Lesson activity

Revision as of 20:02, 24 May 2009 by kostas tzamtzis (talk | contribs) (ΕΞΑΤΟΜΙΚΕΥΣΗ Ή PERSONALIZATION)

Jump to: navigation, search

Note: You are currently viewing documentation for Moodle 3.2. Up-to-date documentation for the latest stable version of Moodle is probably available here: Lesson activity.

ΚΕΦΑΛΑΙΟ 5 : ΕΞΑΤΟΜΙΚΕΥΣΗ Ή PERSONALIZATION

5.1 ΣΤΟΧΟΣ ΕΞΑΤΟΜΙΚΕΥΣΗΣ Να παρέχει στους χρήστες αυτό που θέλουν ή χρειάζονται χωρίς να περιμένουμε να το ζητήσουνε οι ίδιοι ρητά.

ΕΞΑΤΟΜΙΚΕΥΣΗ:Η διαδικασία συγκέντρωσης και αποθήκευσης πληροφοριών αναφορικά με τους χρήστες ενός web site, ανάλυση των πληροφοριών αυτών και με βάση την ανάλυση αποστολή σε κάθε χρήστη της σωτσής πληρπφορίας ,τον σωστσό χρόνο. Η εξατομίκευση εφαρμόζεται κυρίως στα : 1. Ηλεκτρονικό εμπόριο 2. Πληροφοριακές πύλες (portals) όπως yahoo 3. Μηχανές αναζήτησης

5.2 ΣΥΝΕΡΓΑΤΙΚΟ ΦΙΛΤΡΑΡΙΣΜΑ Σχετίζεται με το τί άρεσε ή όχι σε προηγούμενους χρήστες που θεωρούνατι οι προτιμήσεις τους όσο αναφορά τα site που επιλέγουν παρόμοιες (είναι απαραίτητα στοιχεία που πρέπει να έχει καταχωρήσει ο χρήστης)

OBSERVATION PERSONALIZATION

Όμοιο με το παραπάνω χωρίς προσωπικά στοιχεία χρήστη.

5.3 ΛΕΙΤΟΥΡΓΙΕΣ ΕΞΑΤΟΜΙΚΕΥΣΗΣ

1. Απομνημόνευση 2. Καθοδήγηση 3. Παραμετροποίηση (παροχή παραλλαγών μιας ιστοσελίδας που να ναταποκρίνονται στις γνώσεις-προτιμήσεις του χρήστη) 4. Υποστήριξη- διεκπαιρέωσης εργασιών (εκτέλεση μιας σειράς πράξεων από το σύστημα για τον χρήστη)π.χ. εκπροσωπεί τον χρήστη σε δημοπρασίες)

5.4 ΒΗΜΤΑ ΕΞΑΤΟΜΙΚΕΥΣΗΣ

1. Απόκτηση/συλλογή δεδομένων 2. Ανάλυση δεδομένων 3. Παραγωγή προσαρμοογών


ΤΕΧΝΙΚΕΣ ΣΥΛΛΟΓΗΣ ΔΕΔΟΜΕΝΩΝ

1. EXPLICIT PROFILING :Συμπλήρωση ερωτηματολογίου(επιτρέπει στους χρήστες να δηλώνουν μόνοι τους τα ενδιαφέροντά τους. 2. IMPLICIT PROFILING:Καταγραφή της συμπεριφοράς του χρήστη (cookies, site database) 3. LEGACY DATA:Πιστωτικές πληροφορ.,πληροφορίες γύρω από προηγούμενες αγορές.

5.5 ΜΕΘΟΔΟΙ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ

1. SIMPLE FILTERING: Στηρίζεται ατην κατηγοριοποίηση των χρηστών σε προκαθορισμένες ομάδες (κλάσεις)και στην αποστολή κατάλληλων σελίδων στους χρήστες.

2. CONTENT-BASE FILTERING Βασίζεται στις προσωπικές προτιμήσεις των χρηστών .Του προτείνονται προϊόντα που μοιάζουν με προϊόντα που έχουν επιλέξει σε προηγούμενες αγορές τους

3. COLLABORATIVE FILTERING Βαθμολογούν προϊόντα ή αποκαλύπτουν προτιμήσεις και τους προτείνει προϊόντα με βάση τις βαθμολογίες τους.

4. RULE BASED FILTERING Με βάση ένα σύνολο ερωτήσεων που απαντά ο χρήστης.

5. WEB USAGE MINING Με βάση ένα σύνολο δεδομένων web log


5.6 ΠΑΡΑΓΩΓΗ ΠΡΟΣΑΡΜΟΓΩΝ

 Προσαρμογή περιεχομένου :παραλλαγές σελίδων ,fragment σελίδων ,χρωματισμός fragment

 Προσαρμογή παρουσίασης:αλλάζει οτρόπος παρουσίασης.Χρησιμοποιούνται περισσότερες εικόνες ή video.

 Προσαρμογή δομής:Προσαρμόζεται στην δόμηση των συνδέσμων