Lade Inhalt...

Situationsbasierte Bereitstellung von Lernobjekten mit Hilfe von Case Based Reasoning und Semantic Web Technologien

Diplomarbeit 2006 101 Seiten

BWL - Unternehmensführung, Management, Organisation

Leseprobe

Inhaltsverzeichnis

Zusammenfassung

Abstract

Abkürzungsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Listingverzeichnis

1 Einleitung
1.1 Motivation und Zielsetzung
1.2 Systematik

2 Themeneinführung und Einsatzmöglichkeiten
2.1 Thematische Begriffsabgrenzungen
2.2 Lerntheoretische Einsatzmöglichkeiten
2.2.1 Lerntheoretische Ansätze
2.2.2 Lernprozesse
2.3 Lernumgebungen
2.4 Modell des kontextgesteuerten Lernens
2.5 Resümee

3 Theorien und Methoden
3.1 Einführung und Definitionen von Lernobjekten
3.2 Metadatenstandards
3.2.1 Generelle Standards
3.2.2 Metadaten
3.2.3 Lernerorientierte Standards
3.2.4 Inhaltsorientierte Standards
3.2.5 Managementorientierte Standards
3.2.6 Sharable Content Object Reference Model (SCORM)
3.2.7 Verwaltung von Metadaten
3.2.8 Resümee
3.3 Aggregation
3.4 Sequenzierungen
3.4.1 Theoretische Ansätze
3.4.2 Theoretisch orientierte Methoden
3.4.3 Praktisch orientierte Methoden
3.4.4 Resümee
3.5 Resümee zu den existierenden Theorien und Methoden

4 Case Based Reasoning (CBR)
4.1 Grundlegende Begriffe des CBR
4.2 Funktionsweise von CBR-Systemen
4.3 CBR-Technologien
4.3.1 Suchtechniken und Ähnlichkeitsmaße
4.3.2 Adaption
4.3.3 Betrachtung zu Techniken in Revise und Retain
4.4 Anwendung von CBR auf die Lernobjektbereitstellung
4.4.1 Potentiale zur situationsbasierten Lernobjektbereitstellung
4.4.2 CBR im Modell für kontextgesteuertes Lernen
4.5 Resümee

5 Semantic Web
5.1 Grundlegende Begriffe des Semantic Web
5.2 Semantic Web Technologien
5.2.1 Extensible Markup Language (XML)
5.2.2 Ressource Description Framework (RDF)
5.2.3 Web Ontology Language (OWL)
5.2.4 Resümee
5.3 Anwendung von Semantic Web Technologien auf die Lernobjektbereitstellung
5.3.1 Potentiale zur situationsbasierten Lernobjektbereitstellung
5.3.2 Technische Umsetzungen
5.3.3 Ontologien für Lernobjektauswahl
5.3.4 Semantic Web Technologien im Modell für kontextgesteuertes Lernen
5.4 Resümee

6 LO-CBR Prototyp-Implementierung
6.1 Anforderungen
6.2 Implementierung
6.2.1 Bestimmung der Relevanz von Fällen
6.2.2 Beispielanfrage zur situationsbasierten Lernobjektauswahl
6.3 Resümee

7 Fazit und Ausblick

8 Referenzen

Zusammenfassung

Mit zunehmender Anzahl verfügbarer Lernobjekte gestaltet sich die Auswahl mit herkömmlichen Suchstrategien immer schwieriger. Die Relevanz von gefundenen Lernobjekten ist aus physischen und inhaltlichen Gründen mehr zu beachten als beispielsweise bei Anfrageergebnissen von Suchmaschinen oder Datenbanken. Ziel dieser Arbeit ist es zu überprüfen, ob die Relevanzbetrachtung durch Case Based Reasoning und Semantic Web Technologien unterstützt werden kann. Dazu werden zunächst Aspekte wie Metadaten, Aggregation und Sequenzierung betrachtet, um Ansatzmöglichkeiten und Probleme zu identifizieren. Von der Betrachtung und Analyse der grundlegenden Technologien des Case Based Reasoning und Semantic Web ausgehend, soll versucht werden, die erkannten Probleme zu beheben und bestehende Methoden zu unterstützen. Eine praktische Implementierung, in Form eines webbasierten Prototypen, soll eine Lernobjektauswahl anhand verschiedener simulierter Situationen aufzeigen.

Schlüsselwörter: Lernobjekte, Fallbasiertes Schließen, Semantic Web Technologien

Abstract

The selection of learning objects is getting increasingly difficult with an increasing number of learning objects which become available. Due to physical reasons and in respect of content, the relevance of identified learning objects has to be more strictly respected than for example application results of search engines or databases. The aim of this study is to test whether the contemplation of relevance can be supported by means of Case Based Reasoning and Semantic Web Technologies. Firstly, in line with this aim, aspects of metadata, aggregation and sequencing are surveyed to identify approach opportunities and possible problems. It is attempted to correct identified problems and to support existing methods by evaluating and comparing basic Case Based Reasoning and Semantic Web Technologies. A practical implementation in form of web-based prototypes shall reveal a selection of learning objects by means of various simulated situations.

Keywords: Learning Objects, Case Based Reasoning, Semantic Web Technologies

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abbildung 1-1: Struktur der Diplomarbeit

Abbildung 2-1: Struktur von Kapitel 2

Abbildung 2-2: Idealtypische LMS Architektur

Abbildung 2-3: Modell für das kontextgesteuerte Lernen

Abbildung 2-4: Bereiche der situationsbasierten Lernobjektbereitstellung

Abbildung 3-1: Struktur von Kapitel 3

Abbildung 3-2: Bereiche innerhalb eines IMS Content Packages

Abbildung 3-3: Konzeptuelle Illustration der Content Aggregation

Abbildung 3-4: Konzeptuelle Illustration der Run-Time Environment

Abbildung 3-5: Ergebnis der Metadatenstandard Betrachtungen

Abbildung 3-6: Sequenzierungsstrukturen bei mehreren Themen

Abbildung 3-7: Traditionelle Sequenzierung von Lernobjekten

Abbildung 3-8: Sokratische Sequenzierung von Lernobjekten

Abbildung 3-9: Beispiel - Aktivitäten für Simple Sequencing

Abbildung 3-10: Bestehende Ansätze zur situationsbasierten Lernobjektbereitstellung

Abbildung 4-1: Struktur von Kapitel 4

Abbildung 4-2: Der CBR-Kreislauf

Abbildung 4-3: Potentiale des CBR für eine situationsbasierte Lernobjektbereitstellung

Abbildung 5-1: Struktur von Kapitel 5

Abbildung 5-2: Architektur des Semantic Web

Abbildung 5-3: Beispiel einer einfachen RDF-Aussage

Abbildung 5-4: Potentiale für eine situationsbasierte Lernobjektbereitstellung

Abbildung 5-5: Ontologiebasierte Modellierung im Modell für kontextgesteuertes Lernen

