E-Learning gewinnt in der universitären Ausbildung sowie in der außeruniversitären Aus- und Weiterbildung zunehmend an Bedeutung und hat sich als Lehr- und Lernform fest etabliert. Die Vorteile liegen vor allem in der Selbstbestimmung von Lernort, Lernzeit und Lerntempo. Für die Verwaltung und den Austausch digitaler Lernmaterialien, so genannter Lernobjekte (LO), sind aussagekräftige Metadaten erforderlich. Für viele Autoren von LO gestaltet sich die Metadatengenerierung jedoch als zu schwierig und zeitaufwändig. Darüber hinaus profitieren Autoren nur in geringem Maß von der Beschreibung ihrer LO durch Metadaten und sind daher häufig nicht bereit den zusätzlichen Aufwand zu erbringen. Der Einsatz professioneller Metadatenautoren zur Generierung von Metadaten für LO ist hingegen sehr kostenintensiv. Vor dem geschilderten Hintergrund wird in dieser Arbeit die automatische Metadatengenerierung als Alternative zur manuellen Metadatengenerierung betrachtet. Dazu werden zunächst fundamentale Begriffe wie Lernobjekt, Metadaten und Metadatengenerierung erläutert, technische Systeme im E-Learning voneinander abgegrenzt sowie die zur Beschreibung von Lernobjekten relevanten Datenelemente vorgestellt. Darüber hinaus werden ausgewählte Informationsquellen der automatischen Metadatengenerierung vorgestellt. Anschließend werden die in der Literatur anzufindenden ressourcenbasierten und kontextbasierten Methoden und Ansätze der automatischen Metadatengenerierung beschrieben und diskutiert und deren Eignung für die Generierung der Metadatentypen des LOM-Standards verifiziert. Durch einen experimentellen Werkzeugvergleich wird ferner die praktische Anwendbarkeit der Methoden stellvertretend am Beispiel ausgewählter Keyphrase-Extraction-Tools analysiert.
Inhaltsverzeichnis
Anhangsverzeichnis
Abbildungsverzeichnis
Tabellenverzeichnis
Abkürzungsverzeichnis
2 Grundlagen und Definitionen
2.1 E-Learning
2.2 Lernobjekte
2.2.1 Allgemeines
2.2.2 Aufbau von Lernobjekten
2.2.3 Lebenszyklus von Lernobjekten
2.3 Überblick und Abgrenzung technischer Systeme im E-Learning
2.3.1 Autorenwerkzeuge
2.3.2 Learning-Management-Systeme
2.3.3 Content-Management-Systeme
2.3.4 Learning-Content-Management-Systeme
2.4 Metadaten
2.4.1 Allgemeines
2.4.2 Charakteristiken von Metadaten
2.5 Metadatengenerierung
2.5.1 Allgemeines
2.5.2 Manuelle Metadatengenerierung
2.5.3 Automatische Metadatengenerierung
2.6 Zusammenfassung
3 Metadaten zur Beschreibung von Lernobjekten
3.1 Metadatenstandards und -spezifikationen für Lernobjekte
3.2 Kategorien und Datenelemente des LOM-Standards
3.2.1 General
3.2.2 Life Cycle
3.2.3 Meta-Metadata
3.2.4 Technical
3.2.5 Educational
3.2.6 Rights
3.2.7 Relation
3.2.8 Annotation
3.2.9 Classification
3.3 Charakteristiken des LOM-Standards
3.4 Application Profiles
3.5 Anforderungen an Metadaten für Lernobjekte
3.6 Zusammenfassung
4 Quellen der automatischen Metadatengenerierung für Lernobjekte
4.1 Das Lernobjekt selbst
4.1.1 Inhalt des Lernobjekts
4.1.2 Interne Metadaten des Lernobjekts
4.1.3 Struktur des Lernobjekts
4.2 Der Kontext des Lernobjekts
4.2.1 Administration des LCMSs
4.2.2 Nutzerprofile
4.2.3 Feedback der Nutzer
4.2.4 Logdateien
4.2.5 Metadaten anderer Lernobjekte
4.2.6 Externe Quellen
4.3 Zusammenfassung
5 Ressourcenbasierte Methoden der automatischen Metadatengenerierung
5.1 Metadata-Harvesting
5.1.1 Allgemeines
5.1.2 Metadaten durch Metadata-Harvesting
5.1.3 Einschränkungen und Probleme
5.2 Metadata-Extraction
5.2.1 Allgemeines
5.2.2 Metadaten durch Metadata-Extraction
5.2.3 Einschränkungen und Probleme
5.3 Classification
5.3.1 Allgemeines
5.3.2 Metadaten durch Classification
5.3.3 Einschränkungen und Probleme
5.4 Metadata-Propagation
5.4.1 Allgemeines
5.4.2 Metadaten durch Metadata-Propagation
5.4.3 Einschränkungen und Probleme
5.5 Zusammenfassung
6 Kontextbasierte Methoden der automatischen Metadatengenerierung
6.1 Auslesen interner Informationsquellen
6.1.1 Allgemeines
6.1.2 Metadaten durch Auslesen interner Informationsquellen
6.1.3 Einschränkungen und Probleme
6.2 Auslesen externer Informationsquellen
6.2.1 Allgemeines
6.2.2 Metadaten durch Auslesen externer Quellen
6.2.3 Einschränkungen und Probleme
6.3 Verwendung von Templates und Regeln
6.3.1 Allgemeines
6.3.2 Metadaten durch die Verwendung von Templates und Regeln
6.3.3 Einschränkungen und Probleme
6.4 Zusammenfassung
7 Konfliktbewältigung
7.1 Konflikte zwischen verschiedenen Methoden
7.2 Experimenteller Vergleich von Keyphrase-Extraction-Tools
7.2.1 Testkandidaten
7.2.2 Methodenbeschreibung
7.2.3 Ergebnisse
7.2.4 Analyse und Schlussfolgerung
7.3 Strategien zur Konfliktbewältigung
7.4 Zusammenfassung
8 Schlussbetrachtung
Literaturverzeichnis
Anhang
Anhangsverzeichnis
Anhang A. Beispiel eines ausgefüllten LOM-Datensatzes in XML IX
Anhang B. Abdeckung der LOM-Elemente durch Methoden der automatischen Metadatengenerierung
Anhang C. Dem Werkzeugvergleich zugrundeliegende Paper
Anhang D. Fragebogen und Ergebnisse der Datenerhebung (Extractor)
Anhang E. Fragebogen und Ergebnisse der Datenerhebung (KEA)
Anhang F. Fragebogen und Ergebnisse der Datenerhebung (PhraseRate)
Anhang G. Fragebogen und Ergebnisse der Datenerhebung (SAmgI)
Abbildungsverzeichnis
Abbildung 1: Aggregationsebenen für Lernobjekte
Abbildung 2: Darstellung der Zusammenhänge zwischen LCMS, LO und Lernobjektlebenszyklus
Abbildung 3: Datenelemente des LOM-Standards
Abbildung 4: Interne Metadaten einer PDF-Datei
Abbildung 5: Quellen eines LCMSs für die automatische Metadatengenerierung für LO
Tabellenverzeichnis
Tabelle 1: Abdeckung von LOM-Elementen durch interne Metadaten der Formate HTML, MS Word und PDF
Tabelle 2: Gegenüberstellung genreabhängiger Ansätze aus dem Bereich Metadata-Extraction
Tabelle 3: Nicht ableitbare Metadaten
Tabelle 4: Zu akkumulierende Metadaten
Tabelle 5: Zu addierende Metadaten
Tabelle 6: Zu vererbende Metadaten
Tabelle 7: Spezielle Beziehungen
Tabelle 8: Abdeckung von LOM-Elementen durch interne Informationsquellen eines LCMSs
Tabelle 9: Der Auswertung zugrundeliegende Gewichtung der Kategorien
Tabelle 10: Rangfolge der Tools und durchschnittliche Bewertungen aller Stichwörter
Tabelle 11: Rangfolgen der Tools und durchschnittliche Bewertung der Stichwörter für jedes Paper
Tabelle 12: Häufigkeit der Platzierungen jedes Tools
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1 Einleitung
E-Learning gewinnt in der universitären Ausbildung sowie in der außeruniversitären Aus- und Weiterbildung zunehmend an Bedeutung (vgl. Hörmann, 2006, S.3) und hat sich als Lehr- und Lernform fest etabliert (vgl. Niegemann et al., 2004, S.17). Die Vorteile liegen vor allem in der Selbstbestimmung von Lernort, Lernzeit und Lerntempo. Darüber hinaus lässt sich durch die Integration multimedialer Elemente die Interaktivität zwischen Lerner und Lernmedium erhöhen. Die Erstellung hochwertiger digitaler Lernmaterialien ist jedoch mit hohen Kosten verbunden. Aus diesem Grund wird eine Wiederverwendung bestehender Lernmaterialien angestrebt (vgl. Hörmann, 2006, S.3).
Das Prinzip der Wiederverwendung findet sich im Konzept der Lernobjekte (LO) wieder (vgl. Knolmayer, 2004, S.222). Dabei handelt es sich um digitale Lernmaterialien, welche einmal erstellt und anschließend in verschiedenen Kontexten wieder verwendet werden können (vgl. Polsani, 2003, S.1). Die Verwaltung und Bereitstellung der LO erfolgt unter anderem durch Lernplattformen wie Learning Content Management Systeme (LCMS) oder Learning Management Systeme (LMS), wobei mittelgroße LMS gewöhnlich Zehntausende LO beinhalten. Für den Austausch von LO zwischen verschiedenen Systemen und das Wiederfinden von LO innerhalb großer Datenbestände sind Metadaten erforderlich (vgl. Ochoa et al., 2005, S.1).
Die Metadaten eines LOs beschreiben normalerweise seine Beziehungen zu anderen LO, seinen Inhalt, seinen Lebenszyklus, seine technischen Eigenschaften und seine mögliche Verwendung (vgl. Motelet et al., 2006, S.3). Metadaten können die Suche und das Wiederfinden von LO innerhalb eines technischen Systems signifikant verbessern, indem sie dabei helfen, relevante von irrelevanten LO zu unterscheiden (vgl. Greenberg et al., 2006, S.3). Dennoch sind technische Systeme, welche intensiven Gebrauch von Metadaten machen, nicht weit verbreitet. Eines der hauptsächlichen Hindernisse stellt dabei der hohe Zeit- und Arbeitsaufwand dar, welcher zur Erstellung der Metadaten erforderlich ist. Zur vollständigen Beschreibung aller Komponenten eines dreistündigen Kurses kann es beispielsweise notwendig sein, zwischen 1.000 und 5.000 separate Metadatenwerte festzulegen (vgl. Hatala/Forth, 2003, S.1). Eine mögliche Lösung dieses Problems besteht in der automatischen Generierung der Metadaten für LO.
