TU Darmstadt / ULB / tuprints

Semantisches Tagging zur Verwaltung von webbasierten Lernressourcen: Modelle, Methoden und eine Plattform zur Unterstützung Ressourcen-basierten Lernens

Böhnstedt, Doreen :
Semantisches Tagging zur Verwaltung von webbasierten Lernressourcen: Modelle, Methoden und eine Plattform zur Unterstützung Ressourcen-basierten Lernens.
TU Darmstadt
[Ph.D. Thesis], (2011)

[img]
Preview
2011-Böhnstedt-Dissertation-Semantisches Tagging zur Verwaltung von webbasierten Lernressourcen - PDF
2011-Boehnstedt-Dissertation-Semantisches_Tagging_zur_Verwaltung_von_webbasierten_Lernressourcen.pdf
Available under Creative Commons Attribution Non-commercial No Derivatives.

Download (4Mb) | Preview
Item Type: Ph.D. Thesis
Title: Semantisches Tagging zur Verwaltung von webbasierten Lernressourcen: Modelle, Methoden und eine Plattform zur Unterstützung Ressourcen-basierten Lernens
Language: German
Abstract:

Die mit der Wissensgesellschaft verbundene Wissensexplosion, die veränderten Lebensbedingungen aufgrund neuer Arbeitsformen und die zahlreichen technischen Entwicklungen bedingen, dass das in Bildungseinrichtungen erworbene Wissen nicht mehr ein Leben lang ausreicht. Daher wird selbstgesteuertes Lernen am Arbeitsplatz immer wichtiger. Dies ist eine Form des Lernens, bei welcher ein aktueller Informationsbedarf durch die selbstständige Interaktion mit einer Vielzahl verschiedener digitaler Ressourcen gedeckt wird. Auf Grund dieser Interaktion wird das Lernen als Ressourcen-basiertes Lernen bezeichnet. Zunehmend wächst hierbei die Bedeutung des Web als Informationsquelle, denn es bietet eine Vielzahl an Ressourcen, die beim Lernen verwendet werden können.

Mit dem selbstgesteuerten Ressourcen-basierten Lernen sind jedoch auch Herausforderungen für die Lernenden verbunden. Zum einen handelt es sich bei digitalen Ressourcen im Web meist nicht um didaktisch aufbereitete Lernmaterialien. Die Ressourcen sind unstrukturiert und wurden nicht speziell für die Lernenden als Zielgruppe erstellt. Zusätzlich sind die relevanten Informationen oft über viele verschiedene Webseiten verteilt. Zum anderen gibt es bereits eine sehr große Menge an Informationen im Web, die sehr schnell zunimmt, was zur Informationsüberflutung führen kann. In dem in dieser Arbeit betrachteten Szenario des selbstgesteuerten Lernens gibt es zudem keinen Lehrenden, der den Lernprozess strukturiert. Die Lernenden müssen demzufolge selbstständig ihren Informationsbedarf feststellen und ihr Vorgehen planen. Sie müssen relevante Ressourcen identifizieren, annotieren und für eine spätere Nutzung organisieren. Dieser Umstand macht eine geeignete Verwaltung der Ressourcen notwendig. Die Mehrheit der Lernenden ist allerdings mit den aktuell vorhandenen Möglichkeiten für die Organisation von Webressourcen unzufrieden.

Ziel dieser Arbeit ist daher die Konzeption und Entwicklung eines Werkzeugs zur Unterstützung der Lernenden beim Ressourcen-basierten Lernen. Dies soll insbesondere die Verwaltung der Ressourcen durch die Lernenden unterstützen und die oben genannten Herausforderungen adressieren.

Das selbstgesteuerte Ressourcen-basierte Lernen verlangt ein persönliches Informations- und Wissensmanagement durch die Lernenden. In der Literatur existieren verschiedene Modelle zur Verwaltung von Informationen bzw. Wissen im organisationalen und persönlichen Bereich. Für selbstgesteuertes Ressourcen-basiertes Lernen fehlt ein solches Modell bisher. Daher wird zunächst ein Modell für das Ressourcen-basierte Lernen basierend auf den existierenden Modellen und einer im Rahmen dieser Arbeit durchgeführten Fragebogenerhebung entwickelt. Das Modell umfasst verschiedene Prozessschritte, die von dem zu entwickelnden Werkzeug unterstützt werden sollen.

