Artículos

MIRROS: Intermediary Model to Recovery Learning Objects

MIRROS: Modelo Intermediario para la Recuperación de Objetos de Aprendizaje

Ma. de Lourdes Margain Fuentes¹, Jaime Muñoz Arteaga², Francisco Álvarez Rodríguez², Jean Vanderdonkt³ and Michael Orey⁴

¹ Universidad Politécnica de Aguascalientes, Av. Mahatma Gandi Km², Ags. México, lourdes.margain@upa.edu.mx

² Universidad Autónoma Aguascalientes, Av. Universidad # 940, Ags., CP. 20100 México, jmunozar@correo.uaa.mx, fjalvar@correo.uaa.mx

³ Universite Catholique de Louvain, Place des Doyens, 1–B–1348 Louvain–la–Neuve (Belgium), jean.vanderdonckt@uclouvain.be

⁴ University of Georgia, Atlanta Georgia USA, mikeorey@uga.edu

Article received on July 22, 2009.
Accepted on November 17, 2009.

Abstract

Techniques for recovery and reuse of learning objects in various learning management systems actually provide learning alternatives and services for online learning. One of these alternatives is the recovery of resources in the Learning Objects Repositories (LOR); this LOR hand out different services such as search for a specific resource by a user. From the perspective of artificial intelligence, it is possible to recover the digital resources based on metadata, with different possibilities for improving search mechanisms that satisfy a query according to the user profile with specific needs. The paper shows a proposal where searching services repositories of learning objects can be implemented by creating a reference model involving agents or elements implicated in learning or recommend learning objects based on the users requirement. From this perspective is proposed a reference model to recovery learning objects in a specific learning context.

Keywords: Learning Objects Repository, Metadata, Agents, Ontology.

Resumen

Las técnicas de recuperación y reutilización de objetos de aprendizaje en diversos sistemas de administración de aprendizaje brindan hoy nuevas alternativas y servicios para el aprendizaje en línea. Una de estas alternativas es la recuperación de los recursos en los repositorios de objetos de aprendizaje (ROA), estos atienden diversos servicios como la búsqueda de un recurso específico por un usuario. Desde la perspectiva de la inteligencia artificial, es posible recuperar los recursos digitales en base a metadatos, teniendo diversas posibilidades para mejorar mecanismos de búsqueda que cumplan una consulta conforme al perfil de un usuario con necesidades específicas. El articulo muestra una propuesta donde estos servicios de búsqueda en los repositorios de objetos de aprendizaje pueden implementarse creando un modelo de referencia, con intervención de agentes o sistemas recomendadores que sugieran al usuario objetos de aprendizaje a partir de sus requerimientos. Desde esta perspectiva se propone las un modelo de referencia para la recuperación de Objetos de Aprendizaje en un contexto de aprendizaje determinado.

Palabras Clave: Repositorio de Objetos de Aprendizaje, Metadato, Agente, Ontología.

DESCARGAR ARTÍCULO EN FORMATO PDF

References

1. Barranco, M.J., Perez, L.G., Mata, F. & Martinez, L. (2008). REJA: un sistema de recomendación de restaurantes basado en técnicas difusas. VII Turitec 08, Málaga, España.        [ Links ]

2. Bartolome J., DiPierro G., Marcos, J.J., Ortega A. & Sarasa A. (2008). Desarrollo de una red de repositorios distribuidos de objetos de aprendizaje. IV Jornada Campus Virtual, UCM. Madrid, España, 177–183.        [ Links ]

3. Berners–Lee T., Hendler J. & Lassila O. (2001, May 1). The semantic web. Scientific American, 284(5), Retrieved from http://www.scientificamerican.com/article.cfm?id=the–semantic–web        [ Links ]

4. Blanco Y., Pazos J, o Gil–Solla A., Ramos C, Nores M, García J., Vilas A., Díaz–Redondo R. & Bermejo J. (2007). Avatar: Enhancing the Personalized Television by Semantic Inference. International Journal of Pattern Recognition and Artificial Intelligence, 21(2), 397–421.        [ Links ]

5. Camargo, D. (2007). Sistema de selección de personal inspirado en agentes inteligente. Tesis de Licenciatura, Universidad de las Américas Puebla, Cholula, Puebla, México.        [ Links ]

6. Downes, S. (2003, January 1). Design and reusability of learning objects in an academic context: A new economy of education?. USDLA Journal, 17(1), Retrieved from http://www.usdla.org/html/journal/JAN03_Issue/article01.html        [ Links ]

7. Dublin Core Metadata Initiative. (January 14, 2010). Retrieved from http://www.dublincore.org        [ Links ]

8. Margain, L., Muñoz, J., Alvarez, F. (2008). A Methodology for Design Collaborative Learning Objects. The 8th IEEE International Conference on Advanced Learning Technologies, ICALT 2008, Santander, Spain, 87–91.        [ Links ]

9. Ochoa, X., Duval, E. (2008). Estudio de las Características de los Repositorios de Objetos de Aprendizaje. 3ra Conferencia Latinoamericana de Tecnologías de Objetos de Aprendizaje, Aguascalientes, México., 229–239.        [ Links ]

10. Reyes, A., Sucar, L.E., Morales, E. (2009). AsistO: A qualitative MDP–based recommender system for power plant operation. Computación y Sistemas, 13(1), 5–20.        [ Links ]

11. SCORM. Shareable Content Object Reference Model (ADL standard). 1484.11.2–2003 IEEE Standard for Learning Technology.        [ Links ]

12. Soto, J., Garcia, E. & Sanchez–Alonso, S. (2007). Semantic learning object repositories. International Journal of Continuing Engineering Education and Life–Long Learning, 17(6), 432–446.        [ Links ]

13. Tellez, A., Montes, M., Villaseñor, L. (2009). Using machine learning for extracting information from natural disaster new reports. Computación y Sistemas, 13(1), 33–44.        [ Links ]

14. W3C Web Services Architecture. (January 14, 2010). Retrieved from http://www.w3.org/TR/ws–arch/        [ Links ]