论文部分内容阅读
伴随着教育信息化的发展,Web技术与e-Learning使人类学习环境发生了根本性的变革。为构建跨组织、跨系统平台的海量知识融聚共享环境,人们提出了学习对象(LearningObject)的概念。它由具有教学单元意义的资源和学习对象元数据构成,尤其是具有语义信息的元数据,是学习对象自动化构建、查询和使用众多环节中至关重要的一环。它贯穿整个学习对象的生命周期,直接影响学习对象的使用效果。然而元数据项目繁多、形式多样,手工方式已经不能满足海量资源的生成需求。因此,必须采用自动化或半自动化方法辅助元数据的生成。
基于上述问题,本研究深入分析了元数据自动生成领域的现状,考虑到学习对象逐渐向知识型转变的新趋势,提出了一个面向服务的学习对象元数据生成平台框架。希望论文可以在学习对象元数据自动生成研究方面提供新的思路。
鉴于Web Service技术具有跨平台调用、与硬件和实现无关以及松散耦合的优点,论文将具有高度内聚、独立性的元数据生成单元封装成为可复用的元数据生成服务,发布到平台中。平台采用面向服务的架构(SOA),对元数据生成服务实行集中管理和编排。一方面,解决了现有的元数据生成工具功能单一,适用范围狭窄,彼此之间相互独立、缺乏协作,不能完整地生成学习对象元数据的问题。另一方面,可根据不同元数据规范的要求,采用服务链的方式,自由地拼接和组合元数据生成服务提供的结果,实现参考特定完整规范和模式(如LOM、Dublin Core等)的元数据生成。
此外,论文研究了构建课程本体的关键过程和方法,提出了一种基于本体的学习对象(文本)语义标注算法,用于辨别和定位学习对象所含的知识点。该算法使用文档向量模型表征学习对象。基于课程本体中概念(知识点)及概念之间的关联关系,动态计算特征词与知识点的语义关联度权重。最终,将关联度大于指定阈值的知识点作为文档的标注结果,从而实现语义元数据生成。通过对比测试,本方法具有良好的使用效果,使得学习对象在多层次、细粒度上的重用变为可能。