Microsoft Word - 01 [³í¹®]eLearning based on the Semantic Web_¹èÀÏȯ_.doc

Transcription

1 elearning based on the Semantic Web Ljiljana Stojanovic ZI Research Center for Information Technologies at the University of Karlsruhe, Karlsruhe, Germany Ljiljana.Stojanovic@fzi.de Steffen Staab Institute AI B - University of Karlsruhe and Ontoprise GmbH Karlsruhe, Germany Staab@aifb.uni-karlsruhe.de Rudi Studer Institute AI B - University of Karlsruhe, ZI Research Center for Information Technologies and Ontoprise GmbH, Karlsruhe, Germany Studer@aifb.uni-karlsruhe.de 번역자 : 배일환님 (airsanjuk@knit.co.kr) 선진이러닝기술표준연구그룹운영위원지식정보기술 ( 주 ) ** 본문서는선진이러닝기술표준연구그룹운영위원이신배일환님께서개인적으로번역을해주신문서입니다. ** 본문서를상업적목적으로사용하거나, 재편집, 재가공할수없습니다. 역자주 : 최근시맨틱웹과 e-learning 의접목을 " 실험적으로그러나반드시지향해야할목표처럼 " 시도하고있는국제적인환경인것같습니다. 이미, IMS, IEEE 등에서그시도들이이뤄지고있고, 이미 2001 년이전부터그시도들이조금씩실험적으로이뤄지고있었습니다. 이것은그러한실험적시도중의하나로써나온짧은논문입니다. 혹시참고하시어도움이되신다면... ^^ (C) 선진이러닝기술표준연구그룹

2 Abstract 사이버공간에서더나은검색과탐색을가능하게하는새로운 WWW 아키텍쳐를만들려는 시맨틱웹. 시맨틱웹은실재적인 elearning의요구사항을충족시키는기술이다. 이문서는시맨틱웹을이용한 eleraning 시나리오구현을다루고있다. 주요하게 elearning의자원인컨텐트, 맥락, 구조 (content, context, structure) 에대한온톨로지기반의기술 ( 記述 ) 과학습자원 (materials) 에대한제공 (providing) 과접근 (accessing) 에대한이점에기초를두고있다. Section 1 : Introduction 1.1. 학습에대한새로운접근은모든산업영역에서의새로운변화임이분명하다. 학습 (learning) 이라는것은교육 (education) 의관점에서가아니라새로운경제적관점에서조직의경쟁력을키우는지원체제의핵심이다 (Drucker 2000). 빠르고, 즉각적이고, 적절한 (fast, just-in-time, relevant) 새로운교육스타일은엄청나게급변하는오늘날시장의요구에근거한다 ) 시간 (Time) 에있어서빠르고즉각적인교육프로세스가필요하다. 2) 속도 (Speed) 는학습자원의적합한내용과관련된것이아니라그런 ( 적절한학습내용의 ) 학습자원을조직화하는파워풀한메커니즘과관계있다. 3) 또한학습자프로파일과비즈니스의요구에기초한맞춤형온라인교육이어야한다. 4) 일상작업환경에녹아있어야하며, 명확한비즈니스적경쟁력향상목표를필요로한다. 즉, 비즈니스의 ( 의미적 ) 맥락과관련되어야한다. (Adelsberger et al. 2001) 1.3. elearning은기존의시간 / 공간 / 내용 (time/palce/content) 에있어서의한정된학습을즉각적 / 일상적 / 맞춤형 / 적응적진행 (just-in-time/at-work-place/customized/on-demand process) 의학습으로대체하는것이다. 이것은관리 / 문화 /IT(management/culture/IT) 의개념적범주에기반해서만들어졌다 (Maure&Sapper 2001). 1) elearning은 ( 학습에대한비젼과계획, 일상적업무와의통합과관련한 ) 관리지원이요구된다. 2) 아침에학습하고오후에일한다 (learn in the morning, do in the afternoon) 는문화를정착시키는조직의변화를요구한다. 3) IT 기술은이러한빠르고, 즉각적이고, 적절한 (fast, just-in-time, relevant) 학습을가능하게한다. 현재의웹은상기의요구사항을만족시키지못한다. 몇가지의문제점이있다. 1) 정보의홍수 2

3 2) 정확한정보의부족 3) 기계가이해할 (machine-understandable) 수없는컨텐트 1.4. 시맨틱웹이라고하는차세대웹은 elearning 구현의미래의전망있는기술이다. 이것은인간과에이전트가의미에기초하여통신을할수있는환경이다 (Berners-Lee 2000). 이것의주요특징의하나는온톨로지 (ontology) 에근간한공유된이해 (shared understanding) 이다. 온톨로지는의미적으로주석이달려있고 ( 풍부해진 ) 학습객체들의작은단위들을학습자원 (learning materials) 으로조직화하는것을가능하게한다 (Neidl 2001). 아이템들 (Items) 은쉽게 ( 빠르고즉각적으로 : fast and just-in-time) 맞춤형학습코스 (customized learning courses) 로조직화 (organized) 될수있고그리고학습자프로파일과비즈니스요구에 ( 적절하게 ) 따라서사용자에게전달될 (delivered) 것이다 시맨틱웹이어떻게실재적으로정교하게 elearning 시나리오를위한기술로써사용될것인가를본문서는다루고있다. 1) elearning의요구사항 2) ( 일반적의미, 기계가처리할수있고이해할수있는데이터 ) 서술구조 (representational structures) 를가지는시맨틱웹의요구사항분석과시맨틱웹의아키텍쳐레이어에관하여 3) elearning 자원기술을위한온톨로지이용의이점 4) elearning 에대한온톨로지기반의해결책들 5) 이야기한주제의중요성과향후작업개요에관해요약 Section 2 : elearning and elearning requirements 2.1. elearning은매우빠른가치연결고리와결합되어있는즉각적인교육이다. 실시간으로맞춤식의, 종합적인, 동적인학습컨텐트를제공한다 (delivery). 전문가와학습자및관련종사자를연결시킴으로써지식커뮤니티를만드는것을지원한다.(Drucker 2000) 2.2. 기존의학습과정은 1) 중앙집중적이라는특성이있다 ( 컨텐트는교수자에의해선택된다 ) 2) 강한주입식전달 ( 교수자가학생에게지식을주입한다 ) 3) 개인화결핍 ( 컨텐트가많은필요에두루만족해야한다 ) 4) 일직선적이고 / 정적인학습과정 ( 변하지않는컨텐트 ). 학습의이러한조직화는결국고비용, 속도의느림, ( 문제점과동떨어져서 ) 관점이너무맞지않는학습과정을초래한다 그러나, 역동적인비즈니스환경은학습과정의전혀다른시도를요구한다. 3

