متادیتا یا فراداده یا ابرداده
اصطلاح "متا" از یک کلمه یونانی گرفته شده است و بیانگر چیزهایی است که بیش از ماهیت خودشان هستند. متا دیتا یا فراداده ابزاری است که منبع اطلاعاتی را توصیف می کندو در واقع متاديتا داده ی ساخت يافته اي است که به تشريح جزئيات منبع داده مي پردازد وقادر است تا مقادير زيادي از اين جزئيات متشابه را به صورت کاتالوگ هاي مجزا ذخيره و در صورت لزوم تسهيم نمايد. کاربرد اصطلاح "متادیتا " به حدود بیست سال پیش باز می گردد تا جایی که امروزه جز تفکیک ناپذیری از دنیای وب گردیده است. البته کاربرد مفاهیم اساسی متادیتا در ارتباط با مجموعه های اطلاعاتی سازمان یافته به مدتهای طولانی قبل از خلق اصطلاح آن باز می گردد. اولین گامها جهت توسعه متادیتا در خصوص فرا داده های کتابخانه ای برداشته شده است. این فراداده های کتابخانه ای شامل ایند کسها، چکیده ها، و فهرست رکورد های ایجاد شده بر اساس قوانین فهرستنویسی و استانداردهایی نظیر انگلو امریکن می باشند. مفاهیمی در خصوص تبيين مفهوم متادیتا به شرح ذیل توسط "گیلند و سواتلند" مطرح گردیده است.
- متادیتا تنها منحصر به شکل دیجیتالی نمی باشد،
- متا دیتا غالبا به توصیف یک شی اطلاعاتی می پردازد،
- متادیتا می تواند در بر گیرنده یک سری از منابع مختلف باشد،
- در طول توسعه یک شی اطلاعاتی متادیتاهای مربوط به آن نیز توسعه پیدا می کنند،
- متادیتای یک شی اطلاعاتی در یک زمان واحد می تواند متادیتای شی اطلاعاتی دیگری قرار گیرد.
استفاده از متاديتا در محيط آموزش الكترونيكي
به دليل کم حجم بودن متاديتاها در مقايسه با داده هايي که متاديتا به شرح آن مي پردازد، قابليت تهيه آن بسيار راحتتر است. با ساختن متاديتا و تسهيم آن با ديگر کاربران، اطلاعات مربوط به ماهيت داده ها به سهولت براي جويندگان آن دسترس پذير مي شود. در محیط آموزش الکترونیکی می توان در قسمت منابع آموزشی استفاده موثری از متادیتا ها بعمل آورد. در واقع با استفاده از متادیتاست که دانشگاههای مجازی ایران میتوانند منابع آموزشی خود را که به زبان فارسی زیر مجموعه متادیتاها قرار گرفته است به اشتراک گزارندو معضل کمبود منابع کمک آموزشی و منابع درسی به زبان فارسی را با به اشتراک گذاشتن تا حدودی حل نمایند. متادیتاها کشف داده ها را آسان تر کرده و تکرار و تکثير و نسخه برداري از داده ها را ساده تر مي کند. متا دیتاها به انواع مختلفی تقسیم میشوند همانند متادیتا های کتابخانه ای، جغرافیایی، آموزشی و غیره. متادیتای آموزشی می تواند داراي يک مولفه آموزشی از قبيل مجموعه ای از قوانین یک سیستم آموزشی که توسط داده تحت پوشش قرار مي گيرد،را شامل شود. متاديتا قادر به توضيح داده هاي آموزشی، يک شبکه آموزشی مجازی و يا فهرست داده هاي فعال اينترنتي است. همچنين قادر است تا هر گونه داده غيرالکترونيکي مانند نقشه هاي کاغذي و يا داده هاي الکترونيکي خارج از خط (offline)از قبيل داده هاي ذخيره شده بر روي CD و ساير ابزارهاي ذخيره را توصيف کند. وجود استانداردهاي متنوع براي متاديتا تصوير کردن داده هاي مربوطه را در اتاقهاي تبادل اين داده در شبکه ممکن و همچنين فهرست سازي از اين داده ها را مقدور مي سازد.
