Approach for Eliciting Learners' Preferences in Moocs Through Collaborative Filtering

Abstract

Les MOOC (massive open online courses) deviennent rapidement des incontournables pour assurer la continuité pédagogique et accompagner la vie et les modes de travail futurs. Il est donc nécessaire que les MOOC s'éloignent de leur ancien modèle. Ce cadre présentera un système de recommandation basé sur un algorithme qui utilisera un filtrage collaboratif basé sur les préférences des apprenants MOOC. Le filtrage collaboratif est une technique permettant d'anticiper les intérêts d'un utilisateur en étudiant les préférences des utilisateurs similaires à l'individu en question. Cette approche assure l'analyse de nombreux éléments en utilisant le choix de notation des participants.Un système de recommandation devient de plus en plus courant dans les activités d'étude en ligne ; nous voulons étudier comment cela pourrait aider à l'apprentissage et favoriser une implication plus efficace.

Nous baserons notre système de recommandation proposé sur l'évaluation du contenu du cours. L'idée est que les apprenants évaluent les cours et le contenu auxquels ils se sont inscrits sur la plateforme entre 1 et 5. Suite à l'évaluation, nous extrayons les données dans un fichier de valeurs séparées par des virgules (CSV) et utilisons la programmation Python pour fournir des recommandations à l'aide des données de apprenants avec des modèles de notation similaires. Le but était d'utiliser la programmation Python pour proposer des cours à différents utilisateurs en mode éditeur de texte. Nous utiliserons des modèles d'évaluation similaires via un filtrage collaboratif pour recommander des cours à divers apprenants, améliorant ainsi leur expérience d'apprentissage et leur passion.