4 1) 빠르고 (fast) 2) 즉각적이고 (just-in-time)( 저비용의 ) 3) 적절한 (relevant)( 문제점에부합하는 : problem-dependent) 학습 (section 1 에서언급 ) 이러한학습은분산되고, 학습자지향적인, 개인화된, 비선형의 / 역동적인학습과정 (distributed, student-oriented, personalized, non-linear/dynamic learning process)-즉, elearning에의해가능하 다 표1은기존학습의특성 ( 단점 ) 과 elearning환경이도달해야하는개선방향을보여준다. elearning의가 장중요한특징이다. 구분 기존 (training) elearning Delivery Push 교수자 agenda 결정 Pull 학생 agenda 결정 응답 (Responsiveness) 예상 (Anticipatory) 문제를알것이 라고추정 반응 (Reactionary) 즉각적으로문제 에대해반응 접근 (Access) 선형 (Linear) 정해진지식과정 비선형 (Non-linear) 즉각적으로상황을이해하도록하기위해어떤순차 (whatever sequence) 에서든지식에대한직접적인접근을허락 균형 (Symmetry) 형태 (Modality) 권한 (Authority) 개인화 (Personalization) 적응형 / 맞춤형 불균형 (Asymmetric) 분리된행위로써훈련 (training) 이발생불연속적 (Discrete) 훈련이시작과끝이정해져있는큰덩어리로이뤄져있다. 중앙집중식 (Centralized) 컨텐트는교수자에의해자원저장소에서선택됨대량생산 (Mass produced) 컨텐트가수많은필요를만족해줘야한다. 정적 (Static) 컨텐트그리고조직화 / 균형적 (Symmetric) 학습이통합된, 연동된행위로나타난다. 연속적 (Continuous) 일치된방향으로순환적으로멈춤없이학습이이뤄짐분산식 (Distributed) 컨텐트는학생및참여자들상호작용에의해발생개인화 (Personalized) 컨텐트는모든사용자의필요에만족하기위해개별사용자의필요와목적에의해결정된다. 동적 (dynamic) 컨텐트는사용자의 (Adaptivity) 텍소노미 (organization /taxonomy) 는 작용, 경험, 새로운시도, 비즈니스룰 환경적변화의고려없이원래저작된 그대로유지 그리고발견적교수법 (heuristics) 에의 해끊임없이변화한다. 표 1. training 과 elearning 의차이점 (Drucker 2000) 4

5 2.5. elearning의숨은특징은일을수행하기위해필요한툴이나지식이작업수행자에게로옮겨온다는것이다-그것이무엇이든누구이든간에. 이것은학교교육환경과같은전통적학습방식이학습주위로사람들을끌어모으는방식과완전히대조된다. elearning은자동화된교육시도, 임금을받는교수자대체, 자기주도학습 (self-paced learning) 개발이라는 CBT(computer-based training) 에기원한다. 그러나, elearning의초점은교육 (CBT에서처럼기록교육, recorded education) 이아니라거리, 시간, 사용자와비즈니스요구에맞춤식으로접근하는데있어서의장벽들을제거하는데에있다 (Barker 2000). 성공의핵심은학습순환시간을감소시키고그리고사용자나비즈니스에학습컨텐트의크기와양식 (content, size and style) 을적응 (adopt) 시키는것이다. Section 3 : Semantic Web architecture XML, RDF and Ontologies 시맨틱웹 (Semantic Web) 이라는말은 1) 정형화된의미 (formal semantics) 를가진컨텐트를지원한다는새로운 WWW 아키텍처를만들겠다는의도를포함하고있다. 2) 이말은인간이사용하려는컨텐트와반대되는자동화된시스템이사용하기에알맞은컨텐트를의미한다. 3) 이것은자동화된에이전트가웹컨텐트를추론할수있다는것이며, 예측하지못한상황에지능적인응답을생성해내는것이가능하다는것이다 Layers of the Semantic Web 의미표현 은시맨틱웹에서매우중요하다. 그러기위해서몇개의계층이필요한데, 그림 1에표현되어있다.(Berners-Lee 2000) - XML 계층 : 데이터를표현 - RDF 계층 : 데이터의의미를표현 - Ontology 계층 : 데이터의의미에대한정형화된공통의동의를표현 - Logical 계층 : 의미있는데이터에대한지능적추론을가능하게함 5

6 그림 1. 시맨틱웹아키텍츠레이어 시맨틱웹의실재적인힘은사람들이여러소스로부터웹컨텐트를수집하고, 정보를처리하고, 다른사람이나기계에이전트의처리결과를교환하는여러시스템들을만들때현실화된다는점은주의해볼만하다. 그결과, 더기계가잘읽을수있는 (machine-readable) 웹컨텐트와자동화된서비스 ( 다른에이전트를포함하는 ) 가가능해질때시맨틱웹의영향력은현격히증가할것이다. 에이전트간의통신수준은 증명 (proofs) 의변화가요구된다. 시맨틱웹의 2개의중요한기술은이미존재한다 : XML, RDF(eXtensible Markup Language, Resource Description Framework) XML( ) 은모든사람들이웹페이지나페이지에있는텍스트의부분을표현하기위한자신만의태그를생성할수있게끔한다. 프로그램은정교한방식으로이러한태그들을사용할수있다, 그러나프로그래머는페이지작성자가각각의태그를무엇을위해서사용했는지알아야한다. 간단히말해서, XML은사용자에게자신의문서에자신만의구조 (structure) 를만들도록해주기는하지만그구조의의미에대해선아무런설명을하지못한다 (Erdmann & Studer 2000). XML 문서의의미는영역어휘 (domain terms) 들로되어있는 의미있는 (semantic) 마크-업과태그이기에직관적으로명료하다. 그러나, 컴퓨터는직관적지식을가지고있지않다. 태그이름은원래그자체가의미를지원하진않는다. DTD는문서의내용을구조화하는것이가능하도록한다. 그러나, 구조 (structure) 와의미 (semantics) 가언제나일치하는것은아니며, 서로대립적으로어긋날수도있다. DTD는의미어 (semantic language) 로서알맞지않다. XML은의미모델로는부족하다, 단지 tree형식의 표현적인모델 (surface model) 이다. 그래서, XML은시맨틱웹을통해서의미를전파하고전달하는해결책이될수없다. 그것은기계가쉽게처리할수있는 (machine-processable) 데이터포멧이라는 전달메커니즘 (transport mechanism) 으로써의역할 (role) 을가지고있다. 6

