Heba M Ismail

Date of Award

11-2019

Document Type

Dissertation

Degree Name

Doctor of Philosophy (PhD)

Department

Computer Science

First Advisor

Saad Harous

Second Advisor

Dr Elarbi Badidi

Third Advisor

Dr. Amir Ahmad

Abstract

Personalization has proved to achieve better learning outcomes by adapting to specific learners’ needs, interests, and/or preferences. Traditionally, most personalized learning software systems focused on formal learning. However, learning personalization is not only desirable for formal learning, it is also required for informal learning, which is self-directed, does not follow a specified curriculum, and does not lead to formal qualifications. Wikis among other informal learning platforms are found to attract an increasing attention for informal learning, especially Wikipedia. The nature of wikis enables learners to freely navigate the learning environment and independently construct knowledge without being forced to follow a predefined learning path in accordance with the constructivist learning theory. Nevertheless, navigation on information wikis suffer from several limitations. To support informal learning on Wikipedia and similar environments, it is important to provide easy and fast access to relevant content. Recommendation systems (RSs) have long been used to effectively provide useful recommendations in different technology enhanced learning (TEL) contexts. However, the massive diversity of unstructured content as well as user base on such information oriented websites poses major challenges when designing recommendation models for similar environments. In addition to these challenges, evaluation of TEL recommender systems for informal learning is rather a challenging activity due to the inherent difficulty in measuring the impact of recommendations on informal learning with the absence of formal assessment and commonly used learning analytics. In this research, a personalized content recommendation framework (PCRF) for information wikis as well as an evaluation framework that can be used to evaluate the impact of personalized content recommendations on informal learning from wikis are proposed. The presented recommendation framework models learners’ interests by continuously extrapolating topical navigation graphs from learners’ free navigation and applying graph structural analysis algorithms to extract interesting topics for individual users. Then, it integrates learners’ interest models with fuzzy thesauri for personalized content recommendations. Our evaluation approach encompasses two main activities. First, the impact of personalized recommendations on informal learning is evaluated by assessing conceptual knowledge in users’ feedback. Second, web analytics data is analyzed to get an insight into users’ progress and focus throughout the test session. Our evaluation revealed that PCRF generates highly relevant recommendations that are adaptive to changes in user’s interest using the HARD model with rank-based mean average precision (MAP@k) scores ranging between 100% and 86.4%. In addition, evaluation of informal learning revealed that users who used Wikipedia with personalized support could achieve higher scores on conceptual knowledge assessment with average score of 14.9 compared to 10.0 for the students who used the encyclopedia without any recommendations. The analysis of web analytics data show that users who used Wikipedia with personalized recommendations visited larger number of relevant pages compared to the control group, 644 vs 226 respectively. In addition, they were also able to make use of a larger number of concepts and were able to make comparisons and state relations between concepts.

Comments

لقد أثبت التخصيص تحقيق نتائج تعليمية أفضل من خلال التكيف مع احتياجات واهتمامات و/أو تفضيلات المتعلمين المحددة. عادة ما تركز معظم أنظمة برامج التعلم الشخصية على التعلم الرسمي. ومع ذلك، فإن تخصيص التعلم ليس مرغوبًا فيه فقط للتعلم الرسمي، بل هو مطلوب أيضًا للتعلم غير الرسمي، الموجه ذاتيًا، ولا يتبع منهجًا محددًا ولا يؤدي إلى مؤهلات رسمية. أشارت عدد من الدراسات والإحصاءا ت إلى أن الويكي من بين منصات التعلم غير الرسمية الأخرى يجذ ب اهتمام متزايد للتعلم غير الرسمي، وخاصة ويكيبيديا. تمكّن طبيعة الويكي المتعلمين من التصف ح بحرية في بيئة التعلم وبناء المعرفة بشكل مستقل دون إجبارهم على اتباع مسار تعليمي محدد مسبقًا وفقًا لنظرية التعلم البنائية. ومع ذلك، يعاني التصفح على شبكا ت الويكي من مشكلا ت متعددة. لذلك لدعم التعلم غير الرسمي على ويكيبيديا والبيئات المشابهة، من المهم توفير وصول سهل وسريع إلى المحتوى ذي الصلة. منذ فترة طويلة تستخدم أنظمة التوصية RSs) ( لتقديم توصيات مفيدة بشكل فعال في سياقات التعلم المحسن التكنولوجية المختلفة (TEL). ومع ذلك، فإن التنوع الهائل للمحتوى غيرالمهيكل بالإضافة إلى قاعدة المستخدمين على مثل هذه المواقع يفرض تحديات كبيرة عند تصميم نماذج توصية لبيئات مماثلة. بالإضافة إلى هذه التحديات، يعتبر تقييم أنظمة التوصية للتعلم غير الرسمي مهمة صعبًا جداً نظرًا للصعوبة المتأصلة في قياس تأثير التوصيات على التعلم غير الرسميمع عدم وجود تقييم رسمي أومؤشرا ت أداء التعلم الشائعة الاستخدام. في هذا البحث، نقترح نموذ ج فعال لعمل توصيا ت المحتوى المخصصة( PCRF) يتناسب مع بيئة الويكي بالإضافة إلى إطار للتقييم يمكن استخدامه لتقييم تأثير توصيات المحتوى المخصص على التعلم غير الرسمي من الويكي. يعمل النموذج المقترح على دراسة اهتمامات الدارسين من خلال الاستقراء المستمر لخرائط التصف ح وتطبيق خوارزميات التحليل الهيكلي لخرائط التصفح لاستخراج الموضوعات المهمة للمستخدمين الفرديين. بعد ذلك، يدمج نماذج اهتمامات الدارسين مع المواضيع ذات الصلة لعمل توصيات المحتوى المخصصة. يشمل نهج التقييم الخاص بنا نشاطين رئيسيين. أولاً، نقوم بتقييم تأثير التوصيات المخصصة على التعلم غير الرسمي من خلال تقييم المعارف المكتسبة في تعليقات المستخدمين. ثانيًا نقوم بتحليل بيانات إحصاءا ت الويب للحصول على نظرة ثاقبة على تقدم المستخدمين و تركيزهم خلال جلسة الاختبار. كشف تقييمنا أن PCRFيقدم توصيا ت عالية الدقة تتكيف مع التغييرات في اهتماما ت المستخدم باستخدام نموذج HARD الذي تتراوح معدل دقته بين MAP@k=%100 و MAP@k=%86.4 . بالإضافة إلى ذلك، كشف تقييم التعليم غير الرسمي أن المستخدمين الذين استخدموا ويكيبيديا مع دعم شخصي يمكنهم تحقيق درجات أعلى في تقييم المعارف بمتوسط14.9مقارنة ب 10.0للطلاب الذين استخدموا الموسوعة دون أي توصيات. يوضح تحليل بيانات إحصاءا ت الويب أن المستخدمين الذين استخدموا ويكيبيديا مع توصيات مخصصة زاروا عددًا أكبر من الصفحات ذات الصلة مقارنة بمجموعة التحكم، 644 مقابل 226 على التوالي. بالإضافة إلى ذلك، كانوا أيضًا قادرين على الاستفادة من عدد أكبر من المفاهيم وكانوا قادرين على إجراء مقارنات وشر ح علاقات بين المفاهيم.

Download

Share

COinS