Abbildung 6-1: Struktur von Kapitel 6

Abbildung 6-2: Aufbau eines Falles im LO-CBR Prototyp

Abbildung 6-3: Auswahlprozess innerhalb des LO-CBR Prototypen

Abbildung 7-1: Arbeitsergebnisse im Überblick

Tabellenverzeichnis

Tabelle 2-1: Überblick und Merkmale der wichtigsten Lerntheorien

Tabelle 2-2: Klassifikation von Lernprozessarten

Tabelle 3-1: Aggregationsebenen nach Suhl et al

Tabelle 3-2: Aggregationsebenen des IEEE Draft Standard

Tabelle 3-3: Aggregationsebenen nach Currier et al

Tabelle 3-4: Aggregationsebenen nach Customized-Learning-Experiences-Online Project

Tabelle 3-5: Auswahlgrundlagen theoretischer und praktischer Sequenzierungen

Tabelle 4-1: Adaptionsklassen

Tabelle 5-1: Semantic Web Technologien im Überblick

Tabelle 5-2: Relationen zwischen Lernobjekten

Tabelle 6-1: Beispielsituationen für Anfrage an den Prototypen

Tabelle 6-2: Beispielfälle für eine Anfrage an den Prototypen

Tabelle 6-3: Retrieve Ergebnis für Anfrage an den Prototypen

Tabelle 7-1: Vorteile der betrachteten Technologien

Listingverzeichnis

Listing 5-1: Beispiel XML-Dokument

Listing 5-2: RDF/XML Beispiel

Listing 5-3: RDF Beispielschema in RDF/XML

Listing 5-4: Beispiel für LOM-RDF-Binding

Listing 5-5: Beispiel für RDF-IMS Umsetzung

Listing 6-1: Bestimmung des Match-Relevanzwertes

Listing 6-2: Bestimmung des Situations-Relevanzwertes

1 Einleitung

1.1 Motivation und Zielsetzung

Lernobjekte sind vielfältig einsetzbar. Ihre primäre Verwendung finden sie in Bereichen des E-Learning, in denen sie die Grundlage von Kursen oder Themenbereichen sind. Andererseits können Lernobjekte auch als Instrument der Wissensvermittlung innerhalb des eigenen Unternehmens eingesetzt werden. Mitarbeiter besuchen Schulungen und Weiterbildungen. Ein Unternehmen muss bestrebt sein, dort erworbenes Wissen im Unternehmen zu erhalten. Lernobjekte stellen ein mögliches Instrument dar, dieses Wissen auch Mitarbeitern zur Verfügung zu stellen, welche die betreffenden Schulungen und Weiterbildungen nicht besucht haben. Wichtigster Punkt ist aber, dass das in Form von Lernobjekten abgelegte Wissen zum einen überhaupt wieder gefunden wird und zum anderen auch in einem gewissen Kontext Anwendung findet.

Diese Arbeit soll Möglichkeiten aufzeigen, Lernobjekte mittels Case-Based Reasoning und Semantic Web Technologien auszuwählen. Schwerpunkt sind also Möglichkeiten der Identifizierung und Zusammenstellung von Lernobjekten unter Berücksichtigung verschiedenster Abhängigkeiten. Dabei soll eine technologische Themensicht vordergründig sein.

Zielsetzung der Arbeit ist die Klärung der nachfolgenden Fragen:

- In welchem Umfeld wird eine situationsbasierte Bereitstellung benötigt? Dafür sind zum einen theoretische Lernhintergründe, praktische Einsatzszenarien sowie damit zusammenhängende technische Infrastrukturen zu betrachten. Hinzufügend wird ein Beispielszenario aus der Literatur entnommen, welches als praktischer Hintergrund für die gesamte Arbeit dienen soll.
- Welche technischen Möglichkeiten bieten Lernobjekte und welche Ansätze existieren? An welchen Punkten können Lernobjekte technisch erfasst werden und wie erfolgt die aktuelle Auswahl für eine Bereitstellung.
- Welche Möglichkeiten bieten sich durch Case Based Reasoning? Ausgehend vom grundlegenden CBR Konzept ist die Anwendung auf den Spezialfall Lernobjektbereitstellung zu überprüfen.
- Welche Möglichkeiten bieten sich durch Semantic Web Technologien? In diesem Zusammenhang sind Semantic Web Technologien und deren Anwendung zur Verbesserung und Erweiterung bestehender Ansätze zu betrachten.

1.2 Systematik

Abbildung 1-1 gibt eine Übersicht über die sachliche Struktur der vorliegenden Diplomarbeit und zeigt, wie die einzelnen Kapitel im Gesamtkontext angeordnet sind.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1-1: Struktur der Diplomarbeit[1]

Im Anschluss an die Einleitung erfolgt mit Kapitel 2 ein Grundlagenkapitel. Dieses wird begriffliche Festlegungen der Arbeit, deren Einordnung in Lerntheorien und Lernprozesse sowie die technischen Umgebungen, in denen eine Bereitstellung von Lernobjekten von Bedeutung ist, betrachten. Den Rahmen schließt ein Resümee mit einer genauen Themenabgrenzung der Arbeit. In Kapitel 3 werden zum Einen das Konzept der Lernobjekte und zum Anderen der die situationsbasierte Bereitstellung betreffende Stand der Technik dargelegt. Letzteres umfasst sowohl das Aufzeigen von Möglichkeiten der situationsbasierten Bereitstellung über Lernobjekteigenschaften als auch über bestehende methodische Ansätze. Darauf aufbauend werden in Kapitel 4 und 5 die jeweiligen Grundlagen des Case Based Reasoning sowie des Semantic Web erarbeitet und Möglichkeiten zur Verbesserung bestehender Bereitstellungskonzepte identifiziert. Diese werden dann in Kapitel 6 als Ergebnis der Arbeit praktisch innerhalb eines Prototypen angewendet. Außerdem wird in Kapitel 7 ein Ausblick auf weitere Verbesserungen durch Kombination von Case Based Reasoning und Semantic Web Technologien gegeben.

2 Themeneinführung und Einsatzmöglichkeiten

Abbildung 2-1 gibt eine Übersicht über die sachliche Struktur von Kapitel 2.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-1: Struktur von Kapitel 2[2]

In diesem Kapitel erfolgen in Form eines Grundlagenkapitels die Betrachtung des Arbeitsthemas und die Darstellung von Einsatzmöglichkeiten aus lerntheoretischer und infrastruktureller Sicht. Dazu wird das Diplomarbeitsthema zuerst in Form von Arbeitsdefinitionen begrifflich abgrenzt. Anschließend erfolgt die Aufarbeitung des lerntheoretischen Hintergrunds, indem das Arbeitsthema in Lerntheorien und Lernprozesse eingeordnet wird. Sachlich parallel werden Lernumgebungen aus technischer Sicht betrachtet, um den praktischen Einsatzort von Lernobjekten zu definieren. Auf den theoretischen und technischen Grundlagen aufbauend wird ein praktischer Einsatz anhand des Modells für kontextuelles Lernen aufgezeigt. Abgeschlossen wird das Kapitel mit einer weiteren genauen Abgrenzung des Themas der vorliegenden Arbeit.

