Перспективы использования технологий Семантического Web в образовательных порталах Санкт-Петербургский государственный электротехнический университет ЛЭТИ. - презентация

1 Перспективы использования технологий Семантического Web в образовательных порталах Санкт-Петербургский государственный электротехнический университет ЛЭТИ Пузанков Д.В., ректор Татаринов Ю.С., проректор по информационным технологиям Пантелеев М.Г., руководитель лаборатории «Интеллектуальных технологий»

2 Введение в Семантический Web (RDF, OWL... ) Семантические порталы – что нового? Состояние работ: примеры конкретных архитектур Работы в СПбГЭТУ Перспективы развития работ План презентации

3 Традиционный (синтаксический) Web: Гипермедийная цифровая библиотека: –библиотека документов (называемых web-страницами), связанных посредством гиперссылок База данных, платформа для приложений –Общая точка входа (портал !) к приложениям, доступным через web- страницы и представляющим свои результаты как web-страницы Платформа для мультимедиа –Всемирная служба BBC Radio 4 Схема именования –уникальные идентификаторы для документов (ресурсов) Глобальная информационная среда, в которой компьютеры (легко) выполняют представление информации, а люди (с трудом) выполняют ее связывание и интерпретацию.

4 Традиционный (синтаксический) Web не позволяет: Обрабатывать сложные запросы, подразумевающие базовые знания: –Найти информацию о животных, использующих звуковую локацию, но не являющихся ни летучей мышью ни дельфином» Находить информацию в репозитариях данных: –Туристические запросы; –Цены на товары и услуги; –Результаты исследований генома человека Находить и использовать Web-сервисы: –Визуализация поверхностей взаимодействия между двумя протеинами Делегировать решение сложных задач Web-агентам: –Закажи мне на следующий выходной отдых, где-нибудь в теплом месте, не очень далеко и где говорят на английском или французском языках

5 Необходимость добавления семантики Внешние соглашения о смысле аннотаций –Например, Dublin Core Соглашение о смысле множества аннотирующих тегов; –Недостатки подхода: отсутствие гибкости; может быть выражено ограниченное число вещей. Использование Онтологий для специфицирования смысла аннотаций –Онтологии предоставляют словарь терминов; –Новые термины могут формироваться путем комбинирования существуюших; –Смысл (семантика) терминов формально специфицирован; –Могут быть специфицированы отношения между терминами во многих онтологиях.

6 Что же такое Семантический Web? Unicode XML + NS + XML-Schema RDF + RDF-Schema + OWL Онтологии Логика Подтверждение истинности Цифровая сигнатура Самоописы- ваемые документы Доказательства Правила Данные Многоуровневое представление Семантического Web по T.Berners-Lee Данные URI Семантический Web - расширение существующего Web, в котором информации придается точно определенный смысл, что позволяет компьютерам «понимать» и обрабатывать ее на семантическом уровне

7 Что такое RDF RDF (Resource Description Framework) - язык для описания ресурсов способом, понятным компьютеру на семантическом уровне. Ресурс - любая (физическая или абстрактная) сущность, имеющая уникальный идентификатор - URI: доступные по сети ресурсы: электронные документы, изображения, сервисы или группы ресурсов; недоступные непосредственно по сети объекты: люди, корпорации, книги в переплетах; не существующие в физическом мире абстрактные понятия: создатель (creator). RDF : модель + графический формализм + XML-синтаксис + семантика для представления метаданных RDF - офциальная рекомендация консорциума W3C с (

8 RDF: Модель данных Пример: Ora Lassila is the creator of the resource Субъект (ресурс) - Предикат (свойство) - creator Объект - (значение) - Ora Lassila Утверждения, задаются тройками: Субъект - некоторый ресурс (идентификатор ресурса): Предикат - свойство ресурса (или отношение с другим ресурсом) Объект - значение свойства ресурса (или отношения)

9 RDF: Графическое представление Creator Ora Lassila Свойства также являются ресурсами и имеют URI; Имена свойств берутся из пространств имен, которые указываются в виде префикса. Если свойство Creator взято из пространства имен dc: (Dublin Core): dc:Creator Ora Lassila

10 XML-синтаксис для RDF (RDF/XML) RDF-модель представляется XML-элементом RDF, который заключается в тег ). Элемент RDF должен содержать объявление пространства имен RDF: /* RDF-модель */ В RDF-модели, как правило, описывается сразу несколько ресурсов и у каждого ресурса описывается несколько свойств (т.е делается несколько утверждений); Множество утверждений, относящихся к одному ресурсу, группируются с помощью элемента Description из пространства имен rdf. Идентификатор описываемого ресурса (URI) указывается в атрибуте about элемента Description.

