TU Darmstadt / ULB / tuprints

Semantic and Structural Analysis of Web–based Learning Resources - Supporting Self–directed Resource–based Learning

Scholl, Philipp :
Semantic and Structural Analysis of Web–based Learning Resources - Supporting Self–directed Resource–based Learning.
TU Darmstadt
[Ph.D. Thesis], (2011)

[img]
Preview
Thesis Philipp Scholl - Semantic and Structural Analysis of Web-based Learning Resources - PDF (PDF 1.6)
2011-Thesis-Scholl-Semantic-and-Structural-Analysis-of-Web-based-Learning-Resources.pdf
Available under Creative Commons Attribution Non-commercial No Derivatives.

Download (4016Kb) | Preview
Item Type: Ph.D. Thesis
Title: Semantic and Structural Analysis of Web–based Learning Resources - Supporting Self–directed Resource–based Learning
Language: English
Abstract:

In the knowledge–based society, the maintenance and acquisition of new knowledge are vital for each individual. Changed living and working conditions and the rapid development of technology cause the half–life of knowledge to decrease. Therefore, the knowledge that is acquired in educational institutions is no longer sufficient for an entire lifetime. Thus, self–directed learning at the workplace and in private life is becoming more and more important. At the same time, the Web has become a very important source for knowledge acquisition, as it provides a huge amount of resources containing information that can be utilized for learning purposes. This form of self–directed learning that often involves learning with web resources is commonly referred to as Resource–Based Learning. In particular, it is characterized by a high degree of freedom in choice of resources and execution of the learning process. When utilizing web resources as learning materials, learners face novel challenges: First, relevant information that covers the specific information need of a learner is often distributed over several web resources. This challenge can be addressed by providing adequate retrieval strategies where retrieval is not only restricted to a web search but also involves content that learners have already considered to be relevant. However, the so–called vocabulary gap — the fact that information can be expressed in completely different terminology, e.g. in technical terms or colloquial language — makes retrieval difficult. Further, in contrast to Learning Objects that are often used in educational institutions, web resources rarely include well–structured metadata. As Resource–Based Learning using web resources requires learners to handle and organize a large number of web resources efficiently, the availability of relevant metadata is vital. Eventually, in the majority of self–directed learning settings, the role of the teacher or tutor does not exist. These authorities usually set learning goals according to a curriculum, structure the learning process and assess the learning result. In self–directed learning, the learner has to take over these tasks which would otherwise have been accomplished by the teacher. This thesis examines this form of Resource–Based Learning and derives adequate mechanisms to support this kind of learning. The requirements of supporting Resource–Based Learning are deduced and, based on these requirements, the design and the implementation of a tool called ELWMS.KOM is presented. ELWMS.KOM is a tool that enables learners to organize their self–directed learning process and the contributing learning resources in a personal knowledge network by applying semantically typed tags. In particular, web resources are focused. Web resources are primarily not intended to be used for learning and thus, are rarely didactically adapted to learning scenarios. Further, they infrequently expose metadata that are relevant for learners. ELWMS.KOM is designed to attenuate these short–comings and the resulting challenges for learners by providing an appropriate level of support. The contributions of this thesis comprise of the derivation and implementation of paradigms and technologies that enable such a supporting functionality in ELWMS.KOM. Based on an examination of Learning Objects that are commonly used in learning scenarios in educational institutions, the peculiarities and differences to self–directed learning paradigms are analysed and design decisions for ELWMS.KOM are inferred. These design decisions represent a foundation for the supporting functionalities that are proposed in this thesis. Firstly, the technologies are presented that enable ELWMS.KOM to recommend tags and learning resources to the learner based on a semantic representation of their content. A user study based on ELWMS.KOM shows the need to support monolingual as well as cross–lingual approaches to recommend semantically related tags and resources. An analysis of the approach that has been chosen to determine semantic relatedness is presented. Based on this analysis, several strategies are compared that show potential to reduce the computational complexity of this approach without considerably reducing its quality. Additionally, several extensions to improve the quality this approach that incorporate supplementary semantic properties of a reference corpus are presented and evaluated. Furthermore, this thesis presents an approach to automatically segment web resources in order to support learners in the selection of relevant fragments of a web resource. This segmentation is based on a structural and visual analysis of web resources and yields a set of coherent segments. A user study confirms the quality of this approach. In addition, an approach is introduced that supports learners in the consistent creation of their tagging vocabulary in ELWMS.KOM for the semantic tag type Type. This approach automatically recognizes the web genre of a web resource and is language–independent. Novel features have been developed that allow a reliable classification of web genres. Several evaluations using different feature sets and corpora are presented. Finally, this thesis introduces the tag type Goal that supports learners to plan, execute and evaluate their overall learning process. This support feature has been derived from the theory of Self–Regulated Learning and has been implemented accordingly in ELWMS.KOM. The benefits are shown in two large–scale user studies that have been executed with ELWMS.KOM and the implemented goal setting mechanisms.

