Chương 4 Thực nghiệm
4.2 Dữ liệu thực nghiệm?
Thực nghiệm được tiến hành trên dữ liệu gồm:
20 gói bài giảng tuân theo chuẩn SCORM. Trong đó có 15 gói bài giảng là của trường Massachusetts Institute of Technology (MIT), và 5 gói bài giảng có khung chương trình do chúng tôi tự xây dựng.
10 ngữ cảnh học tập
10 truy vấn ngữ nghĩa. Trong đó có 5 truy vấn ngữ nghĩa liên quan đến lựa chọn bài tập và 5 truy vấn ngữ nghĩa liên quan đến lựa chọn bài giảng.
Bảng 1: Danh sách các gói bài giảng sử dụng trong khảo sát
Stt Tên gói bài giảng
1 6-003Fall-2003-Signals-and-Systems.zip2 6-004Fall-2002-Computation-Structures.zip 2 6-004Fall-2002-Computation-Structures.zip 3 6-011Spring-2004-Spring-2005-Introduction-to-Communication-Control-and-Signal- Processing.zip 4 6-033Spring-2005-Computer-System-Engineering(SMA5501).zip 5 6-034Fall-2002-Artificial-Intelligence.zip 6 6-034Spring-2005-Artificial-Intelligence.zip 7 6-042JFall-2002-Mathematics-for-Computer-Science.zip 8 6-042JFall-2005-Mathematics-for-Computer-Science.zip 9 6-042JSpring-2005-Mathematics-for-Computer-Science.zip 10 6-046JFall-2005-Introduction-to-Algorithms.zip 11 6-854JFall-2001-Advanced-Algorithms.zip 13 6-825Fall-2002-Techniques-in-Artificial-Intelligence.zip 14 6-826Spring-2002-Principles-of-Computer-Systems-Spring2002.zip 15 6-823Fall-2005-Computer-System-Architecture.zip 16 Lap_trinh_huong_doi_tuong1.zip 17 Lap_trinh_huong_doi_tuong2.zip 18 Lap_trinh_huong_doi_tuong3.zip 19 Toan_roi_rac_1.zip 20 Toan_roi_rac_2.zip
4.3 Kết quả
Tự dộng xây dựng ontology và chú thích ngữ nghĩa
Kết quả khảo sát về tự động xây dựng ontology và chú thích ngữ nghĩa cho 20 gói bài giảng tuân theo chuẩn SCORM:
143 chủ đề (khái niệm) được nhận dạng, trong đó có 97 (67.8%) chủ đề là tương đối phù hợp với nhận xét của người khảo sát;
147 chú thích ngữ nghĩa được sinh ra, trong đó có 115 (78.2%) chú thích là tương đối phù hợp với nhận xét của người khảo sát.
Bảng 2. Kết quả khảo sát xây dựng ontology và chú thích ngữ nghĩa
Gói bài giảng Chủ đề nhận
dạng Chủ đề nhận dạng phù hợp Chú thích ngữ nghĩa Chú thích ngữ nghĩa phù hợp
20 143 97
(67.8%)
147 115
(78.2%)
Chọn lựa tài nguyên học điện tử bằng truy vấn ngữ nghĩa
Kết quả của khảo sát này cho thấy có 8 truy vấn ngữ nghĩa đều cho kết quả chấp nhận được (có thể sử dụng trong ngữ cảnh học tập đưa ra). Hai truy vấn không cho kết quả chấp nhận được do chú thích ngữ nghĩa không chính xác. Tuy nhiên các kết quả hữu ích hơn cả là liên quan đến lựa chọn bài tập cho học viên.
Bảng 3. Kết quả khảo sát sử dụng truy vấn ngữ nghĩa cho lựa chọn tài nguyên học điện tử
Gói bài giảng Ngữ cảnh học tập Số truy vấn ngữ nghĩa Kết quả phù hợp với trực quan khảo sát
4.4 Nhận xét
Kết quả khảo sát cho thấy tự động xây dựng ontology và chú thích ngữ nghĩa là có thể thực hiện được mặc dù kết quả chính xác chưa được cao.
Nguyên do là các xử lý để trích chọn thông tin vẫn còn quá đơn giản (xử lý so sánh dãy từ ngữ), không đủ để nhận biết được sự tương đồng giữa các khái niệm. Ví dụ: “syllabus” (chương trình học) của những môn học khác nhau sẽ không giống nhau. Do đó, nếu chỉ sử dụng chung một khái niệm là syllabus có thể sẽ dẫn đến sử dụng sai tài nguyên khi áp dụng truy vấn ngữ nghĩa để lựa chọn thành phần sử dụng lại.