11 RDF/XML: Простой пример xmlns:dc=" Ora Lassila Идентификатор ресурса (Субъект утверждения) Свойство (Предикат) Значение свойства (Объект) Начало описания RDF-модели Начало элемента описания ресурса Ora Lassila Идентификатор ресурса (Субъект утверждения) Свойство (Предикат) Значение свойства (Объект) Начало описания RDF-модели Начало элемента описания ресурса">

12 RDF-модель: значение свойства - ресурс Ora Lassila rdf:type Объект утверждения (значение свойства) может не только литералом, но и ресурсом. В последнем случае он, в свою очередь, может быть субъектом другого утверждения. Cовокупности утверждений формируют направленный помеченный граф: ресурсы представляются овалами, литералы - прямоугольниками.

13 RDF Схема (RDFS) RDF дает формализм для аннотирования ресурсов с помощью метаданных и способ его записи в XML, но не дает никакого конкретного смысла элементам словаря, таким как subClassOf или type –Они интерпретируются как произвольные бинарные отношение RDF Схема (RDFS) позволяет определить словарь терминов и отношения между этими терминами –придает конкретным RDF предикатам и ресурсам дополнительный смысл –этот дополнительный смысл (семантика) специфицирует, как термин должен интерпретироваться

14 RDFS Термины RDF-cхемы: –rdfs:Class (Класс); –rdf:Property (Свойство); –rdf:type (тип); –rdfs:subClassOf (подкласс); –rdfs:subPropertyOf; –rdfs:range (область значений); –rdfs:domain (область определения) Эти термины используются как строительные блоки RDF-cхемы (конструкторы) используемыми для создания словарей:

15 Явная спецификация концептуализации [Gruber, 1993] Онтология является искусственно созданным (инженерным) объектом: –Состоит из конкретного словаря, используемого для описания определенной реальности и –Множества явных допущений, относящихся к подразумеваемому значению словаря. Онтология описывает формальную спецификацию определенной предметной области: –Общее (разделяемое) понимание рассматриваемой предметной области –Формальная, допускающая машинную обработку модель рассматриваемой предметной области Онтологии в Computer Science

16 Структура онтологии Онтологии обычно имеют два компонента: Имена понятий, важных для рассматриваемой предметной области: –Слон – класс (понятие), член которого является видом животных –Травоядные – понятие, членами которого являются в точности те животные, которые едят только растения или части растений –Взрослый_Слон – понятие, членами которого являются в точности те слоны, чей возраст больше 20 лет Базовые знания и ограничения предметной области: –Взрослые_Слоны имеет вес не менее кг –Все Слоны являются либо Aфриканскими_Слонами либо Индийскими_Слонами –Никакой индивидуум не может быть одновременно Травоядным и Плотоядным

17 Языки онтологий Большое разнообразие языков для явной спецификации –Графические нотации: Семантические сети Карты понятий (Topic Maps) ( UML RDF –Основанные на логике: Дескриптивные логики (OIL, DAML+OIL, OWL) Правила (RuleML, LP/Prolog) Логика первого порядка (KIF) Концептуальные графы (Синтаксические) логики высших порядков (LBase) Неклассические логики (FLogic, немонотонные логики, модальности) –Вероятностные/нечеткие Степень формальности широко варьируется –Возрастающая формальность делает языки в большей степени пригодными для машинной обработки (автоматических рассуждений)

18 Объекты/Экземпляры/Индивидуумы: –элементы области дискурса –в логике первого порядка - эквивалентны константам Типы/Классы/Понятия –множества объектов, имеющих общие характеристики –в логике первого порядка - эквивалентны унарным предикатам Отношения/Свойства/Роли –множества пар (троек) объектов –в логике первого порядка - эквивалентны бинарным предикатам Такие языки: –хорошо понимаемы; –формально специфицированы; –(относительно) легки в использовании –поддаются машинной обработке Объектно-ориентированная модель знаний

19 Требования к языку онтологий для Web Язык Web-онтологий должен: Расширять существующие стандарты Web –такие как XML, RDF, RDFS Быть простым для понимания и использования –должен базироваться на хорошо известных способах представления знаний Быть формально специфицированным Обладать адекватной выразительной мощностью Возможность обеспечить поддержку автоматических рассуждений

