As limitações da visão LOM para a classificação de objectos

Os metadados LOM usam a categoria “Classification”’ para permitir a classificação dos objectos de aprendizagem. Basicamente existem vários campos que são usados para descrever a faceta do objecto que se pretende classificar, o sistema de classificação usado, a designação taxonómica que representa a posição no sistema de classificação, a sua descrição textual e palavras-chave. A Tabela 16 ilustra um exemplo de como um objecto de aprendizagem pode ser classificado usando esta metodologia. Neste caso particular o objecto é uma lição sobre topologias de redes, que se pretende classificar como disciplina no sistema de classificação do ACM.

Esta estratégia para a classificação de objectos de aprendizagem pode ser encarada como uma versão informática dos tradicionais procedimentos bibliotecários, em que os metadados substituem as etiquetas de papel coladas nos documentos. De facto, as funcionalidades dos dois métodos são semelhantes, apesar da óbvia vantagem para a versão electrónica em termos de facilidade de pesquisa. Também os códigos taxonómicos

pode ser deduzido dos comentários sobre a categoria ‘Classificação’ no documento da norma LOM. 9.1 Propósito “Disciplina” 9.2 Entrada taxonómica 9.2.1 Fonte “ACM” 9.2.2 Entrada 9.2.2.1 Identificador “C.2.1”

9.2.2.2 Designação “Network Architecture and Design”

9.3 Descrição

“Este objecto insere-se na disciplina ‘Redes de Computadores I’, onde se introduzem os conceitos básicos de redes de dados”

9.4 Palavras-chave “Redes” “Comunicação de dados” “Telemática” Tabela 16 – Exemplo da classificação LOM de um objecto de aprendizagem

Como esta estratégia e estes sistemas de classificação foram concebidos com o objectivo principal de organizar livros e outros documentos escritos em prateleiras de bibliotecas, a sua utilização com os novos conteúdos digitais é uma solução que não aproveita algumas das novas potencialidades da Internet, nomeadamente no que respeita aos objectivos deste trabalho.

Consequentemente, é possível identificar alguns problemas que esta estratégia de classificação apresenta para a concepção de serviços personalizados de eAprendizagem. O primeiro problema relaciona-se com a fidelidade e precisão dos próprios metadados. De facto, aceitando-se a classificação inserida nos metadados, estabelece-se uma relação de confiança com o autor dos metadados, reconhecendo-se a caracterização que este fez como fidedigna. No entanto, o autor dos metadados é na maior parte dos casos o próprio autor ou editor dos objectos que eles caracterizam, pelo que muitas vezes os metadados não reflectem uma visão independente e isenta desses objectos. Esta questão é ainda mais pertinente em cenários onde o autor dos metadados tem interesse na promoção dos objectos de aprendizagem.

Como já foi referido, podem surgir alguns problemas na utilização de palavras-chave para pesquisar objectos de aprendizagem ou determinar o seu assunto predominante. Consequentemente, a classificação de objectos é particularmente importante para a manipulação automática de objectos de aprendizagem, na medida em que permite associá- los a assuntos de forma inequívoca. A questão da credibilidade dos metadados estende-se a esta associação, pelo que a classificação deveria ser preferencialmente realizada e certificada por entidades independentes e credíveis. No entanto, a classificação através dos metadados LOM não suporta mecanismos de certificação.

Outro problema a que esta estratégia de classificação não responde relaciona-se com a capacidade de localização de objectos classificados numa área específica de um determinado sistema de classificação. Por exemplo, se um sistema ou utilizador quiser obter a lista de objectos de aprendizagem classificados no assunto “geometria” no sistema LCC, não tem forma de o conseguir, porque as associações são feitas unicamente nos metadados dos objectos e eventualmente nas aplicações locais, mas não num registo

directamente objectos a partir dos sistemas de classificação. Como os serviços de eAprendizagem personalizada vão naturalmente necessitar de localizar objectos sobre assuntos específicos, esta questão é extremamente relevante.

Um outro problema relaciona-se com o grau de granulosidade e o nível de profundidade das diversas classes dos sistemas de classificação. Como se pretende conceber serviços com a capacidade de construir automaticamente cursos personalizados, através da agregação de objectos de diferentes granulosidades, incluindo objectos atómicos, é necessário que os sistemas de classificação sejam capazes de discriminar objectos atómicos que sejam muito próximos, mas abordem assuntos diferentes. Esta questão não é um problema do método de classificação usado nos metadados LOM, mas da própria estrutura taxonómica interna de cada sistema de classificação.