Vor dem beschriebenen Hintergrund soll das Ziel dieser Arbeit sein, die Möglichkeiten der automatischen Metadatengenerierung zur Beschreibung von LO aufzuzeigen. Dazu sollen die jeweiligen Methoden und Ansätze der automatischen Metadatengenerierung beschrieben sowie deren Einschränkungen und Probleme dargelegt werden. Zudem soll geprüft werden, welche Metadaten durch welche Methode generiert werden können. Durch einen experimentellen Werkzeugvergleich soll ferner die praktische Anwendbarkeit der Methoden stellvertretend am Beispiel ausgewählter Keyphrase- Extraction-Tools überprüft werden.
Die vorliegende Arbeit gliedert sich in 8 Kapitel. Im Anschluss an die Einleitung führt Kapitel 2 zunächst in die Thematik ein. Dazu werden fundamentale Begriffe wie Lernobjekt, Metadaten und Metadatengenerierung erläutert sowie technische Systeme im E-Learning vorgestellt und voneinander abgegrenzt. Kapitel 3 stellt die zur Beschreibung von Lernobjekten relevanten Datenelemente vor. Des Weiteren werden Anforderungen an Metadaten beschrieben, welche im Rahmen der automatischen Metadatengenerierung zu berücksichtigen sind. Kapitel 4 beschreibt ausgewählte und für die automatische Metadatengenerierung relevante Informationsquellen. Darauf aufbauend werden in Kapitel 5 die ressourcenbasierten und in Kapitel 6 die kontextbasierten Methoden der automatischen Metadatengenerierung betrachtet. Neben einer Beschreibung des Prinzips der jeweiligen Methode wird erläutert, welche Metadaten durch die Methode generiert werden können. Zudem werden den Methoden die relevanten Informationsquellen zugeordnet sowie Abhängigkeiten, Einschränkungen und Probleme im Hinblick auf ihren Einsatz ermittelt. Kapitel 7 zeigt potentielle Konflikte zwischen den vorgestellten Methoden auf und erläutert Strategien zur Konfliktbewältigung. Im Rahmen dessen wurde ein experimenteller Werkzeugvergleich durchgeführt, welcher die qualitativen Unterschiede verschiedener Ansätze aufzeigen soll. In Kapitel 8 werden die gewonnenen Erkenntnisse zusammengefasst.
2 Grundlagen und Definitionen
Dieses Kapitel soll zunächst in die Thematik einführen. Es werden fundamentale Begriffe wie Lernobjekt, Metadaten und Metadatengenerierung erläutert, technische Systeme im E-Learning vorgestellt und voneinander abgegrenzt und die für das weitere Verständnis notwendigen Zusammenhänge beschrieben.
2.1 E-Learning
Die Abkürzung „E-Learning“ („electronic learning“) gehört zu den E-Begriffen (engl. „e-terms“) und steht für „elektronisch unterstütztes Lernen“ (vgl. Bendel, 2003, S.15). Der Begriff existiert seit Ende der neunziger Jahre, das Themengebiet jedoch schon deutlich länger (vgl. Maier et al., 2005, S.291). Bereits 1984 wurden die ersten Computer-Based Trainings (CBT) entwickelt, welche Lerninhalte in elektronischer Form anboten. Sie wurden ab 1999 mehr und mehr durch Web-Based Trainings (WBT) abgelöst, welche die Lerninhalte über das Internet zur Verfügung stellen. Durch die Erweiterung um Möglichkeiten der synchronen und asynchronen Kommunikation, wie E-Mail, Chat, Foren oder Newsletter, entstanden schließlich Lernplattformen (vgl. Hessen-IT, 2007). Gleichzeitig entwickelte sich eine enorme Begriffsvielfalt für das Lernen über das Internet: Distance Learning, Online Learning, Web-based Learning, Web-based Instruction, Internet-based Learning, Distributed Learning, Advanced Distributed Learning u.v.m. (vgl. Khan, 2005, S.3).
In der Literatur konnte sich bislang keine einheitliche Definition für den Begriff „E- Learning“ durchsetzen. Populär sind allgemeine und damit auch sehr weitreichende Definitionen, wonach beispielsweise unter E-Learning jegliche Nutzung von elektro- nischen Systemen oder Computern zur Unterstützung des Lernprozesses verstanden wird (vgl. Allen, 2003, S.27). Rosenberg beschränkt E-Learning auf die Nutzung internetbasierter Technologien (vgl. Rosenberg, 2001, S.28), was klassische E- Learning-Systeme wie beispielsweise Lernanwendungen auf CD-ROM oder DVD ausschließt. Back et al. (2001) beschreiben E-Learning als Lernen, das durch Informations- und Kommunikationstechnologien (IKT) sowie darauf aufbauenden E- Learning-Systemen unterstützt bzw. ermöglicht wird. Zu den E-Learning-Systemen zählen sowohl klassische Trainingsanwendungen auf CD-ROM oder DVD wie auch web-basierte Trainingsanwendungen mit Räumen für kollaboratives Lernen und
Lernplattformen wie Learning Management Systeme und Learning Content Management Systeme (vgl. Back et al., 2001, S.35f).
2.2 Lernobjekte
In diesem Abschnitt wird der Begriff „Lernobjekt“ erläutert und der Aufbau von LO beschrieben. Anschließend wird der Lebenszyklus von Lernobjekten vorgestellt, welcher im Rahmen der Metadatengenerierung eine wesentliche Rolle spielt.
2.2.1 Allgemeines
Der Begriff „Lernobjekt“ ist an die objektorientierte Systementwicklung angelehnt (vgl. Knolmayer, 2004, S.222) und wurde 1994 von Wayne Hodgins bekannt gemacht. Hodgins gab einer Arbeitsgruppe der Computer Education Management Association (CedMA) den Namen „Learning Architecture, APIs and Learning Objects“ (vgl. Polsani, 2003, S.1).
In der Literatur werden LO nicht einheitlich definiert (vgl. Pankratius, 2005, S.5 und Motelet et al., 2006, S.1). So bezeichnet das Learning Technology Standards Committee (LTSC) des Institute of Electrical and Electronics Engineers (IEEE) in der 2002 verabschiedeten Standardisierungsempfehlung über Learning Object Metadata (LOM) ein LO als eine beliebige, digitale oder nicht-digitale, Einheit, die zum Lernen und Lehren verwendet werden kann (vgl. IEEE, 2002, S.5). Diese Definition ist sehr weit- reichend und schließt neben Lerninhalten auch Software, Hardware, Personen, Organi- sationen und Veranstaltungen ein.
Wiley (2000) bezeichnet ein LO als eine digitale Ressource zur Unterstützung des Lernens, die wiederverwendet werden kann (vgl. Wiley, 2000, S.7). Er schließt damit nicht-digitale Ressourcen aus und betont die grundlegende Idee der Wiederverwendung von LO.
Polsani (2003) bezeichnet LO als unabhängige, selbständige Lerneinheiten bestehend aus Lerninhalten, welche so beschaffen sind, dass sie in mehreren Zusammenhängen wiederverwendet werden können (vgl. Polsani, 2003, S.4). Im Unterschied zu Wiley (2000) zählt Polsani (2003) nur Lerninhalte zu LO, nicht aber Software zur Unterstützung des Lernprozesses.
Häfele (2002) definiert ein LO als die kleinste sinnvolle Lerneinheit, in die ein Online- Kurs zerlegt werden kann. Es vermittelt ein bestimmtes Lernziel oder hilft bei der Erarbeitung eines bestimmten Lernziels (vgl. Häfele, 2002, S.5 und Baumgartner, 2004, S.12).
Hinsichtlich der Anforderungen an Lernobjekte herrscht weitgehende Übereinkunft. Ein LO soll von verschiedenen Orten aufrufbar sein und auch in großen Datenbeständen wiedergefunden werden können. Ein LO soll einmal erstellt und anschließend in verschiedenen Kontexten wieder verwendet werden können und ein LO soll unabhängig vom verwaltenden System sein (vgl. Polsani, 2003, S.1).
Im Rahmen dieser Arbeit soll ein Lernobjekt wie folgt beschrieben werden:
„ Ein LO ist eine durch Metadaten beschriebene digitale Ressource, welche ein bestimmtes Lernziel vermittelt oder bei der Erarbeitung eines bestimmten Lernziels hilft. “
2.2.2 Aufbau von Lernobjekten
Beim Vergleich der Definitionen von Häfele (2002) und Wiley (2000) werden die unterschiedlichen Ansichten hinsichtlich der Granularität von LO deutlich. Während nach Wiley (2000) sowohl kleinere Lerneinheiten als auch ganze Kurse zu LO zählen, legt Häfele (2002) zum Beispiel eine sehr feine Granularität für LO fest. So entstanden unterschiedliche Aggregationskonzepte1, die beschreiben, wie LO niedriger Ordnung zu LO höherer Ordnung zusammengefasst werden können (vgl. Knolmayer, 2004, S.222). Abbildung 1 stellt das dieser Arbeit zugrundeliegende Aggregationskonzept grafisch dar. Es orientiert sich an der in Abschnitt 2.2.1 festgelegten Definition für LO.
Informationsobjekte bilden die Ausgangsdaten für die Erstellung von LO. Diese können in verschiedenen Medienformaten vorliegen. Dazu gehören Texte, Bilder und Grafiken, Videosequenzen und Audiosequenzen, Animationen und Simulationen (vgl. Häfele, 2002, S.5). Informationsobjekte sind jedoch keine LO, da sie kein konkretes Lernziel vermitteln.
