Automatisierte Augmentierung von Lernobjekten in einer semantischen Interpretationsschicht der hylOs Plattform

Abstract

IEEE LOM Lernobjekte etablieren sich weithin als standardisierte Grundbausteine für das eLearning Content Management. Dekoriert mit einem aussagefähigen Metadatensatz und strukturiert durch benannte Relationen, können Lernobjekte in hypermedialen Anwendungen vielfältig und an den Lernenden angepasst präsentiert werden. Das Hypermedia Learning Object System hylOS, welches wir in dieser Arbeit vorstellen, ist eine solche lernobjektverarbeitende Plattform. hylOS hält eine Editorenumgebung zur teilautomatisierten und auch zur vollständigen, manuellen Metadatenbearbeitung im Autorenkontext bereit, doch bleibt die Erstellung wohlannotierter und --strukturierter Lernobjekte aufwändig. In dieser Arbeit stellen wir deshalb unsere Erweiterungen zur automatischen Lernobjekt--Akquise und Augmentierung vor. Aus vorlesungsbegleitenden Aufnahmen erstellen wir zunächst Basisobjekte, welche sodann analysiert und automatisch klassifiziert werden. Eine semantische Verarbeitungsschicht verknüpft schließlich die annotierten Objekte und webt so ein dichtes inhaltliches Netz von autonomen Wissenskernen.