Please use this identifier to cite or link to this item: http://hdl.handle.net/1942/3122
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSCHREURS, J.-
dc.contributor.authorEVENS, Sven-
dc.date.accessioned2007-11-26T14:27:57Z-
dc.date.available2007-11-26T14:27:57Z-
dc.date.issued2007-
dc.identifier.urihttp://hdl.handle.net/1942/3122-
dc.description.abstractDe kennismaatschappij van vandaag wordt gekenmerkt door een dagelijks groeiende hoeveelheid aan informatie. Bovendien is met het internet de beschikbaarheid van deze informatie enorm uitgebreid. Met de steeds sneller toenemende informatie daalt de beschikbare tijd, waarin mensen deze kunnen verwerken. Men heeft dus nood aan technologische hulpmiddelen en dit zowel in bedrijven als in onderwijsinstellingen, waar men tegenwoordig meer en meer gebruik maakt van één of andere vorm van e-learning. De ontwikkeling van een e-learningcursus is voor een docent een uitgebreid proces, waarin nog een aantal tijdrovende manuele stappen voorkomen. Misschien kunnen de steeds verder evoluerende technieken uit text mining en gerelateerde domeinen hierbij een hulpmiddel zijn? Dit is de vraag die centraal staat in deze eindverhandeling. Concreet bestaat het opzet eruit om te kijken in welke mate en op welke manier bepaalde aspecten van de ontwikkeling van een elearningcursus kunnen worden geautomatiseerd met behulp van technieken uit het text mininggebied. Het eerste luik van deze eindverhandeling neemt het e-learning-gebeuren onder de loep. De snelle opkomst ervan is toe te schrijven aan een aantal maatschappelijke veranderingen in combinatie met de internethype rond 1995, die als technologische hefboom fungeerde. De hoge vlucht van e-learning stokte nadat men vaststelde dat de hoge verwachtingen niet ingelost konden worden. Door vele opduikende praktische obstakels, gevolgd door financiële problemen, verzeilde de hele sector zelfs in een ware crisis. Sinds enkele jaren is er opnieuw sprake van een hernieuwd en ditmaal gezond optimisme en kent e-learning dan ook een geleidelijke groei. Recent zorgen trends als social computing, de toenemende mobiele toepassingen, de stijgende mate van personalisatie en meer aandacht voor collaboration in het onderwijs voor een nieuwe wind binnen e-learning. De nieuwe onderwijsconcepten in e-learning worden mogelijk gemaakt door de zogenaamde learning objects of leerobjecten. Dit zijn relatief kleine, maar zelfstandige digitale componenten die binnen het leerproces als een herbruikbaar, psychologisch hulpmiddel dienst doen. De leerobjecten zijn belangrijk, aangezien ze in de creatie van een e-learningcursus een centrale rol aannemen. Twee grote fasen zijn te onderscheiden bij het ontwikkelingsproces van een e-learningcursus. In een eerste fase wordt de leerinhoud gedecomposeerd. Hierbij wordt de leerstof opgesplitst in kleine afzonderlijke elementen, die de naam ‘atomische leerobjecten’ meekregen. In de tweede fase worden deze atomische leerobjecten volgens een uitgekozen scenario opnieuw samengevoegd tot een volwaardige e-learningcursus. De eerste stap hierbij is de creatie van informatieblokken, die worden opgebouw uit een inhoudelijke component en enkele presentatie-elementen. De informatieblokken worden vervolgens gecombineerd tot een leerobject. Een volledige cursus tenslotte bestaat uit een pakket van lessen die op hun beurt een verzameling zijn van één of meerdere leerobjecten. Het tweede luik van de eindverhandeling maakt een verkenning binnen de domeinen van text mining en natural language processing. Beide gebieden trachten kennis te destilleren uit de berg aan gegevens, die voornamelijk uit schriftelijke documenten bestaat. De technologieën van text mining vinden hun oorsprong bij data mining en de methoden van natural language processing kennen een taalkundige invalshoek, maar beide domeinen overlappen elkaar steeds meer. Na het schetsen van een kader voor text mining, waarin voornamelijk information extraction uitgediept wordt, komt de door het bedrijf i.Know ontwikkelde technologie uitvoerig aan bod. De relationele semantische benadering van i.Know is een voorbeeld waarbij technieken uit text mining en natural language processing gecombineerd worden. De kern van hun technologie is het gebruik van concept-relatie-concept-structuren, die het mogelijk maken om de gebruikte concepten in een tekst niet los, maar in hun context te zien. Hierdoor kan een tekst op een meer correcte manier geïnterpreteerd worden. De functionaliteit, die de software van i.Know op basis van deze technologie bezit, wordt vervolgens aan de hand van de kennislevenscyclus besproken. In een praktijkgeval is een poging ondernomen om de technologie van i.Know te integreren in het decompositieproces van de ontwikkeling van een e-learningcursus. Eerst is aan de hand van een tweetal teksten rond outsourcing het kennisdomein van het systeem uitgebreid. Vervolgens is het systeem geoptimaliseerd om aan paragrafen het juiste topic (binnen outsourcing) toe te kennen. Nadien zijn twee extra teksten over outsourcing ter controle geanalyseerd. Bijkomend zijn er samenvattingen gemaakt en is er een lijst van sleutelwoorden opgesteld. De resultaten zorgden in eerste instantie voor een teleurstelling, maar bleken na een wijziging in de aanpak toch hoopgevend. Algemeen kan men besluiten dat e-learning aan het evolueren is naar vormen waarbij de ‘lerende’ op een centrale plaats komt. Daarnaast stelt men vast dat de door gebruikers samen gecreëerde microcontent een fundamenteel kenmerk is van de nieuwste e-learning-toepassingen. Deze microcontent kan op diverse manieren worden herbruikt. Leerobjecten zijn een gelijkaardige technologische oplossing om herbruikbaarheid van elementen binnen de ontwikkeling van een e-learningcursus te realiseren. Zoals reeds gesteld convergeren de domeinen text mining en natural language processing steeds verder naar elkaar. De mogelijkheden nemen steeds toe en worden continu verbeterd; hiervan zijn topic detection en de automatische aanmaak van samenvattingen maar twee voorbeelden. De integratie van deze twee voorbeelden en andere text mining-technieken in het decompositieproces van de ontwikkeling in een e-learningcursus biedt zeker mooie perspectieven. Op dit ogenblik kunnen deze methoden enkel een ondersteunende rol aannemen, maar met bijkomende verfijningen en verdere ontwikkelingen moet de graad van automatisatie van het decompositieproces van een e-learningcursus zeker uitgebreid kunnen worden.-
dc.languagenl-
dc.language.isonl-
dc.publisherUHasselt-
dc.titleIntegratie van text mining-technieken in de ontwikkeling van een e-learningcursus-
dc.typeTheses and Dissertations-
local.format.pages139-
local.bibliographicCitation.jcatT2-
dc.description.notes3de Jaar Handelsingenieur - Beleidsinformatica-
local.type.specifiedMaster thesis-
dc.bibliographicCitation.oldjcat-
item.fulltextWith Fulltext-
item.fullcitationEVENS, Sven (2007) Integratie van text mining-technieken in de ontwikkeling van een e-learningcursus.-
item.contributorEVENS, Sven-
item.accessRightsOpen Access-
Appears in Collections:Master theses
Files in This Item:
File Description SizeFormat 
evens.pdf2.37 MBAdobe PDFView/Open
Show simple item record

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.