Taller sobre sistemas de recomendaciones para el aprendizaje potenciado por la tecnología en Barcelona (España)
29 Septiembre 2010 - 29 Septiembre 2010
España
Los días 29 y 30 de septiembre de 2010 se celebrará en Barcelona (España) un taller sobre sistemas de recomendaciones para el aprendizaje potenciado por la tecnología.
Los sistemas de recomendaciones utilizan a menudo corpus de datos públicos extraídos de distintas aplicaciones para evaluar algoritmos de recomendaciones. Estos corpus se utilizan como bancos de pruebas para desarrollar nuevos algoritmos de recomendación y compararlos con otros algoritmos en un entorno determinado.
En estos corpus se almacena una representación de las respuestas implícitas o explicitas de los usuarios en relación a objetos candidatos para permitir al sistema de recomendaciones cumplir con su cometido. Las respuestas pueden ser de muchos tipos. Por ejemplo, en el caso de los sistemas de filtrado colaborativo pueden tomar la forma de puntuaciones o votos (por ejemplo si un objeto se ha consultado o marcado). En el caso de los sistemas de recomendación basados en contenidos puede tratarse de un comentario sobre el producto o de simples etiquetas (palabras clave) que el usuario añade a los objetos. También se precisa información adicional para identificar de forma unívoca al remitente de la respuesta (identidad del usuario) y el objeto marcado (identidad del objeto). La matriz usuario-calificación utilizada en los sistemas de filtrado colaborativo es un ejemplo extendido.
Los sistemas de recomendaciones se utilizan cada vez más en el aprendizaje potenciado por la tecnología, pero son un ámbito de aplicación que carece de corpus de datos que permitan la evaluación práctica del rendimiento de distintos algoritmos de recomendación mediante corpus comparables, compatibles y reutilizables.
Los sistemas de recomendaciones utilizan a menudo corpus de datos públicos extraídos de distintas aplicaciones para evaluar algoritmos de recomendaciones. Estos corpus se utilizan como bancos de pruebas para desarrollar nuevos algoritmos de recomendación y compararlos con otros algoritmos en un entorno determinado.
En estos corpus se almacena una representación de las respuestas implícitas o explicitas de los usuarios en relación a objetos candidatos para permitir al sistema de recomendaciones cumplir con su cometido. Las respuestas pueden ser de muchos tipos. Por ejemplo, en el caso de los sistemas de filtrado colaborativo pueden tomar la forma de puntuaciones o votos (por ejemplo si un objeto se ha consultado o marcado). En el caso de los sistemas de recomendación basados en contenidos puede tratarse de un comentario sobre el producto o de simples etiquetas (palabras clave) que el usuario añade a los objetos. También se precisa información adicional para identificar de forma unívoca al remitente de la respuesta (identidad del usuario) y el objeto marcado (identidad del objeto). La matriz usuario-calificación utilizada en los sistemas de filtrado colaborativo es un ejemplo extendido.
Los sistemas de recomendaciones se utilizan cada vez más en el aprendizaje potenciado por la tecnología, pero son un ámbito de aplicación que carece de corpus de datos que permitan la evaluación práctica del rendimiento de distintos algoritmos de recomendación mediante corpus comparables, compatibles y reutilizables.