2.1 Thematische Begriffsabgrenzungen

Aus dem Titel der Arbeit ergibt sich neben Lernobjekten, Case Based Reasoning und Semantic Web, denen jeweils eigene Kapitel bzw. Unterkapitel zugewiesen sind, noch das Begriffspaar der „situationsbasierten Bereitstellung“. Da innerhalb einer Bereitstellung die Auswahl die Schwierigkeit darstellt, wird im weiteren Verlauf von „situationsbasierter Auswahl“ ausgegangen. Damit zusammenhängende Begriffe werden in diesem Unterkapitel näher betrachtet, um die Sichtweise innerhalb dieser Arbeit herauszustellen.

Situation. Der Begriff „Situation“ wurde erstmals am Ende der 20er Jahre von W. J. Thomas und F. Znaniecki wissenschaftlich unter dem Aspekt definiert, dass menschliches Verhalten nur unter bestimmten Voraussetzungen stattfindet.[3] Diese im Bereich der Soziologie angeordnete Begriffsinterpretation findet sich in ähnlicher Form auch bei Esser, welcher das menschliche Handeln an externe sowie interne Situationsbedingungen knüpft.[4] Im Gegensatz dazu findet sich aber auch die Interpretation, dass der Begriff „Situation“ den Vorgang der Bedeutungszuschreibung von Ereignissen durch Handelnde beschreibt.[5] Erst durch diese Zuschreibung einer Bedeutung erhalten Ereignisse ihren Sinn. Dabei ist diese zugeschriebene Bedeutung nicht nur individuell, sondern durch soziale Aspekte beeinflusst.[6]

Trotz fehlender einheitlicher Definition von „Situation“ besteht Einigkeit darüber, dass mit Situation nicht nur materielle Aspekte zu verstehen sind, sondern auch die soziale Umwelt in Form von personellen Interaktionen sowie kulturelle Aspekte.[7] Ein Ereignis ist also an interne und externe Bedingungen geknüpft, welche die Situation definieren. Innerhalb dieser Arbeit ist das Ereignis die Bereitstellung bzw. Auswahl der Lernobjekte selbst. Unter den externen Bedingungen werden die durch den Lernenden und durch die Umwelt (z.B. Geschäftsprozesse) beeinflussten Voraussetzungen verstanden. Interne Bedingungen sind beispielsweise methodenbedingte Vorraussetzungen für die Auswahl.

Kontext. Der Situationsbegriff ist eng mit dem Kontextbegriff verbunden. Härle betrachtet den Kontext im Wandel seiner Bedeutung. So entstammt der Begriff der Unterscheidung zwischen einem Text und seiner Umgebung, also dem Textzusammenhang, wobei beides ursprünglich wörtlich aufzufassen ist. Innerhalb eines metaphorischen Gebrauches ist die Anwendung nicht mehr nur auf Texte beschränkt, sondern auch auf Ereignisse, Personen, Institutionen und ähnliches übertragbar. Dadurch ist es gebräuchlich geworden, vom Kontext zu sprechen, wenn eine bestimmte Anschauung in Geltung steht.[8]

Pinkal erläutert den Kontextbegriff in Bezug auf Äußerungen zwischen Kommunikationspartnern. Zum Kontext einer Äußerung gehört demnach alles, was irgendeinen Einfluss auf den möglichen Sinn einer Äußerung hat. Ausgeschlossen ist nur die Äußerung selbst.[9] Überträgt man dieses Konzept auf die Bereitstellung von Lernobjekten, gehört alles zum Kontext, was den Sinn der Lernobjektauswahl beeinflusst. Der Kontext besteht somit aus allen Fakten, Tatsachen und Umständen, die eine Situation umgeben. Er erweitert den Situationsbegriff also um die die Situation definierenden Bedingungen.

Situationsbasiert. Ein grundlegender Begriff dieser Arbeit ist „situationsbasiert“. Die vorangegangenen Begriffserläuterungen zeigen, dass eine Situation in der Regel nicht ohne einen sie ausmachenden Kontext auftreten wird. Es macht aus diesem Grund wenig Sinn, diese beiden Begriffe scharf zu trennen. Situationsbasiert soll also auch im Sinne von kontextbasiert verstanden werden. Eine situationsbasierte Bereitstellung bzw. Auswahl fußt somit auf einer Situation, welche durch einen gewissen Kontext beschrieben ist.

2.2 Lerntheoretische Einsatzmöglichkeiten

2.2.1 Lerntheoretische Ansätze

Lernen wird zumeist als Prozess angesehen, bei dem Wissen erworben wird. Unter Wissen wird in diesem Zusammenhang eine Ansammlung von Fakten (deklaratives Wissen) und Regeln (prozedurales Wissen) verstanden.[10] Alle Aktivitäten die auf Wissenserwerb hinarbeiten werden als Lernprozess verstanden[11] und können in die drei einflussreichsten Lerntheoriesysteme[12] Behaviorismus, Kognitivismus und Konstruktivismus eingeordnet werden. Diesen drei Lerntheorien wird das situierte Lernen als Grundlage einer situationsbasierten Bereitstellung und Auswahl gegenübergestellt, bzw. der Kreis der betrachteten Theorien wird um diese Lerntheorie erweitert. Ziel ist keine Bewertung der einzelnen Theorien, sondern die Abgrenzung des situierten Lernens durch Vergleich mit anderen Lerntheorien. Dadurch sollen Lernprozesse identifiziert werden, in denen eine situationsbasierte Bereitstellung von Nutzen sein könnte.

Behaviorismus. Innerhalb des Behaviorismus wird davon ausgegangen, dass Lehrende wissen, was die Lernenden zu lernen haben. Dem Lernenden muss ein Stimulus (Reiz) präsentiert werden um ein bestimmtes Verhalten (Reaktion) hervorzurufen. Zielobjekt der Betrachtungen des Behaviorismus ist der Stimulus. Die Prozesse im Gehirn werden dabei nicht betrachtet, und das Gehirn selbst wird als „black box“ aufgefasst. Man geht davon aus, dass das Lernen durch Belohnung und Bestrafung gesteuert werden kann.[13]

Der wesentliche Kritikpunkt am Behaviorismus ist die mangelnde Erklärbarkeit des menschlichen Lernprozesses durch das verfolgte Reiz-Reaktions-Schema, weil Menschen eben nicht nur passive Stimuli-Empfänger sind. Große Erfolge können allerdings im Bereich des Trainings (körperlicher) Fähigkeiten erreicht werden.[14]

Kognitivismus. Im Gegensatz zum Behaviorismus werden im Kognitivismus die inneren Lernprozesse des menschlichen Gehirns betrachtet. Es ist also keine „black box“ mehr, sondern es stehen die vorhandenen Verarbeitungsprozesse im Mittelpunkt der Betrachtung. Grundlage des Kognitivismus ist die Sichtweise, dass menschliches Denken als Informationsverarbeitung angesehen wird.[15] Dieser Schluss bietet die Verbindung zu Forschungen der Künstlichen Intelligenz, in dessen Bereich das später in dieser Arbeit betrachtete Case-Based Reasoning einzuordnen ist. Der Schwerpunkt des Kognitivismus liegt auf dem Problemlösen. Damit ist nicht mehr die einzig richtige Antwort relevant, sondern die Betrachtung verschiedener Methoden und Verfahren, die zu einer gültigen Antwort führen. Dies wird, da es zur Zeit keine andere Möglichkeit gibt, durch indirekte Evidenz erforscht. Computer sind dabei eine wesentliches Forschungsmittel, da ähnliche Schlussfolgerungen von Computerprogrammen und Menschen als Evidenz für reale psychologische Prozeduren und Repräsentationen angenommen werden.

