İnternetin hızlı büyümesiyle, elektronik öğrenme kaynaklarının sayısı katlanarak artmakta ve kullanılacak uygun olanı seçmeyi zorlaştırmaktadır. İnternetin gevşek yapısı nedeniyle; öğrenme için yararlı kaynakları bulmak da zordur.

Arama motorlarının yardımıyla bile, arama sonuçları genellikle düşük kaliteli ve alakalıdır. Yahoo’da basit bir anahtar kelime araması milyonlarca web sitesinde bilgi patlamasına yol açabilir. Basit bir arama motoru ihtiyaçlarımızı karşılamaya yetmez.

Öte yandan, alana özgü bir arama motoru, tüm web’i kapsamaya çalışmadığı için daha yüksek alaka düzeyine sahip sonuçlar sağlayabilir. Bununla birlikte, ilgili öğrenme nesnelerini belirlemek yine de kolay değildir, çünkü farklı insanlar aynı kelime üzerinde farklı algılara sahip olabilir ve bu da arama sırasında belirsizliğe neden olabilir.

Bu nedenle, ilgili öğrenme nesnelerini kolayca tanımlayabilmemiz için öğrenme kaynaklarını tanımlamak ve düzenlemek için iyi tanımlanmış bir dizine ihtiyacımız var. Öğrenme kaynaklarının nasıl daha iyi tanımlanacağı ve bunların nasıl bulunup iyi bir şekilde kullanılacağı bir meydan okuma haline gelir. Öğrenme teknolojisi standartları ve iyi tasarlanmış öğrenme kaynağı yönetim sistemleri, kişinin yararlı ve ilgili öğrenme kaynaklarını bulmasına yardımcı olmak açısından kritik öneme sahiptir.

IEEE-LTSC, IMS Global Learning  vb. gibi öğrenme kaynakları için standartları tanımlayan bazı büyük kuruluşlar vardır. IEEE Learning Object Metadata (LOM) standardı, bir öğrenme nesnesini herhangi bir varlık olarak tanımlar. 

Öğrenenler, eğitmenler veya otomatik yazılım süreçleri tarafından öğrenme nesnelerinin aranmasını, değerlendirilmesini, edinilmesini ve kullanılmasını kolaylaştırmayı amaçlar. Buradaki meta veriler, öğrenme nesnesi hakkındaki verilerdir. Meta veri kullanımıyla, kullanıcılar ilgili öğrenme kaynaklarını kolayca elde edebilirler. Öğrenme kaynaklarının paylaşımı metadata kullanımı ile daha kullanışlı ve pratiktir.

Ancak, öğrenme kaynaklarının tanımlanmasında öğrenme teknolojisi standartlarının kullanımı nadirdir. Yazarlar ve geliştiriciler, LOM’da yaklaşık 80 alanı doldurmak zor ve sıkıcı olduğu için LOM kullanmaya isteksizdir. Mevcut öğrenme kaynağı yönetim sistemleri ve arama motorları, öğrenme teknolojisi standardının kullanımını desteklememektedir.

Ayrıca, LOM’daki bazı alanlar iyi tanımlanmamıştır. Örneğin, bir öğrenme nesnesinin içeriğinin zor ve ne kadar zor olduğunu ve bir öğrenme nesnesinin yüksek düzeyde etkileşimli mi yoksa orta düzeyde etkileşimli mi olduğunu belirlemek oldukça özneldir. Bu nedenle, bu araştırmada, yukarıdaki sorunları çözmek için en popüler öğrenme kaynaklarından biri olan HTML web sayfalarından LOM öğelerinin otomatik olarak nasıl çıkarılacağını araştırıyoruz.

LOM özniteliklerinin HTML web sayfalarından otomatik olarak çıkarılmasıyla, kısa sürede çok sayıda meta veri elde edilebilir ve oluşturulabilir ve yazarların LOM’da çok fazla alan doldurmasına gerek yoktur.

Öğrenme nesnelerinin etkileşim düzeyine karar vermek gibi öznel yargı sorunları, bazı buluşsal kurallar tarafından ele alınır. Otomatik çıkarma, yazarların hangi değerleri kullanmaları gerektiği konusunda hüsrana uğramamaları için LOM öğeleri için standart bir yapı ve değerler sağlar.

Bu yazıda, HTML web sayfalarındaki LOM özniteliklerini ve verilerini analiz edeceğiz, LOM özniteliklerinin HTML verileriyle eşlenmesine ilişkin kuralları tanıtacağız, LOM öğelerini HTML web sayfalarından çıkarmak için otomatik bir çıkarma çerçevesi önereceğiz, HTML web’den bilgilerin nasıl ayıklandığını açıklayacağız. Sayfalar, doğrudan eşleme ve buluşsal kurallar aracılığıyla LOM’a eşlenebilir ve bazı ön sonuçları tartışabilir.