7 RDF( ) 는문서에의미를더하는방법을제공한다. RDF는 ( 이후에기술할 ) 구조화된메타데이터를기호화하고 (encoding), 교환하고, 재사용하는것을가능하게하는기반구조이다. 대개, 정보는기계가이해할수있는 RDF 문장의형태로저장되어있다. 검색엔진, 지능형에이전트, 정보중개자, 브라우저그리고사람은의미적정보 (semantic information) 를이해하고사용할수있다. RDF는구현독립적이고 XML의연장이다 ( 구문이 XML로정의되어있다.). 의미적정보가웹문서에추가되는처리과정을의미부여 (semantic annotation) 라부른다 (Handschuh et al. 2001). RDFS( 와짝을이루는 RDF는필요에따라확장할수있는모델링근원어 (modeling primitives) 를제공한다. 기본클래스의계층적구조와클래스와객체간의관계는 RDFS로표현가능하다. 그러나, 모델이직관적이지않기에객체와메타레벨의구별이힘들다. 일반적으로 RDF(S) 는에러발생을적절히처리하도록모델링근원어를어떻게사용할지판단하도록하는것과같은모델링근원어에대한정형화된의미들이부족하다 이문제에대한해결책은온톨로지 (ontology) 라고하는시맨틱웹의세번째기본컴포넌트에의해제공된다. 철학적으로온톨로지는존재에관한이론이다 ; 학문분야로서의온톨로지는존재하는것들이어떤형태인지와같은그러한이론들을공부하는것이다. 인공지능과웹연구가들은자신들의전문어에그어휘를흡수하였다, 그리고특정흥미영역의정형화되고, 공유될수있는개념들을온톨로지로기술하였다 온톨로지는어떤영역 (domain) 을기술하기위해사용하는개념과유사한어휘들을모아놓은어휘집 (vocabulary) 에관한스펙이다 (Gruber 1993). 온톨로지는웹에서발견되는이종의, 분산되어있는, 반 ( 半 ) 구조화된정보소스를기술하기에안성맞춤이다. 공유된공통의영역에관한의견을정의함으로써, 온톨로지는구문 (syntax) 이아니라의미교환을지원하는방식을통해서사람과기계가간단히통신하도록한다. 그러므로, 웹에서의어떤의미가명확하게설명되어있는온톨로지에기반한다는것은중요하다. 이런방식으로 ( 시맨틱웹을이용하는 ) 소비자나생산자를위한에이전트는검토가필요한어휘집을제공하는온톨로지를교환함으로써공유된이해에도달하게된다 일반적으로온톨로지는영역 (domain) 에적절하게관련된개념들, 그리고개념들간의관계, 개념과관계간의원리에관한정의들로구성되어있다. 현재몇개의온톤로지표현언어들과시스템들이정의되어있다. 1) RDF와 RDFS를확장한최근의제안은 OIL(Ontology Interchange Language) 이다 (Fensel et al. 2001). OIL은 (1) 인식하기좋은풍부한모델링근원어의구조 (frame) 와 (2) 정형화된의미그리고 (3) 기술 ( 記述 ) 논리 (logic) 에관한효과적인추론지원그리고 (4) 표준웹메타데이터언어제안과연계될 (mapping) 수있도록단일화되어있다. 2) DAML+OIL 언어 ( 역시 XML과 RDF의확장으로써개 7

8 발되어지고있다. 이것은웹자원을기술하고자원에관한추론을지원하는표현언어이다. 이것은온톨로지를만들고온톨로지마크업을위한풍부한구성개념들을제공하며, 이는기계가읽을수있고이해할수있다. Section 4 : Semantic Web & elearning 4.1. 시맨틱웹아키텍처의핵심특성은 ( 공통적으로공유하는의미, 기계가처리할수있는메타데이터 : common-shared-meaning, machine-processable metadata), elearning 요구사항 ( 빠르고, 즉각적이 고, 적절한학습 ) 을만족시키기에충분히파워풀한적절한에이전트들의집합에의해가능하다. 1) 학습자원은의미부여 (semantic annotation) 가되어있고, 2) 새로운학습요구에부응하기위해쉽게새로운학습코스로조합되어져야한다. 3) 학습자취향에따라서, 사용자는유용한학습자원을쉽게발견할수있어야한다. 4) 처리 (process) 는뒷단에서온톨로지가기능함으로인해, 학습자원에대한의미적질의 (query) 와탐색 (navigation) 에기반해야한다 사실, 시맨틱웹은 elearning 시스템구현을위한매우적절한플랫폼으로간주될수있다. 왜냐하면, 1) (elearning) 온톨로지개발, 2) 학습자원에대한온톨로지기반의주석부여 (annotation), 3) 학습코스에서의조합 4) 그리고 elearning 포탈을통한학습자원의 (pro)active delivery( 능동적인또는 2차적인전 달 ) 를위한모든방법들을제공한다 ELearning 시나리오에관한추가사항은다음섹션에서제공한다. 표2는 elearning 요구사항을현실 화하기위해시맨틱웹을사용했을때의가능성에대한요약이다. 요구사항 elearning Semantic Web Delivery Pull 학생 agenda 결정 지식아이템들 ( 학습자원 ) 은웹에분산되어있다, 그러나그것들은공통적으로동의한온톨로지 ( 들 ) 에연결되어 (link) 있다. 이것은관심있는주제에대한의미적질의 (semantic querying) 에의해, 사용자특성에맞는 (user-specific) 코스의구성을가능하게한다. 8

