大數據環境下學習資源元模型的研究與應用

張吉先 單永剛 虞江鋒 陳東毅 尹學松

摘要：為解決大數據環境下學習資源的描述困難，文章提出了基于元模型的學習資源描述體系，即在資源庫平臺中建立一套既符合學習資源著錄標準的、又具有可擴展性的元數據模型定義模式。通過向通用元模型元素集引用或映射，獲取各類資源的元數據模型的元素，以此實現不同元數據模型之間的相互兼容。元模型支持在實際應用中逐漸形成一套約束和推理規范，以實現元模型的自我建設和自我完善。論述了學習資源元模型的基本原理、創建過程、運行流程和存儲方法，并對其實際應用的情況做了介紹和分析。

關鍵詞：元模型；元數據；元數據模型；學習資源；大數據

中圖分類號：G434

文獻標識碼：A

一、引言

大數據包括數據的結構形式、數據的規模和數據的處理技術[1]。大數據級的學習資源庫囊括了各學科、各專業、各類型的海量資源，是一個綜合型教學資源倉庫，它一方面能保障學習資源庫資源的完整性，通過數據分析，有助于開展“個性化白適應”式學習資源服務[2]，另一方面能提高對學習資源庫的數據分析的實用性，有助于引導使用者的教學、科研活動。在實際應用中，大數據學習資源庫所包含的各種資源之間在分類體系、文件格式、支撐平臺、基本屬性等方面都存在固有的差異，且各自的資源描述標準不盡相同，這直接導致學習資源庫在現有的信息技術條件下和合理的時間內，無法完成擷取、管理和重用學習資源的任務，因此，必須尋找一種高效的處理數據方法提升學習資源庫平臺對大數據資源的處理能力。

學習資源的建設和研究者們也察覺到了這些弊端的存在，并在努力消除它，如江蘇省精品課程教學資源數據庫系統采用了“LOM+DC”元數據的方式來描述精品課程[3]，在簡化精品課程描述體系方面取得了顯著的效果，提高了資源獲取的效率；有學者也提出了用本體來描述和組織學習資源的設想，如曾玲等提出的學習資源的元數據的“本體”組織（封裝）方式[4]，這種方式可以保證知識本身的內在邏輯，且使得知識具備可重用性。

這兩種方法前者是針對重組后的學習資源群體，后者是針對某個知識領域的資源群體，具有明顯的代表性，它們都從組織學習元數據方面人手，給出了完美的學習資源描述、組織方案，在特定的資源群體中能發揮積極的作用。對于大數據級學習資源庫而言，一方面資源數量龐大、分類（主題）復雜，另一方面支持不同顆粒程度的學習資源之間的互操作，顯然，以上兩種方式無法應對大數據級學習資源庫的描述。

為此，本文提出了一種基于元模型的資源描述方法，即在資源庫平臺中建立一套既符合學習資源著錄標準、義具有可擴展性的元數據模型定義模式，即元模型。元模型是元數據模型建立的基本依據：通過向通用元模型元素集引用或映射，獲取各類資源的元數據模型的元素，以此解決不同元數據模型之間的兼容問題，實現異構資源的整合。元模型支持在實際應用中逐漸形成一套約束和推理規范，以實現元模型的自我建設和自我完善。

二、學習資源元模型的構成

（一）學習資源元模型的層次結構

20世紀70年代末，D R Hofstad ter提出了元模型的基本思想，即元模型、模型和實例都是以實例化為基礎的相對概念之間的關系，但該文獻僅論述了同構關系框架的基本原則，并沒有涉及到如何構建可復用的元模型建模框架[5]。2002年4月以來OMG共發布了五個版本的MOF（Meta Object Fa-cility）16j，MOF提出了四層元建模架構，包括數據層（MO）、模型層（MI）、元模型層（M2）和元元模型層（M3），四層結構之間的關系如圖1所示。其中每相鄰兩層之間遵循“模型”與“實例”的關系，子層元素是父層實例的子集，MOF模式實際上可以超越四層架構，但受人類的思維能力及實際應用范疇的限制，MOF四層結構足以滿足絕大部分事物元建模的需求。

