Basada en una información almacenada en grafos de personas y sus conocimientos, se propone usar dicha información para armar un ranking de su experiencia y poder recomendar la persona que mejor se adapta a un perfil específico.
En base este ranking de personas por perfil se busca construir un sistema de recomendación de los conocimientos que deberían adquirir, es lo que se conoce como learning path.
Algunos ejemplos encontrados en el mercado son:
Amazon presenta la propuesta de cursos con la siguiente explicación:
Las rutas de aprendizaje son las progresiones de los cursos y exámenes que recomendamos seguir para mejorar sus habilidades o prepararlo para utilizar la nube de AWS. Explore nuestras rutas de aprendizaje a continuación, las cuales se agrupan en tres categorías: por su función, por su área de soluciones o por las necesidades de su socio de APN
https://aws.amazon.com/es/training/learning-paths/
Otra forma de proponer que estudiar es la brindada por O'reilly:
https://www.oreilly.com/learning-paths/
En este paper se puede observar el enfoque que mencionamos:
Learning design, the activity of designing a learning path, can be a complex task, especially for learners. A learning design recommendation system would help self-learners find appropriate learning objects and build efficient learning paths during their learning journey. Educational Data Mining (EDM) has provided an impressive amount of novelties related to learning object recommendation systems. However, most of the solutions proposed thus far do not take into account eventual competency dependencies among learning objects and/or are not designed for large repositories of interdependent learning objects. We propose a model to build a learning design recommendation system based on graph theory. From this model, we propose, implement and test an approach using the concept of cliques to recommend learning paths.
https://www.infona.pl/resource/bwmeta1.element.elsevier-9cd4b860-62ec-3952-8a9f-b5dc14445c8d
Coursera’s major learner survey ‘Who’s benefiting from MOOCs and Why’ distinguished broadly between three types of learner, those seeking to advance in their career, those seeking a new job and a third driven just by curiosity. The first question on the learning path asks you to sort yourself into one of these three
Coursera created ‘skill search’ the aim was to catalogue which skills and concepts were being taught within each MOOC and then allow users to search for it — this was the critical precursor. Not only did skill searches allow better discovery (rather than having to infer from the title and course description) they allowed Coursera to structure learning across different MOOCs
With the skill search in place and the three user profiles demarcated, Coursera created learning paths that create a series of courses among MOOCs of different providers to achieve an end goal e.g. ‘Data Scientist’ or to learn ‘Economics’
Si querés inspeccionar el conjunto de datos, lo encontrarás en https://github.com/fgpalacios/diplodatos2020
Canal de Slack
https://join.slack.com/t/diplodatos202-hsx3137/shared_invite/zt-emjitw1v-V0~BaDgzcGCMniMctZWA3Q
https://app.slack.com/client/T014A4XSWH1/C01436NG9HU
22/6 práctico de análisis y visualización, Obtener una visualización de las personas, sus conocimientos.
19/7 práctico de análisis y visualización, Obtener inferencias sobre el nivel de conocimiento que poseen las personas y el nivel de experiencia que puede conseguir adquiriendo otros conocimientos
16/8 práctico de introducción al aprendizaje automático, que consistirá en armar una regresión lineal sobre las personas con los años de experiencias vs el ranking que posee de sus conocimientos
13/9 práctico de aprendizaje supervisado, que consistirá en identificar los perfiles que puede poseer cada persona, en base a ciertas personas ya clasificadas.
27/9 práctico de aprendizaje no supervisado, que consistirá en recomendar los conocimientos que podría adquirir para mejorar su perfil, implementando algún sistema de recomendación.
6/11/2020 – 7/11/2020 presentación de mentorías