Warsztaty nt. systemów rekomendujących dla technologii wspomagających nauczanie, Barcelona, Hiszpania
Systemy rekomendujące często wykorzystują publicznie dostępne zbiory danych z różnych środowisk aplikacyjnych w celu oceny algorytmów rekomendowania. Te zbiory danych służą jako punkty odniesienia dla opracowania nowych algorytmów rekomendowania i porównywania ich z innymi algorytmami w określonym kontekście.
W takich zbiorach danych reprezentacja niejawnych i jawnych informacji zwrotnych od użytkowników dotyczących możliwych elementów zbioru jest przechowywana, aby umożliwić systemowi rekomendującemu wygenerowanie rekomendacji. Informacja zwrotna może mieć kilka form. Na przykład w przypadku kooperatywnych systemów filtrujących mogą to być wskaźniki lub głosy (np. czy element był przeglądany lub został dodany do ulubionych). W przypadku systemów rekomendujących opartych na treści mogą to być recenzje produktów lub proste znaczniki (słowa kluczowe), które użytkownicy dodają do tych elementów. Potrzebna jest również dodatkowa informacja, taka jak unikalny sposób identyfikacji osoby dostarczającej informacji zwrotnej (identyfikator użytkownika) oraz elementu, jakiego ona dotyczy (identyfikator elementu). Znanym przykładem jest matryca użytkownik-wskaźnik, wykorzystywana w kooperatywnych systemach filtrujących.
Mimo coraz szerszego stosowania systemów rekomendujących w technologii wspomagającej nauczanie (TEL), jest to nadal obszar z niedostatkiem zbiorów danych, które pozwoliłyby na eksperymentalną ewaluację wyników rożnych algorytmów rekomendowania wykorzystujących porównywalne, interoperacyjne i nadające się do wielokrotnego użycia zbiory danych.
Więcej informacji:
http://adenu.ia.uned.es/workshops/recsystel2010/datatel.htm(odnośnik otworzy się w nowym oknie)