圖1的MO層是描述資源實體的數據，它是學習資源庫直接操作的對象；M1層是定義描述某類資源所有規則的集合，它包括屬性、約束、關系、結構，Ml層統稱為元數據模型（如視頻資源元數據模型）；M2層即元模型，是學習資源描述體系的最底層，用來定義、規劃和控制元數據模型，元模型層相對比較抽象，它可以被理解為是創建元數據模型的環境；學習資源描述體系沒有涉及到M3層。

（二）學習資源元模型的元素來源

學習對象元數據規范（Learning Object Meta-data，LOM）定義了學習對象屬性描述的“最小集合”，它包括9個大類（含48個子項）能描述學習對象的各種核心屬性[7]，LOM是學習資源元模型的元素的重要來源之一。

在實際應用中，全部引用LOM元數據元素，會使得描述體系顯得過于龐大，而部分引用LOM元數據元素，由于資源之間本身存在的屬性差別，難以做到屬性描述的統一性。而且，新型學習資源會隨著信息技術的革新而陸續_Ln現，LOM標準無法對新資源的新屬性做出及時的響應。如MOOC課程，除一般網絡課程的基本特征之外，還有其自身的特征[8]：課程設計強調“關聯主義學習理論”，包括學習者與學習者之間關聯、知識于知識之間的關聯；作為生成式課程，MOOC課程內容隨課程的進展而擴充和延伸；課程的教育內容呈非結構化，所以在傳統網絡課程的元數據基礎上，需要為MOOC課程的屬性描述做“課程內容的語義關聯”“課程內容擴充方式”“課程結構的限制”等方面的擴展。

因此，在LOM元數據規范之外，還需建立一個擴展元數據規范，它是學習資源元模型元素的另一個來源，是對LOM元數據元素的補充，擴展元數據規范是可編輯的。

三、學習資源元模型的構建

（一）學習對象語義詞典

元模型元素之間的關系代表著實體元數據之間的關系，元素之間的關系是模型之間的相互引用、相互映射的基本條件，而元素之間的關系需要通過為元素預設語義來建立。語義是知識工程領域的一個核心概念，通過語義推理、語義相似度計算，可使計算機能具備類似于人類的“聯想”思維。在學習資源元模型層創建一個學習對象語義詞典（Learn-ing Object Semantic Dictionary， LOSD）， LOSD可以理解為是關聯數據（LinkData）[9]，它本身不是語義，但可以在數據層面建立語義關聯。LOSD包括統一的類術語、屬性術語、關系術語等。同時，LOSD預定義一系列元模型的基本數據類型集合（DThasic）和枚舉數據類型（DTeⅢenum），學習資源元模型在新建元數據模型時與LOSD構成語義依賴關系，這使元數據元素在語義上取得了一致，不僅消除了由于人為理解或數據異構等因素對元素表示所造成的影響，而且可使元數據模型之間的信息交換和復雜元數據模型的設計在語義上保持了高度的一致，解決了數字資源元數據一致性與資源信息共享問題。

（二）通用元模型屬性集

LOM元數據規范和擴展元數據規范是學習資源元模型元素的來源，學習資源元模型包括全集元數據和核心元數據兩個層次，其中全集元數據是對數據集進行的全面描述，它所包含的描述元素（及元素子集）繁多、描述結構復雜，全集元數據用于描述資源的個性化屬性。核心元數據是表示信息單元基本屬性所需要的最少數量的元數據元素和元數據實體，是元數據子集和實體中必選的元數據實體和元數據元素[10]，各類資源核心元數據的交集構成資源庫通用元數據元素集，即通用元模型屬性集（Share Meta-model Attribute， SMA）。

（三）學習資源元模型結構

定義：學習資源元模型的邏輯描述式可以定義為一個六元組：學習資源元。模型定義為一個六元組MetaModel：

A：兀模型基本元素集合：A=MlomU Mext，其中M.。。是學習對象模型LOM，Mex，是元模型擴展元素集，A是元數據模型元素的命名域A∈LOSD。

V：值域V=DThasic U DTenum，其中DTbasic為基本數據類型，DTenum為枚舉數據類型，V∈LOSD。Vv∈V，]r∈R，r=（vl，v2）。

