“Klanten die dit boek kochten, kochten ook…”. Iedereen die wel eens iets bij Amazon of Bol.com heeft gekocht, is geconfronteerd met een dergelijke aanbeveling. Kunnen we een dergelijk systeem van aanbevelingen ook toepassen op het gebied van (t)e-learning? Die vraag wordt verkend in het uitvoerende, inleidende paper Recommender Systems in Technology Enhanced Learning van Nikos Manouselis cs.
Het paper beschrijft onder andere voor welke taken zogenaamde recommender systems kunnen worden ingezet. Bijvoorbeeld voor het reduceren van aanbevelingen op basis van geloofwaardigheid, of voor het vinden van mede-lerenden met dezelfde interesse. Ook passeren diverse ‘aanbevelingssystemen’ de revue. Een groot aantal bevindt zich overigens nog in de ontwerpfase of is nog een prototype. Verder gaan de auteurs is op aspecten die bij de evaluatie van deze systemen betrokken zouden moeten worden.
Eén conclusie is het belang van ‘contextbewustzijn’ van recommender systems voor leerdoeleinden. Dergelijke systemen moeten dus rekening houden met taal, voorkennis, leerdoelen en te besteden studietijd
to embed pedagogical reasoning into collaborative filtering driven recommondations
Tenslotte benadrukken de auteurs ook het belang van input op basis van meerdere criteria, zoals benodigde studietijd of complexiteit.
Aanbevelingen op basis van koop- en klikgedrag zijn natuurlijk veel minder complex dan het doen van contextgerelateerde aanbevelingen op basis van diverse criteria. Deze laatste aanbevelingen kunnen wel een veel grotere meerwaarde hebben voor gebruikers.
This content is published under the Attribution 3.0 Unported license.
Geef een reactie