LO der Aggregationsebene 1 werden aus Informationsobjekten gebildet. Sie vermitteln ein konkretes Lernziel oder helfen bei der Erarbeitung eines konkreten Lernziels und sind unabhängig von anderen Lernobjekten. Aus LO der Aggregationsebene 1 lassen sich LO höherer Aggregationsebenen, wie Lektionen oder Kurse, erstellen (vgl. Baumgartner, 2004, S.13). Diese vermitteln jeweils übergeordnete Lernziele und zählen demnach ebenso zu den LO.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Aggregationsebenen für Lernobjekte (Quelle: in Anlehnung an Baumgartner, 2004, S.12- 13)
Für LO existiert bislang kein einheitliches Format. Sie lassen sich daher in vielen unterschiedlichen Formaten vorfinden, wie HTML (Hypertext Markup Language), PPT (Powerpoint), PDF (Portable Document Format), JPEG (Joint Photographic Experts Group), GIF (Graphics Interchange Format), Word-Dokument, Video, als Javaanwendung oder Flashanwendung (vgl. Friesen, 2004, S.12). Allerdings gibt es Ansätze das Datenformat für LO zu vereinheitlichen. So entwickelte das Instructional Management Systems Global Learning Consortium (IMS GLC) die IMS Content Packaging Spezifikation, welche ein auf XML (Extensible Markup Language) basierendes Datenformat für LO beschreibt. Ein sogenanntes IMS Package besteht aus den Ressourcen, welche das LO beinhaltet und einer XML-Datei, der sogenannten IMS Manifestdatei, welche die inhaltliche Anordnung und die Ressourcen selbst beschreibt (vgl. IMSa, 2004). Wie die Beschreibung der inhaltlichen Anordnung erfolgen muss, wird wiederum durch die IMS Simple Sequencing Spezifikation vorgegeben (vgl. IMSb, 2004). Die Studie von Friesen zeigt jedoch, dass sich dieser Vorschlag bislang nicht durchsetzen konnte.
2.2.3 Lebenszyklus von Lernobjekten
LO sind Dokumente, denn sie weisen alle Eigenschaften eines Dokumentes auf. Maier et al. (2005) beschreiben ein Dokument als eine Aufzeichnung, die in Beziehung mit einem Geschäftsvorgang oder einer Entscheidung steht und als eine alleinstehende Einheit angesehen werden kann. Ein Dokument setzt sich aus einer Gruppe von Informationsobjekten zusammen, ist für Personen zugänglich und nutzbar und wird normalerweise auf einem Medium, elektronisch oder nicht elektronisch, abgelegt (vgl. Maier et al., 2005, S. 248).
Ein LO steht in Beziehung mit der Entscheidung ein konkretes Lernziel zu vermitteln und in elektronischer Form anzubieten. Ein LO ist eine eigenständige Einheit, die beispielsweise über ein LCMS zugänglich gemacht wird. Sie wird von Lernenden genutzt und setzt sich aus Informationsobjekten zusammen. Aufgrund dieser Gemeinsamkeiten von LO und Dokumenten soll der Dokumentlebenszyklus die Grundlage für den Lernobjektlebenszyklus bilden. Der Lernobjektlebenszyklus besteht somit aus den Phasen „Erstellung“, „Einordnung“, „Verwendung und Wiederverwendung“, „Änderung“ und „Löschung“.
Jedes LO durchläuft alle Phasen des Lernobjektlebenszyklus. In der Phase „Erstellung“ erstellen Autoren das LO aus Informationsobjekten oder aus LO niedrigerer Ordnung. Grundlage für die Erstellung ist das zuvor definierte Lernziel. In der Phase „Einordnung“ wird das Dokument in die Struktur des LCMSs eingeordnet. In der Phase „Verwendung und Wiederverwendung“ wird das LO durch die Lernenden zum Lernen verwendet. Darüber hinaus kann das LO in verschiedenen LO höherer Ordnung verwendet werden. Die Phase „Änderung“ durchläuft das LO, wenn durch Autoren inhaltliche oder strukturelle Anpassungen am LO vorgenommen werden. So können beispielsweise Informationsobjekte aus einem unabhängigen LO entfernt, neu eingefügt oder innerhalb des LO neu angeordnet werden. Analog verhält sich die inhaltliche Anpassung von LO höherer Ordnung. Aus Kursen können Lektionen entfernt, hinzugefügt oder innerhalb des Kurses in eine andere Reihenfolge gebracht werden. In der Phase „Löschung“ wird das LO gelöscht oder archiviert.
2.3 Überblick und Abgrenzung technischer Systeme im E-Learning
In diesem Abschnitt werden die wichtigsten und im Zusammenhang mit dieser Arbeit stehenden, technischen Systeme aus dem Bereich E-Learning vorgestellt und voneinander abgegrenzt.
2.3.1 Autorenwerkzeuge
Autorenwerkzeuge2 im E-Learning sind Softwareanwendungen, die Autoren bei der Erstellung von LO unterstützen. Sie ermöglichen das Erstellen von interaktiven (vgl. Hettrich/Koroleva, 2003, S.13f), web-basierten (vgl. Maier-Häfele/Häfele, 2003, S.2) Lerninhalten aus Texten, Grafiken, Audiodokumenten und Videosequenzen, interaktiven Aufgaben, Links, und Animationen. Durch Autorenwerkzeuge lassen sich, gemäß dem in Abschnitt 2.2.2 vorgestellten Aggregationskonzept, unabhängige LO, aber auch ganze Kurse erstellen (vgl. Hettrich/Koroleva, 2003, S.13f). Grafische Benutzeroberflächen und so genannte WYSIWYG (What You See Is What You Get) - Editoren erlauben eine einfache Handhabung der Autorenwerkzeuge. Damit ist es Autoren auch ohne spezielles technisches Know-How möglich, LO zu erstellen (vgl. Maier-Häfele/Häfele, 2003, S.2).
Autorenwerkzeuge sind alleinstehende Anwendungen (vgl. Maier-Häfele/Häfele, 2003), finden sich aber auch als Funktion in einem LCMS wieder (vgl. Kahn, 2005, S.160 und Baumgartner et al., 2004, S.9). LO, die durch alleinstehende Autorenwerkzeuge erstellt wurden, können in LMS oder LCMS importiert und dort verwaltet werden (vgl. MaierHäfele/Häfele, 2003, S.2).
Gängige Autorenwerkzeuge ermöglichen dem Autor neben der Erstellung auch die Beschreibung der LO mittels Metadaten (vgl. Häfele, 2002, S.4 und Hettrich/Koroleva, 2003, S.10).
2.3.2 Learning-Management-Systeme
Die Kernfunktion eines LMSs ist die Administration und Steuerung des gesamten Lernprozesses (vgl. Baumgartner et al., 2004, S.4). Dies beinhaltet die Verwaltung von Kursen, Lernenden, Terminen und Lernfortschritten. Mit einem LMS können keine LO erstellt werden. Kurse als die kleinste verwaltbare Lerneinheit in einem LMS (vgl. Baumgartner, 2004, S.8) werden zwar den Nutzern zur Verfügung gestellt, müssen jedoch vorher extern erstellt und in die Datenbank des LMSs importiert werden (vgl. Maier-Häfele/Häfele, 2003, S.2 und Hettrich/Koroleva, 2003, S.12f). Über jeden Nutzer wird ein umfangreiches Profil erstellt. Dieses enthält beispielsweise die organisatorische Zugehörigkeit, Rolle, Kompetenzen, Qualifikationslevel und offene Lernaktivitäten. Das LMS verarbeitet alle Daten und Informationen über die Lern- aktivitäten der Nutzer. Unter Berücksichtigung dieser Daten und nach Abgleich mit den Lernzielen des Nutzers können die Kurse personalisiert zur Verfügung gestellt werden. Für die Evaluierung des Lernprozesses enthalten LMS Werkzeuge zur Erstellung von Testfragen und Möglichkeiten der Testfragenverwaltung (vgl. Hettrich/Koroleva, 2003, S.12f und Khan, 2005, S.160).
Zur Unterstützung der Zusammenarbeit unter Lernenden sowie zwischen Lernenden und Lehrenden stellen LMS Tools zur synchronen Kommunikation, beispielsweise Chaträume, Audio- oder Videokonferenzen, und asynchronen Kommunikation, wie zum Beispiel E-Mail, Newsletter oder Diskussionsforen, zur Verfügung (vgl. Hettrich/Koroleva, 2003, S.10).
2.3.3 Content-Management-Systeme
Ein Content-Management-System3 (CMS) ist eine Software, welche die Erstellung und Administration von Internetseiten vereinfachen soll (vgl. Tuparov et al., 2004, S.5). Zu den typischen Funktionen von CMS zählen die Erstellung, die Beschaffung, die Prüfung, die Aufbereitung, die Speicherung, die Veröffentlichung und die Verteilung von Inhalten (vgl. Maier et al., 2005, S.260 und Maier-Häfele/Häfele, 2002, S.10ff). Inhalte und Layout werden dabei strikt voneinander getrennt. Wird eine entsprechende Internetseite aufgerufen, so wird diese dynamisch generiert. Dazu werden die Inhalte (zum Beispiel Texte, Bilder, Videosequenzen) geladen und entsprechend einer Formatvorlage, sogenannten Templates, angeordnet (vgl. Maier-Häfele/Häfele, 2002, S.11). Einzelne Inhalte können dadurch auf mehreren Internetseiten (wieder)verwendet werden. Des Weiteren stellen CMS Werkzeuge zur Definition und Kontrolle des redaktionellen Workflows bereit (vgl. Maier-Häfele/Häfele, 2002, S.11).
2.3.4 Learning-Content-Management-Systeme
LCMS4 kombinieren die Funktionen von CMS mit denen von LMS (vgl. Baumgartner et al., 2005, S.5 und Tuparov et al., 2004, S.5). LCMS ermöglichen die Erstellung, die Speicherung, und die Verwaltung von LO und deren Metadaten wie auch die Administration des Lernprozesses aus der Sicht des Lernenden (vgl. Häfele, 2002, S.6). Unabhängige LO können innerhalb eines LCMSs verlinkt und zu immer neuen Lektionen oder Kursen zusammengesetzt werden. Darüber hinaus ist es möglich, einzelne LO in einem Kurs neu zu platzieren (vgl. Hettrich/Koroleva, 2003, S.12f).
Um LO in der beschriebenen Weise wieder zu verwenden, müssen sie durch Metadaten beschrieben werden. Neben den unabhängigen LO werden auch Lektionen und Kurse durch Metadaten beschrieben (vgl. Baumgartner et al., 2004, S.9f und Häfele, 2002, S.7).