20 От RDF к OWL Чтобы удовлетворить указанным требованиям были разработаны два языка: –OIL - разработан группой (в основном) Европейских исследователей –DAML-ONT - разработан группой (в основном) американских исследователей (в рамках выполняемой DARPA программы DAML) Усилия были объединены для разработки DAML+OIL –Разработка была выполнена Объединенным EU/US Комитетом по агентным языкам разметки - Agent Markup Languages –Расширяет (DL подмножество) RDF DAML+OIL был представлен W3C как основа для стандартизации –была сформирована рабочая группа Web-Ontology (WebOnt) –WebOnt на основе DAML+OIL разработала язык OWL –OWL - W3C Recommendation !!!

21 Язык OWL Три уровня OWL –OWL full - объединение OWL-синтаксиса и RDF –OWL DL - ограничен фрагментом логики первого порядка (¼ DAML+OIL) –OWL Lite - простое для реализации подмножество OWL DL Уровни семантики: –OWL DL составляет ¼ OWL full в рамках фрагмента DL –семантика DL официально определена OWL DL основан на Дескриптивной Логике SHIQ –В действительности он эквивалентен SHOIN (D n ) DL Достоинства OWL DL: –Хорошо определенная семантика –Хорошо осмыслены формальные свойства (сложность, разрешимость) –Известны алгоритмы рассуждений –Имеются (очень оптимистичные) реализации систем

22 OWL-документы: пространства имен OWL-документы (обычно называемые OWL-онтологиями) являются RDF-документами (т.е. имеют корневой элемент rdf:RDF) В этом элементе обычно специфицируются следующие пространства имен:

23 OWL-документы: преамбула OWL-онтология может начинаться с множества утверждений для служебных целей. Эти утверждения группируются в элементе owl:Ontology, содержащем комментарии, управление версиями и включение других онтологий. Например: An example OWL ontology University Ontology owl:imports - единственное утверждение, имеющее последствия для логического значения онтологии. Перечисляет другие онтологии, содержание которых подразумевается как часть текущей онтологии.

24 OWL: Элемент owl:Class Классы определяются, используя элемент owl:Class, который является подклассом rdfs:Class. Пример: Используя элемент owl:disjointWith можно сказать, что этот класс не пересекается с классами professor и assistantProfessor. Эти элементы могут включаться в приведенное выше определение или добавляться путем ссылки на id, используя rdf:about. Этот механизм наследуется от RDF:

25 OWL: эквивалентность классов. Классы owl:Thing и owl:Nothing Эквивалентность классов может быть определена, используя элемент owl:equivalentClass: Два заранее определенных класса: –owl:Thing - наиболее общий класс, содержащий все. (все является вещью); –owl:Nothing - пустой класс. Каждый класс является подклассом owl:Thing и суперклассом owl:Nothing

26 OWL: Элементы свойств (Property elements) В OWL два вида свойств: –Объектные свойства (Object properties) - связывают объекты с другими объектами. Например: isTaughtBy, supervises и т.д. –Свойства - типы данных (Datatype properties) - связывают объекты со значениями типов данных. Например: phone, title, age и т.д. OWL не имеет предопределенных типов данных и способов их определения; OWL позволяет использовать типы данных XML Schema. Пример свойства - типа данных:

27 OWL: Пример объектного свойства Определяемые пользователем типы данных будут обычно собираться в XML-схему, а затем использоваться в OWL-онтологии. Пример объектного свойства:

28 OWLИнверсные свойства OWL: Инверсные свойства OWL позволяет задавать «инверсные свойства», например: isTaughtBy и teaches. Области определения и область значений могут наследоваться от инверсного свойства (перестановкой области определения и области значений)

29 OWLЭквивалентные свойства OWL: Эквивалентные свойства Эквивалентность свойств может быть определена используя элемент owl:equivalentProperty:

30 OWL: Ограничения свойств Элемент owl:Restriction в общем случае содержит элемент owl:onProperty и одно или более объявлений ограничений. Два типа ограничений: –ограничения на тип значений свойства (owl:allValuesFrom, owl:hasValue и owl:someValuesFrom); –ограничения кардинальности (числа значений)

31 OWL: Ограничения свойств - allValuesFrom rdfs:subClassOf позволяет специфицировать класс C как подкласс другого класса C'. Объявление класса C, элементы которого удовлетворяют определенным условиям, эквивалентно утверждению, что C является подклассом C', в котором собраны все объекты, удовлетворяющие этим условиям. Пример - элемент определяет курсы первого года обучения, читаемые только профессорами: owl:allValuesFrom описывает класс возможных значений, которые может принимать свойство, специфицированное элементом owl:onProperty (значением свойства isTaughtBy могут быть только профессора).