R：兀模型元素之間基本的語義關系集合，元素之間基本關系有R={xlx∈is-a，part-of，is，composed-of，have}）等，R∈LOSD。

E：元數據模型的集合，Ve∈E，Va∈A，Vv∈V，e=（ae，ve），ae為元模型e的命名域，ve為元模型e的值域。設SMA為Msl…，MS11are= aeln ae2n…n a“（n如果過大影響M Shar。的通用性，事實上在學習資源元模型中n值不會很大，而且對于個別帶有特異元素的元數據模型，可以選擇局部或全部舍棄）。

F：元模型函數集合，即對元模型的操作方法，主要有：（1）編輯Edit（）：包括增加、刪除、修改、查詢元素集等基本操作；（2）映射Mapping0：異構元數據模型的元素與LOSD中預設的MShare的元素建立映射；（3）引用QuoLe（）：元數據模型對其它元數據模型的元素的調用（一般是作為子集整體調用）；（4）推理Reasoning0：依據LOSD中各類元素之間的關系數據，對元素進行基于關系集r的推理（r∈R，r為R的非空子集）；（5）篩選Filter（）：從LOSD中篩選需要的元素，用于建立通用元模型屬性集（SMA）以及選取個性化元數據元素。

P：規則集合，元模型背景下，所有元數據模型、基本元素以及元素子集在取值、運算、應用時都受集合P的子集的約束，P由設計者預先設定。網絡課程元數據模型的UML類圖如圖2所示。

（四）基于元模型的元數據模型的創建

如下頁圖3所示，箭頭實線表示流程，箭頭虛線表示數據流。圖中包括以下幾個數據庫：（I）LOM元數據規范數據庫：學習對象元數據規則，除版本整體升級之外不支持局部編輯；（2）擴展元數據規范數據庫：擴展元數據規范是白定義元數據規范，是對LOM的擴展，支持編輯；（3）通用元模型屬性數據庫（SMA）；（4）學習對象語義詞典數據庫（LOSD）；（5）元數據模型數據庫：對單項資源元數據模型的記錄，元數據模型數據庫有多個，每個數據庫可以接收其它元數據模型的整體調用。其中，（1）（2）是元模型的元素來源，（1）（2）（3）（4）共同構成學習資源描述體系的元模型層（與圖2區域A相對應），（5）處于模型層，是元模型作用的結果，它的對象是描述數據（與圖2區域B相對應）。當某資源描述的屬性集確定時，進入循環逐個獲取對應的元數據元素。查詢通用元模型屬性（SMA），若存在，則直接引用加載到元數據模型，若不存在則轉到步驟（2）。查詢元模型的元素（LOM元數據規范、擴展元數據規范），若存在加載到元數據模型，若不存在轉到（3）。由于建立元數據模型有“最小”原則和“統一”原則，元素盡可能在SMA中獲取，因此，步驟（1）和步驟（2）不能顛倒。擴展一個相應的元素到擴展元數據規范中，并將其加載到元數據模型數據庫中。在擴展過程中，為保障元模型元素集的普適性，LOSD須發揮其對新建元素的語義推理和命名約束的作用。如在擴展一個“微課類型”元素時，LOSD要求采用“MicroClass_Type”的格式命名，根據分類元素的特性給出新元素MicroClass_Type的描述建議，包括該類型的常規值預設、關聯元素的選擇等。完成預定目標，退出循環，結束流程。

四、元數據模型獲取元數據的方法

（一）元數據模型元數據著錄格式

元數據模型的元數據著錄格式主要有兩種：一種是RDF/XML文件格式，RDF是一個用于描述Weh上的資源的框架，它被設計為提供一種描述信息的通用方法，RDF作為一個元數據的描述方式，依賴XML來編碼和傳送元數據，RDF/XML描述方式以RDF Schema（RDFS）來規范描述對象所蘊含的二元關系ll兒12J；另一種是關系數據庫格式，關系數據庫（Relational Database）是以關系模型為基礎的數據庫，關系模型的數據結構、操作集合和完整性約束決定了關系數據庫具備強大的數據描述和處理能力，對資源元數據而言，最常見的表現方式為數據表，以及表與表之間的關聯。RDF/XML格式擅長于數據的保存和傳遞，關系數據庫格式擅長于數據描述和實時處理，兩種格式是一種優勢互補的關系。