Das LCMS verwaltet wie ein LMS die Profile von Lernenden und Autoren und sammelt Daten über die Lernaktivitäten eines Lernenden sowie über die Nutzung einzelner LO. Die Personalisierungsmöglichkeiten sind jedoch weitreichender als es beim LMS der Fall ist. Das LCMS empfiehlt nicht nur die Belegung von Kursen, sondern auch die Bearbeitung unabhängiger LO zum Schließen individueller Wissenslücken (vgl. Baumgartner et al., 2004, S.11 und Häfele, 2002, S.7). Die Daten über die Nutzung der LO können von den Autoren zur Evaluation ihrer bereitgestellten LO verwendet werden (vgl. Hettrich/Koroleva, 2003, S.12).
Wie LMS stellen auch LCMS Tools zur Unterstützung der asynchronen und synchronen Kommunikation bereit. Die über diese Form des Wissensaustausches erzeugten Informationen (z.B. Forenbeiträge, Kommentare) werden im Zusammenhang mit dem LO gespeichert und für zukünftige Nutzer des LOs zugänglich gemacht (vgl. Hettrich/Koroleva, 2003, S.12f).
2.4 Metadaten
In den vorhergehenden Abschnitten wurde bereits erwähnt, dass LO durch Metadaten beschrieben werden können. In diesem Abschnitt soll gezeigt werden, was Metadaten sind, wozu sie verwendet werden und wonach sie unterschieden werden können.
2.4.1 Allgemeines
Das griechische Wort „meta“ bedeutet übersetzt „über“. Metadaten können somit als Daten über Daten bezeichnet werden (vgl. Motelet et al., 2006, S.3, Noufal, 2005, S.319 und Maier et al., 2005, S.173). Bezogen auf den Bereich E-Learning beschreiben Metadaten beispielsweise den Inhalt, die Struktur, die Qualität, die Herkunft oder den Zustand von LO (vgl. Noufal, 2005, S.319). Metadaten können darüber Auskunft geben, wo das LO zu finden ist, wer es erstellt hat, welchem Zweck ein LO dient, welche Beziehungen zu anderen LO bestehen, wie auf das LO zugegriffen werden kann oder welche Bedingungen für den Zugriff erfüllt sein müssen (vgl. Malaxa/Douglas, 2005, S.151).
Durch Metadaten kann die Suche und das Wiederfinden von LO signifikant verbessert werden, denn sie können dabei helfen, relevante LO von irrelevanten LO zu unterscheiden (vgl. Greenberg et al., 2006, S.3). Ebenso lässt sich durch Metadaten die korrekte Handhabung und Bereitstellung der LO sicherstellen. Metadaten werden für die Administration und das Management von LO innerhalb der LCMS benötigt. Darüber hinaus können Metadaten auch bei der Bewertung und Verbesserung der LO (vgl. Knolmayer, 2004, S.223) sowie der verwaltenden LCMS helfen (vgl. Gilliland- Swetland, 2000, S.6ff).
2.4.2 Charakteristiken von Metadaten
Es gibt informale, semi-formale und formale Metadaten. Zu den informalen Metadaten zählen Beschreibungen in Textform. Semi-formale Metadaten sind beispielsweise strukturierte Metadaten, die gemäß einer vom Nutzer erdachten Struktur angeordnet werden. Formale Metadaten sind Metadaten, die entsprechend eines Metadaten- standards erstellt werden (vgl. Maier et al., 2005, S.174). Ein Metadatenstandard liefert einen Satz an Datenelementen, ein sogenanntes Metadatenschema, definiert deren Bedeutung und liefert die Rahmenbedingungen und Einschränkungen für deren Werte (vgl. Hatala/Forth, 2003, S.2). Metadatenstandards können auch syntaktische Regeln für die Erstellung der Metadaten vorgeben (vgl. Noufal, 2005, S.322). Einen Überblick über bestehende Metadatenstandards und Metadatenspezifikationen zur Beschreibung von LO wird in Abschnitt 3.1 gegeben.
Metadaten können in jeder Syntax verschlüsselt werden, wie beispielsweise SGML (Standard Generalized Markup Language), XML (Extensible Markup Language) (vgl. Noufal, 2005, S.322) oder HTML (vgl. Greenberg et al., 2003, S.1). Metadaten können direkt in das LO eingebunden sein und bei Bedarf extrahiert werden oder separat in einer Datei oder einer Datenbank abgelegt werden (vgl. Friesen et al., 2003a, S.2). Separat gespeicherte Metadaten über LO können in sogenannten Learning Object Repositories5 (LOR) verwaltet werden. Diese beinhalten die Metadaten von LO eines LCMSs oder mehrerer verschiedener LCMS. Die Metadaten eines LOR sind normalerweise nach einem gemeinsamen Standard strukturiert oder es besteht die Möglichkeit, die Metadaten von einem in den anderen Standard zu konvertieren (vgl. Hatala/Richards, 2003, S.4). Dadurch wird eine systemübergreifende Suche nach LO ermöglicht. Der Einsatz von Metadatenstandards ist gleichzeitig eine zwingende Vorraussetzung für die Interoperabilität zwischen LORs (vgl. Ochoa et al., 2005, S.1). Gilliland-Swetland (2000) unterscheidet weiterhin statische, dynamische und langfristige Metadaten. Statische Metadaten ändern sich nach der Erstellung nicht mehr. Dazu zählt beispielsweise das Erstellungsdatum des LOs. Dynamische Metadaten können sich ändern, wenn das LO genutzt oder verändert wird, wie beispielsweise das Datum der letzten Änderung, das Datum des letzten Zugriffs oder die Größe des LOs. Langfristige Metadaten stellen sicher, dass das LO zugänglich und verwendbar ist. Diese Daten können sich ebenfalls ändern, sind jedoch nicht abhängig von der Nutzung oder Veränderung des LO. Zu den langfristigen Metadaten gehören Informationen über die benötigten Rechte oder das technische Format des LOs (vgl. Gilliland-Swetland, 2000, S.4).
Metadaten für LO können subjektiv oder objektiv sein. Objektive Metadaten sind faktische Daten (vgl. Or-Bach, 2005, S.2). Dazu zählen das Datum der Erstellung, die Größe des LOs oder der Name des Autors. Subjektive Metadaten beschreiben das LO aus einem bestimmten Blickwinkel, zum Beispiel Stichwörter, oder stellen subjektive Bewertungen dar, wie zum Beispiel der Schwierigkeitsgrad eines LOs (vgl. Duval et al., 2002, S.11).
2.5 Metadatengenerierung
Im vorigen Abschnitt wurde die Notwendigkeit von Metadaten zur Beschreibung von LO aufgezeigt. Dieser Abschnitt gibt allgemeine Informationen zur Generierung von Metadaten und stellt die hauptsächlichen Alternativen der Metadatengenerierung vor.
2.5.1 Allgemeines
Die Metadatengenerierung betrifft alle Phasen des Lebenszyklus von LO, denn in jeder Phase können neue Daten über das LO erhoben werden (vgl. Noufal, 2005, S.324). In der Phase „Erstellung“ können Daten über die Erstellung erhoben werden, wie zum Beispiel Autor, Erstellungsdatum oder Inhalt des LOs. Daten über die Einordnung des LOs in systemeigene Klassifikationsschemata oder Taxonomien entstehen in der Phase „Einordnung“. In der Phase “Verwendung und Wiederverwendung“ entstehen Daten über die Nutzung, wie beispielsweise die durchschnittliche Nutzungsdauer, Kommentare und Bewertung der Lernenden oder Informationen über die Nutzung des LOs in LO höherer Aggregationsebenen. In der Phase „Änderung“ entstehen Daten über die Änderung, wie zum Beispiel das Änderungsdatum oder der Bearbeiter, aber auch neue Daten über den Inhalt. In der Phase „Löschung“ können schließlich Daten über die Archivierung oder Löschung des LOs erhoben werden, wie zum Beispiel das Archivierungsdatum bzw. das Datum der Löschung.
Die Erstellung der Metadaten verursacht einen zusätzlichen Aufwand und somit auch Kosten (vgl. Malaxa/Douglas, 2005, S.152). Dies ist eines der wesentlichen Hindernisse für einen weitverbreiteten Einsatz von Systemen, welche einen intensiven Gebrauch von Metadaten machen (vgl. Hatala/Forth, 2003, S.1). Um die Erstellungskosten in Grenzen zu halten, sollte die Anzahl der Datenelemente zur Beschreibung der LO möglichst gering sein. Dazu ist es wichtig, dass die Ziele, welche durch die Metadaten erreicht werden sollen, klar definiert sind. Diese Ziele bilden die Entscheidungsgrundlage bei der Auswahl der relevanten Datenelemente (vgl. Ochoa et al., 2005, S.3). Stehen die benötigten Datenelemente fest, muss geklärt werden, wer die Metadaten erstellt.
Im Folgenden werden die hauptsächlichen Alternativen zur Generierung von Metadaten vorgestellt. Metadaten für LO können manuell oder automatisch erstellt werden. Bei der manuellen Metadatengenerierung generieren Personen die Werte der Datenelemente zur Beschreibung der LO. Bei der automatischen Metadatengenerierung werden die Werte automatisch aus vorhandenen Informationen über das LO erstellt (vgl. Ochoa et al., 2005, S.2 und Greenberg, 2003, S.16f).
2.5.2 Manuelle Metadatengenerierung
Metadaten für LO können durch professionelle Metadatenautoren, durch die Autoren der LO oder durch die Community erstellt werden (vgl. Greenberg, 2003, S.17). Professionelle Metadatenautoren sind speziell für die Metadatengenerierung ausgebildet. Sie sind geübt im Umgang mit den relevanten Standards und produzieren Metadaten hoher Qualität. Sie sind ideal für die Erstellung von Metadaten. Ihr Einsatz ist jedoch sehr teuer (vgl. Greenberg et al., 2001, S.38).