Metaveri Nedir
Metadata nasıl oluşturulur
Meta data
Üst veri Nedir
Metadata NFT
Metadata viewer
Metadata online
Metadata ekşi

LOM Niteliklerinin ve HTML Web Sayfalarının Analizi

LOM niteliklerinin HTML verileriyle eşlenmesi ancak LOM niteliklerinin doğası analiz edildikten ve HTML web sayfalarında hangi bilgilerin bulunabileceğini araştırdıktan sonra yapılabilir. Bu bölümde, LOM özniteliklerini doğasına göre sınıflandıracağız, HTML web sayfalarından çıkarılabilecek bilgileri inceleyeceğiz ve LOM özniteliklerinin HTML verileriyle eşlenmesine ilişkin kuralları tanıtacağız.

LOM Niteliklerinin Doğalarına Göre Sınıflandırılması

LOM özelliklerini niteliklerine göre aşağıdaki 5 kategoride sınıflandırdık ve bunlar özetlenmiştir:

• Diğerlerinden Girdilere Bağlı Öğeler – Bu kategori, “Meta-Metadata” ve “Annotation” gibi başkaları tarafından doldurulması gereken LOM niteliklerini ifade eder. yani, meta verileri oluşturan sistemin doldurulmasını gerektiren verileri tanımlayan verilerdir. Açıklama kategorisi, diğer kullanıcıların katkısını gerektiren öğrenme nesnesinin eğitimsel kullanımı hakkında yorumlar sağlar.

• Önlemlere ve Başkalarının Kontrolüne Bağlı Unsurlar – “Haklar” (LOM 6) kategorisi, öğrenme nesnesinin fikri mülkiyet haklarını ve kullanım koşullarını gruplayarak, onu korumak için başka önlemler veya kontroller gerektirir. “İlişki” (LOM 7) yazarların ilişkinin farkında olmayabileceği ve başkalarının desteğine ihtiyaç duyabileceği ilgili öğrenme nesneleri arasındaki ilişkiyi tanımlar.

• Bir Öğrenme Nesnesinin Fiziksel Özellikleriyle İlgili Öğeler – Bu kategori, bir öğrenme nesnesinin yazarlarını ve e-posta adresini temsil eden “Contribute” (LOM 2.3) gibi bir öğrenme nesnesinin fiziksel özelliklerini tanımlayan LOM özniteliklerine atıfta bulunur; Öğrenme nesnesinin dosya boyutunu temsil eden “Boyut” (LOM 4.2).

• Bir Öğrenme Hedefinin İçeriğiyle İlgili Öğeler – Bu kategori, öğrenme nesnesinin başlığını temsil eden “Başlık” (LOM 1.2) gibi bir öğrenme nesnesinin İçeriğini tanımlayan LOM niteliklerine atıfta bulunur; Öğrenme nesnesinin vb. etkileşim düzeyini temsil eden “Etkileşim Düzeyidir”.

• Bir Öğrenme Nesnesinin Bağlamsal Kullanımıyla İlgili Öğeler – Bu kategori, öğrenme nesnesinin içeriğinde nadiren bulunan ve yazarların doldurmasını gerektiren bir öğrenme nesnesinin kullanımına atıfta bulunur, örneğin “Kurulum Açıklamaları” (LOM 4.5) bu web sayfasının nasıl kurulacağına ilişkin açıklamayı vermek; Bu öğrenme nesnesinin tasarlandığı asıl kullanıcıları, bir öğretmeni veya bir öğrenciyi vb. tanımlayan “Amaçlanan Son Kullanıcı Rolü” olarak bilinir.

HTML Web Sayfalarında Bulunabilecek Bilgiler

Bir HTML web sayfasında, örneğin başlık, anahtar kelimeler, boyut, içerik dili, oluşturma tarihi vb. gibi birçok bilgi bulunur. Bu bilgiler, doğrudan HTTP başlığından, HTML etiketinden ve içerikten toplanabilir veya değerlerini elde etmek için bazı buluşsal kurallar.

Örneğin, web sayfasının son değiştirilme tarihini doğrudan “Son Değiştirilme” HTTP başlığından, web sayfasının başlığını <title> HTML etiketinden ve sunucuyla etkileşimi HTML etiketi <Form action> ve <‘den alabiliriz. Girdi> vb. Web sayfalarından doğrudan çıkarılabilen veriler özetlenir.

The post Meta Verilerin Otomatik Çıkarılması – Eğitim – Essay – Ödev – Tez – Makale – Çeviri – Tez Yazdırma -Tez Yazdırma Fiyatları first appeared on Ödevcim (Ücretli Ödev Yaptırma).