas em cada sessão
de usuário.
• Utilização da técnica DTW, para calcular a similaridade entre as sequências dos
objetos, relevante para o trabalho.
• Alto potencial na recomendação de objetos de sessões similares e que ainda não
tenham sido acessados durante a sessão atual.
• Utilização de um cenário real para avaliação do protótipo, EAD do curso de
Sistemas de Informação de uma faculdade.
• Trabalhos futuros:
• Outras técnicas para análise de similaridade em sequências visando a
comparação em relação a DTW.
• Aperfeiçoamento do cálculo de distância entre os objetos.
• Auxílio a outras aplicações, como: formação automática de grupos de
estudo.

12. Apresentação: Paulo Henrique Santini
REeBaSS: Recomendação Baseada em Similaridade de Sessões.
Um Modelo para Recomendação de Objetos de
Aprendizagem Baseado em Similaridade de Sessões -
REBASS
Tiago Wiedemann1, Jorge L. V. Barbosa1, Sandro J. Rigo1
Universidade do Vale do Rio dos Sinos (UNISINOS)
Av. Unisinos, 950 - São Leopoldo - RS - Brazil
12
Obrigado pela atenção !