（二）元數據模型中的存儲元數據

向元數據模型存儲元數據，即是把不規則的原始元數據文件導人到既定模式的關系數據庫表中。

（1）通過遍歷把RDF/XML文件存入到關系數據庫

RDF/XML文件按元數據模型的定義轉換成關系數據表，需遵守以下三個規則：

規則1：RDF的一個類轉換為關系數據一個表，RDF的資源類名為表名，屬性（定義域）為表列，屬性值（值域）為數據值。

規則2：RDF父子類關系，子類數據表的主鍵作為父類數據表的外鍵。

規則3：RDF元數據文件，呈多叉樹型結構，轉換函數按廣度優先遍歷的策略執行。

（2）關系數據庫文件導入到關系數據庫

關系數據庫格式元數據文件有兩種類型：一種是單表形式（所有數據在同一個表上），另一種是多表形式（多個表格之間通過外鍵建立關系1。由于單表形式的數據庫不符合關系數據庫的基本范式，無法對一項資源進行全面地描述，因此，實際應用中，第一手原始元數據往往是帶有關系的多表形式的關系數據庫。多表形式的數據文件（下稱源數據）導入到元數據模型的步驟如下：a.把數據文件導人到關系數據庫；b.打開元數據模型，建立模型中的數據表和源數據的數據表之間的對應關系，復制數據；c.根據源數據中的關系創建元數據模型中表的主鍵和外鍵，復制關系。

五、學習資源元模型的應用

（一）應用背景

2012年，浙江廣播電視大學組織實施浙江省教育信息化十二五規劃項目“浙江省終身學習數字化資源庫（以下簡稱‘資源庫’）”建設項目[13]，2015年4月資源庫系統項目順利通過驗收。該資源庫是集高等教育、繼續教育、職業教育和社區教育等多層次、多類型資源的管理、共享、應用于一體，面向省內教育機構提供資源公共服務的終身學習數字化資源庫；資源庫的資源群以《教育資源建設技術規范CELTS41》為基礎，共分為14類，包括媒體素材（文本、圖形/圖像、視頻、音頻、動畫）、試題、試卷、課件、案例、文獻資料、網絡課程、常見問題解答、資源目錄索引、圖書等。多層次、多類型的特征決定了源庫是一個大數據級別的綜合性信息共享、整合平臺。本文所提出的大數據背景下的學習資源元模型，正是為該資源庫提供一個高效的資源描述方案。

（二）應用實例

圖2區域B（虛線部分）是網絡課程元數據模型的UML類圖限（于篇幅作了簡化）。由圖2可知網絡課程元數據模型的元素來源包括：（1）篩選學習資源元模型元素，通過Filter（）操作，向元模型選取所需的元素，由于常用元素從通用元模型屬性集合獲取，且元數據模型可隨時擴展，為減少服務端系統開支，系統默認約定從元模型中篩選的結果是網絡課程個性化元素的最小集合（即：用多少取多少）。在這個過程中LOSD通過元模型對元素的選擇起到規范作用；（2）映射通用元模型屬性：通過Mapping0操作，與通用元模型屬性建立元素映射關系；（3）引用其它的元數據模型：通過Quote（）操作，把相關資源的元數據模型作為元素子集引用過來，如視頻元數據模型、文檔元數據模型。資源庫的網絡課程元數據模型（如下表所示）完全是按本文所述的基于元模型環境及流程創建，使資源庫在面對于不同來源的網絡課程時，具有最大的包容性。事實上，如前文所述，模型的層次總是相對的，元模型的思想也可用于元數據模型以派生出它自己的對象，對上述圖2所示的網絡課程元數據模型而言，它可以生成動態網絡課程、靜態網絡課程、微課、MOOC等元數據模型。