Die Verwaltung der Ressourcen erfordert eine geeignete Speicherung dieser durch die Lernenden, beispielsweise themenbezogen oder aufgabenbezogen. Tagging stellt eine einfache und breit akzeptierte Möglichkeit zur Verwaltung von beliebigen Ressourcen im Web dar, allerdings ist die Ausdrucksmöglichkeit beim Tagging stark eingeschränkt. Andere Formen der Ressourcenverwaltung lassen sich im Bereich der formalen Wissensorganisation finden (z.B. Modellierung eines semantischen Netzes), allerdings wird zum Aufbau eines semantischen Netzes Expertenwissen vorausgesetzt. Als Basis für das im Rahmen der Arbeit entwickelte Werkzeug zur Unterstützung des Ressourcen-basierten Lernens wird daher eine Kombination beider Formen vorgeschlagen, d.h. ein semantisches Netz, das durch die Lernenden mittels Tagging erstellt und erweitert wird. Kernbestandteil dieses Netzes sind Ressourcen und Tags. Beim Tagging wird jedem Tag ein Typ zugeordnet. So kann gespeichert werden, ob es sich z.B. um ein Thema oder eine Aufgabe handelt. Im Rahmen dieser Arbeit wird analysiert und evaluiert, welche Tag-Typen für das Szenario des Ressourcen-basierten Lernens notwendig sind.

Des Weiteren wird ein Algorithmus zur automatischen Erkennung dieser Tag-Typen vorgestellt, denn ein solcher Algorithmus kann den manuellen Pflegeaufwand bei der Verwaltung der Ressourcen reduzieren. Die Evaluation mit verschiedenen Korpora zeigt, dass dieser wissensbasierte Algorithmus ein Tag bereits während des Tagging-Vorgangs mit einer für das Szenario ausreichenden Genauigkeit klassifizieren kann.

Auf Basis des entwickelten Modells für das Ressourcen-basierte Lernen und dessen Anforderungen an die Verwaltung der Ressourcen werden verschiedene Werkzeuge und Systeme hinsichtlich ihrer Unterstützung des Ressourcen-basierten Lernens analysiert. Keines der verwandten Werkzeuge kann die Anforderungen angemessen erfüllen.

Daher wird ausgehend von den Prozessschritten im Modell und den daraus abgeleiteten funktionalen Anforderungen ein Konzept für ein Unterstützungswerkzeug entwickelt. Anhand der technischen Anforderungen wird ein System entworfen, bestehend aus Browser-Add-on, Backend zur Verwaltung der Wissensnetze und webbasiertem Frontend. Dieses wird implementiert und schließlich in Nutzerstudien evaluiert.

Die im Rahmen dieser Arbeit durchgeführten Nutzerstudien zeigen, dass die erweiterte Form des Taggings, basierend auf Tag-Typen, gut angenommen wird und eine angemessene Verwaltung der Ressourcen ermöglicht. Weiterhin zeigen die Studien, dass das implementierte Unterstützungswerkzeug die Herausforderungen des selbstgesteuerten Ressourcen-basierten Lernens angemessen adressiert. Die vorliegende Arbeit schafft damit eine Grundlage für die Optimierung des Vorgehens bei der selbstständigen Interaktion mit Ressourcen zur Deckung eines Informationsbedarfs.

