基于关联数据的学习资源聚合与管理

随着信息技术与互联网教育发展规模的不断壮大,在网络上产生了海量的学习资源,这些资源形式各异,缺乏统一的、规范化的描述,难以在资源间建立关联,呈现出明显的分布性、异构性、自描述性等特征,而学习者对学习资源的个性化的需求也日益强烈,迫切需要一种灵活有效的资源存储与访问机制来解决用户和应用程序对学习资源的应用需求。语义网技术的出现和发展,为学习资源管理目前所存在的问题提供了新的解决思路,采用本体(Ontology)等技术可以实现对学习资源的语义化描述和知识组织,解决资源聚合中语义异构的难题。在语义网基础之上所提出的关联数据,采用RDF数据模型统一数据的结构与表现形式,利用URI对数据实体进行命名,通过HTTP协议对数据访问方式进行统一,使用标准的SPARQ L语言来规范化数据查询的方式,可以实现学习资源的有效组织和利用,为学习者提供精确的、全面的以及个性化的学习资源服务。本研究旨在提出一种基于关联数据的学习资源聚合与管理方法,本方法的主要内容是通过Mashup思想对外部的数据源进行聚合；使用RDF数据模型统一外部多种数据源数据的结构和表现形式；建立本体对为我们的数据提供统一的元数据标准,保证学习资源共享与复用；最终采用关联数据的方式对我们的数据进行发布。本文先对关联数据的相关技术进行了介绍,重点介绍了关联数据在学习资源管理中的应用,分析了目前学习资源管理方式的缺陷,提出了基于关联数据的学习资源聚合与管理的方式,进而提出了一个基于关联数据的学习资源聚合与管理框架的构想,并详细分析了各个环节的实现过程,主要思路包含对外部异构资源的聚合与转化、关联和发布。最后,本文针对所提出的框架开发了一个原型系统,系统实现了对外部异构资源的聚合、将结构化数据转化为RDF数据集以及将学习资源对外发布为关联学习资源。在数据转化的过程中,提出了基于注解的数据转化算法,并根据W3C提供的测试用例标准,对转化算法的有效性进行了验证；原型系统的开发以及相关实验表明了所提出的框架的有效性。