Los Recursos Educativos Abiertos tienen el potencial de fomentar el autoaprendizaje y el aprendizaje continuo. Dada la gran cantidad de recursos educativos dispersos en la Web, los usuarios, tanto profesores como aprendices, pueden requerir ayuda para localizar los contenidos abiertos más pertinentes y elegir aquellos materiales que puedan ser adaptados a su propio entorno o requerimientos de aprendizaje. La poca disponibilidad de herramientas especializadas que apoyen el descubrimiento de este tipo de material se convierte en una limitante para empoderar a los aprendices y sean ellos quienes dirijan su propio proceso de aprendizaje. En entornos con sobrecarga de información, y de forma específica en la Web, dos tipos de sistemas son utilizados por la gente para encontrar contenido de interés, los motores de búsqueda Web y los sistemas de recomendación. Los sistemas de búsqueda son muy fáciles de utilizar pero no son muy efectivos pues producen una gran cantidad de resultados irrelevantes. A diferencia de los motores de búsqueda, un sistema recomendador, decide si un documento resultará relevante o útil para un determinado usuario, aplicando métodos de filtrado en función de la información disponible. Los sistemas clásicos de recomendación requieren analizar una gran cantidad de datos antes de predecir los recursos más relevantes para un usuario específico. En corpus cerrados de material o en entornos virtuales de aprendizaje en línea, éste requerimiento podría ser alcanzado extrayendo los datos desde los repositorios institucionales. Sin embargo, la Web, la plataforma abierta donde se despliegan los OERs, es de naturaleza distribuida, el contenido es menos estructurado y es más heterogéneo, esto dificulta conseguir la cantidad suficiente de datos como para generar las recomendaciones. Por otra parte, en la Web co-existen entornos de formación menos tradicionales, como la formación informal y continua, las propuestas de recomendación revisadas se enfocan en el contexto del aprendizaje formal. Por tanto, la escalabilidad, la flexibilidad y la efectividad de la recomendación no están aseguradas en escenarios menos estructurados y poco convencionales que son inherentes a los OERs. En función de la problemática descrita, en esta investigación se ha detectado la necesidad de diseñar un marco apropiado que haga frente al problema de encontrar recursos educativos abiertos. En los últimos años, los sistemas de recuperación de información y los sistemas recomendadores están incorporando capacidades semánticas con el fin de reducir los problemas asociados al significado del texto y aumentar su rendimiento. Las tecnologías semánticas y los datos enlazados permiten diseñar una nueva generación de herramientas para la búsqueda y clasificación de recursos Web. En la presente investigación, se propone el diseño de un framework para la localización personalizada de OERs a través de un método de filtrado basado en conocimiento. La propuesta se basa en un ciclo de recomendación basado en Datos Enlazados y se fundamenta en un proceso de gestión de recursos RDF descritos mediante modelos de datos que facilitan la interoperabilidad y el reuso de los datos de los materiales de aprendizaje y de los usuarios y ofrecen el medio para conectar ambas representaciones y así soportar diferentes mecanismos de filtrado de información. Por la naturaleza de la propuesta, el componente central del framework es una base de conocimiento creada a partir de un tesauro formal enriquecido con conceptos descritos en fuentes de conocimiento social. El nuevo conjunto de datos se utiliza para clasificar y organizar los recursos de acuerdo a diferentes niveles de áreas y sub-disciplinas de conocimiento. Más adelante, el proceso de filtrado de datos, basado en un motor de consultas, se encarga de seleccionar el material que podría ser interesante para un usuario de acuerdo a su perfil. Con el objetivo de comprobar la capacidad del sistema para ofrecer conjuntos personalizados de OERs de acuerdo al perfil del usuario, las funciones principales de la propuesta fueron evaluadas a partir de perfiles de usuarios prefabricados. Se realizó la experimentación de tres escenarios de recomendación distintos, para ello, ciertas funciones del ciclo de procesamiento fueron implementadas como serviciosWeb independientes, más adelante, cada función podría ser integrada en soluciones hibridas de recuperación o filtrado de información. A partir de los resultados preliminares obtenidos en cada escenario de validación, los principales hallazgos son discutidos en función de las hipótesis de investigación planteadas. Una vez que ha concluido el trabajo, se puede afirmar que en el contexto de los OERs, dada la presencia de escenarios contrarios, escasez de datos o bien grandes cantidades de datos heterogéneos, la explotación de bases de conocimiento es una vía para mejorar la búsqueda personalizada de recursos educativos abiertos.
展开▼