9 응답 (Responsivenes s) 접근 (Access) 반응 (Reactionary) 즉각적으로문제에대해반응비선형 (Non-linear) 즉각적으로상황을이해하도록하기위해어떤순차 (whatever sequence) 에서든지식에대한직접적인접근을허락 시맨틱웹상의소프트웨어에이전트는에이전트들간의공동작업과그리고해당하는문제의전체적인맥락하에서학습자원의 2차적인전달 (proactive delivery) 을가능하게하는, 공통적으로동의한서비스언어를사용할것이다. 각사용자는다른에이전트와의사소통을하는개인화된에이전트를가질전망이다. 사용자는즉시상황을설명할수있고 ( 학습목표, 선행지식 ) 그리고알맞은학습자원을위한의미적질의를수행할수있다. 사용자프로파일또한고려되어진다. 지식에대한접근은의미적으로정의된탐색에의해더욱확장될것이다. 균형 (Symmetry) 균형적 (Symmetric) 학습이 통합된, 연동된행위로나타난 다. 시맨틱웹 ( 시맨틱인터라넷 ;semantic intranet) 은 조직에서의모든비즈니스프로세스 ( 교육행위를 포함하는 ) 를위한통합플랫폼이될수있는가 형태 (Modality) 권한 (Authority) 개인화 (Personalization ) 적응형 / 맞춤형 (Adaptivity) 연속적 (Continuous) 일치된방향으로순환적으로멈춤없이학습이이뤄짐분산식 (Distributed) 컨텐트는학생및참여자들상호작용에의해발생개인화 (Personalized) 컨텐트는모든사용자의필요에만족하기위해개별사용자의필요와목적에의해결정된다. 동적 (dynamic) 컨텐트는사용자의작용, 경험, 새로운시도, 비즈니스룰그리고발견적교수법 (heuristics) 에의해끊임없이변화한다. 능성을제공한다. ( 개인화된에이전트기반의 ) 정보의능동적전달 (active delivery) 은동적인학습환경을창출한다. 시맨틱웹은가능한한분산되어있을것이다. 이것은효과적인협동컨텐트관리를가능하게한다. ( 개인화된에이전트를사용하는 ) 사용자는자신의필요에맞춰진학습자원을검색한다. 온톨로지는사용자의필요와학습자원특성들을연결한다. 시맨틱웹은컨텐트에대한의미부여를통해서다양한형태로제공되는지식의사용을가능하게한다. 시맨틱웹의분산성은학습자원의지속적인개선을가능하게한다. 표 2. elearning 기술로써시맨틱웹을사용했을때의이점 Section 5 : Metadata & elearning 이장은현재의 elearning 메타데이터표준, 이러한협약에의한메타데이터 ( 및메타데이터의확산 ) 를 9

10 사용할때발생하는공유된이해 (shared-understanding) 의문제점에대해개괄할것이며, ( 다음장에서는 ) 우리의 elearning 시나리오에적용한온톨로지기반의해결책 ( 온톨로지기반의메타데이터 ) 의사용에대해알아볼것이다 Conventional Metadata for elearning(elearning 협약에의한메타데이터 ) 교수자가학습자와학습자원의중개역할을수행하는전통적인학습과 elearning에서의학습시나리오를비교해보면확연히틀리다 : 교수자는더이상학습자원의전달 (delivery) 를관리하지않는다, 학습자는자신의코스에서학습자원을조합하는것이가능하다. 그래서학습자원의컨텐트는자원내부에있어야한다. 그러나, 시간과비용을제외한다면향상된훈련 (training) 자원을만들수있으나, 그컨텐트가쉽게검색되고인덱싱될수없다면쓸모는없을것이다. 이점이학습컨텐트의양과종류를증가시킨주지의사실이다 한가지해결책이메타데이터에있다. 메타데이터는도서관사서들이책과다른인쇄물을분류하기위해전통적으로사용해왔던정보에대한인터넷세대 (internet-age) 의어휘이다. 가장기본적인차원에서, 메타데이터는 ( 메타데이터를누가생성하고, 어떤툴이사용하고, 어디에저장되는가는논외로하고 ) 어떤자원 (resource) 에적용될수있는태그의공통의집합이다. 본질적으로태그는데이터를설명하는데이터이다. 메타데이터태깅은자원을기술하고, 인덱싱하고, 검색하기위해조직화된다그리고자원에대한재사용이핵심이다 elearning community에는 elearning 자원을기술하기위해 3개의메타데이터표준이가시적으로드러나고있다 : - IEEE LOM( - ARIADNE( - IMS( 이러한메타데이터는어떻게학습자원이상호운용되는방식으로기술되어질수있을까를정의하고있다. 자원을기술하기위해필요한모든메타데이터요소 (element) 들을자원을바라보는독특한관점에따라몇개의범주로나눌수있다. 예를들어, LOM 표준은다음과같은메타데이터계층을가지고있다. - general 자원 (resource) 에대한의미적서술자 ( 敍述子 ) 를더한문맥독립적인모든특성에관한그룹 - lifecycle 자원의수명과연결된특성들의그룹 - meta-metadata 문서를색인하는메타데이터를기술하는데이터요소 (element) 들의그룹 - technical 문서의기술 ( 技術 ) 적특성들을설명하는데이터요소들의그룹 - educational 자원을위한교육적, 교수법적데이터요소들의그룹 10

11 - rights 자원의사용조건과관련한데이터요소들의그룹 - relation 주제와다른자원들간을연결을설명하는데이터요소들의그룹 - annotation 자원의교육적사용에관한주석을허락하는데이터요소들의그룹 - classification 존재하는분류시스템에서의자원의지위를설명하는데이터요소들의그룹 이종간의교육표준의상호호환성의결여 다른커뮤니티들은자신의특색에맞는자신들만의표준메타데이터어휘들을개발하고있다. 그러나, 그런메타데이터표준중에서최고인것도정형화된의미 (formal semantics) 측면에서는부족하다. 이런표준들이영역 (domain) 내에서의상호운용성을가능하게한다할지라도, 서로엇갈리는영역에걸쳐있는이종의다른요소들로되어있는메타데이터서술또는스키마간의상호호환성이없는문제를야기한다 온톨로지기반의메타데이터 온톨로지의역할은사용되는어휘 (vocabulary) 의공유된의미를정형적으로표현하는것이다 ( 기호 (symbol) 들의집합 ). 사실, 온톨로지는기호와의미간의맵핑을가능하게하는집합을강제한다. 그러나 elearning 에서의공유된이해의문제 (shared-understanding problem) 는그림 2 에서묘사되 어있는것처럼몇개의관점을설명하는직교하는접촉면들에서발생한다. 그림 2. 학생의관점에서가장중요한것은학습자원을검색하는것이다 : 1) 무엇에관한학습자원인지 (content) 2) 어떤형태로주제가표현되었는지 (context) 3) structure는학습자원이분리되어나타나지않은채학습코스에서학습자원의집합을포함하기위해필요하다 학습자원의 content 를기술하기위한메타데이터 11

