KOM - Multimedia Communications Lab
TUD – Technische Universität Darmstadt
© 2013 author(s) of these slides including research results from the KOM research network and TU Darmstadt. Otherwise it is specified at the respective slide 9. Juli 2013
Empfehlungssysteme zur
Lernerunterstützung in offenen virtuellen
Lernumgebungen
Dr. Christoph Rensing
KOM – Multimedia Communications Lab 2
Charakteristika offener virtuelle
Lernumgebungen / Lernarrangements
Verfügbarkeit einer
unüberschaubaren Anzahl von
(frei) verfügbaren Lern-
/Wissensressourcen
oftmals ohne Qualitätssicherung
oftmals ohne maschinell lesbarere
Beschreibung
Partizipation vieler Lernender in
zumeist asynchroner Form
teilweise in losen, zeitlich befristeten
Gruppen organisiert
zumeist Fehlen einer Autorität / eines
Lehrers
Nutzung verschiedener Tools
zur Kooperation
zur Verwaltung von Lern-
/Wissensressourcen
KOM – Multimedia Communications Lab 3
Verfahren zur Realisierung von Empfehlungen
Collaborative Filtering
Verfahren
nutzen statistische
Ähnlichkeiten zwischen
Nutzern
benötigen große Datenmengen
Cold Start Problem
Inhaltsbasierte Verfahren
Graphenbasierte Verfahren
individualisiert
kontextualisiert
KOM – Multimedia Communications Lab 4
Inhaltsbasierte Verfahren
Verwendung von Verfahren zur
Bestimmung der semantischen
Textähnlichkeit
Blog entry: e-learning in Web 2.0
Paper excerpt: Web 2.0 for learning
Web 2.0
Life long learning
TEL
E-learning
?
Veröffentlichungen
[SSRS11]
[Sch11-2]
[SBD+10]
KOM – Multimedia Communications Lab 5
Graphenbasierte Verfahren
Basisverfahren Folk Rank
KOM – Multimedia Communications Lab 6
Erweiterungen graphenbasierter Verfahren
Veröffent-lichungen: [ARS11] [ARDR12] [RAD+12] [RADR12]
Nutzung zusätzlicher semantischer Information
KOM – Multimedia Communications Lab 7
Hybride Verfahren
Nutzung der Eigenschaften des Sozialen Netzes
KOM – Multimedia Communications Lab 8
Hybride Verfahren
Nutzung der semantische Nähe von Tags
similar
Veröffentlichung: [MAGR13]
KOM – Multimedia Communications Lab 9
Evaluation von Empfehlungssystemen im
Lernen
Empfehlungssysteme allgemein:
Zielsetzung Bestimmung ähnlicher
Ressourcen
Evaluation anhand historischer Daten mit
Maßen des Information Retrievals
Welches sind relevante Evaluationskriterien
im Lernen?
Relevanz
Neuartigkeit für den individuellen Lernenden
Vielfältigkeit
Mit welchen Evaluationsmethoden lassen
sich die Kriterien bewerten?
KOM – Multimedia Communications Lab 10
Referenzen
[ARS11] Mojisola Anjorin, Christoph Rensing, Ralf Steinmetz:Towards Ranking in Folksonomies for Personalized Recommender
Systems in E-Learning. In: Marco de Gemmis, Ernesto William De Luca, Tommaso Di Noia, Aldo Gangemi, Michael Hausenblas,
Pasquale Lops, Thomas Lukasiewicz, Till Plumbaum, and Giovanni Semeraro: Proceedings of the second Workshop on Semantic
Personalized Information Management: Retrieval and Recommendation 2011, vol. 781, p. 22-25, CEUR-WS, October 2011.
[ARDR12] Mojisola Anjorin, Thomas Rodenhausen, Renato Domínguez García, Christoph Rensing: Exploiting Semantic Information for
Graph-based Recommendations of Learning Resources. In: Andrew Ravenscroft, Stefanie Lindstaedt, Carlos Kloos and Davinia
Hernández-Leo: 21st Century Learning for 21st Century Skills. Proceedings of the 7th European Conference on Technology
Enhanced Learning, EC-TEL 2012, vol. 7563, p. 9-22, Springer Berlin / Heidelberg, September 2012.
[MAGR13] Markus Migenda, Mojisoal Erdt, Michael Gutjahr, Christoph Rensing: Semantische Graph-basierte Empfehlungen zur
Unterstützung des Ressourcen-basierten Lernens; accepted for publication 2013.
[RAD+12] Thomas Rodenhausen, Mojisola Anjorin, Renato Domínguez García, Christoph Rensing, Ralf Steinmetz: Ranking Resources
in Folksonomies by Exploiting Semantic Information. In: Proceedings of the 12th International Conference on Knowledge
Management and Knowledge Technologies, (i-KNOW '12), Graz, Austria, ACM, September 2012.
[RADR12] Thomas Rodenhausen, Mojisola Anjorin, Renato Dominguez Garcia, Christoph Rensing: Context Determines Content - An
Approach to Resource Recommendation in Folksonomies. In: Bamshad Mobasher, Dietmar Jannach, Werner Geyer, Andreas Hotho:
Proceedings of the 4th ACM RecSys workshop on Recommender systems and the social web, p. 17-24, ACM, September 2012.
[SSRS11] Sebastian Schmidt, Philipp Scholl, Christoph Rensing, Ralf Steinmetz: Cross-Lingual Recommendations in a Resource-Based
Learning Scenario. In: Carlos Delgado Kloos, Denis Gillet, Raquel M. Crespo Garcia, Fridolin Wild, Martin Wolpers: Towards
Ubiquitious Learning, Proceedings of the 6th European Conference on Technology Enhanced Learning, EC-TEL 2011, no. LNCS
6964, p. 356-369, Springer, September 2011.
[Sch11-2] Philipp Scholl: Semantic and Structural Analysis of Web--based Learning Resources --- Supporting Self--directed Resource--
based Learning. June 2011.
[SBD+10] Philipp Scholl, Doreen Böhnstedt, Renato Domínguez García, Christoph Rensing, Ralf Steinmetz: Extended Explicit Semantic
Analysis for Calculating Semantic Relatedness of Web Resources. In: Martin Wolpers, Paul A. Kirschner, Maren Scheffel, Stefanie
Lindstädt, Vania Dimitrova: Sustaining TEL: From Innovation to Learning and Practice Proceedings of EC-TEL 2010, vol. Lecture
Notes in Computer Science 6383, p. 324--339, Springer Verlag, September 2010.
KOM – Multimedia Communications Lab 11
Fragen & Kontakt