[論文レビュー] Annotations, Collaborative Tagging, and Searching Mathematics in E-Learning

Iyad Abu Doush, Faisal Alkhateeb+3 more|arXiv (Cornell University)|Nov 8, 2012

Mathematics, Computing, and Information Processing参考文献 16被引用数 8

ひとこと要約

本論文は、MathMLとRDFaの注釈、および共同タグ付けを統合した意味的eラーニングフレームワークを提案する。Moodleに意味的メタデータとオントロジー基盤の分類を埋め込むことで、システムはSPARQLベースの照会を可能にし、数学教育における検索の正確性と適応性を向上させる。

ABSTRACT

Abstract—This paper presents a new framework for adding semantics into e-learning system. The proposed approach relies on two principles. The first principle is the automatic addition of semantic information when creating the mathematical contents. The second principle is the collaborative tagging and annotation of the e-learning contents and the use of an ontology to categorize the e-learning contents. The proposed system encodes the mathematical contents using presentation MathML with RDFa annotations. The system allows students to highlight and annotate specific parts of the e-learning contents. The objective is to add meaning into the e-learning contents, to add relationships between contents, and to create a framework to facilitate searching the contents. This semantic information can be used to answer semantic queries (e.g., SPARQL) to retrieve information request of a user. This work is implemented as an embedded code into Moodle e-learning system. Keywords- Semantic Web; MathML; Adaptive e-learning; Folksonomies; Collaborative tagging.

研究の動機と目的

• eラーニングシステムにおける意味的拡張の欠如、特に数学的コンテンツに関して、これを解決すること。
• 意味的関係を通じて数学的概念をリンクさせることで、コンテンツの検索可能性を向上させること。
• ユーザーの照会に基づく教育的リソースの知能的取得を可能にすることで、適応学習を支援すること。
• スケーラブルなコンテンツ分類を実現するため、共同タグ付け（フォルソノミー）を形式的オントロジーと統合すること。
• Moodle eラーニングプラットフォームに意味的機能を統合し、数学的コンテンツ向けに拡張すること。

提案手法

• 意味的メタデータを表現するために、埋め込みRDFa注釈を備えた提示用MathMLを用いて数学的コンテンツを符号化すること。
• 学生が特定の数学的式を強調して注釈を付けることができる、共同タグ付けシステムを実装すること。
• ユーザーが生成したタグを形式的オントロジーにマッピングすることで、意味的一致性と相互運用性を確保すること。
• 意味的メタデータを知識ベースに格納し、高度なコンテンツ検索を可能にするSPARQL照会を支援すること。
• 実世界での導入を想定し、Moodle eラーニングプラットフォーム内に意味的レイヤーをプラグインとして統合すること。
• オントロジー的関係を用いて、数学的トピックとリソース間の概念的リンクをモデル化すること。

実験結果

リサーチクエスチョン

• RQ1 eラーニングシステムにおける数学的コンテンツは、どのように意味的に拡張され、検索と取得を改善できるか？
• RQ2 共同タグ付けは、数学的eラーニング資料の整理と検索可能性をどの程度向上できるか？
• RQ3 RDFaおよびMathMLによる意味的注釈は、数学的概念間の意味的な関係をどのように支援できるか？
• RQ4 フォルソノミーと形式的オントロジーを組み合わせることで、教育的文脈におけるコンテンツ分類にどのような影響を与えるか？
• RQ5 SPARQLベースの照会は、注釈付きeラーニングリソースから文脈的に関連する数学的コンテンツを効果的に取得できるか？

主な発見

• RDFaで注釈されたMathMLの統合により、eラーニングにおける数学的コンテンツの機械処理可能な意味的記述が可能になった。
• オントロジーへのマッピングを伴う共同タグ付けは、コンテンツの整理を向上させ、スケーラブルでユーザー主導の分類を可能にした。
• 意味的メタデータにより、概念的関係に基づいた数学的に関連するコンテンツを表現的に照会できるSPARQL照会が可能になった。
• 本システムは、Moodleに意味的機能を効果的に統合し、適応的かつ文脈に応じたコンテンツ検索を可能にした。
• 本フレームワークは、ユーザーが生成したタグと形式的オントロジー構造の両方を用いて数学的概念をリンクする可能性を実証した。