Alternative Abstract:
Alternative AbstractLanguage
The knowledge explosion, changing circumstances due to new forms of work and many technical developments determine that the knowledge acquired in education is not sufficient throughout life. Therefore, self-directed learning in the workplace is becoming increasingly important. This is a form of learning where a current information need is met by the self-directed interaction with a wide range of digital resources. Therefore, this learning is called Resource-based Learning. Increasingly, the importance of the Web as an information source grows because it provides many resources that can be used for learning purposes. However, self-directed Resource-based Learning also poses many challenges to learners. First, digital resources on the Web are usually not didactically prepared and therefore are not intended to be used as learning materials. In addition, the relevant information is often distributed across many different websites. Further, there is already a very large but still rapidly increasing amount of information available on the Web, which can lead to information overload. In the scenario of self-directed learning considered here, there is no teacher who structures the learning process. Therefore, learners have to independently determine their information needs and plan their proceeding. They have to identify, annotate and organize relevant resources for future use. This makes an appropriate management of resources necessary. However, the majority of learners is unsatisfied with the currently available possibilities for the organization of Web resources. The goal of this thesis is therefore the design and development of a tool to support learners in Resource-based Learning. In particular, the management of resources should be supported and hence challenges mentioned above are addressed. Self-directed Resource-based Learning requires a personal information and knowledge management by the learners. In literature, several models for managing information and knowledge in organizational and personal scopes exist. For self-directed Resource-based Learning such a model is missing so far. Therefore, a model for Resource-based Learning is developed based on the existing models and on a questionnaire survey conducted in the context of this thesis. This model encompasses several process steps that should be supported by the tool. The management of resources necessitates the learners to appropriately store the resources, such as based on topic of interest or task to be executed. Tagging is a simple and accepted way to manage any resource on the Web, but its power of expression is restricted. Other forms of resource management can be found in the area of formal knowledge organization (e.g. modeling of a semantic network), however, expert knowledge is usually required to build a semantic network. As a basis for the tool that is developed in the context of this work, therefore, a combination of both forms is proposed, i.e. a semantic network that is created and expanded by the learners using tagging. Core components of this network are resources and tags. Additionally, a learner is able to assign a type to each tag. Therefore, the information whether the tag is e.g. a topic or task can be stored. As part of this thesis, the types of tags that are necessary for the scenario of Resource-based Learning have been analyzed and evaluated. Furthermore, an algorithm for automatic detection of these tag types is presented, as such an algorithm can reduce the manual maintenance effort for the management of resources. The evaluation of various corpora shows that the knowledge-based algorithm can classify a tag already during the tagging process with an accuracy which is sufficient for the scenario. Based on the developed model of Resource-based Learning and its requirements for the management of resources, different tools and systems are analyzed with regard to their support of Resource-based Learning. None of the related tools fulfill the requirements appropriately. Therefore, on the basis of the model's process steps and the derived functional requirements a concept for a supporting tool is developed. Based on the technical requirements, a system is designed, consisting of a browser add-on, a backend for the management of the knowledge networks and a web-based frontend. The tool is implemented and evaluated in user studies eventually. The user studies conducted in this work show that the extended form of tagging, based on tag types, is well accepted and allows for appropriate management of resources. Furthermore, the studies show that the implemented tool addresses the challenges of self-directed Resource-based Learning adequately. The present work thus creates a basis for optimizing the approach to self-directed interaction with resources in order to meet an information need.English
Uncontrolled Keywords: Ressourcen-basiertes Lernen, Tagging, Semantik, Wissensnetze, Informationsmanagement, Wissensmanagement, Nutzerstudien
Alternative keywords:
Alternative keywordsLanguage
Resource-based Learning, Tagging, Semantic, Knowledge Networks, Information Management, Knowledge Management, User StudiesEnglish
Classification DDC: 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
Divisions: Fachbereich Elektrotechnik und Informationstechnik > Multimedia Kommunikation
Date Deposited: 24 Aug 2011 08:53
Last Modified: 07 Dec 2012 12:00
URN: urn:nbn:de:tuda-tuprints-27298
License: Creative Commons: Attribution-Noncommercial-No Derivative Works 3.0
Referees: Steinmetz, Prof. Dr.- Ralf and Schroeder, Prof. Dr.- Ulrik
Refereed: 17 June 2011
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/2729
Export:

Actions (login required)

View Item View Item