Autoren sind typischerweise für die Erstellung der Lerninhalte verantwortlich und haben ein umfangreiches Wissen über die Thematik. Sie sind nicht speziell für die Metadatengenerierung ausgebildet und haben somit keine Kenntnisse über die Erstellung von Metadaten und deren Standards. Ihr Einsatz ist wesentlich billiger als der von professionellen Metadatenautoren (vgl. Motelet et al., 2006, S.6). Um die Autoren bei der Metadatengenerierung zu unterstützen, können Metadaten- editoren eingesetzt werden. Metadateneditoren stellen Eingabemasken zur Verfügung und ermöglichen den direkten Zugriff auf ein oder mehrere Metadatenschemata. Die Datenelemente werden definiert und für den Metadatenautor verständlich gemacht. Um den Metadatenautor bei der Eingabe zu unterstützen, werden Beispiele und syntaktische Vorgaben für die benötigten Werte angezeigt. Die über die Eingabemasken eingetragenen Werte können anschließend in der gewünschten Syntax, zum Beispiel XML oder HTML, gespeichert werden. Metadaten, die über Metadateneditoren erstellt werden, sind syntaktisch korrekt (vgl. Greenberg et al., 2003, S.1). Zu den Metadateneditoren für LO zählen beispielsweise der „LOM-Editor“6 der Rheinisch- Westfälischen Technischen Hochschule (RWTH) Aachen, das „LOMPad“7 des Laboratoire d'informatique cognitive et environnements de formation (LICEF), der „Reload Editor“8 der University of Bolton, „Shame“9 der Knowledge Management Research (KMR) Group und das “eduSource Repository-In-A-Box Metatagging Tool”10 des eduSource-Projektes der Canarie Incorporation.
Greenberg et al. (2001) stellen in einer Studie am National Institute of Environment Health Science (NIEHS) fest, dass Autoren und professionelle Metadatenautoren nahezu gleichwertige Metadaten erstellen, wenn Metadateneditoren eingesetzt werden (vgl. Greenberg et al., 2001). Ein kritisches Problem ist jedoch, dass Autoren oft nicht bereit sind, den zusätzlichen Arbeitsaufwand für die Erstellung von Metadaten aufzubringen (vgl. Duval/Hodgins, 2004a, S.9). Der Generierungsprozess sollte demnach möglichst einfach sein (vgl. Greenberg et al., 2003, S.6).
Ein weiterer Ansatz zur manuellen Erstellung von Metadaten ist die kollaborative Metadatengenerierung durch die Mitglieder der Community. Sie sind normalerweise nicht für die Metadatengenerierung ausgebildet, haben jedoch spezielles Wissen über die LO und ein eigenes Interesse daran den Metadatensatz zu komplettieren (vgl. Motelet et al., 2006, S.6). So könnten Administratoren das LO mit Metadaten versehen, welche die Administration und das Management der LO innerhalb des LCMSs unterstützen. Die Autoren der LO hingegen geben eine inhaltliche Beschreibung des LOs an oder definieren das Lernziel des LOs und die Lernenden liefern Kommentare über die Qualität des LOs. Der entscheidende Punkt dieses Ansatzes ist es, das Interesse an der Erstellung der Metadaten zu wecken (vgl. Duval/Hodgins, 2004a, S.6).
Die manuelle Metadatengenerierung kann sehr zeitaufwändig sein, insbesondere wenn es sich um einen großen Anteil dynamischer Metadaten handelt, welche sich in Abhängigkeit von der Nutzung oder Änderung des LOs ändern. Beziehungen zwischen LO können darüber hinaus bewirken, dass Einträge in einem LO auch Einträge in einem anderen LO erforderlich machen. Die Metadaten einer Lektion können zum Beispiel beschreiben, aus welchen unabhängigen LO sich die Lektion zusammensetzt. Gleichzeitig beschreiben die Metadaten der unabhängigen LO, dass diese Teil der entsprechenden Lektion sind (vgl. Ochoa et al., 2005, S.5). In der Literatur wird daher oft die Meinung vertreten, dass die Metadaten nicht manuell, sondern automatisch erstellt werden sollten (vgl. Motelet/Baloian, 2005, S.1).
2.5.3 Automatische Metadatengenerierung
Bei der automatischen Metadatengenerierung bestimmt der Computer die Werte der benötigten Datenelemente. Dabei werden die Werte aus bereits vorhandenen Informationen abgeleitet und den Datenelementen zugeordnet (vgl. Cardinaels et al., 2005, S.549). Die Daten können direkt aus dem LO gewonnen werden oder aus verschiedenen Quellen, die sich innerhalb oder außerhalb des verwaltenden LCMSs befinden (vgl. Ochoa et al., 2005, S.2). Dazu gehören Daten über die Autoren, die Nutzer, die Nutzung des LOs, die in Beziehung stehenden LO oder Daten über das Klassifikationsschema des LCMSs. Die Aggregationsebene der LO wirkt sich dabei unmittelbar auf die für die Metadatengenerierung relevanten Informationsquellen aus (vgl. Ochoa et al., 2005, S.4). Um zum Beispiel den Inhalt eines Kurses mit Stichwörtern zu beschreiben, können die Stichwörter der LO verwendet werden, aus denen sich der Kurs zusammensetzt. Diese Möglichkeit besteht bei unabhängigen LO nicht. Greenberg (2004) identifiziert Metadata-Harvesting und Metadata-Extraction als zwei Schlüsselmethoden der automatischen Metadatengenerierung (vgl. Greenberg, 2004, S.4f). Metadata-Harvesting steht sinngemäß für „das Ernten von Metadaten”. Dabei werden vorhandene Metadaten ausgelesen und den entsprechenden Daten- elementen zugeordnet. Diese Metadaten können zuvor sowohl manuell als auch automatisch erstellt worden sein (vgl. Greenberg et al., 2006, S.3). Metadata-Extraction steht sinngemäß für „das Herausziehen von Metadaten“. Mit Hilfe entsprechender Algorithmen erfolgt dabei eine inhaltliche Analyse des LOs, um entsprechende Metadaten zu gewinnen (vgl. Greenberg, 2004, S.4 und Greenberg et al., 2006, S.4). Liefern unterschiedliche Informationsquellen oder Methoden unterschiedliche Werte für ein Datenelement, ist eine Konfliktbewältigung notwendig (vgl. Ochoa et al., 2005, S.4).
2.6 Zusammenfassung
Dieses Kapitel sollte einen Einstieg in die Thematik geben und die Grundlage für das weitere Verständnis der Arbeit schaffen. Dazu wurden die grundlegenden Begriffe und die für das Verständnis der Arbeit notwendigen Zusammenhänge erläutert. Die verschiedenen Definitionen des Begriffs E-Learning offenbarten, dass es in der Literatur unterschiedliche Ansichten darüber gibt, was genau in den Bereich E-Learning fällt und was nicht. Einigkeit herrscht hingegen darüber, dass im E-Learning technische Systeme den Lernprozess unterstützen sollen.
Auch der Begriff „Lernobjekt“ wird in der Literatur uneinheitlich definiert, weshalb eine für diese Arbeit geltende Definition gegeben wurde. Ein LO ist eine durch Metadaten beschriebene digitale Ressource, welche ein bestimmtes Lernziel vermittelt oder bei der Erarbeitung eines bestimmten Lernziels hilft. LO können verschiedenen Aggregationsebenen zugeordnet werden, wobei sich LO höherer Aggregationsebenen aus LO niedrigerer Aggregationsebenen zusammensetzen. Der modulare Aufbau von LO führt zu einer hohen Wiederverwendbarkeit der LO niedriger Aggregationsebenen. Von den vorgestellten technischen Systemen unterstützen allein LCMS den kompletten Lebenszyklus von LO. LCMS vereinen die Funktionen von CMS und LMS und ermöglichen die Erstellung, die Speicherung, und die Verwaltung von LO und deren Metadaten wie auch die Administration des Lernprozesses aus der Sicht des Lernenden. Aus diesem Grund stellt das LCMS die Basis für die weitere Betrachtung dar.
LO können wiederum durch Metadaten beschrieben werden. Diese beschreiben zum Beispiel den Inhalt, den Kontext, die Struktur, die Qualität, die Herkunft oder den Zustand von LO. Metadaten verbessern das Wiederfinden von LO in großen Daten- beständen, können die korrekte Handhabung und Bereitstellung der LO sicherstellen und werden für die Administration und das Management der LO innerhalb der LCMS benötigt. Sie können manuell oder automatisch erstellt werden. Zur Unterstützung und Vereinfachung der manuellen Metadatengenerierung werden Metadateneditoren verwendet. Neben professionellen Metadatenautoren ist es somit auch den Autoren der LO oder den Mitgliedern der Community möglich, Metadaten guter Qualität zu erstellen. Metadaten können auch automatisch erstellt werden, indem die Metadaten aus vorhandenen Informationen abgeleitet und den entsprechenden Datenfeldern zugeordnet werden. Metadata-Harvesting und Metadata-Extraction sind zwei Schlüsselmethoden der automatischen Metadatengenerierung.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2: Darstellung der Zusammenhänge zwischen LCMS, LO und Lernobjektlebenszyklus (Quelle: eigene Darstellung)
Abbildung 2 stellt die Zusammenhänge noch einmal grafisch dar. Das LCMS unterstützt den kompletten Lebenszyklus der LO. Es ermöglicht die Erstellung, die Änderung, die Einordnung, die Verwendung und die Löschung bzw. Archivierung von LO. Durch integrierte Autorenwerkzeuge werden die Autoren bei der Erstellung neuer LO und der Änderung bestehender LO unterstützt. Extern erstellte LO können in das LCMS samt ihrer Metadaten importiert werden. Die LO werden in die Struktur des LCMSs eingeordnet und den Lernenden zur Verfügung gestellt. Für die Administration und das Management der LO im LCMS, zur Sicherstellung der korrekten Handhabung und zur Verbesserung des Auffindens der LO werden diese mit Metadaten beschrieben, welche separat in einer Datenbank oder einer Datei abgelegt werden. Das LCMS verwaltet die Nutzerprofile jedes Lernenden und erfasst deren Lernfortschritt und die Lernaktivitäten. Entsprechend der dort eingetragenen Lernziele können den Lernenden LO zur Schließung individueller Wissenslücken empfohlen werden.
3 Metadaten zur Beschreibung von Lernobjekten
Im bisherigen Verlauf der Arbeit wurde sehr allgemein von Metadaten gesprochen. In diesem Kapitel werden Datenelemente vorgestellt, welche für die Beschreibung der LO herangezogen werden können und deren Werte es letztendlich gilt, automatisch oder manuell zu erstellen.