از مهمترین اهداف آموزش الکترونیکی به اشتراك گذاشتن داده ها و استفاده مجدد از محتواي آموزشي می باشد. در این میان سيستم مديريت محتواي آموزشي LCMS (Learning Content Management System) در سیستم یادگیری الکترونیکی یکی از مهمترین قسمتهای آن میباشد. در سیستم فوق و همچنین درسيستم آزمون و ارزيابي( (Assessment، نگهداري و ارائه محتويات دروس (ابرمتن،ابر داده، وچند رسانه اي ها) بایستی متناسب با سیستم آموزشی و بر اساس استانداردهای بین المللی باشد. درابزار توليد محتوا (Authoring Tool) نیز استفاده از این استانداردهای رایج بین المللی ضروری مینماید.6 در یادگیری الکترونیکی وجود متادیتا جهت ایجاد پیوندهای لازم در کتابخانه های الکترونیکی و برقراری امکان استفاده از انواع پايگاه داده هاي متداول و امكان ايجاد مخزن نگهداري و اشتراك محتوا (Content Repository) از ضروریات است.
وب معنایی
اگرچه معرفی عمومی وب معنایی برای نخستین بار در سال2001میلادی صورت گرفت، اما شکل گیری این ایده و تحقیق و توسعه در این زمینه قدمت بیشتری دارد. در واقع در یکی از کنفرانس هایی که به همت وب جهان گستر در سال 1994برگزار شد، برنرزلی ایده اولیه به کارگیری نظریه های وب معنایی را مطرح کرد که البته در آن زمان چندان درک نشد، اما در سال 1999یعنی زمانی که وب معنایی شکل رسمی تری به خود گرفت و اهمیت آن کاملا آشکار شد، نخستین اقدامات جدی و گام های اولیه در این راه برداشته شد.
همچون هر فناوری دیگری، وب معنایی نیز مستلزم تدوین و توسعه استاندارد هایی است تا پیاده سازی عملی و گسترده آن امکان پذیر شود. یکی از نخستین گام ها در این زمینه فراهم کردن روشی استاندارد برای اضاف کردن معنا و توصیف داده های روی وب به گونه ای است که ماشین بتواند آنها را بخواند. در سال 1995 تلاش هایی برای توسعه فناوری ای که به کمک آن بتوان این داده ها را که فراداده یا متا دیتا (Meta Data:داده های در ارتباط با خود داده) نامیده می شوند، آغاز شد که در نهایت در سال 1999به تدوین مشخصات اولیه چارچوب توصیف منابع یا RDF (Resource Description Framework) منجر شد.
RDF با استفاده از تگ های XML چارچوبی برای توصیف منابع فراهم میکند. در واقع هر چیزی در جهان برای RDF یک منبع یا Resource تلقی میشود که می توان آن را به شکلی استاندارد تعریف کرد.RDF برای توصیف داده های وب از یک روش توصیفی مبتنی بر سه جزیی ها یا اصطلاحا Triples استفاده میکند. هر سه جزیی از موضوع (Subject)، ویژگی (Property که گاهی به آن Predicate گفته میشود) و شی(Object) تشکیل شده است که به نوعی می توان آنها را در یک جمله به فاعل، فعل و مفعول بی واسطه تشبیه کرد. سه جزیی ها در قالب تگ های XML نوشته می شوند و به کمک آنها می توان اطلاعات را در قالب گراف هایی نمایش داد. RDF برای شناساندن این منابع یا به طور دقیق تر اشیا، موضوعات و ویژگی ها به ماشین از URIیا Uniform Resource Identifiers استفاده میکند. (همان طور که میدانید URL یا Uniform Resource Locator متداول ترین فرم URIها است).
اما همان طور که اشاره شد، این تنها نخستین گام برای توسعه وب معنایی است. چرا که به هر حال هدف از توسعه وب معنایی صرفا جستجوی فراداده ها و ارائه نتایج بر اساس آنها نیست. (که اگر این گونه بود، باز هم میشد آن را یک موتور جستجوی مبتنی بر پرس و جوهای متنی تلقی کرد.)
حال فرض کنید که در یک سند برای اشاره به کد پستی یک شخص از اصطلاح Zip Code و در سندی دیگر از عبارت post Code استفاده شده است. چگونه ماشین می تواند بفهمد که هر دوی این عبارات به یک چیز اشاره می کند؟ این تشخیص برای ماشین بسیار مشکل است. این مشکل و مواردی از این دست نشان میدهد که تنها اضافه کردن فراداده ها به داده های موجود روی وب کافی نیست و ماشین برای درک داده های روی وب به چیزی بیش از آن نیاز دارد. انسان در تمام طول عمر از زبان طبیعی استفاده میکند و براحتی مفهوم واژه ها و ارتباط میان آنها را تشخیص می دهد. بنابراین صرفا با اضافه کردن یک لغت نامه، کتاب اطلاعات عمومی و... به کامپیوتر نمی توان چنین چیزی را آموخت. به منظور فهماندن مفهوم واژه ها و ارتباط میان آنها کامپیوتر ها به چیزی نیاز دارند که هستی شناسی یا Ontology نامیده می شود.
