Bouw aan een recommendation engine voor gepersonaliseerd leren. Je onderzoekt hoe profielinformatie, leergedrag en contentkenmerken kunnen leiden tot relevante en uitlegbare aanbevelingen. Zo help je gebruikers sneller passende leercontent te vinden.
In een leerplatform krijgen gebruikers vaak een groot aanbod aan modules, trainingen en leerroutes te zien. Dat aanbod sluit niet altijd goed aan op hun voorkennis, leerdoelen en eerdere leeractiviteiten. Daardoor kost het meer tijd om relevante content te vinden en bestaat het risico dat gebruikers minder effectief leren of afhaken.
Een recommendation engine kan helpen om leercontent beter af te stemmen op de gebruiker. Daarbij is het belangrijk dat aanbevelingen niet alleen relevant zijn, maar ook uitlegbaar en beheersbaar blijven. Naast profielinformatie, leeractiviteiten en contentkenmerken kunnen ook andere factoren een rol spelen, zoals de populariteit van trainingen bij vergelijkbare gebruikers of de leerpaden die binnen een organisatie relevant zijn voor een bepaalde rol of ontwikkelrichting. De uitdaging is om deze verschillende signalen op zo’n manier te combineren dat het LMS bruikbare aanbevelingen kan doen, zonder dat de oplossing een black box wordt.
Binnen het project Operation: Human Intelligence bouw je samen met andere IT-studenten aan een open source IT-leerplatform op Europese infrastructuur. In het platform worden AI-assisted componenten ingezet om leerprocessen inzichtelijk te maken en inhoudelijk te ondersteunen.
De opdracht
Je onderzoekt welke gegevens nodig zijn om tot bruikbare aanbevelingen te komen en welke aanpak daar het best bij past. Denk hierbij aan een regelgebaseerde aanpak, een scoremodel of een AI-ondersteunde benadering. Daarna werk je een ontwerp uit voor de recommendation engine en realiseer je een eerste werkende versie waarin meerdere signalen worden gecombineerd tot een geprioriteerde set aanbevelingen voor de gebruiker. Daarbij kan gedacht worden aan persoonlijke kenmerken, eerder leergedrag, populariteit van content en de mate waarin trainingen passen binnen relevante leerpaden, zoals een leerpad voor een bepaalde rol.
De recommendation engine richt zich in deze opdracht op het aanbevelen van losse leeritems of concrete vervolgstappen voor een gebruiker. Het samenstellen van volledige persoonlijke leerroutes kan daarbij als mogelijke uitbreiding worden meegenomen.
Daarnaast onderzoek en implementeer je op welke manier de eindgebruiker invloed kan uitoefenen op de aanbevelingen. Denk hierbij aan het negeren of afwijzen van aanbevelingen, of aan het aanpassen van voorkeuren. Je werkt uit hoe zulke gebruikerssignalen meegenomen kunnen worden in toekomstige aanbevelingen.
Ook evalueer je in hoeverre de aanbevelingen relevant, uitlegbaar en bruikbaar zijn voor de eindgebruiker. De uitkomst laat zien hoe een recommendation engine binnen een LMS kan bijdragen aan een persoonlijkere, relevantere en beter stuurbare leerervaring.
Over Info Support
Info Support is specialist in maatwerksoftware, data/AI solutions, beheer en trainingen en actief in de sectoren Finance, Industry, Agriculture, Food & Retail, Mobility & Public en Healthcare. Wij bieden solide en innovatieve oplossingen voor complexe en bedrijfkritische softwarevraagstukken. Onze hoofdkantoren zijn gevestigd in Veenendaal (NL) en Mechelen (BE). Op dit moment zijn er circa 500 medewerkers bij Info Support in dienst.
De werkwijze van Info Support kenmerkt zich door een aantal kernwaarden: soliditeit, integriteit, vakmanschap en passie. Deze kernwaarden zijn verweven in ons werk en de manier waarop we met elkaar omgaan.
Om te zorgen dat alle medewerkers altijd op de hoogte kunnen zijn van de nieuwste ontwikkelingen beschikt Info Support over een inhouse IT Academy waar graag wordt voldaan aan de honger naar meer of andere kennis en vaardigheden.
Om deze opdracht te kunnen doen is B2-taalvaardigheid in het Nederlands vereist.
