Sistemas de Recomendação

Filtrar informações para aproximar recursos e necessidades.

Sistemas de Recomendação, ou SR, auxiliam a busca e a seleção de conteúdos ao relacionar informações do usuário com os itens disponíveis.

Da abundância à seleção

Reduzir a sobrecarga de opções.

Diante da grande quantidade de recursos digitais, um SR busca apresentar itens mais próximos das características, interesses ou necessidades identificadas para uma pessoa ou grupo.

Essa aproximação não garante que toda recomendação seja útil. A tese reconhece que sugestões podem ou não atender ao usuário e que novas interações podem contribuir para recomendações posteriores.

  1. 01Muitos recursosUm universo amplo de informações e materiais.
  2. 02Informações do usuárioCaracterísticas, interesses ou necessidades observadas.
  3. 03FiltragemCritérios aproximam o perfil dos itens disponíveis.
  4. 04Recursos relevantesUma seleção considerada mais próxima do contexto.

No contexto educacional

Do SR ao Sistema de Recomendação Educacional.

Quando a recomendação é aplicada à educação, o foco passa a ser a seleção de recursos pedagógicos e o apoio a estratégias ligadas aos objetivos de aprendizagem.

Conceito geral

Sistema de Recomendação

Filtra informações e auxilia o usuário a encontrar itens relacionados ao seu perfil, interesses ou necessidades.

Aplicação educacional

Sistema de Recomendação Educacional

Pode considerar características do perfil discente, interações e trajetória de aprendizagem para indicar materiais ou apoiar estratégias pedagógicas.

Referencial teórico

Quatro técnicas de filtragem discutidas na tese.

Essas técnicas compõem o quadro teórico. A presença nesta seção não significa que todas tenham sido implementadas no jogo.

01

Filtragem por Conteúdo

Relaciona itens a características ou preferências observadas nos conteúdos.

02

Filtragem Colaborativa

Considera padrões e similaridades entre usuários.

03

Filtragem Híbrida

Combina aspectos da filtragem por conteúdo e da colaborativa.

04

Baseada em Conhecimento

Relaciona necessidades e itens a partir de conhecimento estruturado.

ReferencialQuatro técnicas estudadasUma técnica implementadaPesquisa

Escolha da pesquisa

Filtragem por Conteúdo.

A técnica foi escolhida devido à escassez de dados e ao pouco histórico coletado dos usuários do Jogo Digital Educacional. A implementação buscou reforçar conceitos de empatia identificados nas respostas dos estudantes.

Vídeos

Vídeos educativos com animações, utilizados como recomendações de caráter afetivo relacionadas à empatia.

Livros

Materiais previstos no roteiro para acesso em outro momento, considerando o tempo disponível.

No jogo

Como a recomendação foi operacionalizada.

“Como você definiria uma pessoa empática? Quais qualidades essa pessoa precisa ter?”
  1. 01Conteúdo sobre empatia
  2. 02Pergunta ao jogador
  3. 03Resposta textualmínimo de 100 caracteres
  4. 04Palavras-chave
  5. 05Filtragem por conteúdo
  6. 06Material relacionado

Na fase Continente Élfico Empático 1, o jogador conhecia as quatro qualidades de empatia adotadas pela pesquisa e respondia à pergunta apresentada pelo Mago Élfico Corin.

A resposta, obrigatoriamente textual e com no mínimo 100 caracteres, era examinada por palavras-chave. A categoria encontrada direcionava um vídeo relacionado ao conceito de empatia correspondente. O roteiro também previa recomendações de livros em outra resposta textual da experiência.

Categorias da implementação

Quatro qualidades orientavam as palavras-chave.

Essas categorias pertencem ao conteúdo de empatia trabalhado na pesquisa. Não são uma classificação geral de Sistemas de Recomendação.

01

Perspectiva

Reconhecer a perspectiva da outra pessoa como verdadeira.

02

Sem julgamentos

Ausência de julgamentos.

03

Reconhecer emoções

Reconhecer emoções em outras pessoas.

04

Comunicar emoções

Comunicar essas emoções.

Relação GLA + SR

Analisar a experiência e direcionar um recurso.

A tese propõe um processo conceitual integrado: os dados da experiência podem ser analisados por GLA e fornecer informações que apoiem técnicas de recomendação. O documento não afirma que todos os indicadores do GLA Dashboard alimentavam automaticamente a filtragem implementada.

  1. 01ExperiênciaInterações no jogo
  2. 02DadosRegistros da experiência
  3. 03GLAAnálise dos dados
  4. 04InformaçõesPadrões e necessidades
  5. 05SRFiltragem
  6. 06MaterialRecurso direcionado
Retomar Game Learning Analytics

Escopo com precisão

O que foi feito e o que permanece como possibilidade.

Na pesquisa
  • Jogo Digital Educacional;
  • Filtragem por Conteúdo;
  • Respostas textuais com mínimo de 100 caracteres;
  • Identificação de palavras-chave;
  • Recomendações ligadas a conceitos de empatia;
  • Vídeos educativos/afetivos e livros.
No referencial teórico
  • Outras técnicas de filtragem;
  • Coleta explícita ou implícita de informações;
  • Atualização do perfil do usuário;
  • Diferentes recursos e estratégias educacionais.

Dentro da proposta

Informações da experiência a serviço de um apoio mais direcionado.

Na pesquisa, o SR foi utilizado para relacionar respostas do estudante a recursos voltados ao reforço de conceitos de empatia. Seu papel integra a proposta tecnológica, sem se confundir com o Método Significativo Empático.

Próxima páginaA Sociedade do CálculoO ambiente concreto em que GLA e SR foram utilizados