（三）應用分析

學習資源平臺各項資源元數據模型的每個元素來自于高度規范的元模型，這一方面決定了整個資源平臺元數據的統一性，為資源平臺實施穩定的統一管理、統一檢索、統一調用、協同應用等功能奠定了堅實基礎（基于元數據的資源整合，是最穩定的資源整合方法），另一方面，各類資源的元數據模型的元素集是由小到大、按需獲取的，這節省了系統的開支，增強了數據瀆寫效率。值得一提的是，上述兩點優勢將隨著資源數量的遞增而更加顯現出來，因此，該描述體系對于大數據環境下學習資源的實用意義可想而知。

LOM是權威的、通用的學習對象元數據規范，當擴展元素參與到學習資源的描述之后，資源元數據模型便具有了個性化特征，這樣的元數據在與其它資源系統進行互操作時會遇到瓶頸。另外，學習資源建設者們受其自身專業、工作等的影響對語義的理解會有差別，元模型擴展元素的語義關聯如何得到合理的定義，這也是一個亟待解決的問題。

六、小結

大數據環境下的學習資源庫，必須能夠勝任資源重組和教學引導的雙重服務，而要承擔這些任務須有一個高效、靈活的資源描述體系，傳統的面向局部資源群體的描述體系顯然已無法承擔這些任務。本文提出了一種基于元模型的學習資源描述體系，元模型的元素由LOM元數據規范和擴展元數據規范提供，元模型通過學習對象語義詞典（LOSD）.通用元模型屬性集（SMA），用以建立最合理的資源元數據模型。描述體系獲取元模型元素的原則是“按需引用、自主擴展”，允許接受LOM之外的其它學習資源標準與規范的元素，且經過LOSD和SMA的約束和規范，可以解決不同標準與規范之間的兼容性問題。文章詳細闡述了描述體系的工作原理、通過元模型創建元數據模型的過程以及元數據模型獲取元數據的方法。最后，通過應用實例，分析了描述體系的應用前瞻，提出了描述體系在實際應用中存在的局限性。

參考文獻：

[1]朱建平，章貴軍，劉曉葳.大數據時代下數據分析理念的辨析[J].統計研究，2014，31（2）：10-17

[2]姜強，趙蔚，王朋嬌，王麗萍.基于大數據的個性化自適應在線學習分析模型及實現[J].中國電化教育，2015，（1）：85-91.

[3]包平，胡以濤，高宏，劉磊.精品課程“LOM+Dc”元數據應用方案的設計與實現[J]現代教育技術，2010，20（6）：103-107.

[4]曾玲，丁新.學習資源的封裝及其本體描述研究[J]電化教育研究，2010，（1）：60-64.

[5] DR Hofstadter. CodeLEscher， Bach： An Eternal Colden Braid[Ml.NewYork：V in tage Books，1979.

[6] OMG formally Released Versions of MOF[EB/OL]. http：//www.omg.org/spec/MOF/，2014-12-20.

[7]余勝泉，朱凌云.教育資源建設技術規范簡介[J].中小學信息技術教育，2002，（22）：80-84.

[8]李華，龔藝，紀娟，譚明杰，方佳明.面向MOOC的學習管理系統框架設計[J]現代遠程教育研究，2013，（3）：28-33

[9] Tim Berners-Lee.Linked Data[EB/OL]. http：//www.w3.org/Designlssues/LinkedData.html，2015-05-02.

[10]孟令奎，李三霞，張文，張東映.面向水文數據共享的水文核心元數據模型研究及應用[J]水文，2012，32（1）：1-5.

[Il] Resource Description Framework （RDF）.Concepts and AbstractSyntax（W3C Recommendation 10 Fehruary 2004）[EB/OL]. http：//wwN'.w3.org/'l'R/2004/REC-rflf-concepts-20040210，2015-02-26.

[12]陸建江，張亞非，苗壯.語義網原理與技術[M].北京：科學出版社，2007.32.

[13]浙江省終身學習數字化資源庫[EB/OL].http：//www.zjerc.cn/Web，2015-04-25.

作者簡介：

張吉先：研究員，碩士，研究方向為遠程教育（zhangjx@zjtvu.edu.cn）.