32 OWL: Ограничения свойств - hasValue Объявление, что курсы по математике читаются профессором, имеющим идентификатор : owl:hasValue утверждает, что свойство, специфицированное элементом owl:onProperty должно иметь конкретное значение.

33 OWL: Ограничения свойств - someValuesFrom Пример: Преподаватели должны читать по крайней мере один курс уровня undergraduate.

34 OWL: Ограничения кардинальности свойств Пример «Каждый курс читается по крайней мере одним преподавателем»: 1 Литерал «1» интерпретируется как неотрицательное целое (nonNegativeInteger), а не как строка или еще что-то; Используется объявление пространства имен xsd, сделанное в элементе- заголовке для ссылки на документ XML-Schema.

35 OWL: Ограничения кардинальности свойств «Кафедра должна включать от не менее десяти и не более тридцати сотрудников»: 10 30

36 Сравнение традиционных и семантических порталов

37 Архитектура портала SEAL (SEmantic PortAL)

38 Компоненты SEAL: Хранилище знаний & Ontobroker Основу системы составляют: хранилище знаний и систему Ontobroker – основной механизм вывода. Хранилище знаний: –включает онтологию и базу знаний; –служит репозитарием данных, представленных утверждениями фреймовой логики (F-Logic); –построено вокруг реляционной БД, в которой факты и понятия хранятся как объекты первого порядка и являются гибкими по отношению к изменениям онтологии. Система Ontobroker: –дедуктивная объектно-ориентированная система баз данных –обеспечивает трансляторы для различных языков описания онтологий, правил и фактов. –используется как машина вывода (сервер) в рамках SEAL. Читает входные файлы, содержащие базу знаний и онтологию, оценивает входные запросы и возвращает результаты извлеченные путем комбинирования онтологии, базы знаний и запроса.

39 Компоненты SEAL: Клиентская часть Фронтальная часть системы: –Программные агенты; –Пользователи сообщества; –Общие пользователи. Cвязь с системой через Web-server. Три главных режима взаимодействия с системой: –Для обработки хранимой в портале информации программными агентами RDF-генератор представляет через Web-сервер RDF-факты. Программные агенты c RDF-поисковиками могут собирать факты и, таким образом, получать прямой доступ к хранимым на сайте семантическим знаниям. –Пользователям сообщества и общим пользователям предоставляется две формы доступа: навигация по порталу с использованием гиперссылок и поиск информации по запросам. –Пользователи сообщества (и только они) могут выступать поставщиками данных для портала (персональные данные, информация об области исследований, публикациях и т.д.) Для каждого типа вносимой информации в онтологии существуют соответствующие понятия. Модуль шаблонов находит соответствующие части онтологии и генерирует соответствующие HTML-формы для ввода данных.

40 Компоненты SEAL: Модуль навигации Поддерживает (помимо иерархической древовидной структуры гиперссылок, связанной с иерархической декомпозицией предметной области) сложные семантические гиперссылки, основанные на онтологических отношениях между понятиями (узлами) предметной области. Понятийный (концептуальный) подход к гиперссылкам основан на допущении, что семантически релевантные гиперссылки из web-страницы соответствуют отношениям между понятиями, таким как memberOf и hasPart или атрибутам, таким как hasName. Экземпляры в БЗ могут быть представлены автоматически генерируемыми связями ко всем связанным экземплярам. Например, на персональной web- странице есть, среди прочего, гиперссылки на web страницы, описывающие соответствующие исследовательские группы, профессиональную активность.

41 Компоненты SEAL: Модуль запросов Сочетает простой в использовании интерфейс с возможностями запросов во фреймовой логике интерфейса запросов Ontobroker. Построитель портала моделирует web-страницы, отвечающие нуждам конкретных запросов (запрос проектов, людей и т.д.). Для этой цели пользователю предлагается список выбора, ограничивающий возможности запроса. Cписок выбора строится, используя знания из онтологии и/или базы знаний. Например, экземпляр запроса для человека позволяет искать людей в соответствии с исследовательскими группами, членами которых они являются. Список исследовательских групп динамически заполняется запросом F-Logic и представляется пользователю для простого выбора из списка. Можно просто связать гиперссылку с запросом во фреймовой логике, который динамически оценивается, когда связь активизируется. Более сложный случай - можно построить дерево isA, hasPart или hasSubtopic, из которого при посещении конкретной вершины запускаются события-запросы.