Konstruktivismus. Im Konstruktivismus wird, im Gegensatz zum Kognitivismus, versucht die Gültigkeit einer so genannten objektiven Beschreibung oder Erklärung der Realität zu umgehen. Es gibt eine Realität, die auch objektiv wahrgenommen werden kann, allerdings wird der Mensch zwar energetisch offen aber informationell als geschlossen betrachtet.[16] Das heißt, dass der Mensch keinen Informationsaustausch mit seiner Umwelt führt, sondern die Informationen als kognitive Prozesse selbst erzeugt. Somit ist der Konstruktivismus ein lernerzentrierter Ansatz,[17] bei dem der Lehrende nur noch als Lernberater auftritt. Das Lernen selbst wird dabei als aktiver Prozess gesehen, in dem Menschen Wissen in Beziehung mit früheren Erfahrungen bringen. Im Vergleich zum Kognitivismus stehen die zu lösenden Probleme nicht fest, sondern müssen im Konstruktivismus erst generiert werden, um sie zu lösen.

Situiertes Lernen. Situiertes Lernen vereint die Theorien von Kognitivismus und Konstruktivismus. Entsprechend dem Konstruktivismus wird Lernen als aktiver Konstruktionsprozess gesehen.[18] Wissen wird also nicht einfach transportiert, sondern individuell konstruiert. Die Situation, in der der Lernprozess stattfindet, spielt, neben den Interaktionen zwischen Menschen und der Einordnung in einen bestimmten authentischen Kontext, eine zentrale Rolle. Das Gelernte steht also immer im Kontext der Lernsituation.

Als Überblick sind in Tabelle 2-1 nochmals die vier betrachteten Lerntheorien dargestellt. Ursprünglich wurde diese Übersicht (in erweiterter Form) zur Auswahl von Lernsystemen entwickelt und angelegt. Es lassen sich allerdings auch mögliche Einsatzumgebungen für eine situationsbasierte Bereitstellung und Auswahl von Lernobjekten erkennen, wenn man von einer Lernobjektnutzung in Lernsystemen ausgeht.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2-1: Überblick und Merkmale der wichtigsten Lerntheorien[19]

Zusammenfassend kann mit Blick auf die verfolgten Lernziele und Programmmerkmale gesagt werden, dass eine situationsbasierte Bereitstellung und Auswahl von Lernobjekten in den Bereichen Kognitivismus, Konstruktivismus und situiertes Lernen eingesetzt werden kann. Dafür sprechen vor allem die situationsbedingten Lernziele sowie dynamische Programmabläufe, die wechselnde Situationen erst ermöglichen. Lernsysteme, die hauptsächlich auf diesen Lerntheorien basieren, werden in Urbansky (2005), Weber (2002) sowie in den sich mit Lernplattformen beschäftigenden Büchern von Schulmeister (z.B. Schulmeister, 2001) behandelt.

Der Behaviorismus ist aufgrund des fehlenden Bezuges zu Situationen und Kontexten für eine Nutzung ungeeignet.

2.2.2 Lernprozesse

Eine weitere Einsatzmöglichkeit situationsbasierter Bereitstellung und Auswahl von Lernobjekten ist die Betrachtung von Lernprozessen, die dafür geeignet sind. Um Lernprozesse abgrenzen zu können, bietet es sich an, sie nach der Art der auslösenden Aktion bzw. des auslösenden Ereignisses zu klassifizieren. Innerhalb dieser Klassifikation unterscheidet Schmidt die 4 Lernprozessarten „kursgesteuertes“, „selbstgesteuertes“, „kontextgesteuertes“ und „ungesteuertes Lernen“.[20]

Kursgesteuertes Lernen. Kursgesteuertes Lernen ist heutzutage am weitesten verbreitet. Dabei wird das Lernen durch vorgegebene Kurse gesteuert, welche in der Regel längere zusammenhängende Lerneinheiten sind. Dies kann sich sowohl auf Präsenskurse als auch auf elektronische Kurse beziehen.[21] Damit erfolgt das Lernen in einem strukturierten Lernkontext.[22]

Selbstgesteuertes Lernen. Beim selbstgesteuerten Lernen tritt der Lernende aktiv durch Auswahl von Lerneinheiten in Aktion. Die Auswahl wird durch den Lernenden anhand seines subjektiven Wissensbedürfnisses zum Zeitpunkt der Suche nach Lerneinheiten getroffen. Der Zugang zu den Lerneinheiten kann dabei explorativ oder auch deskriptiv erfolgen. Eine explorative Methode wäre die Suche entlang von Wissensstrukturen (als Abbildung von Wissen). Deskriptive Zugänge entsprechen einem suchmaschinenartigen Vorgehen, was die Kontaktaufnahme zu eventuell hilfreichen Kollegen mit einschließt.[23]

Kontextgesteuertes Lernen. Beim kontextgesteuertem Lernen geht der Mitarbeiter eines Unternehmens seiner Arbeit nach und wird durch ein im Hintergrund laufendes System beobachtet. Dieses System ermittelt zu jedem Zeitpunkt die benötigten Wissensanforderungen und kann, sollten die Anforderungen von den Kompetenzen des Mitarbeiters abweichen, Lerneinheiten zusammenstellen und sie dem Mitarbeiter vorschlagen. Dieser entscheidet dann, ob er die Einheiten sofort oder später lernen möchte.[24] Somit stehen die ausgewählten Lerneinheiten immer in direktem Bezug zum aktuellen Arbeitsprozess.

Ungesteuertes Lernen. Ungesteuertes Lernen findet vor allem auf sozialer Ebene statt und umfasst Aktivitäten, die nicht explizit als Lernaktivitäten zu benennen sind.[25] Somit eignet es sich für den Austausch von informellen, aber nicht von explizitem Wissen. Ein Beispiel sind Mitarbeitergespräche in der Cafeteria, die zum Wissensaustausch genutzt werden.

