Key points are not available for this paper at this time.
Moderne Technologien wurden umfassend eingesetzt, um Lehrer und Lernende bei der Erleichterung von Lehr- und Lernprozessen zu unterstützen. Empfehlungssysteme (RSs) für technologiegestütztes Lernen (TEL) gehören zu diesen neuen Technologien, die in den letzten Jahren intensiv erforscht wurden. Das liegt daran, dass RSs für TEL intelligente Entscheidungshilfesysteme sind, die Internetnutzern helfen, geeignete Lernobjekte zu finden, die ihren Vorlieben in Bezug auf die Arten von Materialien entsprechen, die sie benötigen, um ihre Lernaktivitäten zu verbessern. Allerdings verwendeten die meisten bestehenden RSs für das Lernen traditionelle Techniken (2-dimensionale Nutzer × Objekt-Techniken), um Lernobjekte den Nutzern zu empfehlen, ohne die Kontexte zu berücksichtigen, in denen die Empfehlungen gegeben werden sollten. Diese Kontexte könnten geografische Standorte, Bildungsniveaus, die Tages- oder Wochenzeit, ihre Lernpräferenzen usw. sein. In diesem Papier wird ein konzeptioneller Rahmen von intelligenten, medienbasierten, kontextbewussten RSs für das Lernen vorgeschlagen, der die Lernpräferenzen der Nutzer als Kontext berücksichtigt, um genaue und brauchbare Empfehlungen abzugeben. Das vorgeschlagene System wurde für den Einsatz auf intelligenten Geräten entworfen, damit Lernende ihre Lernstile testen und kennenlernen und Empfehlungen für Lernobjekte gemäß ihren Lernpräferenzen erhalten können. Das Papier enthält die Konzeptualisierung des Rahmens sowie die Details des Designs und der Implementierungsverfahren.
Hassan et al. (Sat.) haben diese Frage untersucht.