42 Компоненты SEAL: Модуль запросов

43 Компоненты SEAL: Модуль шаблонов Поддерживает добавление информации в портал пользователями сообщества – генерирует HTML-формы для каждого понятия, которое может использовать пользователь. Например, портал AIFB включает входной шаблон, генерируемый из определения понятия человека. Данные в дальнейшем используются модулем навигации для генерации страницы соответствующей персоны. Для сохранения требуемых для ввода данных, построитель портала специфицирует, какие атрибуты и отношения извлекаются из других шаблонов. Например, можно специфицировать, что участие в проекте определяется в шаблоне проекта. Координатор проекта вводит информацию, какие люди являются участниками проекта и эта информация используется при генерации web-страницы человека, используя преимущества соответствующего правила F-Logic для инверсных отношений. Следовательно, нет необходимости вводить эту информацию в шаблон человека.

44 Компоненты SEAL: Семантическое ранжирование Онтология: 1. Person :: Object [ worksIn Project]: 2. Project :: Object [ hasTopic Topic]: 3. Topic :: Object [ subTopicOf Topic]: 4. Forall X;Y;Z Z [ hasTopic Y] X [ subTopicOf Y] and Z [ hasTopic X]: База знаний: 5. Knowledge Management: Topic: 6. KnowledgeDiscovery: Topic [ subTopicOf KnowledgeManagement]: 7. Gerd: Person [ worksIn OntoWise ]: 8. OntoWise: Project [ hasTopic KnowledgeManagement ]: 9. Andreas: Person [ worksIn TelekomProject]: 10. TelekomProject: Project [ hasTopic KnowledgeDiscovery ]:

45 Семантическое ранжирование - 2 Запрос во фреймовой логике (запрос всех людей, работающих в проекте по управлению знаниями): FORALL Y; Z Y [ worksIn Z] and Z: Project [ hasTopic KnowledgeManagement] Результаты обработки запроса во фреймовой логике: (Gerd; OntoWise) (Andreas; TelekomProject) Оба ответа корректны по отношению к данной БЗ и онтологии, однако каково правдоподобное ранжирование корректных ответов. Это ранжирование вырабатывается из запроса с использованием базовых онтологических структур. Метод базируется на двух основных принципах: –Комбинация запроса и результатов интерпретируется как БЗ запроса, которая может сравниваться с явно заданной информацией; –Опредяется мера сравнения двух БЗ, позволяющая ранжировать результаты запроса.

46 Процесс разработки семантических порталов

47 Проект Edutella Основанная на RDF инфраструктура метаданных для приложений P2P. Проект Edutella базируется на технологии JXTA JXTA - множество открытых протоколов, позволяющих любому подключенному к сети устройству от мобильного телефона и беспроводного PDA до PC и серверов взаимодействовать в стиле P2P. Узлы JXTA создают виртуальную сеть, в которой любой узел может непосредственно взаимодействовать с другими узлами и ресурсами, даже когда некоторые из узлов и ресурсов находятся за брандмауэрами или работают на различных сетевых транспортах. Задачи проекта JXTA: –Интероперабельность между различными P2P системами и сообществами. –Платформенная независимость –Повсеместность (Ubiquity)

48 Программная архитектура JXTA

49 Базовые сервисы Edutella Сервис запросов – стандартизует запросы и сбор RDF метаданных. Сервис аннотирования – аннотирует материалы, хранимые где- либо в Сети Edutella. Сервис репликации – обеспечивает постоянное хранение и доступность данных, балансировку нагрузки, поддержание целостности и согласованности данных. Сервис отображения – выполняет трансляцию между различными словарями метаданных, обеспечивая интероперабельность между различными узлами Сети Edutella. Сервис-посредник – определяет виды, объединяющие данные из различных источников метаданных и согласовывает конфликтующую и перекрывающуюся информацию

50 Edutella: фрагмент репозитария – RDF-модель rdf:type dc:title Software Engineering Artificial Intelligence rdf:type dc:title Prolog