12 공유된이해의문제점 elearning에서의공유된이해의문제는학습자원을제공하기위한과정뿐만아니라특정학습자원에대한접근 ( 검색을위하여 ) 을처리하는과정에서, 학습문서의 content를정의하려고할때발생한다. elearning 환경에서두명의저작자가같은주제를다른방식으로표현하는커다란위험요소가있다. 이것은의미적으로동일한개념 ( 예를들어, elearning-content의주제 ) 이다른키워드로표현될수도있다는것을의미한다. 예를들어, 의미적으로 Agent 와동일한어휘들인 agent, actor, contributor, creator, player, doer, worker, performer 등을사용할지도모른다 해결책이문제는영역온톨로지 (domain (content) ontology) 를사용해서해결할수있다, 그것은공통적으로동의한어휘들속에서영역어휘들을맵핑하는것이여러모로정의되어있다 ( 예를들어, agent, actor, contributor, creator, player, doer, worker, performer들은실세계에서사용되는것이며그것들은영역온톨로지에서 Agent라는개념과맵핑되어있다 ). 또한, 정보제공과정에서온톨로지공리 (axioms) 는중요한역할을수행한다. 예를들어, 두개의관계가서로반대되는관계라는것을나타내는공리는제공되는정보의일관성을확인하기위해사용된다. 다음장에서기술하겠다 단순키워드검색의문제점사용자의관점에서보면학습자원을검색하려고할때어떤어휘나키워드를사용할것인가라는문제가있다. (1) 단순키워드질의는사용자가무엇을찾는지를명확히알고있고그리고정보가잘정의되어있는상황에서는가치가있다. 저작자나사용자의학습자원에대한관점이나지식수준이완전히차이가나는경우에공유된이해를만드는어떤메커니즘이필요하다, 그러나 elearning은그것을가지고있지못하다. (2) 단순키워드검색은질의의맥락을언급하는것은둘째치고서라도동의어 ( Agent 와 Actor ), 약어 ( World Wide Web 과 WWW ), 언어가다를경우 ( 영어의 house 와독일어의 Haus ) 그리고심지어형태상의어미변화 ( Point-to-Point Network 와 Point to Point Network ) 조차도잡아낼수없다 해결책이러한문제는영역온톨로지에서 ( 예를들어, 유사어와약어에대한 ) 상응하는관계를정의함으로써해결될수있다. 온톨로지식관계는학습자원에대한탐색을처리할때도사용될수있다 ( 예, Network 이라는주제로부터 Protocol 이라는주제로 Jump 를유추할수있다 ) 학습자원의문맥 (context) 을기술하는메타데이터 학습자원은다양한학습맥락하에서표현되어진다 : 도입, 분석, 토의로써 ; 또는맥락표현의다양한방식으로 : 예를들면그림등을이용해서. 맥락을기술하는것은사용자의선호도에근거하여학습자원에대해맥락과적절히관련된것을검색가능하게한다. 예를들어, 만약사용자가어떤주제에대해더추가적인설명을요구한다면, 주어진주제의예들을설명하고있는학습자원을찾기위한추론이가능하다. 맥락어휘 (context vocabulary : 예, intro 또는 introduction) 의의미에관한공유된이해에도달하기위해서맥락온톨로지 (context-ontology) 가사용된다. 12

13 학습자원의구조 (structure) 를기술하기위한메타데이터 elearning은거의자기주도 (self-paced) 환경이기에, 훈련 (training) 은개인적기술격차를맞출수있고그리고필요에따라전달 (delivery) 될수있는정보의작은조각들을분해할필요가있다 ( lego 학습 ). 이런지식덩어리들은전체코스를생성하기위해연결되어야한다. 학습자원은대개길다란산문보다도구조 (structure) 상더복잡하다, 그래서학습자원의디자인과표현에있어서세심한주의가요구된다. 학습자원의대개는죽연속해서읽혀지는것이아니다. 사용자의유형, 지식수준, 선호도그리고선수학습자원에의존적이기에학습자원의구조는고정적인한개가아니다. 그러나, 사용된어휘에대한공유된이해를다시정하는것은학습코스의구조를기술하기위해역시필요하다 기본이되는학습자원들간의관계를구조화하는몇가지방법이정해질수있다. 그것들은 Prev, Next, IsPartOf, HasPart, References, IsReferencedBy, IsBasedOn, IsBasisFor, Requires, IsRequiredBy 등이다. 공리로써정해진이러한관계들간에는의미적연결이있다 : 예를들면, IsPartOf 와 HasPart 는서로반대되는관계이다. 이러한일치된공리는정보를검색하는데도움이된다. 반대되는관계의정의를제외한정보검색은메타데이터정보제공전략에의존적일것이다. 만일, X 라는학습자원이 Y 라는학습자원에대해 IsBasedOn 관계를 (X IsBasedOn Y) 누군가가정의한다면, Y IsBasisFor 한학습자원모두를찾는것은 ( 프로그래밍또는정확한스펙없이는 ) 불가능하다 소결독자들이이러한메타데이터의 3가지측면은전통적인메타데이터모델에서도나타난다고말할지도모른다 (cotent = classification metadata, context = educational/pedagogical metadata, structure = relational metadata). 그러나, 우리의메타데이터는온톨로지기반의메타데이터이고그리고데이터가아니라 ( 공리를포함하는 ) 모든영역을기술하고있다. 앞에서언급했듯이, 중요한것은 ( 의미적인방식에있어서 ) 학습자원을더잘기술할수있고그리고사용자의선호도에근거해서더유용한자원을검색할수있다는것이다. 우리의온톨로지기반의접근은모든전통적인메타데이터수준 ( 예를들어일반적기술 (technical)) 에서 ( 온톨로지기반방식으로 ) 학습자원의주석부여를사용하려는상황에매우쉽게확장할수있다. Section 6 : Semantic Web-based elearning scenario and preliminary experiences 6.1. Architecture 앞장에서의논의를근거로하여, 이장에서는온톨로지기반의 elearning 시나리오전체아키텍처를표현해보자. 그림 3 은시스템아키텍처이다. Knowledge warehouse 는메타데이터레파지토리로써작용하고그리고 Ontobroker system(decker et al. 1999) 는주요추론메커니즘이다. 13