Metadaten für LO können ihren Zweck nur erfüllen, wenn sie den Anforderungen eines Metadatenstandards genügen (vgl. Hatala/Forth, 2003, S.2 und Hatala/Richards, 2003, S.2) und LO nach einem einheitlichen Muster und in einer maschinenlesbaren Form beschreiben (vgl. Niegemann et al., 2004, S.270). Der Metadatenstandard liefert einen Satz an Datenelementen, definiert deren Bedeutung und liefert die Rahmenbedingungen und Einschränkungen für deren Werte (vgl. Hatala/Forth, 2003, S.2). Die Repräsentation der Metadaten in einem maschinenlesbaren Format wie XML oder RDF ermöglicht hingegen die maschinelle Verarbeitung der Metadaten. Aus diesem Grund widmet sich Abschnitt 3.1 zunächst den Metadatenstandards und -spezifikationen für LO. Anschließend werden die Kategorien und Datenelemente (Abschnitt 3.2) sowie einige Charakteristiken des LOM-Standards (Abschnitt 3.3) beschrieben. Für konkrete Anwendungen ist eine Anpassung der bestehenden Standards erforderlich. Die so entstehenden Application Profiles werden in Abschnitt 3.4 behandelt. Abschnitt 3.5 beschreibt einige qualitative Anforderungen an Metadaten für LO. Eine Zusammenfassung schließt das Kapitel ab (Abschnitt 3.6).
3.1 Metadatenstandards und -spezifikationen für Lernobjekte
Es gibt eine Vielzahl an Standardisierungsinitiativen, welche sich mit der Entwicklung eines Metadatenstandards für LO beschäftigen. Die Basis vieler Bestrebungen bilden die Arbeiten der Dublin Core Metadata Initiative11 (DCMI) (vgl. Pankratius et al., 2005, S.6). Das von der DCMI entwickelte Dublin Core Metadata Element Set (DCMES) besteht aus 15 Elementen und stellt damit ein einfaches und überschaubares Metadatenschema dar. Das DCMES wurde für die Beschreibung von digitalen, im Internet verfügbaren Inhalten entwickelt (vgl. Niegemann et al., 2004, S.270) und 2003 durch die ISO zum Standard erklärt. Die Datenelemente des DCMESs reichen jedoch nicht aus, um die Besonderheiten von LO zu beschreiben.
Andere Gremien arbeiten an einem Metadatenstandard welcher speziell für LO gelten soll. Dazu zählen die Alliance of Remote Instructional Authoring and Distribution Networks for Europe12 (ARIADNE), das Learning Technology Standards Committee13 des IEEE (IEEE LTSC) und das Instructional Management Systems Global Learning Consortium14 (IMS GLC). Von den genannten Gremien hat allein das IEEE das Recht, Empfehlungen für Standards herauszugeben, auf deren Grundlage nationale Standardisierungsbehörden, wie das American National Standards Institute15 (ANSI), oder internationale Standardisierungsbehörden, wie die International Organisation for Standardization16 (ISO), Standards im Sinne von Normen festlegen. Die einzelnen Gremien entwickeln Vorschläge für Standardisierungsempfehlungen, sogenannte Spezifikationen. Diese werden durch allgemeine Internetstandards des World Wide Web Consortiums17 (W3C) beeinflusst (vgl. Häfele, 2002, S.3).
Die Gremien ARIADNE und IMS entwickelten zunächst unabhängig voneinander Metadatenspezifikationen zur Beschreibung von LO. Aus diesen Spezifikationen entwickelte das IEEE LTSC schließlich in enger Zusammenarbeit mit ARIADNE und IMS die Spezifikation IEEE LOM (vgl. Niegemann et al., 2004, S.272). IEEE LOM wurde bislang noch nicht von der ISO zum internationalen Standard erklärt und stellt somit lediglich eine Standardisierungsempfehlung dar. Allerdings wird IEEE LOM allgemein als Metadatenstandard für LO akzeptiert (vgl. Motelet/Baloian, 2006, S.1). In der Literatur wird die Spezifikation daher auch als LOM-Standard18 bezeichnet.
Der Metadatensatz des LOM-Standards besteht aus 76 Datenelementen, die hierarchisch strukturiert und in neun Kategorien unterteilt sind: General, Life Cycle, Meta-Metadata, Technical, Educational, Rights, Relation, Annotation und Classification. Alle Datenelemente des LOM-Standards sind optional (vgl. IEEE, 2002). Darüber hinaus kann das Metadatenschema des LOM-Standards beliebig um Kategorien und Datenelemente erweitern werden (vgl. Duval/Hodgins, 2003, S.6). Während das Metadatenschema des LOM-Standards die Struktur und die Bedeutung der Datenelemente festlegt, definieren andere Teile des LOM-Standards, wie die Datenelemente und ihre Werte in den maschinenlesbaren Formaten XML19 oder RDF abgebildet werden können (vgl. Cebeci/Erdogan, 2005, S.2). Der LOM-Standard wird daher auch als „mehrteiliger Standard“ bezeichnet (vgl. Duval et al., 2002, S.8).
Der LOM-Standard ist die Basis für zahlreiche weitere Spezifikationen, welche den Metadatensatz des LOM-Standards erweitern oder einschränken.
So basiert beispielsweise die Spezifikation IMS Learning Resources Metadata20 (IMS LRM) des IMS direkt auf dem LOM-Standard und nimmt nur geringfügige Änderungen an dessen Metadatenschema vor. Die Spezifikation definiert ein minimales Set an Datenelementen, welches IMS Core genannt wird sowie eine Erweiterung dieses Sets, die IMS Standard Extension Library (vgl. IMS, 2001).
Die Spezifikation Canadian Core21 (CanCore) der CanCore Metadata Initiative ist kompatibel zum LOM-Standard und beinhaltet 61 Elemente (vgl. Friesen et al., 2003b, S.10). Das Metadatenschema stellt somit einen Mittelweg zwischen dem minimalistischen Ansatz des DCMESs mit 15 Datenelementen und dem komplexeren LOM-Standard mit 76 Datenelementen dar.
Das Metadatenschema UK LOM Core22 (United Kingdom Learning Object Metadata Core) der United Kingdom Metadata for Education Group besteht aus 41 Datenelementen. Es wurde stark von der CanCore Spezifikation beeinflusst. Während die Datenelemente des LOM-Standards und der CanCore Spezifikation optional sind, definiert die Spezifikation UK LOM Core 18 der 41 Datenelemente als Pflichtfelder. Weitere LOM-basierte Spezifikationen stammen unter anderem von der Quebec Standards Workgroup23, der ARIADNE, der Advanced Distributed Learning Initiative24 (ADL), und dem Education Network Australia25 (EdNA).
Der LOM-Standard wird allgemein als Standard akzeptiert und repräsentiert die Vielfalt an Metadaten zur Beschreibung von LO. Aus diesem Grund werden im Folgenden die Datenelemente des LOM-Standards genauer betrachtet.
3.2 Kategorien und Datenelemente des LOM-Standards
In diesem Abschnitt werden die Kategorien des LOM-Standards und ihre Datenelemente vorgestellt. Ein Beispiel eines ausgefüllten Metadatensatzes findet sich in Anhang A. Im LOM-Standard werden die Namen der Datenelemente festgelegt, eine Definition der Datenelemente gegeben, die Anzahl der erlaubten Werte vorgegeben, die signifikante Reihenfolge der Werte festgelegt und ein erklärendes Beispiel gegeben (vgl. IEEE, 2002). Abbildung 3 stellt den Metadatensatz des LOM-Standards in Form einer Mindmap dar.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 3: Datenelemente des LOM-Standards (Quelle: eigene Darstellung)
3.2.1 General
Die Datenelemente der Kategorie „General“ enthalten grundlegende Informationen über das LO und beschreiben das LO als Ganzes. Zur Kategorie „General“ gehören die Datenelemente „Identifier“, „Title“, „Language“, „Description“, „Keyword“, „Coverage“, „Structure“ und „Aggregation Level“. Das Datenelement „Identifier“ enthält die eindeutige globale Bezeichnung des LO. Diese setzt sich aus dem Katalogschema („Catalog“) und dem entsprechenden Eintrag („Entry“) im Katalog zusammen. Im Datenelement „Title“ wird der Name des LO angegeben. „Language“ bezeichnet die Sprache, in welcher das LO verfasst wurde. Das Datenelement „Description" enthält eine kurze Beschreibung des LOs. Unter „Keyword“ werden Stichwörter angegeben, die das LO beschreiben. Mit dem Datenelement „Coverage“ wird der Inhalt des LOs zeitlich, kulturell oder geographisch eingeordnet. Mit dem Datenelement „Structure“ wird die Struktur des LO beschrieben. Ein unabhängiges LO der Aggregationsebene 1 erhält beispielsweise den Wert „atomar“. LO höherer Ordnung setzten sich aus LO niedrigerer Ordnung zusammen (siehe Abschnitt 2.2.2). Diese erhalten abhängig von der Struktur beispielsweise den Eintrag „hierarchisch“ für eine hierarchische Struktur, „linear“ für eine lineare Struktur oder „Sammlung“ für eine Zusammenstellung von LO niedrigerer Ordnung ohne spezifische Zusammenhänge. Mit dem Datenelement „Aggregation Level“ wird die Granularität des LOs angegeben. Der Wert entspricht der Aggregationsebene des zugrundeliegenden Aggregationskonzeptes (vgl. IEEE, 2002).
3.2.2 Life Cycle
Mit den Datenelementen der Kategorie „Life Cycle“ wird die Historie und der aktuelle Status des LO beschrieben sowie die Instanzen, die die Entwicklung des LO beeinflusst haben. Die Kategorie „Life Cycle“ umfasst die Datenelemente „Version“, „Status“ und „Contribute“. „Version“ gibt die Auflage an, in der das LO vorliegt. Mit dem Datenelement „Status“ wird der aktuelle Zustand des LO hinsichtlich der Fertigstellung angegeben, beispielsweise Entwurf, überarbeitet oder Endfassung. „Contribute“ beschreibt die Instanzen, die den Lebenszyklus des LOs beeinflusst haben, und setzt sich aus den Datenelementen „Role“, „Entity“ und „Date“ zusammen. Die Werte des Datenelements „Role“ geben die Art der Mitwirkung der Instanz an. Eine Instanz kann beispielsweise als Autor, Herausgeber, Initiator, Bearbeiter, grafischer Designer, technischer Designer oder Prüfer mitgewirkt haben. Das Datenelement „Entity“ enthält die Bezeichnung der Instanz sowie Informationen über diese. Diese Daten werden gemäß der vCard-Spezifikation26 eingetragen. Das Datenelement „Date“ enthält das Datum der Mitwirkung. Da mehrere Instanzen am LO mitgewirkt haben können, kann das Datenelement „Contribute“ mehrfach vorkommen (vgl. IEEE, 2002).
