dc.contributor.advisor | Δουλκερίδης, Χρήστος | |
dc.contributor.author | Κονιδάρης, Δημήτριος Ν. | |
dc.date.accessioned | 2015-04-21T10:45:35Z | |
dc.date.accessioned | 2015-06-19T15:13:14Z | |
dc.date.available | 2015-04-21T10:45:35Z | |
dc.date.available | 2015-06-19T15:13:14Z | |
dc.date.issued | 2015-04-21T10:45:35Z | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/6645 | |
dc.description.abstract | Η παρούσα εργασία αναφέρεται στην κατασκευή ενός συστήματος παροχής εξατομικευμένων συστάσεων που ενσωματώνεται σε πλατφόρμα ηλεκτρονικής μάθησης η οποία αφορά το μάθημα «Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον» και διδάσκεται στην τελευταία τάξη Γενικών Λυκείων. Αρχικά, παρουσιάζεται η ανάγκη ύπαρξης συστημάτων παραγωγής συστάσεων σε ιστότοπους αφού επεξηγείται αναλυτικά η εν λόγω έννοια. Εν συνεχεία δίνονται παραδείγματα ιστοτόπων που παράγουν εξατομικευμένες συστάσεις προς τους επισκέπτες τους. Ακολούθως αναλύονται οι κατηγορίες μεθόδων παραγωγής συστάσεων, καθώς και τα πλεονεκτήματα και τα μειονεκτήματά τους. Έπειτα αναλύονται διεξοδικότερα κάποια παραδείγματα ήδη δοκιμασμένων αλγορίθμων όπως αυτών που εφαρμόζονται στο amazon, στο YouTube και στο google news. Οι αλγόριθμοι αυτοί ανήκουν στην κατηγορία collaborative filtering από την οποία τελικά επελέγη αλγόριθμος που χρησιμοποιήθηκε στην πλατφόρμα. Σύμφωνα με τη λογική της κατηγορίας αυτής υπολογίζονται οι πιο όμοιοι χρήστες σε σχέση τον τρέχοντα (ενεργό) επισκέπτη της πλατφόρμας και του προτείνονται άρθρα στα οποία έχουν δώσει υψηλή βαθμολογία οι συγκεκριμένοι όμοιοι χρήστες. Ακολουθεί μια συνοπτική περιγραφή της πλατφόρμας και αναφέρονται οι τρόποι παραγωγής συστάσεων σε αυτή, είτε είναι μερικώς προσωποποιημένοι είτε όχι. Στη συνέχεια δίνεται μια αναλυτική περιγραφή των βημάτων τροποποίησης του συστήματος, στα οποία περιλαμβάνεται και η παράθεση του αλγορίθμου που τελικώς επιλέχθηκε. Κατ’ αυτόν τον τρόπο κατέστη δυνατό να μπορεί το σύστημα να παράγει εξατομικευμένες συστάσεις προς τους χρήστες του. Ακολούθως έγινε η αξιολόγηση του συστήματος το οποίο χρησιμοποιήθηκε από μαθητές Β και Γ τάξης του τομέα Πληροφορικής ΕΠΑΛ οι οποίοι έχουν καλή γνώση των αλγοριθμικών δομών. Από την αξιολόγηση προέκυψαν πολύ θετικά αποτελέσματα αφού οι μαθητές σε μεγάλο βαθμό ενθουσιάστηκαν με την πρόταση εξατομικευμένου εκπαιδευτικού υλικού και θεώρησαν ότι είχαν έναν πολύτιμο βοηθό κατά τη μελέτη τους. Η κατασκευή της πλατφόρμας έγινε με το Σύστημα Διαχείρισης Περιεχομένου JOOMLA 1.5.22 και η παραγωγή των συστάσεων με χρήση PHP, MySQL, HTML καθώς και επεκτάσεων του JOOMLA. | |
dc.language.iso | el | |
dc.subject | Recommender systems (Information filtering) | |
dc.subject | User interfaces (Computer systems) | |
dc.subject | Διαδίκτυο (Internet) στην εκπαίδευση | |
dc.subject | Information storage and retrieval systems -- Social aspects | |
dc.title | Παραγωγή κοινωνικών συστάσεων σε διαδικτυακή πλατφόρμα ηλεκτρονικής μάθησης με χρήση τεχνολογιών web 2.0 | |
dc.type | Master Thesis | |
europeana.isShownAt | https://dione.lib.unipi.gr/xmlui/handle/unipi/6645 | |
dc.identifier.call | 005.4'37 KON | |
dc.description.abstractEN | This master thesis refers to the construction of a system to provide personalized recommendations embedded in e-learning platform which deals with the subject "Application Development in Programming Environment" and is taught the last class in general high schools. Initially, it is presented the need for recommendation engines on Internet as explained in detail in this concept. Following are examples of websites that generate personalized recommendations for their guests. Then the categories of recommender systems’ methods are analyzed, as well as their advantages and disadvantages. Moreover some examples, as amazon, YouTube and google news, are analyzed that use algorithms from the category of collaborative filtering which finally we choose and develop in our e-learning website. In this category-collaborative filtering-, the similar users are calculated with the current (active) user of platform and recommend to him articles that have given high rank by specific users. A brief description of the platform is following which describes how the recommendation is produced, either partially personalized or not. Then is given a detailed description of the steps to modify the system, including the code of the algorithm that finally selected. In this way it was possible to the system to generate personalized recommendations to users. After that the evaluation of the system took place by students of B and C class sector IT of vocational school who have good knowledge of algorithmic structures. The evaluation of the system exported very positive results. The students were largely enthusiastic about the recommended individualized educational material and felt that they had a valuable assistant in their study. The construction of the platform was on the Content Management System JOOMLA 1.5.22 and producing recommendations using PHP, MySQL, HTML and extensions JOOMLA. | |