14 6.2. Course ontology 시스템의중요요소는표 3 에서표현된코스온톨로지이다. 온톨로지정의는적절한영역개념의 is-a 계층구조, 개념들간의가능한관계, 게다가개념들의특성 (property : 값의범위를가진속성 ), 그리고새로운지식을추론하는파생룰 (rule) 들을포함하고있다. 1) 가장왼쪽칼럼은 is-a 계층구조에서조직화된 (organized) 영역의개념을보여준다. 예를들어, PhDStudent 는 Student 개념의하위개념이다. 개념들의속성들과관계들은하위개념으로상속된다. 다중상속은개념이텍소노미의다른부문과조화를이룰때는허용된다. 2) 개념의속성과관계는표 3 의가운데있는칼럼인다른개념들을참조하는 Relation 에나타나있다, Document 개념과 Author 개념의관계를나타내는 has Author 개념과같은. 3) 가장오른쪽칼럼은코스온톨로지의룰을보여준다. 예를들면표 3 의 4번째룰은어떤문서가하위문서를가진다면 child document 또한특정한문서인 parent document 를가진다. 이런종류의룰들은지식을완성하고그리고다른곳에서의개발을절약하기위해똑같은정보를제공하거나노력을계속하는지식제공자를자유롭게해준다. 온톨로지표현언어는 F-Logic(Kifer et al. 1995) 이다. 간단히설명해보면, ConceptX::ParentX 와 ConceptX[relationXY=>>ConceptY] 라는문장 (statement) 은각각 ConceptX 는 ParentX 개념의하 위개념이고그리고 ConceptX는 ConceptY와 relationxy 라는관계하에있다라고읽으면된다 Content ontology within course ontology 코스온톨로지는앞장에서언급한것처럼 content, context, structure ontology로구성되어있다. Content ontology는 Protocol, Service, Topology 처럼영역어휘를기술 ( 記述 ) 에서보인다. hastopic 과같은관계와처음두개의룰은또한 content ontology의부분이다. 처음룰은 hastopic 관계의타동사적특성을결정한다 (Maedche et al. 2000). 예를들어, 처음룰과그리고 elearning hastopic TeleTeaching 과 TeleTeaching hastopic WebBasedLearning 이라는사실들에근거해서 elearning hastopic WebBasedLearning 이라는사실을결론으로도출할수있다 ( 두번째룰은 elearning 이라는 content를검색하게되면언제나 TeleTeaching 과 WebBasedLearning 에관한문서들이함께찾아질것이라는것을보증한다 Context ontology within course ontology 교수법적 ( 교육학적 ) 모델과 Introduction, Explanation, Example 과같은개념에기초한 context ontology는학습자원의어떤유형이나문맥을기술하기위해사용된다 Structure ontology within course ontology Structure ontology에서가장중요한부분은학습자원들과그에상응하는룰들과의관계이다 ( predocument, nextdocument, IsBasedOn, IsBasisFort ). 학습자원들은트리구조로조직화된다. predocument 와 nextdocument 라는관계는학습자원의트리에서동일한계층 (level) 에있는문서들의순서 (sequence) 를기술한다. parentdocument 와 firstchilddocument 라는관계들은두개의연속하는계층간의관계에해당된다. Structure ontology의룰은코스로조직화된학습자원들의이동을가능하게한다. 예를들어, FORALL D1, D2 D1:Document[prevDocument->>D2] <-> 14

15 D2:Document[nextDocument->>D1]. 이라는룰은비록한가지 path 만이정의되어있지만 ( 앞또는뒤라는 ) 두가지방향으로학습자원이진행되도록하는것이다 Course, module, atom within structure ontology Course, Module, Atom 이라는개념들은 structure ontology의부분들이다. 이것들은학습자원의복잡성을나타내기위해서사용된다. 학습자원의가장단순한유형은 Atom 이다. 이것은어떤다른학습자원을내포하고있지않은것이다. Module 은학습정렬로조직화된 (organized in a sequence) 몇개의 atom 들로구성되어있고그리고 Course 는 module들또는다른 course 들의학습정렬 (sequence) 이다. 이런방식으로 course는학습자원의트리계층구조 (tree structure) 이다. 학습자원의복잡성 (complexity) 은예를든다면표 3 의마지막룰을이용해서자동적으로정의되어질수있다 others elements of the course ontology 표 3 에서표현되어있는코스온톨로지의모든다른요소들은공통의메타데이터에일치한다. 예를들면, Document 개념을기술하는 name, title, path 라는속성은앞에서언급했던 LOM 표준의 general metadata 계층과동일하다. Concept Object[]. Document :: Object. Content :: Object. Protocol :: Content. Relation Document[ name=>>string; title=>>string; path=>>string; has Author=>>Author; Service :: Content. Topology :: Content. Bustopology :: Topology. Circletopology :: Topology. content=>>content; context=>>context; structure=>>structure; Context :: Object. Introduction :: Context. Explanation :: Context. Example :: Context. Figure :: Example. prevdocument=>>document; nextdocument=>>document; firstchilddocument=>>document; parentdocument=>>document; relateddocuments=>>document; Structure :: Object. Course :: Structure. Module :: Structure. ]. IsBasedOn=>>Document; IsBasisFor=>>Document; Atom :: Structure. Content[ 15

16 Person :: Object. hastopic=>>content]. Author :: Person. Student :: Person. PhDStudent :: Student. Rule FORALL A, B, C A[hasTopic->>C]<-A:Content and A[hasTopic->>B] and B:Content and B[hasTopic->>C] and C:Content. FORALL D, C1, C2 D:Doument[content->>C1]<-C1:Content and C2:Content and D:Document[content->>C2] and C1[hasTopic->>C2]. FORALL D1, D2 D1:Document[prevDocument->>D2]<-EXISTS E1, E2, C C:Content and D2:Document[context- >>E2] and E2:Example and D1[context->>E1] and E1:Explanation and D1[content->>C] and D2[content->>C]. FORALL D1, D2 D1:Document[parentDocument->>D2]<-D2:Document[firstchildDocument->>D1]. FORALL D1, D2 D1:Document[prevDocument->>D2]<->D2:Document[nextDocument->>D1]. FORALL D, S D:Document[structure->>S:Course]<-Exists D1, S1 D1:Document and (S1:Course or S1:Module) and D1[structure->>S1] and D1[parent->>D]. 표 3. elearning 시나리오에서의온톨로지 6.8. 그림 3. 에묘사된핵심모듈들은 elearning, 환경에서의주요행동들과일치한다. 저작자로부터정보를제공하는것 질의하고브라우징함으로써독자와저작자에의해학습자원에접근하는것 16

