U-러닝을 위한 단말기 프로파일 온톨로지 기반 콘텐츠 선택 메커니즘

Abstract

U-러닝은 라틴어 유비쿼터스(Ubiquitous)와 Learning의 합성어로 U-러닝의 핵심은 일상생활을 하면서 장소에 구애받지 않고 학습 할 수 있게 함으로써 학습자들의 학습 효율성 및 효과성을 극대화 할 수 있다는 데 있다. 유비쿼터스 환경에서는 PC뿐만 아니라 휴대전화, TV, 게임기, 휴대용 단말기, 카 네비게이터, 센서 등 PC가 아닌 모든 비 PC 기기까지 네트워크화 되어 학습에 활용 될 수 있다. 그와 더불어 학습 콘텐츠의 공유가 활발하게 이루어지는 미래를 가정한다면 U-러닝을 위해서는 학습자의 단말기의 프로파일 및 나아가 학습자의 선호도까지 고려한 콘텐츠를 효과적으로 제공하는 방법이 큰 이슈이다. 본 논문에서는 U-러닝 환경에서 학습자의 환경에 가장 적합한 콘텐츠를 효과적으로 제공하는 메커니즘을 제안한다. 지금까지 학습 콘텐츠는 LOM과 KEM을 이용한 메타데이터 기술에 의존해 왔다. 하지만 LOM과 KEM정보는 해당 학습 콘텐츠가 어느 단말기에 최적화되어 작성 되었는지에 대한 정보와 콘텐츠의 학습에 단말기의 특정기능의 필요함을 기술 할 수 없다. 따라서 본 연구에서는 메타데이터에 콘텐츠를 학습하기에 충분한 단말기의 사양을 기술하는 방식을 취한다. 이를 위하여 KEM 온톨로지에 W3C에서 제안하는 Delivery Context Ontology를 합하여 콘텐츠를 표현하였다. 그리고 학습자의 단말기 또한 Delivery Context Ontology를 확장하여 사용하였다. 실제 적합한 콘텐츠를 선택하기위한 조건들은 규칙으로 기술하였다. 그리고 제안한 메커니즘을 직접 구현하여 실제 규칙을 사용한 추론을 통하여 학습자의 환경에 적합한 콘텐츠가 선택 될 수 있음을 보였다.; u-Learning is the compound word of Ubiquitous of Latin and Learning. The core of u-Learning is to maximize the learning efficiency and effectiveness of the learner by enabling the learner to study anywhere and anytime. In the ubiquitous environment, not only PC but also all kind of network device like cell phone, television, PDA and car navigator could be used for learning. In the future where the online contents are shared actively, the methods or the frameworks that can deliver the contents considering the device profile and learner preference are the main issues. In this study, we proposed the mechanism delivering the learning contents that are best suited to the learning environment of learner effectively. Until Now, learning contents have been depended on metadata technology using LOM or KEM. But, LOM and KEM can't describe the information what kind of device is best suited to the learning content and what is needed to play the learning content. Therefore, in this study, our mechanism take the way describing the device specification to play the content into the content metadata. For this, we expressed the content metadata by combining the KEM ontology and the Delivery Context Ontology recommended by W3C. And, we expressed the information of the learner's learning device by extended Delivery Context Ontology. The conditions for selecting the suitable contents are expressed by rules. And we implemented the proposed mechanism and showed the mechanism can select the suitable contents to the learner's environment using reasoning with rules.