Alternative Abstract:
Alternative AbstractLanguage
In der Wissensgesellschaft wird die Pflege und Aneignung von Wissen für den Einzelnen immer wichtiger. Geänderte Lebens– und Arbeitsbedingungen sowie der technologische Fortschritt bedingen eine Abnahme der Halbwertszeit von Wissen. Somit genügt das in institutionellen Bildungseinrichtungen erworbene Wissen nicht mehr den sich ständig ändernden Bedingungen. Darum gewinnt selbstgesteuertes Lernen im Privaten oder am Arbeitsplatz immer mehr an Bedeutung. Gleichzeitig wird insbesondere das Internet zu einer wichtigen Quelle von Lernmaterialien, weil es eine Vielzahl von Ressourcen umfasst, die potenziell zum Lernen eingesetzt werden können. Die Art von selbstgesteuertem Lernen, die unter anderem auf Webressourcen basiert, wird üblicherweise als Ressourcenbasiertes Lernen bezeichnet und ist durch einen hohen Freiheitsgrad in der Auswahl der Ressourcen und der Planung des Lernprozesses charakterisiert. Mit der Nutzung von Webressourcen als Lernmaterialien stellen sich den Lernenden allerdings neue Herausforderungen: Erstens sind relevante Informationen, die den spezifischen Wissensbedarf eines Lernenden decken, oft über viele Webressourcen verteilt. Dies kann insbesondere durch eine Bereitstellung von geeigneten Suchmechanismen adressiert werden, wobei die Suche sich nicht auf eine Internetsuche beschränkt, sondern auch von Lernenden bereits gefundene und als relevant erachtete Ressourcen betrifft. Allerdings ist eine Suche oft durch die Nutzung unterschiedlicher Terminologie erschwert. Weiterhin sind Webressourcen (im Gegensatz zu oft in Bildungsinstitutionen eingesetzten Lernmaterialien in Form von Lernobjekten) meistens nicht durch wohlstrukturierte Metadaten beschrieben. Da Lernende mit einer Vielzahl von unterschiedlichen Ressourcen umgehen müssen, ist eine geeignete Beschreibung jedoch sehr wichtig, um eine angemessene Organisation der Lernressourcen zu erreichen. Zuletzt fehlt in selbstgesteuerten Lernszenarien meistens ein Lehrender oder Tutor, der Lernziele setzt, den Lernprozess strukturiert und das Lernergebnis bewertet. Der Lernende muss somit beim selbstgesteuerten Lernen die Aufgaben übernehmen, die ansonsten der Rolle des Lehrenden zufallen. In dieser Arbeit wird diese Form des ressourcenbasierten Lernens betrachtet und geeignete Unterstützungsmöglichkeiten werden hierfür vorgestellt. Insbesondere werden aus den Eigenschaften des ressourcenbasierten Lernens die Anforderungen an ein Werkzeug zur Unterstützung, ELWMS.KOM genannt, herausgearbeitet und umgesetzt. ELWMS.KOM ist ein System, das es Lernenden ermöglicht, ihren selbstgesteuerten Lernprozess und die dabei anfallenden Lernressourcen in einem persönlichen Wissensnetz mittels Auszeichnung der Ressourcen mit semantisch typisierten Tags zu organisieren. Insbesondere im Fokus stehen dabei webbasierte Ressourcen, die im Gegensatz zu Lernobjekten im bildungsinstitutionellen Kontext keine feste Struktur haben, nicht primär für Lernzwecke intendiert sind (und aus diesem Grunde nicht didaktisch aufbereitet sind) und nicht durch für den Lernenden wichtige Metadaten ausgezeichnet sind. ELWMS.KOM ist angelegt, diese Mängel und die daraus entstehenden Herausforderungen für den Lernenden durch angemessene Unterstützung abzumildern. Die Beiträge dieser Arbeit umfassen die Herleitung und Umsetzung von Technologien und Paradigmen, die eine solche Unterstützung in ELWMS.KOM ermöglichen. Dazu werden, ausgehend von einer Analyse von