17 6.8.1 Providing 첫단계는훈련코스 (training course) 의생성시사용되거나재사용될수있는학습자원의생성이다. 메타검색 (metadata-searching) 이잘되는학습자원의제공을위하여, 각학습자원은다음의메타데이터로기술되어져야하며 덧붙여져야 (enriched) 한다. - 무엇에관한학습자원인지 (content annotation) - 어떤맥락의학습자원인지 (context annotation) - 다른학습자원에는어떻게연결되어있는지 (structure annotation) 메타데이터를덧붙이는것 (enriching) 은코스온톨로지를참고하는메타데이터정보집합을각각의학습자원에덧붙임으로써구성한다. 정보를제공하는것 (providing information) 은코스온톨로지에있는개념의정의에기반하여자동으로생성된템플릿을통해서 ( 사실은 ) 지금은어쩔수없이수동으로메타데이터정보를입력한다. 메타데이터는문서내부에 ( 예를들어, HTML <META> 태그나확장된 <A> 태그 ) 또는어떤외부메타데이터레파지토리 ( 예, RDF repository) 에위치하게될것이다 (Handschuh et al. 2001). 우리의접근방식에서보면, 이런한정보는외부의지식저장소 (knowledge warehouse) 에저장될것이다. 첫째, 데이터베이스에저장된독립적인메타-기술 (meta-description) 을검사하기가수월하며그리고저장하는데있어서공간을적게차지한다. 둘째, 동일한학습자원을재사용하는다른저작자에따라서관점이변경될수도있다. 이것은다양한문맥에따라서다양한학습자원의기술 (description) 을가지는것이가능하다는의미한다. 그림 3. Architecture of an elearning Portal 17

18 Accessing the learning materials 정보접근과정에서온톨로지는다음과같이사용된다. 1) 학습자원에대한의미적검색 (semantic search) - 3가지차원의검색영역에기초해서 (content, context, structure); - Ontobroker의 F-Logic 질의인터페이스의질의능력에있는사용하기쉬운 (easy-to-use) 인터페이스로써구현된 2) 학습자원집합에대한개념적인탐색 - (a) content 와 (b) context ontology들에있는개념들간의온토롤지적관계 (ontological relation) 에기초하여 (a) 온톨로지적관계들에상응하는학습자원에대해서의미적으로적절한연결되어있다는가정을전제조건으로한다. 인터페이스단계로부터, 온톨로지의개념 ( 또는개면인스턴스 ) 을사용해서인덱싱된각각의학습자원은이개념과관계가있는개념들 ( 또는개념의인스턴스들 ) 에의해인덱싱된학습자원에 (hype)link를가지고있다. 예를들면, OSI 계층들을기술하는학습자원을위한 telematic 영역에서, 일치하는 protocol-, service-, interface- 학습자원에 hypelink가되어있어야한다, 물론, telematic ontology에따라서, OSI layer 개념은 protocol 개념들과관계를가지고있다. (b) 이런탐색유형은 context ontology의룰에기반해있다. 룰들은적절한구조 (structure) 에있는동일한 content에대하여학습자원을조직하는 (organize) 방법을기술하고있다. 예를들면, 교수법적관점으로부터, 어떤 content를설명하는학습자원은동일한 content의예제학습자원보다우선해야한다. 이것은 Explanation context를가진각각의학습자원은 Example context를가지고있는동일한 content에대한학습자원에 (hyper)link를가지고있어야한다는것을의미한다. - structure ontology에있는저작자로부터정의된명확한 ( 탐색적인 ) 구조에기초하여탐색적인구조 (navigational structure) 는학습코스에서학습자원의정렬순서 (first, next, parent) 로구성되어있다, 그러나또한 content ontology와반드시일치하지는않지만관계가있는학습자원들을정의하는저작자들에의해생성된다 Other components knowledge warehouse는 RDF문장으로된데이터의레파지토리역할을한다. 이것은온톨로지, 메타데이터또한실재데이터를가지고있다. 시스템은 Ontobroker 시스템이라는추론엔진을사용한다 (Decker et al. 1999). 특히, 추론엔진은질의에답을하며그리고온톨로지정의를가진지식저장소에있는사실들을지능적으로조립함으로써새로운지식을만드는것을수행한다. 불명확하게제공된추가된사실적지식을추론하는능력은각각의정확한사실을명세화하는지식제공자들의업무의짐을벗게해준다. 의미적순위나정렬을정하는것그리고개인화 (personalization) 은지식저장소에기술되어있는질의결과들을세련되게개량하는방법들이다 (Maedche et al. 2001). 18

19 Section 7 : Related work 우리의 elearning 시나리오에비교될수있는새로운시도들이있다. (1). 가장비슷한시도는사용자의선호도에따라동적으로학습코스를만드는것을가능하게하는 Karina(Crampes et al. 2000) 시스템이다. 이것은개념그래프 (conceptual graphs) 를사용한학습자원의개념적기술 (conceptual description) 에기초하고있으며그리고검색 / 탐색과정에서사용자의목표를달성하기위해몇개의 ( 필요한전제 ) 방법을사용한다. Karina의형제뻘인 Sybil 시스템 (Crampes et al. 2000) 은학습코스의 context를정의하기위해교육학온톨로지를사용한다. 그러나, 두가지시도는모두코스의정확한 structure( 우리의경우는 structure ontology) 를기술하지못한다. (2). Collaborative Courseware Generating System(Qu et al. 2001) 은코스 structure를기술하기위해정확한온톨로지지원없이현대적인웹기술 (tech.) 들 (XML, XSLT, WebDAV) 을사용한다. 이것또한정확하게학습자원의 context, structure를정의하지못한다. (3). Ontology-based Intelligent Authoring Tool(Chen et al. 1998) 은 elearning 시나리오에서지능적훈련시스템을사용한다. 좋은특징은현대적웹기술 (tech.) 을사용하지는않지만, 학습모델과교수전략을만들기위해 4개의온톨로지 (domain, teaching strategies, learner model, interfaces ontology) 를사용한다는것이다. 요약하자면, 어느누구도우리의시도의핵심인시맨틱웹의잇점을이용하는시스템은없다는것이다. Section 8 : Conclusion 기계가이해할수있는컨텐트를만든다는것 은시맨틱웹을기본전제로한다는또다른대중적인표현이다. 여러철학적인해석들이분분할수있지만이문구는매우실천적으로받아들여져야한다 : 만약컨텐트가스스로어떤정형적인설명이부가되어있다면 (bound, attached, be pointing 등 ) 기계가이해할수있는 (machine-understandable) content( 미디어형태이든간에 ) 이다. 이러한미래상은웹에친화적인 (web-friendly) 데이터묘사 (description) 를위한새로운기술을요구한다. RDF metadata standard는 XML과같은다른웹기술들과함께사용될핵심기술이다. 온톨로지는각각기계가의미를처리할수있고그리고정확히정의된통제된어휘의개념들을제공하는 (meta)data schema 이다. 공유된공통영역의공리를정의함으로써, 온톨로지는구문 (syntax) 이아니라의미를교환함으로써사람과기계가간단히커뮤니케이션하도록돕는다. 아울러, 시맨틱웹이적용가능한곳은무한하다. 사실, 분산된채수많은정보에대한제공과접근을해야하는각각의곳은어떤의미기반의해결책을가지고검색을행하고있다. 이문서에서우리는 3 가지방식으로온톨로지를활용하는 elearning 시나리오을보여주고있다 : 학습자원의의미 (semantics, content) 를기술하기위해. 이것은영역독립적인온톨로지이 19