Die Übersicht in Tabelle 2-2 soll die Klassifizierung noch einmal in kompakter Form gegenüberstellen, um die Unterschiede deutlicher zu machen.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2-2: Klassifikation von Lernprozessarten[26]

Zusammenfassend lassen sich Einsatzmöglichkeiten für eine situationsbasierte Bereitstellung von Lernobjekten in mehreren Bereichen erkennen, sofern die Wissensarbeit einer Strukturierung folgt. Da Situationen nach der Arbeitsdefinition an Bedingungen geknüpft sind, müssen diese für eine gezielte Unterstützung erfassbar sein. Durch Strukturierung wird dies ermöglicht. Besonders hervorzuheben ist der Bereich des kontextuellen Lernens, da dieses auf Basis von Kontextinformationen die Bedingungen extern bereitstellt. Das entspricht bei Betrachtung der Situationsdefinition den Voraussetzungen durch die Umwelt. Die notwendigen Wissensanforderungen müssen grob strukturiert sein.[27]

Selbstgesteuertes Lernen bietet aufgrund des Bezuges zum Lernenden ebenfalls externe Vorraussetzungen. Diese werden vom Lernenden initiiert, indem er zum Beispiel Suchbegriffe formuliert. Innerhalb des kursgesteuerten Lernens sind aufgrund des hohen Strukturierungsgrades nur interne Vorraussetzungen für Situationen möglich. Sofern die Kursstruktur statisch ist, ist eine Nutzung der Bereitstellung von Lernobjekten aus Situationen heraus nicht mehr möglich.

2.3 Lernumgebungen

Die Infrastruktur für die Nutzung von Lernobjekten bilden Lernumgebungen in ihren unterschiedlichen Erscheinungsformen wie Lernmanagementsysteme, (Learning) Content Management Systeme und Autorenwerkzeuge.[28] (Learning) Content Management Systeme dienen der Verwaltung von Inhalten, und Autorenwerkzeuge bieten Möglichkeiten der Erstellung von Lernobjekten. Da innerhalb dieser Arbeit nicht die Erstellung von Lernobjekten thematisiert werden soll, sind an dieser Stelle aus technischer Sicht die Lernmanagementsysteme, welche im Englischen entsprechend Learning Management Systems genannt werden, interessant. Lernmanagementsysteme sind dafür, wie die nachfolgende Abgrenzung zeigen wird, das grundlegende System bzw. stellen sie die technologische Infrastruktur zur Verfügung.

In der Literatur werden Lernmanagementsysteme auch als Lernplattform oder auch nur als Lernsystem bezeichnet, was als äquivalent anzusehen ist. Als Abgrenzung von LMS zu anderen Systemen, werden diese nach Schulmeister wie folgt definiert:

„Als Lernplattform oder Learning Management System (LMS) werden – im Unterschied zu bloßen Kollektionen von Lehrskripten oder Hypertext-Sammlungen auf Web-Servern – Software-Systeme bezeichnet, die über folgende Funktionen verfügen:

- Eine Benutzerverwaltung (Anmeldung mit Verschlüsselung)
- Eine Kursverwaltung (Kurse, Verwaltung der Inhalte, Dateiverwaltung)
- Eine Rollen- und Rechtevergabe mit differenzierten Rechten
- Kommunikationsmethoden (Chat, Foren) und Werkzeuge für das Lernen (Whiteboard, Notizbuch, Annotationen, Kalender usw.)
- Die Darstellung der Kursinhalte, Lernobjekte und Medien in einem netzwerkfähigen Browser.“[29]

Aus der Definition ergibt sich eine idealtypische Architektur von LMS, welche in Abbildung 2-2 dargestellt ist.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-2: Idealtypische LMS Architektur[30]

Ein LMS besteht nach der idealtypischen Architektur aus den 3 Schichten Datenbasis, Schnittstellen und Darstellung.

Die Datenbasis ist eine Datenbankschicht[31] (Repository), welche zum einen administrative und zum anderen inhaltliche Daten enthält. Es werden Benutzerdaten, Kursdaten, Lernobjekte sowie benötigte Metadaten vorgehalten. Darauf aufbauend findet sich die Schnittstellenschicht, welche aus internen und externen Schnittstellendefinitionen besteht. Interne Schnittstellenfunktionen dienen zur Nutzung der Daten aus der Datenbankschicht innerhalb der Darstellungsschicht des LMS. Externe Schnittstellenfunktionen werden in Form von API’s bereitgestellt und sind Schnittstellen zu anderen Systemen.

Die oberste Schicht ist die Darstellungsschicht mit den Systembestandteilen für die verschiedenen Benutzer, wie z.B. Administratoren, Dozenten und Lernende.

2.4 Modell des kontextgesteuerten Lernens

In den vorangegangenen Kapiteln wurde unter anderem festgestellt, dass sich kontextuelles Lernen besonders für eine situationsbasierte Bereitstellung eignet. Deshalb soll dieser Fall besonders betrachtet werden und als mögliches praktisches Einsatzszenario für diese Arbeit dienen.

Kontextgesteuertes Lernen positioniert sich bewusst zwischen den Extremen Kurssteuerung und Selbststeuerung, indem es die Entscheidungsgewalt über Lernaktivitäten beim Lernenden lässt, diesen allerdings durch Systemangebote unterstützt. Den Gesamtprozess haben Braun und Schmidt in einem „Modell für das kontextgesteuerte Lernen“[32] zusammengefasst.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-3: Modell für das kontextgesteuerte Lernen[33]

Abbildung 2-3 zeigt das Modell im Gesamtüberblick. Die Grundidee ist, dass der Mitarbeiter seiner gewohnten Arbeit nachgeht. Das System verfolgt seine Aktionen und empfiehlt auf Basis von Veränderungen und Wissenslücken des Mitarbeiters Lernmöglichkeiten. Der Mitarbeiter entscheidet dann, ob er die Empfehlung annimmt, verschiebt oder ignoriert.

Wird die Empfehlung angenommen, können zwei Fälle auftreten. Liegt konsolidiertes Wissen in Form von Lernobjekten vor, dann kann dieses innerhalb einer Lernumgebung durchgearbeitet werden. Fehlt die pädagogische Aufbereitung oder ist allgemein nur eine informelle Wissensvermittlung möglich, werden „informelle Lehrer“ empfohlen. Um den Lernprozess innerhalb des Modells abzuschließen, können nach der Bearbeitung die Erfolge bei Bedarf zum Einen getestet werden (Erfolgskontrolle) und zum Anderen dokumentiert werden.

Dieses Modell zeigt sehr anschaulich den praktischen Bezug der situationsbasierten Bereitstellung von Lernobjekten und soll dem Verständnis der Arbeit dienen.[34] Die Situation wird durch die erkannte Wissenslücke festgelegt und bietet die notwendigen Parameter für die Bereitstellung. An dieser Stelle wird deutlich, dass der Kernpunkt einer Bereitstellung von Lernobjekten die Auswahl der Selbigen ist. Dies ist in weiteren Betrachtungen besonders zu beachten.