Lernobjekten, die in bildungsinstitutionellen Lernszenarien verwendet werden, die Unterschiede zu freieren, selbstgesteuerten Lernparadigmen analysiert und auf dieser Basis Designentscheidungen für ELWMS.KOM abgeleitet. Diese bilden die Basis für die konkret in dieser Arbeit behandelten Unterstützungsmöglichkeiten. Zum einen werden Technologien präsentiert, die es ELWMS.KOM erlauben, dem Lernenden Tags und Lernressourcen basierend auf einer semantischen Repräsentation ihres Inhalts vorzuschlagen. Dabei wird anhand einer Nutzerstudie die Notwendigkeit aufgezeigt, sowohl monolinguale als auch sprachübergreifende Ansätze zur Ermittlung von semantisch ähnlichen Tags und Ressourcen zu ermöglichen. Eine Analyse des eingesetzten Ansatzes zur Ermittlung von semantischen Ähnlichkeiten wird präsentiert. Darauf aufbauend werden verschiedene Strategien vorgestellt und verglichen, die den Berechnungsaufwand der Methode reduzieren können, ohne die Güte des Ansatzes zu mindern. Weiterhin werden Erweiterungen für dieses Verfahren vorgestellt und evaluiert, die zusätzliche semantische Eigenschaften eines Referenzkorpus nutzen, um die Qualität des Ansatzes zu verbessern. Ferner präsentiert diese Arbeit einen Ansatz zur automatischen Segmentierung von Webressourcen, um Lernenden die Auswahl relevanter Passagen einer Webressource zu vereinfachen. Diese Segmentierung baut auf einer strukturellen und visuellen Analyse von Webressourcen auf und hat eine Menge von kohärenten Segmenten zum Ergebnis. Eine Nutzerstudie belegt die Güte dieses Verfahrens. Weiterhin unterstützt ein Ansatz Lernende bei der konsistenten Erstellung ihres in ELWMS.KOM verwendeten Tag–Vokabulars durch eine sprachunabhängige, automatisierte Erkennung des Web–Genres einer Webressource für den semantischen Tag–Typen Typ. Hier werden neuartige Merkmale entwickelt, anhand derer eine zuverlässige Klassifikation von Webressourcen in verschiedene Web–Genres möglich ist. Mehrere Evaluationen mit unterschiedlichen Parametrisierungen werden vorgestellt. Zuletzt wird in dieser Arbeit der Tag–Typ Ziel eingeführt, der Lernende bei der Planung, Durchführung und Bewertung ihres gesamten Lernprozesses unterstützt. Diese Unterstützung in ELWMS.KOM wurde basierend auf der Lerntheorie des selbstregulierten Lernens hergeleitet und dementsprechend umgesetzt. Die Vorteile einer solchen Unterstützung werden in zwei großangelegten Studien nachgewiesen, die mit ELWMS.KOM und den darin integrierten Zielsetzungsmechanismen durchgeführt wurden.German
Uncontrolled Keywords: Learning Resource, Semantic Relatedness, Web Resource Segmentation, Web Genre Detection, Self–Regulated Learning, Learning Object, Semantic Analysis, Structural Analysis
Alternative keywords:
Alternative keywordsLanguage
Learning Resource, Semantic Relatedness, Web Resource Segmentation, Web Genre Detection, Self–Regulated Learning, Learning Object, Semantic Analysis, Structural AnalysisEnglish
Classification DDC: 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
Divisions: Fachbereich Elektrotechnik und Informationstechnik > Multimedia Kommunikation
Date Deposited: 28 Jun 2011 12:56
Last Modified: 07 Dec 2012 12:00
URN: urn:nbn:de:tuda-tuprints-26440
License: Creative Commons: Attribution-Noncommercial-No Derivative Works 3.0
Referees: Steinmetz, Prof. Dr.- Ralf and Effelsberg, Prof. Dr.- Wolfgang
Refereed: 17 June 2011
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/2644
Export:

Actions (login required)

View Item View Item