20 다. 학습자원의학습맥락 (context) 을정의하기위해 학습코스내에서학습자원의구조화 (structuring) 를위해서이러한 3가지차원의영역은학습자원에대한검색및탐색을더욱쉽고더욱확실하게해준다. 이문서의목적은 elearning 의의미적뼈대를온톨로지를이용했을때의가능성을명확히하는것이다. 우선, 목표는정보에대한효율적접근과정보에대한관심을장려하는것이다. 그러나, 폭넓게시맨틱웹의관점에서보면, 온톨로지기반의학습수행처리는적절하고 (relevant, 문제의존적 ), 개인화를지향하고 ( 사용자맞춤형 ), 살아있고 ( 문맥에예민한 ) 과정이다. 이러한것들은역동적으로변화하는비즈니스환경에서의효과적인학습의전제조건이다. 이러한새로운관점은우리를진일보하게만들며그리고학습과정을비즈니스목표를충족하도록하기위해정확한공간과시간, 방법으로지식을관리하는과정 (KM) 이라고생각하고이해하도록한다. 시맨틱웹을사용하는 elearning과 KM을통합하는것은장래성이있는통합이라는것을의미한다. Section 9 : Acknowledgements The research presented in this paper would not have been possible without our colleagues and students at the Institute AI B, University of Karlsruhe, and Ontoprise GmbH. We thank all of them. Research for this paper was partially financed by EU in the IST project OntoLogging and by US Air orce in the DARPA-DAML project OntoAgent. References Adelsberger H., Bick M., Körner., Pawlowski J.M. (2001). Virtual Education in Business Information Systems (VAWI) - acilitating collaborative development processes using the Essen Learning Model, In Proceedings of he 20 h ICDE World Conference on Open Learning and Dis ance Educa ion, Düsseldorf, Germany, April Berners-Lee T. (2000). What the semantic web can represent, h p:// ml. Barker Ph. (2000). Designing Teaching Webs: Advantages, Problems and Pitfalls; Educa ional ul imedia, Hypermedia & Telecommunica ion, Association for the Advancement of Computing in Education, Charlottesville, 20

21 VA, pp Chen W., Hayashi Y., Jin L., Mitsuru I., Mizoguchi R., (1998), An Ontologybased Intelligent Authoring Tool, Proceedings of he Six h In erna ional Conference on Compu ers in Educa ion, Beijing, pp Crampes, M. and Ranwez, S., Ontology-Supported and Ontology-Driven Conceptual Navigation on the World Wide Web, 11 h AC Hyper ex Conference, May June , ACM Press, San Antonio, Texas. pp Decker S., ensel D., van Harmelen., Horrocks I., Melnik S., Klein M., and Broekstra J. (2000). Knowledge representation on the web, IEEE In erne Compu ing, September/October Decker, S., Erdmann, M., ensel, D., & Studer, R. (1999). Ontobroker: Ontology based access to distributed and semi-structured information, in Meersman, R. et al. (Eds.), Da abase Seman ics: Seman ic Issues in ul imedia Sys ems, Boston, USA, pp Kluwer Academic Publisher. Drucker P. (2000). Need to Know: Integrating e-learning with High Velocity Value Chains, A Delphi Group White Paper, h p:// epapers/ e-learning-wp.pdf. Erdmann M. and Studer R. (2000). How to structure and access XML documents with ontologies. Da a and Knowledge Engineering - Special Issue on In elligen Informa ion In egra ion DKE(36) (3): ensel, D., van Harmelen,., Horrocks, I., McGuinness, D. L., & Patel- Schneider, P.. (2001). OIL: An ontology infrastructure for the semantic web. IEEE In elligen Sys ems, 1 (2): Gruber, T. (1993). A translation approach to portable ontology specifications. Knowledge Acquisi ion, 5: Handschuh S., Staab S., Mädche A. (2001). CREAM Creating relational metadata with a component-based, ontology-driven annotation framework. To appear in AC K-CAP October, Vancouver. Heflin, J., and Hendler, J. (2000), Semantic Interoperability on the Web. In Proceedings of Ex reme arkup Languages. Graphic Communications Association, pp Nejdl W. (2001). Learning Repositories technologies and Context, To appear in Proceedings 21

22 of ED- EDIA 2001 World Conference on Educa ional ul imedia, Hypermedia & Telecomuunica ions, June 25-30, Tampere, inland Kifer, M., Lausen, G., & Wu, J. (1995). Logical foundations of object-oriented and frame-based languages. Journal of he AC, 42: Maedche, A., Staab, S., Stojanovic, N., & Studer, R. (2001). SEAL - A ramework for Developing SEmantic portals. In Proceedings of he 18 h Bri ish Na ional Conference on Da abases, July, Oxford, UK, LNCS 2097, Springer, pp Maurer H. and Sapper M (2001). E-Learning Has to be Seen as Part of General Knowledge Management, In Proceedings of ED- EDIA 2001 World Conference on Educational Multimedia, Hypermedia & Telecomuunications, Tampere, AACE, Charlottesville, VA (2001), pp Qu C., Gamper J. and Neidl W. (2001), A Collaborative Courseware Generating System based on WebDAV, XML, and JSP, to appear in Proceedings of IEEE In erna ional Conference on Advanced Learning Technologies - ICALT 2001, Madison, USA Staab S., Schnurr H.-P., Studer R., and Sure. Y. (2001). Knowledge processes and ontologies. IEEE In elligen Systems, Vol. 1, No. 1, January/ ebruary