Bilgi Deposu
Bir bilgi deposu fikri kökten yeni değildir. Birçok dijital belge arşivi/havuzu, amaçları dijital belgelerin korunmasına yönelik olarak yıllardır faaliyet göstermektedir. CS1105KR ürünümüz esas olarak belgeler için bir havuz işlevi görür. Farklı olduğu şey, yaygın olarak bulunan kütüphane dijital arşivlerinin yukarıdan aşağıya yaklaşımının aksine, işbirlikçi öğrenme, bilgi yakalama ve çalışmalarıyla ilgili kaynakların konumlandırılması için bir eğitim alanını destekleme hedefleridir.
CS1105KR’deki bilgi, ilgili öğrenme kaynaklarına ve bunların ne olduğuna atıfta bulunur. Her öğrenme kaynağı, ister web içeriği olarak mevcut olsun ister fiziksel olarak veri havuzunda depolanmış olsun, orijinal haliyle hala gayri resmi olarak temsil edilmektedir. Bununla birlikte, bir kaynağın içeriği, ontoloji tabanlı dizinler aracılığıyla resmi olarak ifade edilir, altta yatan süreç, diğer araştırmacılar tarafından açıklanan semantik açıklamalara benzer.
SoL ve Experts Exchange gibi başka yerlerde de benzer bilgi havuzları oluşturulmuştur. Çoğunda ontoloji desteğinden söz edilmez. CS1105 alanının ontolojik modellemesi için ilk temel çalışması, alan uzmanının, yani kursun eğitmenlerinin girdilerinden veri havuzunu ve temellerini oluşturan aşağıdan yukarıya yaklaşımı alır.
CS1105 KR, bilginin sistem içinde tutulmasına izin verirken aynı zamanda ontolojide sürekli değişiklikleri desteklemek amacıyla, öğrenen odaklı ilkeler göz önünde bulundurularak inşa edilmiştir.
Tasarım ve Uygulama
CS1105KR’nin heterojen deposu, elektronik veya basılı materyal, kurslar, slayt sunumları, videolar veya alan bilgisi ile ilgili diğer kaynaklar dahil olmak üzere birçok farklı türdeki kaynakları veya referansları depolar. Kaynaklar daha sonra konu sınıflandırmaları, kaynak formatı veya alandaki çalışmanın doğası aracılığıyla bir dizi farklı yolla alınabilir ve bir web tarayıcı arayüzü aracılığıyla görüntülenebilir.
CS1005 KR, ilişkiyle birlikte alan taksonomisinin (tipik olarak alan uzmanı tarafından oluşturulan) ayrı inşasına izin vermek için bilgi tabanına iki mantıksal bölüm, yani alan taksonomisi ve havuz bilgisi sağlamak üzere oluşturulmuştur. Taksonomi sadece soyut bir kavram hiyerarşisidir.
Bu hiyerarşi, etki alanındaki çeşitli fikirleri veya kavramları yapılandırır. CS1105KR’de konu, biçim, çalışma alanı, kaynaklar ve bunların ilişkilerini içeren soyut bir model gösterilmiştir. Ontolojinin gerçek kullanıma nasıl yansıtılacağını göstermektedir.
‘Biçim’ kavramı, bir kaynağı, örneğin bir kitap veya bir dergi makalesi gibi, kaynağın mevcut olduğu biçime dayalı olarak tanımlar. ‘Çalışmanın doğası’ kavramı, bir eğitim alanı kullanıcısının veya öğrencinin çalışmalarıyla ilgili ilgi alanını temsil eder; örneğin, bir kaynak yalnızca sınav amaçlı bir öğrenciyle ilgilidir.
Akran derecelendirmesi ve geri bildirim, ziyaretçilerin bir öğeye ilişkin derecelendirmelerini göndermelerine olanak tanır. Bu, etkili kaynak yeniden kullanımını teşvik etmek ve bir kaynağın kullanışlılığı hakkında içgörü sağlamak için bir yaklaşım olarak görülüyor. Birden beşe kadar sayıların basit bir derecelendirme şeması kullanılır.
CS1105KR ana sayfası, kaynakların tam kategorizasyonunu açar. Mevcut tüm kaynaklar Konular, Biçim ve Çalışma Alanlarının çeşitli sınıflandırmalarında görüntülenir. Kullanıcılar kategorilerden seçim yaparak kaynakları bulabilirler.
CS1105 alanının ilk görünümü, Konular başlığı altında sunulur. Bu görünüm, deneyimsiz kişilere Depo’da bir başlangıç noktası verir ve kullanıcılara hangi kaynakların mevcut olduğunu söyler. Her sınıflandırma altında mevcut kaynakların sayısı da görüntülenir.
