A hybrid recommender system for student academic advising supported by case-based reasoning and ontology
Year: 2021
Type: dissertation
Abstract: Un système de recommandation hybride pour le parcours académique des étudiants, basé sur le RàPC et les ontologies 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.
Source: theses.fr (ABES)
Author: Charbel Obeid
Language: French
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Keywords: hybrid recommendation, academic advising, case-based reasoning, ontology (information science), collaborative filtering, knowledge-based recommendation, high school students, personalized recommendation, data heterogeneity, ontology design, course evaluation, demographic data, higher education selection, recommendation quality evaluation
SDG: Quality education
Open Access status: green
Funder: Université Libanaise
OpenAlex ID: W7151085149
