以正規概念分析為基礎之本體論自動擴展機制

Abstract

隨著數位學習領域的標準趨向統一化，大部分的數位教材內容、學習元件(Learning Object)皆是以IEEE所制定的「學習物件後設資料」（learning objects metadata; LOM）來描述學習元件。我們可以輕易的在網路上搜尋到許多符合國際標準的學習元件，而這些學習元件可以一再的被不同的教學者重組、再利用。然而，隨著科技日新月異，在數位學習領域裡，新的學習概念也逐漸增多。 因此本研究提出一個以正規概念分析為基礎之本體論自動擴展機制，主要著重在分析LOM (Learning Object Metadata)欄位的特性，再配合一個經過改良的TF-IDF(Term Frequency-Inverse Document Frequency)資料前處理方法－Location weight TF-IDF(LTF-IDF)所擷取出重要的關鍵詞，接著藉由本研究提出的學習概念擷取機制，判斷是否有新學習概念之形成，並配合領域專家所建立的本體論(Ontology)，將新學習元件概念做新增的動作。