Kullanım Sonucu
Kullanım 28 Şubat – 13 Nisan tarihleri arasında izlendi. Bu süre zarfında 248 öğrenci en az 1 kaynak paylaştı, 270 öğrenci en az bir kez KR’ye erişti. Aynı dönemde öğrenci başına düşen ortalama ziyaret sayısı 24 ve öğrenci başına gönderilen ortalama kaynak sayısı 8’dir. Sayfa sınırlaması nedeniyle sonuç burada gösterilememektedir. Ancak, yazarların isteği üzerine kullanılabilir.
CS1105KR’nin potansiyelini, bir etki alanındaki pedagojik kaynakların yakalanması, korunması ve paylaşılması konusundaki öneminde görüyoruz. Depo içinde öğrenen tarafından yönlendirilen bir ortam elde etmeye odaklanmanın, öğrencileri sorumluluk üstlenmeye ve alan topluluğuna aktif katılım yoluyla kendi bireysel öğrenme ilerlemelerini planlamaya teşvik etmesi beklenmektedir.
KR’deki kaynaklar, sonuçları bir alanın öğrenilmesini desteklemek için bağlamsal ve anlamsal olarak alakalı bir arama olan, içinde gömülü bilgi ile mantıksal bir şekilde tanımlanır. Bununla birlikte, özellikle yükleme hızında KR’nin daha da geliştirilebileceğine dair çok az şüphe var. Yapılan katkıların kalite kontrolüne de ihtiyaç vardır. Çalışmalar halen devam ediyor.
Youtube meta veri nedir
Metadata Örnekleri
Nft metadata nedir
YouTube meta veri
Meta veri ne işe yarar
Meta data html
Veri alanı nedir
Meta veriler
Öğrenim Nesnesi Meta Veri Değişimi
Öğrenme nesneleri (Ö’ler), onları tanımlamak için standartlaştırılmış meta verilerle birlikte, bağımsız ve kendi kendine ayakta duran öğrenme kaynaklarının bir kez oluşturulduktan sonra kişiselleştirilmiş öğrenme içeriği oluşturmak için herhangi bir zamanda konumlandırılabileceği, geri alınabileceği ve her yerde kullanılabileceği konusunda çekici bir olasılık sunar.
Temel olarak öğrenme nesneleri, farklı bağlamlarda birden çok kez kullanılabilen ve çeşitli kurslar, dersler veya programlar oluşturmak için birçok şekilde bir araya getirilebilen kavramsal olarak küçük içerik bileşenleridir. Meta veriler genellikle “fiziksel veya dijital olsun, bir nesne hakkındaki bilgilerdir”. Öğrenme hedefleri için meta veriler, öğrenme nesnelerinin çeşitli özelliklerini tanımlayan önceden tanımlanmış bir dizi öğedir.
Günümüzde, öğrenme nesnelerini ve ilişkili meta verileri organize bir şekilde yönetmeyi amaçlayan birçok öğrenme nesnesi deposu (LOR) oluşturulmuştur. Her LOR, kendi amaçlanan topluluğunun özel ihtiyaçlarını karşılamayı amaçlamaktadır. Bu nedenle, tek bir meta veri şemasının tüm bu uygulamaların işlevsel gereksinimlerini karşılamasının zor olduğu kanıtlanmıştır. Sonuç olarak, bugün çok sayıda LO meta veri şeması mevcuttur.
Ortaya çıkan bir sorun şudur: Farklı meta veri şemaları kullanan birden fazla havuzda yararlı bir öğrenme materyali parçasını nasıl arayabiliriz? Çekici bir vizyon, tüm bu meta veri şemalarının birbirleriyle iletişim kurabilmesi ve böylece küresel İnternet genelinde kapsamlı bir birlikte çalışabilirliğin mümkün olabilmesidir.
Bu küresel birlikte çalışabilirliğe ulaşmak için, uluslararası kabul görmüş bir meta veri standardının kullanımı veya çeşitli meta veri şemaları arasında bir dönüştürme olmak üzere iki olası yol düşünülebilir. Uluslararası bir standardın uygulanmasında meydana gelen ağır maliyet, ilk seçeneği neredeyse imkansız hale getiriyor, bu nedenle, bir değişim mekanizmasının, meta veri birlikte çalışabilirliği sorununu çözmek için umut verici bir yaklaşım olacağına inanıyoruz.
Metadata dönüştürme uzun yıllardır bir ilgi alanı olmuştur. Literatürlerde oldukça fazla araştırma çalışması ve uygulama prototipi bulunabilir. Meta verileri bir şemadan diğerine çevirebilen çevrimiçi araçlar da vardır. Örnekler arasında DC-nokta, MARC-LOM dönüştürücü yer alır.
Bununla birlikte, bu araştırma prototipleri ve çevrimiçi haritalama araçları yalnızca sınırlı sayıda şema barındırır ve yeni şemaları içerecek şekilde genişletilmesi zordur.