Por exemplo, considerem-se dois objectos sobre redes de computadores, em que um trata sobre o assunto “máscaras de sub-rede de tamanho variável” e outro sobre o assunto “conceitos básicos de endereçamento IP”. Estes dois objectos seriam classificados na mesma classe do sistema de classificação do ACM, a classe <C.2.2 Network Protocols>, embora sejam dois assuntos que têm que ser distinguidos do ponto de vista de um sistema automático de agregação de objectos. Consequentemente, para cumprir os objectivos propostos é necessário que o sistema de classificação usado como referência possua graus de granulosidade muito elevados, para que os objectos que façam parte da mesma classe não possam ser muito díspares. Acima de tudo tem que prevalecer o princípio da coesão, segundo o qual cada classe só pode conter um único conceito, independentemente do seu nível de granulosidade.

Outra deficiência dos metadados LOM, no âmbito dos objectivos propostos neste trabalho, refere-se ao relacionamento entre objectos de aprendizagem. A abordagem LOM a esta questão baseia-se na separação entre classificação e relacionamentos, existindo uma categoria de metadados para cada um destes aspectos. Essencialmente, a categoria “Relation” recorre à mesma estratégia dos metadados Dublin Core, usando referências a objectos externos e declarando a respectiva relação com esses objectos. A Tabela 17 ilustra um exemplo em que os metadados de um objecto sobre um determinado assunto de redes de computadores, neste caso “máscaras de sub-rede”, relacionam esse objecto com um outro objecto sobre “introdução ao endereçamento IP”.

7.1 Tipo “requer”

7.2 Recurso

7.2.1 Identificador

7.2.1.1 Catálogo IPCB

7.2.1.2 Entrada R19645

7.2.2 Descrição Introdução básica ao endereçamento IP Tabela 17 – Exemplo de relacionamento LOM entre objectos de aprendizagem

Esta forma de relacionar objectos de aprendizagem apresenta alguns inconvenientes, como será demonstrado, devido ao pressuposto adoptado pelos metadados LOM de que o relacionamento entre objectos é uma característica dos próprios objectos.

Em primeiro lugar, quebra um dos princípios basilares do conceito de objecto de aprendizagem, relativamente à sua modularidade e independência. De facto, ao estabelecer relacionamentos estáticos entre objectos, este método pode gerar uma situação de dependência funcional estática entre eles, o que significa que deixam de ser verdadeiramente independentes. Se um dos objectos relacionados sofrer alterações ou for revogado podem surgir situações de quebra de integridade, difíceis de gerir de forma automática.

Por outro lado, como a declaração do relacionamento é feita nos metadados de um dos objectos do relacionamento, o objecto alvo desse relacionamento não terá nenhuma informação desse relacionamento, a menos que os seus metadados também sejam alterados de forma a reflecti-lo.

Objecto A:A Objecto B:B

Requer

É requerido

Figura 10 – Exemplo de relacionamento implícito entre objectos

Na maior parte dos casos, o relacionamento num sentido implica automaticamente um outro relacionamento em sentido contrário. Por exemplo, se um objecto A “requer” a utilização de um objecto B, automaticamente o objecto B é “requerido” pelo objecto A. No entanto, no esquema de relacionamentos LOM é necessário definir este relacionamento implícito de forma explícita, nos metadados de ambos os objectos.

Um dos maiores inconvenientes desta forma estática de relacionar objectos deriva da própria responsabilidade do estabelecimento dos relacionamentos. Como é o autor dos metadados que define os relacionamentos, estes restringem-se a objectos que ele conhece, eventualmente apenas a objectos criados por si. Relacionamentos entre objectos que se desconhecem mutuamente são assim impossíveis, embora possa existir todo o interesse em relacioná-los. Esta questão é de tal modo relevante que é suficiente para justificar uma nova abordagem à classificação de objectos de aprendizagem. De facto, para a concepção de sistemas automáticos de agregação de conteúdos de eAprendizagem, existe todo o interesse em que existam colecções de objectos com relacionamentos ricos entre eles. Por exemplo, é extremamente útil a um sistema deste tipo poder localizar facilmente objectos que sejam pré-requisitos de um determinado assunto, de modo a incluir esses objectos num curso de alto nível, se assim for necessário.

Resumindo, a forma como os metadados LOM lidam com a classificação e relacionamento de objectos de aprendizagem, tendo em consideração os objectivos desta tese, levantam uma série de dificuldades e problemas. Consequentemente, para cumprir os objectivos propostos, é necessária uma nova abordagem à forma de classificar e relacionar objectos de aprendizagem.

3.3 Proposta de modelo de classificação de objectos de aprendizagem