51 Edutella: Фрагмент репозитория - RDF/XML Software Engineering Artificial Intelligence Prolog

52 Edutella: сервис запросов Пример запроса: Вернуть все ресурсы, которые являются книгами с названием Искусственный интеллект или которые являются книгами по ИИ Запрос как RDF-граф: rdf:type dc:title Artificial Intelligence rdf:type

53 Общая модель данных Edutella Общей модель данных и запросов для узлов Edutella – Datalog Datalog-программа: – множество импликативных правил (где каждое правило состоит из одного позитивного литерала в консеквенте (голове) правила и одного или более негативных литералов в антецеденте (теле) правила; –множества фактов (одиночных позитивных литералов) –литералов актуального запроса (правила без головы, т.е. один или более негативных литералов) Datalog-запрос – конъюнкция литералов запроса + (возможно пустое) множество правил. Пример запроса: aibook(X):- title(X, AI), type(X, Book). aibook(X):- type(X, AI-Book). ?- aibook(X).

54 Общая модель данных Edutella Литералы в теле правил непосредственно отображаются в RDF- утверждения, субъектом которых является переменная X, а объект связан константным значением, таким как AI. Литералы в голове правил означают выводимые предикаты. В данном примере: –выражение-запрос aibook(X) запрашивает все связывания X, которые соответствуют заданным Datalog-правилам и запрашиваемой БЗ.

55 Общая Модель обмена Данными и Запросами Edutella (ECDM)

56 Edutella: сложный запрос

57 Open Educational Environment based on Traditional Web Technologies Providers of learning content... Services Learning Portal... LMS Learning Portal LMS Search Engines Middleware Clients Web Client (Browser)... Services... Learning Objects Repository Learning Objects Repository Web Client (Browser) DBs

58 Open Educational Environment based on Multiagent Systems & Semantic Web Technologies Providers of learning content... Learning Portal LMS Learning Portal LMS Learning Objects Repository Learning Objects Repository Services... Services... Intelligent Agents Annotating agents Search agents Cource-Builder Agents Cource-Builder Agents Agent-based Middleware Domain Ontologies Repositories of annotations of Learning Objects Clients Agent - Personal Assistsant...

59 Agent for eLearning Resourse Annotating Plain Text Learning Objects Repository... Web Server Annotating agent Repository ofAnnotations of Learning Objects ( RDF + IMS Metadata +...) HTML IMS Manifesto doc Agent User Interface HTTP FIPA ACL Messages Search Engine

60 The stages of constructing of personalized learning program 1. User formulate query which reflects his/her educational needs 2. Specifying course content by concepts from learning ontology 3. Building a course using the learning objects available in open educational environment

61 Example of simple query for educational service The initial query: Title: Mathematical Logic Keywords: resolution method SELECT * WHERE (?name,, ), (?name,, ), (?name,, ) This request is transformed into RDQL syntax (Protégé tool were used to develop ontology):

62 Constructing of Personalized Learning Program Student Agent passes request to Course Builder Agent: Science: logic Educational Level: high Keywords: resolution method Student Agent Course Builder Agent 2. Course Builder Agent searches for necessary concepts RDF Repository (Annotations) 3. According to request it can found concept: 4. Course Builder Agent builds conceptual course structure analyzing prerequisites of found concept: Logical consequence Deduction problem Resolution Method CNF Concepts Method Deduction principle Fact

63 Constructing of Personalized Learning Program - 2 Course Buider Agent returns conceptual program to Student Agent. Now student must check necessary concepts: Deduction problem CNF Logical consequence Deduction principle Student must pass tests to show base skills and knowledge necessary to learn chosen concepts. If tests passed correctly Course Builder Agent builds Final Educational Program. Otherwise process will be repeated and new concepts will be found.

64 Constructing of Personalized Learning Program - 3 As conceptual course structure is ready Course Builder Agent starts to cover it with Learning Objects. Learning Objects are represented by SCORM packages and can be searched by annotations. Proposition Resolution Method CNF ADL SCORM 1.2 Definition of proposition proposition Deduction principle

65 Semantic binding together of resource

66 Constructing of Personalized Learning Program (Dialogs)

67 Перспективы Создание, накопление и согласование онтологий для научно- образовательных информационных сред (порталов). Разработка средств (сервисов) автоматизации семантического аннотирования научно-образовательных ресурсов. Разработка в составе порталов сервисов поиска и навигации по образовательным ресурсам на основе технологий Семантического Web. Разработка перспективных мультиагентных сред персонализации обучения...

68 Спасибо за внимание ! Вопросы ???