A hybrid recommender system for student academic advising supported by case-based reasoning and ontology
Un système de recommandation hybride pour le parcours académique des étudiants, basé sur le RàPC et les ontologies
Résumé
Academic advising at most high schools is limited in its ability to help students in identifying appropriate academic pathways. For example, choosing a university and a university major is a challenging task rife with anxiety that gets students confused. Therefore, students at high school need assistance to match their interests with the available universities and university majors. This thesis presents a novel hybrid recommender system (RS) approach for students’ academic advising supported by Case-based reasoning (CBR) and ontology. This Knowledge-based (KB) hybrid RS enables high school students to submit their demographic data, courses’ ratings, preferences, interests, and other knowledge in order to get personalized recommendations. These recommendations consist of three essential suggestions namely the university/college, university major, and career choice that match the student interests and requirements. The four major contributions of our research are: (1) Proposing a novel hybridization approach that incorporates four-core technologies namely the KB recommender system, Collaborative Filtering (CF), CBR, and ontology; (2) Overcoming the limitations and problems of the basic recommender systems’ techniques; (3) Designing the ontology that represents the high school student’s profile and interests, higher education and career domains; (4) Generating personalized recommendations based on the case-base and ontology; (5) Treating through our hybrid RS high dimensional datasets that contain heterogeneous data types. A prototype of this hybrid RS named (COHRS) is developed and presented. The experimental assessments and comparisons with the existing traditional recommender systems’ approaches, strongly demonstrate the high performance and accuracy of our hybrid RS that is supported by CBR and ontology.
L’orientation académique dans la plupart des écoles secondaires est limitée dans sa capacité à aider les étudiants à identifier les parcours académiques appropriés. Par exemple, le choix d'une université et d'un domaine d'études est une tâche difficile, pleine d'anxiété, qui rend les étudiants confus. Par conséquent, les étudiants du secondaire ont besoin d'aide pour faire correspondre leurs intérêts avec les universités et les domaines d'études disponibles. Cette thèse présente une nouvelle approche de système de recommandation hybride (RS) pour l’orientation académique des étudiants, soutenue par le raisonnement basé sur les cas (CBR) et l'ontologie. Ce système hybride basé sur les connaissances (KB) permet aux lycéens de soumettre leurs données démographiques, leurs évaluations de cours, leurs préférences, leurs intérêts et d'autres connaissances afin d'obtenir des recommandations personnalisées et précises. Ces recommandations consistent en trois suggestions essentielles, à savoir l'université, le domaine d'études universitaires et le choix de carrière qui correspondent aux intérêts et aux exigences des lycéens. Les quatre contributions majeures de notre recherche sont: (1) Proposer une nouvelle architecture d'hybridation qui incorpore quatre technologies de base, à savoir le système de recommandation KB, le Filtrage Collaboratif (CF), le CBR et l'ontologie; (2) Surmonter les limites et les problèmes des techniques de base des systèmes de recommandation; (3) Concevoir l'ontologie qui modélise le profil et les intérêts des lycéens, l'enseignement supérieur et les domaines de carrière; (4) Générer des recommandations personnalisées et précises basées sur la base de cas et l'ontologie; (5) Traiter via notre système hybride des ensembles de données de grande dimension ayant des types de données hétérogènes. Un prototype de ce système de recommandation hybride nommé COHRS est développé et présenté. Les évaluations expérimentales et les comparaisons avec les approches des systèmes de recommandation traditionnels existants, démontrent fortement la performance et la précision de notre système hybride basé sur le CBR et l’ontologie.
| Origine | Version validée par le jury (STAR) |
|---|