單永剛：高級工程師，碩士，研究方向為數字圖書館、學習資源建設（shanyg@zjtvu.edu.cn）。

虞江鋒：副教授，碩士，研究方向為遠程教育與遠程教育技術（yujf@zjtvu.edu.cn）。

陳東毅：工程師，碩士，研究方向為教育技術（chendy@zjtvu.edu.cn）.

尹學松：教授，博士，研究方向為機器學習、模式識別（yinxs@zjtvu.edu.cn）.

The Research and Application of Learning Resources MetaModelin the Big Data Environment

Zhang Jixian， Shan Yonggang， Yu Jiangfeng， Chen Dongyi， Yin Xuesong

（Zhejiang Radio & TV University， Hangzhou Zhejiang 310030）Abstract：ln order to solve the difficulty ofresource description in the Big Data environment， the research creates a description systemoflearning resources based on the MOF's MetaModel. That is， creating MetaDataModel wluch meets learning resources description standard， and can be expanded in the resource pool platform. It obtains the MetaData model elements of all kinds of resource by reference or mapping from the MetaModel in order to realize the compatibility between different MetaDataModels. The MetaModel Form supports to create a set of constraints and inference rules in practical application to realize self construction and self perfection. The paper discusses the Learning Resources MetaModel's principle， constructive process， operation process and storage method. It also introduces and analyzes the application situation of the learning resources MetaModel. Keywords： MetaModel； MetaData；MetaDataModel； Learning Resources； Big Data

收稿日期： 2015年6月27日

責任編輯：趙興龍

簡訊

第五屆中日教育技術學研究與發展論壇暨中國教育技術協會信息技術教育專業委員會第十一屆學術年會在上海召開

2015年7月11日至12日，第五屆中日教育技術學研究與發展論壇暨中國教育技術協會信息技術教育專業委員會第十一屆學術年會在上海市實驗學校召開。論壇由巾國教育技術協會、日本教育T學會聯合主辦，年會由巾國教育技術協會信息技術教育專業委員會主辦，會議由上海師范大學承辦。

上海師范大學副校長高建華教授，中國教育技術協會常務副會長、巾央電教館館長王珠珠研究員，中國教育技術協會秘書長劉雍潛研究員，日本教育T學會會長、富山大學山西潤一教授等領導與專家出席會議。來自巾國的上海師范大學、東北師范大學、浙江大學、南京師范大學、華東師范大學、西南大學、華南師范大學、內蒙古師范大學等，來自日本的富山大學、日本女子大學、關西大學、奈良教學大學、東北大學、愛知T業大學、九州大學等學校的學者、教師和研究生，以及《中國電化教育》雜志社等多家媒體代表共計300余人參加了會議。

本次論壇和年會，是巾日教育技術學界的一次高水平的對話與交流，會議圍繞“技術改善學習”這一主題展開了廣泛而深入的探討。論壇開幕式上，高建華副校長、王珠珠館長、山西潤一教授分別代表承辦方上海師范大學、主辦方rr『國教育技術協會、日本教育T學會作了致辭。王珠珠館長、山西潤一教授分別作了題為《中國基礎教育信息化的現狀與展望》和《日本教育T學研究的現狀與進展》的主旨報告。在接下來的兩天當巾，共舉行了二十一場大會報告、九場專題研究和八場論文發表，與會代表就技術改善學習的范式、理論、方法和過程等議題，展開了富有成效的交流和研討并形成了了多項進一步交流與合作的意向。

閉幕式上，上海師范大學教育技術學系系主任董玉琦教授對此次論壇和年會作了總結。他認為，會議在拓展研究領域、改進研究方法、加強研究合作與交流等方面取得相當成果。會議的主要共識是，信息技術與教育教學的深度融合，不僅要關注技術應用，更重要的是要關注學生發展；而關注學生發展，不僅關注學習方式的轉變，更要關注學業水平的提升，關注批判意識、協作精神、創造能力的改善。

第六屆中日教育技術學研究與發展論壇計劃在2017年召開，初步確定由日本的東北大學承辦；巾國教育技術協會信息技術教育專業委員會第十二屆學術年會明年7月召開，初步確定由華中師范大學和黃岡師范學院聯合承辦。

（本刊記者宋靈青）