[논문 리뷰] A Simple Recommender Engine for Matching Final-Year Project Student with Supervisor

Mohammad Hafiz Ismail, Tajul Rosli Razak외 2명|arXiv (Cornell University)|2019. 08. 08.

Educational Technology and Assessment참고 문헌 3인용 수 8

한 줄 요약

이 논문은 질문지에서 유래한 관심사 데이터를 바탕으로 최종학년 프로젝트 학생과 지도교수를 유클리드 거리 알고리즘을 사용해 매칭하는 간단한 추천 엔진을 제안한다. 자바로 구현된 시스템은 초도 테스트를 통해 실현 가능성을 입증하였으며, 학술 프로젝트에서 학생-지도교수 매칭 문제를 해결하는 데 유망한 성과를 보였다.

ABSTRACT

This paper discusses a simple recommender engine, which can match final year project student based on their interests with potential supervisors. The recommender engine is constructed based on Euclidean distance algorithm. The initial input data for the recommender system is obtained by distributing questionnaire to final year students and recording their response in CSV format. The recommender engine is implemented using Java class and application, and result of the initial tests has shown promises that the project is feasible to be pursued as it has the potential of solving the problem of final year students in finding their potential supervisors.

연구 동기 및 목표

• 최종학년 학생들이 적합한 프로젝트 지도교수를 찾는 데 어려움을 겪는 문제를 해결하기 위해.
• 학술 환경에서 학생-지도교수 매칭을 위한 경량이고 실용적인 해결책을 개발하기 위해.
• 기본적인 유사도 측정 지표인 유클리드 거리와 같은 간단한 추천 시스템의 실현 가능성을 평가하기 위해.
• 학술 기관에서 프로젝트 지도 매칭을 향상시키기 위해 확장 가능하고 구현 가능한 도구를 제공하기 위해.

제안 방법

• 최종학년 학생들에게 배포된 구조화된 질문지를 통해 학생의 관심사를 수집한다.
• 구조화된 데이터 처리를 위해 응답 내용을 CSV 형식으로 저장한다.
• 학생의 관심사와 지도교수의 전문 분야 간의 유사도를 계산하기 위해 유클리드 거리 알고리즘을 사용해 추천 엔진을 구현한다.
• 응용 프로그램을 구축하고 배포하기 위해 프로그래밍 언어로 자바를 사용한다.
• 최소 유클리드 거리 점수를 기반으로 잠재적인 학생-지도교수 매칭을 순위화한다.
• 실현 가능성과 성능을 평가하기 위해 초도 테스트를 통해 시스템을 검증한다.

실험 결과

연구 질문

• RQ1 기본적인 관심사 일치 기반으로 단순한 추천 시스템이 최종학년 프로젝트 학생을 적합한 지도교수와 효과적으로 매칭시킬 수 있는가?
• RQ2 유클리드 거리 알고리즘이 학생과 지도교수의 관심사 프로필 간의 유사도를 측정하는 데 얼마나 잘 작동하는가?
• RQ3 학술 기관에서 학생-지도교수 매칭을 위한 경량이고 복잡하지 않은 시스템을 구현하는 데 실현 가능성은 어느 정도인가?
• RQ4 질문지 기반의 관심사 데이터는 신뢰할 수 있는 추천을 생성하는 데 효과적으로 활용될 수 있는가?

주요 결과

• 추천 엔진은 유클리드 거리 알고리즘을 사용해 학생의 관심사와 지도교수 프로필 간의 유사도 점수를 성공적으로 계산한다.
• 초도 테스트 결과, 시스템은 구현에 실현 가능하며 학생-지도교수 매칭 문제 해결에 유망한 성과를 보인다.
• CSV 형식의 구조화된 질문지 데이터 사용은 데이터 처리 및 추천 파이프라인에의 효율적 통합을 가능하게 한다.
• 시스템은 자바로 구현되어 있어 학술 환경에서 실용성과 배포 용이성을 입증한다.
• 이 접근법은 복잡한 머신러닝 모델이 필요로 하지 않아 소규모에서 중간 규모의 기관에서도 접근하기 용이하다.
• 본 연구는 기본적인 유사도 지표가 학술 지도 매칭 맥락에서 의미 있는 추천을 도출할 수 있음을 확인한다.