3.2.3 Meta-Metadata
Die Kategorie „Meta-Metadata“ beschreibt den Metadatensatz des LOs. Zur Kategorie „Meta-Metadata“ gehören die Datenelemente „Identifier“, „Contribute“, „Metadata Schema“ und „Language“. Das Datenelement „Identifier“ enthält die eindeutige globale Bezeichnung des Metadatensatzes. Die Bezeichnung setzt sich aus dem Katalogschema „Catalog“ und dem Eintrag im Katalog „Entry“ zusammen. „Contribute“ beschreibt die Instanzen, die am Metadatensatz mitgewirkt haben und setzt sich aus den Datenelementen „Role“, „Entity“ und „Date“ zusammen. Über das Datenelement „Role“ wird die Art der Mitwirkung am Metadatensatz beschrieben. Eine Instanz kann zum Beispiel Schöpfer oder Prüfer des Metadatensatzes sein. „Entity“ enthält die Bezeichnung der Instanz und Informationen über diese. „Date“ enthält das Datum der Mitwirkung. Über das Datenelement „Metadata Schema“ wird das zugrundeliegende Metadatenschema des Metadatensatzes angegeben, zum Beispiel „LOM“. Das Datenelement „Language“ gibt die Sprache an, in welcher die Datenelemente des Metadatensatzes verfasst sind (vgl. IEEE, 2002).
3.2.4 Technical
Die Datenelemente „Format“, „Size“, „Location“, „Requirement“, „Installation Remarks“, „Other Platform Requirements“ und „Duration“ der Kategorie „Technical“ beschreiben die technischen Anforderungen und die technischen Eigenschaften des LOs. Mit dem Datenelement „Format“ werden die MIME-Typen (Multipurpose Internet Mail Extensions)27 aller Komponenten des LOs angegeben, zum Beispiel application/pdf, application/mspowerpoint, text/html, image/jpeg, image/gif oder video/mpeg. „Size“ gibt die Größe des LOs in Byte an. „Location“ enthält die physikalische Adresse des LO, auf das sich der Metadatensatz bezieht. Das Datenelement „Requirement“ bezeichnet die technischen Systeme oder Anwendungen, die erforderlich sind, um das LO nutzen zu können. Für die Beschreibung der Anwendungen und Systeme stehen die Datenelemente „Type“, „Name“, „Minimum Version“ und „Maximum Version“ zur Verfügung. „Type“ bezeichnet den Typ der benötigten Anwendung oder des benötigten Systems, zum Beispiel Browser oder Betriebssystem. „Name“ gibt den Namen, „Minimum Version“ die minimal benötigte Version und „Maximum Version“ die höchste mögliche Version der Anwendung oder des Systems an. Das Datenelement „Installation Remarks“ enthält Installationshinweise für das LO, „Other Platform Requirements“ enthält weitere Hard- und Softwareanforderungen, die zur Nutzung des LOs erforderlich sind. Das Datenelement „Duration“ gibt die vorgesehene Abspieldauer des LOs an, was vor allem bei Videosequenzen, Audiosequenzen oder Animationen nützlich ist (vgl. IEEE, 2002).
3.2.5 Educational
Die Kategorie “Educational” umfasst elf Datenelemente und charakterisiert das LO aus pädagogischer Sicht. Die Datenelemente der Kategorie “Educational” lauten „Interactivity Type“, “Learning Resource Type“, „Interactivity Level“, “Semantic Density“, “Intended End User Role”, “Context”, “Typical Age Range”, “Difficulty”, “Typical Learning Time”, “Description” und “Language”. Das Datenelement “Interactivity Type” beschreibt die Art und Weise des Lernens, die durch das LO unterstützt wird. Der LOM-Standard gibt drei mögliche Werte vor: „active“, „expositive“ und „mixed“. Der Wert „active“ wird verwendet, wenn der Lernende beim Lernen mit dem LO selbst produktiv sein muss, beispielsweise durch das Setzen von Parametern einer Simulation oder durch das Beantworten von Fragen eines Fragebogens. Der Wert „expositive“ wird verwendet, wenn das LO Lerninhalte darstellt oder erklärt und die Aufgabe des Lernenden hauptsächlich darin besteht, die dargestellten Lerninhalte aufzunehmen. Der Wert „mixed“ wird verwendet, falls beide Varianten im LO vorkommen. Das Datenelement „Learning Resource Type“ gibt die spezifische Art des LOs an. Ein LO kann beispielsweise eine Übung, eine Simulation, ein erklärender Text, ein Fragebogen, ein Experiment, ein Diagramm, ein Vortrag oder eine Prüfung sein. Eine Mehrfachauswahl ist ebenfalls möglich. Das Datenelement
„Interactivity Level“ gibt den Grad der Interaktivität des LOs an. Der Wert drückt aus, wie stark der Lernende das Verhalten oder das Aussehen des LOs beeinflussen kann. Es werden fünf Stufen unterschieden: sehr gering, gering, mittel, hoch und sehr hoch. Das Datenelement „Semantic Density“ gibt den Grad der Prägnanz des LOs an. Auch hier werden fünf Stufen unterschieden: sehr gering, gering, mittel, hoch und sehr hoch. Das Datenelement „Intended End User Role“ gibt die Rolle der Nutzer an, für die das LO erstellt wurde. Das LO könnte beispielsweise für Lehrende, Lernende oder Autoren bestimmt sein. Eine Mehrfachauswahl ist möglich. Das Datenelement “Context“ nennt das Umfeld, in der das LO hauptsächlich angewendet wird. Ein LO kann beispielsweise für die Schule, die akademische Ausbildung oder die Berufsausbildung erstellt werden. Mit dem Datenelement „Typical Age Range“ wird das Alter der Zielgruppe angegeben. „Difficulty“ beschreibt den Schwierigkeitsgrad des LOs. Mit dem Datenelement „Typical Learning Time“ wird die Zeit angegeben, die die Zielgruppe für die Durcharbeitung des LOs benötigt. „Description“ enthält eine Beschreibung, wie das LO genutzt werden sollte. Das Datenelement „Language“ gibt die Sprache der Zielgruppe an (vgl. IEEE, 2002).
3.2.6 Rights
Die Datenelemente „Cost“, „Copyright and other Restrictions“ und „Description“ der Kategorie „Rights“ beschreiben die Rechte am geistigen Eigentum und die Nutzungsbedingungen des LO. „Cost“ gibt an, ob die Nutzung des LO kostenpflichtig ist. Mit dem Datenelement „Copyright and other Restrictions“ wird angegeben, ob Urheberrechte oder andere Einschränkungen die Nutzung des LO beeinflussen. „Description“ enthält eine genauere Beschreibung der Nutzungsbedingungen (vgl. IEEE, 2002).
3.2.7 Relation
Die Kategorie „Relation“ beschreibt Beziehungen zwischen dem LO und anderen LO. Zur Kategorie gehören die Datenelemente „Kind“ und „Resource“. „Kind“ enthält die Art der Beziehung. Die im LOM-Standard vorgegebenen Beziehungen basieren auf dem Dublin Core Standard. Mögliche Werte sind „ist Teil von“, „hat Teil“, „basiert auf“, „ist Basis für“, „benötigt“, „wird benötigt von“, „referenziert“ oder „wird referenziert von“. „Resource“ beschreibt das in Beziehung stehende Lernobjekt und besteht aus den Datenelementen „Identifier“ und „Description“. Das Datenelement „Identifier“ enthält die eindeutige globale Bezeichnung des in Beziehung stehenden LOs. Diese setzt sich aus dem Katalogschema („Catalog“) und dem entsprechenden Eintrag („Entry“) im Katalog zusammen. „Description“ enthält die inhaltliche Beschreibung des in Beziehung stehenden LOs (vgl. IEEE, 2002).
3.2.8 Annotation
Über die Kategorie „Annotation“ können kritische Beurteilungen über das LO in den Metadatensatz aufgenommen werden. Mit dem Datenelement „Entity“ wird die Instanz beschrieben, die den Kommentar abgegeben hat. Das Datum des Kommentars wird über das Datenelement „Date“ angegeben. Der eigentliche Kommentar steht im Datenelement „Description“ (vgl. IEEE, 2002).
3.2.9 Classification
Die Kategorie „Classification“ beschreibt, wo sich das LO innerhalb einer bestimmten Klassifikation einordnet. Es kann sich dabei um selbsterstellte Klassifikationen oder um gängige „offizielle“ Klassifikationen handeln. Zu den gängigen Klassifikationen zählen beispielsweise die LCC28 (Library of Congress Classification), die LCSH29 (Library of Congress Subject Headings), die UDC30 (Universal Decimal Classification) und die DDC31 (Dewey Decimal Classification). Es ist möglich mehrere Instanzen der Kategorie „Classification“ anzulegen, um das LO in verschiedene Klassifikationen einzuordnen. Für die Einordnung stehen die Datenelemente „Purpose“, „Taxon Path“, „Description“ und „Keyword“ zur Verfügung. „Purpose“ gibt den Zweck der Klassifizierung an. Ein LO kann beispielsweise hinsichtlich der Zuständigkeiten, der Ausbildungsziele, der Ausbildungsstufe oder der Sicherheitsstufe eingeordnet werden. Das Datenelement „Taxon Path“ beschreibt die Position des LOs innerhalb der Klassifikation. „Taxon Path“ besteht aus den Datenelementen „Source“ und „Taxon“. „Source“ gibt den Namen der Klassifikation an. „Taxon“ beschreibt den Pfad zur Position des LO innerhalb der Klassifikation. Jeder Wegabschnitt kann mit den Datenelementen „Id“ und „Entry“ beschrieben wird. „Id“ enthält die numerische oder alphanumerische Identifikation des aktuellen Eintrags. „Entry“ enthält den Namen. Das Datenelement „Description“ enthält eine Beschreibung des LOs, welche sich auf die Einordnung in die Klassifikation bezieht. „Keyword“ enthält Stichwörter, die das LO beschreiben und sich dabei auf die Einordnung in die Klassifikation beziehen (vgl. IEEE, 2002).