Để khắc phục nhược điểm trên, chúng ta có thể áp dụng các công nghệ thông minh cho nhận dạng và phân loại nội dung. Đồng thời chúng ta cũng có thể xây dựng các công cụ hỗ trợ cho xây dựng bài giảng và xây dựng chú thích ngữ nghĩa như những nghiên cứu khác [4, 8] đã thực hiện.
Các truy vấn ngữ nghĩa là có ích trong việc lựa chọn tài nguyên học phù hợp ngữ cảnh cho trước. Sử dụng các công cụ OWL-QL là tương đối dễ dàng và thuận tiện. Các công cụ này cũng hỗ trợ xây dựng tác tử phục vụ cho các hệ quản trị tài nguyên tri thức.
Mặc dù cho các kết quả tương đối khả quan, các khảo sát vẫn chỉ thực hiện ở phạm vi dữ liệu nhỏ, do đó các kết quả mới chỉ có tính minh họa mô hình đề xuất và khảo sát khả năng cài đặt mô hình ở mức đơn giản.
Kết luận
Luận văn nghiên cứu về ứng dụng công nghệ web ngữ nghĩa trong đào tạo điện tử (E-learning), cụ thể là:
Chúng tôi đã đề xuất một hình xây dựng và khai thác tài nguyên học điện tử dựa trên công nghệ web ngữ nghĩa nhằm hướng tới cơ chế tự động xây dựng bài giảng điện tử phù hợp với ngữ cảnh học tập của học viên.
Để hướng tới tính khả chuyển và khả năng sử dụng lại của tài nguyên, chúng tôi lựa chọn chuẩn SCORM làm cơ cở cho xây dựng hệ thống đào tạo, đồng thời đề xuất việc mở rộng chuẩn SCORM bằng cách sử dụng công nghệ web ngữ nghĩa. Việc mở rộng này nhằm hướng tới sử dụng truy vấn ngữ nghĩa cho khai thác tài nguyên học điện tử.
Để hướng tới triển khai mô hình, chúng tôi đã xây dựng một số ontology phục vụ cho đào tạo (ontology mô tả cấu trúc bài giảng điện tử, ontology mô tả ngữ cảnh học tập) và đề xuất giải pháp xây dựng động các ontology mô tả chủ đề đào tạo và các chú thích ngữ nghĩa cho thành phần nội dung.
Để kiểm nghiệm mô hình nói trên, chúng tôi đã cài đặt thử nghiệm OPARSER nhằm khảo sát khả năng tự động xây dựng ontology và chú thích ngữ nghĩa cho các thành phần tài nguyên, đồng thời tiến hành thử nghiệm sử dụng truy vấn ngữ nghĩa để tìm kiếm các thành phần nội dung học điện tử phù hợp với ngữ cảnh học tập của học viên. Các kết quả thực nghiệm cho thấy số lượng ontology và chú thích ngữ nghĩa do OPARSER tự động xây dựng vẫn chưa thật chính xác, các truy vấn ngữ nghĩa có thể tìm kiếm được các thành phần tài nguyên học phù hợp với ngữ cảnh học tập của học viên.
Kết quả nghiên cứu cho thấy ứng dụng web ngữ nghĩa là cần thiết cho việc nâng cao khả năng khai thác tài nguyên học điện tử. Các công nghệ web ngữ nghĩa mở ra khả năng tự động tái sử dụng các thành phần tài nguyên học điện tử, giúp cho việc xây dựng nội dung học điện tử phù hợp với ngữ cảnh học tập của học viên trở nên dễ dàng hơn.
Tuy nhiên, với số lượng dữ liệu thực nghiệm nhỏ thì khả năng đánh giá tính khả thi của mô hình đề xuất là không cao. Các kết quả mới chỉ mang tính minh họa hoạt động của mô hình và minh họa khả năng cài đặt mô hình ở mức đơn giản. Do đó, hướng nghiên cứu tiếp theo của chúng tôi là:
Nghiên cứu áp dụng các kỹ thuật nhận dạng văn bản, xử lý ngôn ngữ tự nhiên trong phân tích và xử lý siêu dữ liệu nhằm nâng cao tính chính xác trong việc tự động xây dựng các ontology và chú thích ngữ nghĩa cho các tài nguyên học tập điện tử.
Hoàn thiện các ontology mô tả ngữ cảnh đào tạo và các ontology mô tả cấu trúc nội dung tài nguyên.
Xây dựng các công cụ hỗ trợ xây dựng bài giảng điện tử theo mô hình đề xuất. Xây dựng giải pháp thực thi mô hình một cách cụ thể và tiến hành khảo sát mô hình ở qui mô lớn hơn với nhiều bài giảng và tình huống học tập của học viên.