期刊名称:Revista Brasileira de Informática na Educação
印刷版ISSN:1414-5685
出版年度:2016
卷号:24
期号:1
页码:11
DOI:10.5753/rbie.2016.24.1.11
语种:Portuguese
出版社:Revista Brasileira de Informática na Educação
摘要:A partir de um trabalho de revisão da literatura sobre a utilização do padrão Sharable Content Object Reference Model (SCORM) para composição de conteúdos para e-Learning, identificou-se que, embora amplamente utilizado, seu modelo de metadados para agregação de conteúdos é complexo e difícil de ser utilizado por educadores, desenvolvedores de conteúdo e designers instrucionais. Particularmente, a identificação de conteúdos relacionados entre si, a partir de grandes repositórios, tem sido alvo de consideráveis esforços por parte de pesquisadores em ciência da computação, no sentido da automatização destes processos. Todavia, abordagens anteriores estenderam ou alteraram os metadados definidos pelo SCORM. Diante disso, são apresentados neste artigo os resultados de uma pesquisa experimental na qual foi proposta e avaliada uma metodologia que emprega ontologias, anotação automática de metadados, recuperação de informação e mineração de textos para recomendação automática e agregação de conteúdos relacionados, utilizando o vocabulário da categoria de metadados relation, conforme definida pelo SCORM, sem a necessidade de extensão desses metadados, de realizar alterações no padrão, ou mesmo de implementações específicas nos Sistemas de Gerenciamento de Aprendizagem (SGA). Foi desenvolvido um protótipo de um sistema computacional que aplica a metodologia proposta sobre uma amostragem de objetos de aprendizagem, gerando os resultados para avaliação de sua eficácia. Os resultados foram analisados e avaliados com o apoio de profissionais da educação, que atuam no desenvolvimento de conteúdos para e-Learning, demonstrando que a metodologia proposta é viável e eficaz, produzindo os resultados esperados.
其他摘要:From a literature review about the composition of educational content for e-Learning in accordance with SCORM, we noticed that, although widely used, the SCORM metadata model for content aggregation is still complex and difficult to be used by educators, content developers and instructional designers. Particularly, the identification of contents related with each other, in large repositories, has been the focus of considerable efforts by researchers in the field of computing in pursuit of the automation of this process. However, previous approaches have extended or altered the metadata defined by SCORM standard. In this paper, we present experimental results on our proposed methodology which employs ontologies, automatic annotation of metadata, information retrieval and text mining to recommend and aggregate related content, using the relation metadata category as defined by SCORM, without extending these metadata, or changing SCORM, or even developing specific implementations on a Learning Management System. We developed a computer system prototype which applies the proposed methodology on a sample of learning objects generating results to evaluate its efficacy. The results were analyzed and evaluated with the support of educators, who work on the development of content for e-Learning, demonstrating that the proposed method is feasible and effective to produce the expected results.
关键词:SCORM;automatic content aggregation;automatic content recommendation;Learning Objects;information retrieval;text mining;SCORM; agregação automática de conteúdo; recomendação automática de conteúdo; Objetos de Aprendizagem; recuperação de informação; mineração de textos.