آنتولوژی ها می توانند مجموعه ای از لغات ساده، توصیف دقیق و جزیی واژه ها، ارتباطات پیچیده میان آنها یا مجموعه قوانینی برای تشخیص الگوهای موجود میان داده ها را در بر گیرند. در واقع آنتولوژی به عنوان یکی از ارکان وب معنایی توصیف کننده یک دامنه قابل خواندن بوسیله ماشین است که در بستر وب با استفاده از RDFS (RDF Schema) و زیان آنتولوژی وب یا OWL تعریف می شود.
تقریبا در اوایل قرن جدید میلادی RDF، RDFS، OWLآماده شدند. پس از آن در فوریه 2004 نسخه های جدید RDF و RDFS و همچنین اولین نسخه OWL به عنوان استاندارد های رسمی وب معنایی معرفی شدند.
توسعه دهندگان وب در خلال توسعه این فناوری های کلیدی استاندارد های دیگری را نیز در این زمینه تصویب کردند. به عنوان نمونه میتوان به SPARQL به عنوان زبانی برای پرس و جو از اطلاعاتRDF و دسترسی Agentهای نرم افزاری به فراداده ها و استفاده از آنها و نیز GRDDL به عنوان زبانی برای استخراج اطلاعات از فایل های XML یا XHTML در قالب RDF ا شاره کرد.
علاوه بر این ها امکان استدلال و تصمیم گیری ماشین با در نظر گرفتن مولفه هایی به نام Logic و Proof در ساختار وب معنایی و نیز مولفه ای برای کسب اطمینان از صحت اطلاعات وب معنایی (Trust) در این ساختار، تکمیل کننده ارکان اصلی وب معنایی هستند. بر این اساس، ساختار و لایه های تعریف شده برای وب معنایی در قالب نمودار مشهوری موسوم به کیک لایه ای (Layer Cake) از سوی کنسرسیوم وب نمایش داده می شود.
نمودار بالا ساختار و لایه های تعریف شده برای وب معنایی را نشان میدهد.
دیدگاه ها و رویکرد ها
به رقم پیشرفت های صورت گرفته مشکلات و انتقادهای مختلفی به ایده وب معنایی و روند تکامل آن وارد میشود به عنوان نمونه باز توضیح همه محتوای وب با اضافه کردن فراداده های قابل درک برای ماشین کار بسیار دشواری خواهد بود. برای حل این مشکل صرف نظر از ایجاد فناوری هایی به این منظور، بسیاری از متخصصان بکارگیری هوش انسانی را برای تولید فراداده ها و ایجاد رابطه میان داده ها پیشنهاد می کنند. در این شیوه کاربران به کمک بازی های کامپیوتری آنلاین ساده به انتخاب فراداده برای محتوای وب می پردازند.
یکی دیگر از مشکلات تحقق کامل وب معنایی دشواری ساخت و پشتیبانی آنتولوژی ها در کنار مسائلی چون چگونگی سازگار کردن آنتولوژی های مختلف با یکدیگر و مواردی از این دست است که در این زمینه تحقیقات گسترده ای در حال انجام است.
از سوی دیگر برخی از پژوهشگران رویکردهای دیگری را غیر از ایجاد طیف جدیدی از فناوری ها و استاندارد ها برای تحقق اهداف وب معنایی پیشنهاد میکنند. ایده آنها ایجاد Agentهای هوشمندی است که بتوانند اطلاعات صفحات وب را درک کنند. در واقع آنها به جای اینکه صفحات وب را برای ماشین ها قابل فهم تر کنند، به دنبال آن هستند که Agentها را هوشمندتر کنند. کاری که دشواری های خاص خود را خواهد داشت و چندان آسان نخواهد بود. ضمن آنکه این کار نیز به نوعی به فراداده نیاز داشته باشد.
برنرزلی دراین باره می گوید: «ساخت Agentهای خودکار ارزش تلاش کردن را دارد، اما گفتن اینکه کدام یک بهتر است دشوار است، Tagهایی که درون صفحات وب ایجاد می شوند یا Tagهایی که توسط ماشین تا حدی استنباط می شوند.»
هیچ نظری موجود نیست:
ارسال یک نظر