Adaptación de un Recomendador de Filtro Colaborativo Basado en el Usuario para la Creación de un Recomendador de Materias de Pregrado Basado en el Historial Académico de los Estudiantes

Resumen

Los sistemas de recomendación son ampliamente utilizados hoy en día gracias a su capacidad de analizar las preferencias de usuarios y sugerir ítems. No obstante, el uso de los recomendadores está limitado a un modelo basado en el usuario y no en su historial de preferencias, discriminando así el campo de aplicación, por ejemplo, a sistemas académicos donde sea primordial el estudio de las decisiones del estudiante a lo largo de su carrera. El presente trabajo presenta un esfuerzo por adaptar filtros colaborativos basados en el usuario a filtros colaborativos basados en el historial del usuario. Con un conjunto de pruebas mediremos su efectividad utilizando dos algoritmos distintos de similaridad para recomendar materias a un estudiante en el sexto semestre de la carrera de Ingeniería en Electrónica y Telecomunicaciones ofertada por la FIEC - ESPOL. Los resultados muestran que es factible adaptar un recomendador a un modelo basado en el historial del usuario.

Abstract

Recommender Systems are nowadays broadly used thanks to their potential on analyzing user preferences and suggesting items to them. However, the use of Recommenders is also limited to a user based model and not to a history preferences based model. The present work represents an effort to adapt a collaborative filter based on users to a collaborative filter based on history preferences of users. A set of tests will be conducted to measure its effectiveness, using two different similarity algorithms to recommend courses to a student for the sixth semester of the Electronics and Telecommunications career offered by FIEC - ESPOL. The results show that it is feasible to adapt a Recommender to a model based on the user’s history preferences.