2.5 Resümee

Die vorangegangenen Unterkapitel und im Besonderen das „Modell für das kontextgesteuerte Lernen“ ergeben drei mögliche Bereiche, die eine situationsbasierte Bereitstellung von Lernobjekten tangieren und in Abbildung 2-4 dargestellt sind.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-4: Bereiche der situationsbasierten Lernobjektbereitstellung[35]

Der erste Bereich ist die Analyse und Definition von Situationen indem Situationsparameter erfasst werden. Dies können beispielsweise Wissenslücken des Lerners sein, welche über Kompetenzen erfasst werden können. Ein einfacher Vergleich vorhandener und fehlender Kompetenzen ist die Wissenslücke und stellt die Situation für die Auswahl von Lernobjekten dar. Situationsparameter können aber auch durchaus Relationen zwischen Lernobjekten sein, indem Lernobjekte andere voraussetzen, weil sie auf ihnen aufbauen. Wird ein solches Lernobjekt ausgewählt, bildet es durch seine Relationen die Situation, die bei einer Zusammenstellung mehrerer Lernobjekte zu einem Kurs zu beachten ist.

Der zweite Bereich ist die eigentliche Auswahl von Lernobjekten und die sachlich korrekte Zusammenstellung zu individuellen Lerneinheiten zur Schließung der identifizierten fehlenden Kompetenzen. Unter Lerneinheiten sollen in diesem Zusammenhang Kurse und Kurseinheiten verstanden werden. Dies stellt den Fall der Relationsabhängigkeiten zwischen Lernobjekten dar.

Am Ende kann eine Bewertung der erstellten Lerneinheiten erfolgen, was vor allem innerhalb späterer Bereitstellungsverfahren oder der Veränderung der Situation selbst genutzt werden kann. Letzteres entspricht dem Fall, dass der Lernende jetzt mehr Kompetenzen besitzt und somit die Ausgangssituation bei erneutem Bedarf eine andere ist. Ebenso ist eine Dokumentation von erfolgreichen Kombinationen aus Situation und Lerneinheiten bei späteren Bereitstellungsverfahren durchaus nützlich. So kann beispielsweise eine erfolgreiche Lösung bei späteren gleichen Situationen wieder verwendet werden. Gegenteilig können aber auch nicht erfolgreiche Kombinationen später vermieden werden.

Um die drei Bereiche zu analysieren, sind im weiteren Verlauf als erstes die Lernobjekte zu definieren. Anschließend sollen Ansatzpunkte an diesen Lernobjekten identifiziert werden, an denen eine Auswahl vorrangig erfolgen kann. Im Mittelpunkt stehen dabei Metadaten sowie Aggregation und Sequenzierung von Lernobjekten.

Nach grundlegenden Einführungen von Case Base Reasoning und Semantic Web Technologien werden Einsatzmöglichkeiten für eine situationsbasierte Lernobjektauswahl identifiziert und mögliche Verwendungen anhand von praktischen und theoretischen Beispielen innerhalb der beiden Bereiche aufgezeigt.

3 Theorien und Methoden

Abbildung 3-1 gibt eine Übersicht über die sachliche Struktur von Kapitel 3.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3-1: Struktur von Kapitel 3[36]

In diesem Kapitel soll dargelegt werden, wie Lernobjekte als grundlegendes Konzept für E-Learning-Inhalte definiert sind. Im Anschluss daran werden Metadatenstandards, Aggregation und Sequenzierungen betrachtet, um den Stand der Technik bei der Lernobjektbereitstellung zu reflektieren sowie Stärken und Schwächen aufzuzeigen.

3.1 Einführung und Definitionen von Lernobjekten

E-Learning Inhalte müssen für eine Verarbeitung und Anwendung in einer geeigneten Form vorliegen. Als geeignete Form findet man in der Literatur den Begriff Lernobjekt (engl. Learning Object).

In der Literatur ist keine eindeutige Definition von Lernobjekten zu finden, sondern eine Reihe von Definitionen und Theorien, die sich mit dem Thema beschäftigen. Als allgemein bekannt und akzeptiert[37] gelten, neben grundlegenden Definitionen, wie

- “For this Standard, a learning object is defined as any entity, digital or non-digital, that may be used for learning, education, or training.“[38]
- „A Learning Object is an independent and self-standing unit of learning content that is predisposed to reuse in multiple instructional contexts.”[39]

die Ansätze und Definitionen von Cisco Systems, Hodgins, Wiley und Downes.

Definition nach Cisco Systems. Das Unternehmen Cisco Systems definiert in seinem Strategie-Paper[40] eine auf Reusable Information Objects (RIO) basierende Definition von Lernobjekten. Danach ist ein RIO eine wieder verwendbare granulare Informationseinheit, welche medienunabhängig ist. Ein RIO kann aufgrund dieser Medienunabhängigkeit in verschiedenen Kontexten eingesetzt werden. Eine Kombination mit anderen RIO’s ist möglich, und die sich dadurch bildenden höheren Granularitäten werden bei Cisco als Reusable Learning Objects (RLO) bezeichnet und stellen die Lernobjekte dar. Dieses RLO Model beinhaltet nach Cisco Systems, dass ein RLO aus 7 plus-minus 2 RIO’s besteht und um eine Zusammenfassung, eine Übersicht und Einschätzungen ergänzt wird.

Definition nach Hodgins. Hodgins verfolgt in seinem White-Paper[41] den Ansatz, Wissen in kleine und wieder verwendbare Informationseinheiten zu splitten. Dabei führt er die Lego-Metapher ein, nach der diese Informationseinheiten sich wie Legosteine verhalten können, indem man sie je nach Kontext wieder zu größeren Einheiten kombinieren kann. Diese Kombinationen bilden nach Hodgins die Lernobjekte. Als Anwendungsbeispiel führt er das RLO-Model von Cisco an, dem seine Methaper folgt, in dem die dort verwendeten RIO’s als Lego-Bausteine agieren und in einem gewissen Kontext zu RLO’s zusammengestellt werden. Zur automatischen Kombination können Metadaten eingesetzt werden, was im weiteren Verlauf dieser Arbeit noch in einigen Punkten angesprochen werden wird.

Definition nach Wiley. Wiley ist der Ansicht, dass das Internet auch zu einem Paradigmenwechsel im Bereich Lernen führen wird. Er sieht Lernobjekte als führende Technik, da sie wieder verwendbar, anpassbar und skalierbar sind. Seine Definition „…a learning object as any digital resource that can be reused to support learning.”[42] basiert auf der Definition des IEEE LOM Standards, bei dem er allerdings das „non-digital“ kritisiert, da es sich nicht mit seiner Ansicht über die Anforderungen des Internets deckt. Des Weiteren lehnt er die Lego-Metapher von Hodgins ab, da diese, seiner Meinung nach, zu falschen Assoziationen führen kann. So können Legobausteine beliebig kombiniert werden, was mit Lernobjekten nicht möglich ist, da nicht jede Kombination pädagogisch und didaktisch sinnvoll ist. Wiley bevorzugt die Nutzung der Atom-Metapher, nach der Atome nur in bestimmten Kombinationen zusammengesetzt werden können, was seiner Vorstellung von Lernobjekten genauer entspricht.

