Ένα εργαλείο συστάσεων μαζικών ανοιχτών διαδικτυακών μαθημάτων
A recommendation tool for massive open online courses
Λέξεις-κλειδιά
Συστήματα συστάσεων ; Μαζικά ανοιχτά διαδικτυακά μαθήματα ; Σύστημα διαδικτυακής εκμάθησης ; Διαδικτυακή πλατφόρμα ; Massive open online courses ; Learning management system ; Recommender systems ; Online platformΠερίληψη
Στην παρούσα διπλωματική εργασία πραγματοποιείται μελέτη που αφορά στα συστήματα συστάσεων. Για τον σκοπό αυτό, δημιουργήθηκε ένα εργαλείο όπου προτείνει στους χρήστες προσωποποιημένα ανοιχτά διαδικτυακά μαθήματα που ενδεχομένως θα τους ενδιέφερε να παρακολουθήσουν. Πιο συγκεκριμένα, οι εγγεγραμμένοι χρήστες μπορούν είτε να δημιουργήσουν οι ίδιοι είτε να παρακολουθήσουν μια πληθώρα ανοιχτών διαδικτυακών μαθημάτων, βάσει των προτιμήσεών τους. Στόχος του εργαλείου αυτού, είναι να προβλέπει μαθήματα τα οποία βρίσκονται στο φάσμα της αρέσκειας των χρηστών και να προτείνει τα πιο πιθανά για παρακολούθηση.
Στα πλαίσια αυτής της υλοποίησης, χρησιμοποιήθηκε Php και Python για την υλοποίηση των αλγορίθμων, καθώς και JavaScript για την ανταποκρισιμότητα. Στην συνέχεια, πραγματοποιείται ανάλυση της δομής της εφαρμογής αναφορικά με την μεθοδολογία που ακολουθήθηκε καθώς και την υλοποίηση από κοινού με τις αλγοριθμικές τεχνικές που χρησιμοποιήθηκαν. Στο τελευταίο κομμάτι της εργασίας, παρουσιάζονται τα συμπεράσματα μαζί με ορισμένες προτάσεις για μελλοντική επέκταση του προγράμματος και των λειτουργιών του.
Τα αποτελέσματα της μελέτης προσέφεραν την πλήρη κατανόηση των συστημάτων συστάσεων και την σωστή εφαρμογή τους σε πλατφόρμες που έχουν ως στόχο την προσωποποιημένη προώθηση στους χρήστες της. Με βάση τα παραπάνω, μελετήθηκε εκτενώς η βιβλιογραφία πάνω σε αυτό το θέμα και χρησιμοποιήθηκαν αρκετές τεχνικές που έχουν προδιαγραφές για βελτιστοποίηση στην πλατφόρμα που υλοποιήθηκε για τους σκοπούς της παρούσας διπλωματικής εργασίας.
Περίληψη
This thesis studies recommender systems. Thus, a program was created that suggests to registered users personalized open online courses that they may be interested in attending. More specifically, users of the platform can either create or attend a variety of online courses based on their profile preferences. The aim of this program is to determine which courses are in line with the user's preferences and then recommend those that are most likely to meet their preferences.
In order to run this program, Php and Python were used to execute the algorithms, as well as JavaScript for responsiveness purposes. In the next part of this work, an analysis of the methodology of the application structure is carried out, followed by the implementation along with the algorithmic techniques. In the final part of this paper, a concluding discussion is made along with some suggestions for future development of the program and its aspects.
The results of the study offered the complete understanding of recommendation systems and their correct application in platforms that aim at personalized promotion to its users. Based on the above, the references on this topic were extensively studied and several techniques were used that have the ability for future optimization in the platform implemented for the purposes of this thesis.