3.3 Charakteristiken des LOM-Standards
Der Metadatensatz des LOM-Standards ist sehr umfangreich und wurde mit der Absicht entwickelt, möglichst viele Situationen abzudecken, in denen Metadaten für LO benötigt werden (vgl. Hatala/Forth, 2003, S.1). Das Vorhandensein der Kategorie „Educational“ zeigt, dass der LOM-Standard speziell für LO entwickelt wurde. Die Datenelemente dieser Kategorie ermöglichen eine Beschreibung des LOs aus pädagogischer Sicht. Dabei konzentriert sich der LOM-Standard auf die Frage, was unterrichtet wird und nicht wie unterrichtet wird (vgl. Häfele, 2002, S.4). Für konkrete Anwendungen, beispielsweise ein konkretes technisches System einer speziellen Community, werden daher nicht immer alle Datenelemente benötigt. Andererseits ist es auch möglich, dass die Datenelemente des LOM-Standards nicht ausreichen, um die Anforderungen konkreter Anwendungen zu erfüllen.
Nach Hatala und Forth (2003) sowie Hatala und Richard (2003) lassen sich drei Typen32 von Datenelementen feststellen: „ freier Text“, „Vokabular“ oder „externe Taxonomie“. Zum Typ „freier Text“ zählen zum Beispiel die Datenelemente „General.Title“ oder „General.Coverage“. Für andere Datenelemente gibt der LOM-Standard ein Vokabular erlaubter Werte vor, beispielsweise für „Relation.Kind“ oder „LifeCycle.Status“. Zum Typ „externe Taxonomie“ gehören Datenelemente, die eine externe Taxonomie oder ein externes Klassifikationsschema verwenden, wie beispielsweise der Wert „Classification. TaxonPath.Source“ (vgl. Hatala/Forth, 2003, S.3 und Hatala/Richards, 2003, S.4).
Der LOM-Standard verfügt über eine hohe Anzahl subjektiver Datenelemente. Dazu zählen unter anderem die Datenelemente „General.Keyword“, „Educational.Semantic Density“, „Educational.InteractivityLevel“, „Educational.Difficulty“ und „General.
Description“. Duval und Hodgins (2003) bezeichnen subjektive Metadaten als die wertvolleren Metadaten, um die Effektivität der Suche zu verbessern und den passenden Inhalt für eine einzelne Person oder eine gegebene Situation zu finden (vgl. Duval/Hodgins, 2003, S.4). Aufgrund unterschiedlicher Ansichten kann es jedoch schwierig sein, einen Wert für subjektive Datenelemente festzulegen (vgl. Motelet/Baloian, 2006, S.1). Dies trifft insbesondere dann zu, wenn sich die Datenelemente nicht operationalisieren lassen. Das bedeutet, es lassen sich keine präzisen und überprüfbaren Anweisungen formulieren, um ihre Werte festzulegen. Dazu zählt zum Beispiel das Datenelement „Educational.InteractivityLevel“. Auch die Beschreibung des LOM-Standards gibt hier wenig Aufschluss. So wird zwar mit den Werten sehr gering, gering, mittel, hoch und sehr hoch ein Vokabular vorgegeben, was genau unter einem hohen oder geringen Interactivity Level zu verstehen ist, bleibt jedoch unbeantwortet (vgl. Baumgartner, 2004, S.14).33
Die Beschreibungen der Datenelemente und der jeweiligen Vokabulare sind im LOMStandard nur sehr kurz gehalten und geben viel Spielraum für Interpretationen (vgl. Friesen et al., 2002b). Eine effektive Implementierung der Metadaten bedarf allerdings einer konsistenten Interpretation aller Datenelemente und Werte (vgl. Krull et al., 2006, S.173). Die große Anzahl an Datenelementen und die sehr kurz gehaltene Beschreibung der Datenelemente und Vokabulare erfordern daher eine Anpassung des LOMStandards hinsichtlich konkreter Anwendungen.
3.4 Application Profiles
Application Profiles sind Metadatenschemata, welche sich aus den Datenelementen eines oder mehrerer Metadatenstandards zusammensetzen (vgl. Duval et al., 2002, S.5). Ziel ist es, bestehende Metadatenschemata zu kombinieren und anzupassen, um die Anforderungen konkreter Anwendungen zu erfüllen. Die als Basis fungierenden Metadatenschemata legen die Semantik und den Datentyp der verwendeten Datenelemente fest (vgl. Krull et al., 2006, S.175).
Bei der Definition eines Application Profiles kommen verschiedene Techniken zum Einsatz. So können Datenelemente der Basis-Metadatenschemata oder einzelne Werte der vorgegebenen Vokabulare weggelassen werden, falls diese für die konkrete Anwendung nicht benötigt werden. Darüber hinaus können Datenelemente zu Pflichtfeldern erklärt werden und Abhängigkeiten zwischen Datenelementen festgelegt werden. So ist es zum Beispiel möglich festzulegen, dass das Datenelement „Technical. Duration“ ein Pflichtfeld ist, wenn über das Datenelement „Technical.Format“ Audio- oder Videoformate angegeben werden. Zur Definition eines Application Profiles zählt, falls notwendig, auch die Auswahl der Taxonomien und Klassifikationsschemata, die zur Klassifizierung des LOs verwendet werden (vgl. Duval/Hodgins, 2003, S.6f).
Eine weitere Aufgabe bei der Anpassung der abstrakten Metadatenstandards an die Anforderungen konkreter Anwendungen besteht in der ausführlichen Erläuterung der Syntax und Semantik aller verwendeten Datenelemente und Vokabulare (vgl. Friesen et al., 2002a, S.63), denn nur durch eine konsistente Interpretation jedes Datenelements ist eine effektive Metadatenimplementierung möglich (vgl. Krull et al., 2006, S.173). Zu den derzeitigen Application Profiles34 zählen auch die bereits vorgestellten Spezifikationen CanCore und UK LOM Core. Beide basieren auf dem LOM-Standard. Während die Spezifikation CanCore an die Bedürfnisse des staatlichen Bildungswesens in Kanada angepasst wurde, ist die Spezifikation UK LOM Core auf Großbritannien ausgerichtet und stellt eine Handlungsempfehlung für Fachleute Großbritanniens dar, welche Metadaten für LO implementieren wollen (vgl. Krull et al., 2006, S.177).
3.5 Anforderungen an Metadaten für Lernobjekte
Metadaten können hinsichtlich ihrer Vollständigkeit, Korrektheit und Zugänglichkeit bewertet werden (vgl. Motelet et al., 2006, S.11).35
Vollständigkeit: Nach Stuckenschmidt und Harmelen (2004) sind die Metadaten eines LOs vollständig, wenn alle Informationen über das LO in den dazugehörigen Metadaten vermerkt sind (vgl. Stuckenschmidt/Harmelen, 2004, S.201). Diese Ansicht wird durch die zielorientierte Auswahl der Datenelemente eingeschränkt.
[...]
1 Hinsichtlich der Anzahl der Aggregationsebenen unterscheidet das IEEE vier (vgl. IEEE, 2002), Currier/Campbell (2002) sieben (vgl. Currier/Campbell, 2002, S.6) und das Learning Systems Architecture Laboratory der Carnegie Mellon University elf Aggregationsebenen (vgl. CLEO, 2003, S.7).
2 Eine Liste aktueller Autorenwerkzeuge findet sich unter: http://www.bildungsserver.de/zeigen.html?seite=1572 und http://www.e-learningcentre.co.uk/eclipse/vendors/authoring.htm
3 Eine Liste aktueller CMS findet sich unter: http://www.contentmanager.de/itguide/marktuebersicht.html
4 Eine Liste aktueller LMS und LCMS findet sich unter: http://www.bildungsserver.de/zeigen.html?seite=1571 und http://www.e-learningcentre.co.uk/eclipse/vendors/mgt.htm Eine umfangreiche Marktstudie ist unter: http://www.iltec.de/downloads/IAOLMSLCMSStudie.pdf erhältlich.
5 Eine Liste bestehender Learning Object Repositories findet sich unter: http://www.uwm.edu/Dept/CIE/AOP/LO_collections.html
6 URL: http://www-i5.informatik.rwth-aachen.de/i5new/staff/chatti/LOMEditor/index.html
7 URL: https://sourceforge.net/projects/lompad/
8 URL: http://www.reload.ac.uk/editor.html
9 URL: http://kmr.nada.kth.se/shame/wiki/Overview/Main
10 URL: http://edusource.licef.teluq.uquebec.ca/ese/en/install_erib.htm
11 URL: http://dublincore.org
12 URL: http://www.ariadne-eu.org
13 URL: http://ieeeltsc.org
14 URL: http://www.imsglobal.org
15 URL: http://www.ansi.org
16 URL: http://www.iso.org
17 URL: http://www.w3.org
18 Als Beispiel seien Krull et al. (2006), Kunze et al. (2002) und Hatala/Richards (2003) genannt.
19 Die Spezifikation zur Einbindung der LOM-Datenelemente in XML findet sich unter: http://ltsc.ieee.org/wg12/files/IEEE_1484_12_03_d8_submitted.pdf
20 URL: http://www.imsglobal/metadata
21 URL: http://www.cancore.ca/en
22 URL: http://zope.cetis.ac.uk/profiles/uklomcore
23 URL: http://www.normetic.org
24 URL: http://www.adlnet.gov
25 URL: http://www.edna.edu.au
26 Die Spezifikation vCard des Internet Mail Consortiums (IMC) bezeichnet eine elektronische Visitenkarte. Die Spezifikation kann unter http://www.imc.org/pdi/ abgerufen werden.
27 URL: http://www.iana.org/assignments/media-types/
28 URL: http://www.loc.gov/aba/cataloging/classification/
29 URL: http://www.loc.gov/aba/cataloging/subject/
30 URL: http://www.udcc.org/
31 URL: http://www.oclc.org/dewey/resources/summaries/default.htm
32 Diese Typen entsprechen nicht den verwendeten Datentypen des Metadatenschemata.
33 Einen Vorschlag für die Skalierung des Metadatentyps Interaktivität liefert Schulmeister (2002).
34 Krull et al. (2006) nennen weitere LOM-basierte Application Profiles und stellen diese in einer Tabelle gegenüber.
35 Es gibt eine Vielzahl weiterer Bewertungskriterien für Metadaten. So identifizieren Moen et al. (1997) in einer Studie 23 Kriterien zur Bewertung von Metadaten.
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.