Definition nach Downes. Downes beschreibt[43] das Thema Lernobjekte, unter dem Aspekt der Notwendigkeit Kosten einzusparen, aus funktioneller Sicht. Ziel seiner Herangehensweise ist es nicht zu definieren was Lernobjekte sind, sondern die zu lösenden Probleme zu betrachten. Im Mittelpunkt steht dabei die einmalige Entwicklung von Lernmaterialien. Auch wenn Downes weder die Lego- noch die Atom-Metapher als vielversprechend ansieht, verfolgt auch er die Ansicht, dass kleine digitale Module zu höheren Strukturen zusammengesetzt werden können. Seine funktionale Definition lautet „In conclusion, learning objects are digital materials used to create online courses where these materials are sharable, modular, interoperable and discoverable.”[44]

Zusammenfassend lässt sich die Wiederverwendung als wichtigste Eigenschaft von Lernobjekten identifizieren, was sich in vielen Definitionen widerspiegelt. Anatomisch bestehen Lernobjekte aus einzelnen kleinen Informationseinheiten, die teilweise ebenfalls als Objekte bezeichnet werden.

Man darf trotz der Objektbezeichnungen allerdings nicht der in der Literatur oftmals falschen Annahme verfallen, dass Lernobjekte in Zusammenhang mit der aus der Software-Technik bekannten Objektorientierung stehen. Lernobjekte kapseln weder Methoden noch Klassen, so dass diese Herangehensweise falsch ist. Sofern man sie mit der Software-Technik in Verbindung bringen möchte, entsprechen sie eher dem Paradigma von Modulen.[45] Lernobjekte sind demnach Container, die verschiedene Inhalte in Form kleiner Informationseinheiten enthalten.

Für diese Arbeit soll eine Kombination der Definitionen von IEEE und Cisco Systems bzw. Wiley gelten. Unter einem Lernobjekt soll jede digitale Einheit für Lern- und Trainingszwecke verstanden werden. Damit wird die vom IEEE definierte Vorgehensweise übernommen, dass alle Einheiten umfasst werden. Allerdings soll aufgrund der technischen Orientierung der Arbeit die von Cisco Systems und auch Wiley vorgeschlagene Einschränkung auf digitale Einheiten gelten.

3.2 Metadatenstandards

Es gibt Bemühungen auf dem Gebiet der Lernsysteme und somit auch im Bereich der Lernobjekte Metadaten zu entwickeln, um die Suche und den Informationsaustausch über verschiedene Systeme hinweg zu vereinheitlichen und die Evaluation zu fördern.[46] Das Ziel aller Metadaten-Entwicklungen ist die Indizierung und Katalogisierung zur Unterstützung von Suchvorgängen.[47]

Innerhalb dieser Arbeit werden Metadatenstandards von drei Seiten her betrachtet. Dies sind die Bereiche der Analyse und Definition von Situationsparametern, der Auswahl und Kombination von Lernobjekten sowie der Bewertung und Dokumentation der Ergebnisse.[48]

Erstens ist das Ziel der Analyse und Definition von Situationsparametern die Betrachtung, welche Standards mögliche Situationsparameter bieten bzw. den Kontext der Suche beeinflussen. So wird davon ausgegangen, dass zum Beispiel Daten über den Lerner selbst durchaus hilfreich bei einer Lernobjektauswahl sind, indem sie die Situation bzw. den Kontext mitbestimmen. Inwiefern dies zutrifft und welche Standards einen Kontext noch bestimmen können, wird der erste Gegenstand der nachfolgenden Betrachtungen sein.

Zweitens ist bei einer Auswahl von Lernobjekten das Hauptziel natürlich die Suche nach den Lernobjekten selbst. Soll diese Suche automatisiert werden, ist sie ohne Metadaten aus verschiedenen Gründen (fast) unmöglich. Ein Grund ist die Tatsache, dass die Anzahl und der Umfang von existierenden Lernobjekten immer größer werden und somit eine Untersuchung der Lernobjekte selbst nicht in Frage kommt. Unterstützt wird diese Aussage neben den ineffizienten Unzulänglichkeiten auch durch die Nutzung von unveränderbaren Dateiformaten wie PDF oder Macromedia Flash, welche im E-Learning sehr verbreitet sind.[49] Zur Erschließung des Inhaltes müssten die entsprechenden Programme beispielsweise in Form von PlugIns vorhanden sein.

Als dritte Zielbetrachtung erfolgt die Einschätzung, welche Standards für die Dokumentation von Auswahlprozessen hilfreich sein könnten.

Metadaten. Im Allgemeinen werden Metadaten mit der Aussage „Metadaten sind Daten über Daten.“ definiert, was bei genauerer Betrachtung eher zu Problemen als zu begrifflicher Abgrenzung führen kann.

Das Hauptproblem dieser Definition ist die fehlende Abgrenzung zwischen Daten und Metadaten. Wie kann man also Metadaten von anderen Daten unterscheiden? Grundlegend beziehen sich Metadaten genau wie andere Metabegriffe immer auf einen Betrachtungsgegenstand, über den Aussagen getroffen werden.[50] Der Betrachtungsgegenstand sind bei Metadaten also Daten in den verschiedenen vorliegenden Formen. Innerhalb dieser Arbeit sind damit Lernobjekte gemeint.

Im Zusammenhang mit Lernobjekten sind von verschiedenen Institutionen[51] eine Vielzahl von Metastandardisierungen erarbeitet worden. Nachfolgend soll eine Auswahl wichtiger Standards betrachtet werden. Die Strukturierung erfolgt dabei nach den Aktivitäten des IEEE LTSC als wichtigstes Gremium[52] und in Anlehnung an Pawlowski, der die Standards aus Sicht der Verwendbarkeit im Essener-Lern-Model betrachtet.[53] Aktivitäten anderer Initiativen, wie Dublin Core oder des IMS-Projektes, das in Zusammenarbeit mit dem IEEE LTSC ebenfalls Spezifikationen entwickelt, werden in diese Struktur eingebunden. Die Wichtigkeit ergibt sich dabei aus der praktischen Einsetzbarkeit in andere Systeme sowie der Grundlage für andere Standards und Spezifikationen. Aus beidem kann eine weitere Verbreitung und Anwendung geschlossen werden. Nach kurzen Erläuterungen soll vor allem die generelle Verwendbarkeit für eine situationsbasierte Bereitstellung der einzelnen Bereiche betrachtet und abgeschätzt werden.

