Workshop sui sistemi di raccomandazione per l'apprendimento potenziato dalla tecnologia, Barcelona, Spagna
29 Settembre 2010 - 29 Settembre 2010
Spagna
Il workshop sui sistemi di raccomandazione (recommender systems) per l'apprendimento potenziato dalla tecnologia si terrà il 29 e il 30 settembre 2010 a Barcelona, in Spagna.
I sistemi di raccomandazione spesso usano archivi di dati disponibili al pubblico per diversi ambienti di applicazione per valutare gli algoritmi di raccomandazione. Questi archivi di dati sono usati come parametri per sviluppare nuovi algoritmi di raccomandazione e per confrontarli con altri algoritmi in situazioni date.
In questi archivi di dati, viene conservata una rappresentazione di feedback implicito o esplicito degli utenti rigurado gli elementi candidati, in modo da permettere al sistema di raccomandazione di produrre una raccomandazione. Il feedback può essere in diverse forme. Per esempio, nel caso di sistemi di filtraggio collaborativi può consistere in classifiche o voti (ovvero, se un oggetto è stato visto o vi si è applicato un bookmark). In caso di raccomandazioni basate sul contenuto, può consistere in recensioni dell'oggetto o semplici tag (parole chiave) che gli utenti hanno fornito per l'oggetto. Sono necessarie anche altre informazioni come un modo unico di identificare chi fornisce questo feedback (ID dell'utente) e su quale oggetto (ID dell'oggetto). La matrice di classifica dell'utente usata nei sistemi di filtraggio collaborativi è un esempio ben conosciuto.
Sebbene i sistemi di raccomandazione siano sempre più applicati nel campo dell'apprendimento potenziato dalla tecnologia (technology-enhanced learning o TEL), è un'area di applicazione che manca ancora di archivi di dati che permettano la valutazione sperimentale delle prestazioni di diversi algoritmi di raccomandazioni che usano archivi di dati confrontabili, interoperabili e riutilizzabili.
I sistemi di raccomandazione spesso usano archivi di dati disponibili al pubblico per diversi ambienti di applicazione per valutare gli algoritmi di raccomandazione. Questi archivi di dati sono usati come parametri per sviluppare nuovi algoritmi di raccomandazione e per confrontarli con altri algoritmi in situazioni date.
In questi archivi di dati, viene conservata una rappresentazione di feedback implicito o esplicito degli utenti rigurado gli elementi candidati, in modo da permettere al sistema di raccomandazione di produrre una raccomandazione. Il feedback può essere in diverse forme. Per esempio, nel caso di sistemi di filtraggio collaborativi può consistere in classifiche o voti (ovvero, se un oggetto è stato visto o vi si è applicato un bookmark). In caso di raccomandazioni basate sul contenuto, può consistere in recensioni dell'oggetto o semplici tag (parole chiave) che gli utenti hanno fornito per l'oggetto. Sono necessarie anche altre informazioni come un modo unico di identificare chi fornisce questo feedback (ID dell'utente) e su quale oggetto (ID dell'oggetto). La matrice di classifica dell'utente usata nei sistemi di filtraggio collaborativi è un esempio ben conosciuto.
Sebbene i sistemi di raccomandazione siano sempre più applicati nel campo dell'apprendimento potenziato dalla tecnologia (technology-enhanced learning o TEL), è un'area di applicazione che manca ancora di archivi di dati che permettano la valutazione sperimentale delle prestazioni di diversi algoritmi di raccomandazioni che usano archivi di dati confrontabili, interoperabili e riutilizzabili.