3.2.1 Generelle Standards

In diesem Bereich werden eine Systemarchitektur für Lerntechnologien (LTSA) und ein Glossar für einheitliche Terminologien entwickelt.[54] Beides sind grundlegende Entwicklungen zur generellen Unterstützung und sollen deshalb hier nicht weiter betrachtet werden.[55]

3.2.2 Metadaten

Dublin Core. Dublin Core ist eine Sammlung von Metadaten-Spezifikationen, die das Ziel verfolgt, das Wiederauffinden von Ressourcen zu erleichtern. Dabei ist das Dublin Core aufgrund seiner Allgemeinheit interdisziplinär und findet in verschiedenen Fachrichtungen Anwendung. Als besondere Eigenschaften führen die Autoren Einfachheit, Austauschbarkeit zwischen den Disziplinen, internationaler Konsensus, Erweiterbarkeit und Architektur-Kompatibilität mit Plänen des World Wide Web Consortiums (W3C) an. Definiert werden zur Zeit 15 Elemente zur Beschreibung von Merkmalen, Inhalt, Hersteller, Identifizierung, Relationen, technischen und rechtlichen Angaben und weiteres in Bezug auf die Ressourcen.[56]

Interessant ist neben den allgemeinen Merkmalen, vor allem die Kategorie „Identifier“, die eine eindeutige Identifizierung für einen gegeben Kontext beinhaltet.[57] Allerdings wird der Kontext nicht weiter spezifiziert und ist somit nicht generell auswertbar.

Ariadne. Als Projekt der Europäischen Kommission wurden 1998 Empfehlungen für „Educational Metadata“ verabschiedet und der LOM-Arbeitsgruppe der IEEE Organisation vorgelegt. Inhaltlich werden sechs obligatorische und eine optionale Kategorie spezifiziert. Die Kategorien enthalten generelle Informationen, Nutzungsbedingungen, Meta-Metadaten sowie semantische, pädagogische und technische Angaben.[58]

Als Kritikpunkt an Adriane führt Schulmeister (2001) den Umstand auf, dass bei der Definition der Metadaten einige in Form von Deskriptoren[59] über Quasi-Skalen angegeben werden. Diese formalen Skalierungen sind nicht sehr hilfreich bei der Beschreibung der wirklichen Verhältnisse, da beachtet werden muss, ob die Deskriptoren nur in einem bestimmten Kontext gelten. So muss betrachtet werden, für wen sie hilfreich sind, ob ihre Information selbst hilfreich ist oder ob auch alle möglichen Erscheinungen in den Listen abgebildet sind.

[...]


[1] eigene Darstellung

[2] eigene Darstellung

[3] Besch (1982), S. 563

[4] Esser (2004), S. 113

[5] Fuchs-Heinritz et al. (1994), S. 127

[6] Fuchs-Heinritz et al. (1994), S. 127

[7] Klimsa et al. (2002), S. 140 und Weber (2002), S. 12

[8] Härle (2000), S. 176ff

[9] Pinkal (1985), S. 56

[10] Klimsa et al. (2002), S. 139/140

[11] Pawlowski (2001), S. 5

[12] Baumgartner (2003), S. 3

[13] Werner (2002), S. 6

[14] Baumgartner (2003), S. 3

[15] Baumgartner (2003), S. 3

[16] Baumgartner (2003), S. 4

[17] Urbansky (2005), S. 23

[18] Klimsa et al. (2002), S. 140

[19] in Anlehnung an Weber (2002), S. 12/13 und Urbansky (2005), S. 25, eigene Erweiterung um situiertes Lernen

[20] Schmidt (2004a), S. 260

[21] Schmidt (2004a), S. 260

[22] Niemeyer (2005), S. 124

[23] Schmidt (2004a), S. 260

[24] Schmidt (2004a), S. 260

[25] Niemeyer (2005), S. 124

[26] eigene Darstellung

[27] Schmidt (2004a), S. 261

[28] Betrachtungen finden sich aus inhaltlicher Sicht bei Haefele et al. (2002) und aus Definitionssicht in DiStefano et al. (2004).

[29] Schulmeister (2003), S. 10

[30] nach Schulmeister (2003), S. 11

[31] Schulmeister (2003), S. 10

[32] Schmidt et al. (2006)

[33] nach Schmidt et al. (2006), S. 4

[34] Ähnliche Ansätze werden beispielsweise auch von EPOS, zu finden unter http://www3.dfki.uni-kl.de/epos/ (letzter Zugriff: 01.11.2006), und dem Semantic Web Desktop, zu finden unter http://www.semanticdesktop.org (letzter Zugriff: 01.11.2006), verfolgt.

[35] Eigene Darstellung in Anlehnung an die kontextbewusste Zusammenstellung von Lernprogrammen bei Schmidt et al. (2006), S. 5.

[36] eigene Darstellung

[37] Bungenstock et al. (2004), S. 152

[38] IEEE (2002), S. 6

[39] Polsani (2003)

[40] Cisco Systems (1999), S. 4

[41] Hodgins (2000), S. 27ff

[42] Wiley (2000), Kapitel 1.1: Connecting learning objects to instructional design theory: A definition, a metaphor, and a taxonomy, S. 7

[43] Downes (2002)

[44] Downes (2002), S. 13

[45] Bungenstock (2006), S. 18

[46] in Anlehnung an Schulmeister (2001), S. 146

[47] Schulmeister (2001), S. 146

[48] In Kapitel 2.5 wurden die angegebenen Betrachtungsziele eingeführt.

[49] Pankratius et al. (2005),Kapitel 3.1

[50] Auth (2004), S. 27ff

[51] Heafele et al. (2002), S. 6ff und Niegemann et al. (2004), S.270ff geben eine Übersicht und Strukturierung der wichtigsten Institutionen und deren Beziehungen untereinander.

[52] Die Wichtigkeit des Gremiums wird aus der Tatsache geschlossen, dass nur das IEEE LTSC Empfehlungen für Standards herausgeben kann. (Niegemann (2004), S. 271)

[53] Pawlowski (2001), Kapitel 2 und Pawlowski et al. (2001)

[54] Pawlowski et al. (2001), S. 62; Das Glossar für Softwareentwicklung findet sich beispielsweise unter http://www.swen.uwaterloo.ca/~bpekilis/public/SoftwareEngGlossary.pdf (letzter Zugriff: 01.11.2006)

[55] Farance et al. (2001).

[56] Eine komplette Kategorienübersicht und die zugehörigen Beschreibungen sind unter http://dublincore.org/ (letzter Zugriff: 01.11.2006) zu finden.

[57] Die genaue Definition der Kategorie ist unter http://dublincore.org/documents/dcmi-terms/ (letzter Zugriff: 01.11.2006) nachschlagbar.

[58] Schulmeister (2001), S. 148 gibt eine Übersicht zu den einzelnen Kategorien.

[59] Als Deskriptor oder Schlagwort bezeichnet man in diesem Zusammenhang vorgegebene Begriffe, die zur Beschreibung einer Ressource ausgewählt werden können.

Details

Seiten
101
Erscheinungsform
Originalausgabe
Jahr
2006
ISBN (eBook)
9783836633260
Dateigröße
1 MB
Sprache
Deutsch
Katalognummer
v227067
Institution / Hochschule
Martin-Luther-Universität Halle-Wittenberg – Wirtschaftswissenschaftliche Fakultät, Wirtschaftsinformatik
Note
2,8
Schlagworte
e-learning lernobjekt fallbasiertes schließen semantic technologie metadatenstandard

Autor

Zurück

Titel: Situationsbasierte Bereitstellung von Lernobjekten mit Hilfe von Case Based Reasoning und Semantic Web Technologien