offene lernumgebungen - chancen, herausforderung, grenzen
DESCRIPTION
AK E-Learning, Berlin, September 15, 2009TRANSCRIPT
© www.role-project.eu
Offene Lernumgebungen –Chancen, Herausforderungen, Grenzen
AK E-Learning, Berlin, September 15, 2009
Ralf KlammaInformatik 5
RWTH Aachen
© www.role-project.eu
Internet Informationssysteme
Digitale Medien-technologie
Communities ofPractice
Regeln/Geschäftsprozesse
MetaDaten
Semantic Web
(XML, RDF, Ontologien)
Multimedia (XML, VRML, DC, MPEG)
Organisational Memories
(XML, HTML, XTM)
Groupware / E-Learning(XML, LOM, XML-RPC)
Workflows(XML, BPEL)
Web Services
(XML, WSDL, SOAP,UDDI)
Jarke, Klamma: Metadata and Cooperative Knowledge Management, CAiSE 2002
Social Software
(XML, HTTP, RSS)
© www.role-project.eu
Überblick
• Schwächen heutiger Lernumgebungen
• Die ROLE Cloud– Eine Infrastruktur für offene
Lernumgebungen– Selbstbeobachtungs-
werkzeuge für lernende Communities
• Zusammenfassung und Ausblick
© www.role-project.eu
Schwächen von Lernumgebungen
• „Klebrige“ Metadaten• Interoperabilität nur über
APIs (Mash-ups)• Semantisierung
unzureichend
Unzureichende operationale
Unterstützung
• „Abstimmung mit den Füßen“
• Soziale Normen undefiniert
• Konstitutiver Beitrag derMedien unverstanden
Keine reflexive Unterstützung
Entwickelt von Experten für
Experten
Lernumgebungennicht offen und nicht reflektiv
© www.role-project.eu
Lernumgebungen und Communities: The Long Tail & Fragmentierung
Das Web ist ein skalenfreies,
fragmentiertes Netzwerk
• Potenzgesetze(Pareto-Verteilung etc.)
• 95 % der Benutzer werden im Long Tail erfasst (Communities)
• Zusammenarbeit basiert auf Vertrauen und Leidenschaft
InselnAuswüchse
IN Kontinent Zentraler Kern OUT Kontinent
Röhren
Barabasi: Linked – The New Science of Networks, 2002
Anderson: The Long Tail: Why the Future ofBusiness is Selling Less of More, 2006
© www.role-project.eu
Communities of practice
Communities of practicesind Gruppen von Menschen die ein
gemeinsames Interesse oder eine Leidenschaft
teilen und die miteinander interagieren, um zu lernen es besser
zu machen
Community ofpractice (CoP) als
Basiskonzept für die die Konzeption von Lernumgebungen
Analyse von CoPSpuren auf dem
Web
Gestaltung von Lernumgebungen
für CoP
Wenger: Communities of Practice: Learning, Meaning and Identity, 1998
© www.role-project.eu
Zentrale Fragestellungen• Operationale Unterstützung
– Können CoPs komplexe Lernumgebungskonfigurationen verwalten?– Können CoPs Metadaten über Standard-Grenzen hinweg nutzen?– Können CoPs technische Metadaten und semantische Web 2.0
Metadaten zu neuen semantischen Diensten verbinden?– Wie sehen standardisierte Web Services und Protokolle für
Lernumgebungen aus?– Wie sehen adaptive, mobile web-basierte Schnittstellen aus?
• Reflexive Unterstützung (Sociability)– Können CoPs fortlaufend Anforderungen ermitteln und umsetzen? Wie
viel Informatik-Unterstützung ist notwendig? – Können CoPs sinnvolles soziales Interagieren erlernen
und Störungen produktiv nutzen?– Wie erfassen CoPs ihre komplexen medialen Spuren und
wie gehen sie damit um?– Können CoPs ihre Handlungsfähigkeit (Lernen, Forschen, Arbeiten) im
Web 2.0 erhalten oder sogar steigern?
© www.role-project.eu
Reflexive Informationssystemarchitektur
Jarke, Klamma: Social Software und Reflektive Informationssysteme, 2006
Communities of Practice Mediennetzwerke
Community Information Systems
Agent-oriented
RE
Com-munity IS Design
Partici-patoryDesign
CommunitySelf-Observation
CommunitySelf-Modeling Actor-
Network Theory
SocialNetwork Analysis
Game Theory
© www.role-project.eu
Cross-MedialeTranskriptionstheorie
Prä-“texte“TranskriptCross-Mediale Transkription
Verstehenund Kritisieren
Strategien der Transkriptivität Sammlungen multimedialer Materialien werden in anderen Medien restrukturiert Gestaltung ist inhärent medien- and adressatenspezifisch
Strategien der Adressierung Frei gestaltete digitale Medien fördern die Globalisierung von Adressenräumen Personalisierung und adaptive Strategien sind erfolgskritisch
Strategien der Lokalisierung Reorganisation der lokalen Praxen wird durch neue Medien stimuliert Notwendigkeit der expliziten Modellierung der Praxis
Jäger, Jarke, Klamma, Spaniol: Transkriptivität: Operative Medientheorien als Grundlage von Informationssystemen für die Kulturwissenschaften, 2008
© www.role-project.eu
Der babylonische Talmud: Ein sehr alter Hypertext
• Rolle/Buch/Druck • Schulen (Jeshiwot) • Autoritäre Wissensquelle• Dialogische Enzyklopädie • Struktur komplexer Texte• Vernetztes WissenTranskribieren? Adressieren?Lokalieren?
Hollender, Klamma, Börner-Klein,, Jarke: A Comprehensive Study Environment for a Talmudic Tractate, 2001
© www.role-project.eu
CESE:Multi-linguales Cross-Media System
© www.role-project.eu
KollaborativesFilmwissenschaftliches Forschen
• Videorekorder alsArbeitsgerät
• Lange Filmsichtungen• Offene Repositories• Fluide Ontologien fürflexible Kooperations-modelle
SemantischesMultimedia?
Klamma, Spaniol, Jarke: MECCA: Multimedia capturing of collaborative scientific discourses about movies, 2005
www.multimedia-metadata.info: MPEG-7 & MPEG-21 Community
© www.role-project.eu
MECCA:Exploratives Forschen & Lernen
© www.role-project.eu
Arbeiten und Forschen in lokalen und globalen CoPs
• Mehr als 20 Jahre Bürgerkrieg• Zerstreute und zerstörte Archive• Intergenerationales Arbeiten und Forschen
• Bedürfnis nach lokaler undinternationaler Zusammenarbeit
• Vertrauen und Schutz notwendig • Infrastrukturen angepasst fürEntwicklungsländer
Communities im Web 2.0?
Klamma, Toubekis, Renzel, Cao, Jarke, Jansen: Virtual Campfire – Cultural Heritage Management based on Multimedia Web Services, 2009
© www.role-project.eu
ACIS:Das kulturelle Erbe Afghanistans
Map
Informationen über
DenkmälerMedia
Benutzer Profile
Junge Denkmal-schützer, Kuratoren
Verstreute CoP
EingabeArchiv
login
Korrekturvor Ort
Präsentation
Forschen in CoP
Aufbereiten in CoP
Verfolgendes Nutzer-verhaltens
Suche
Schutz des Kulturerbes
ICOMOS
RWTH Aachen
Forschung & Lehre: Architekten,
Informatiker
UNESCOKulturgüter-verwaltung
Diskussion in CoP
© www.role-project.eu
R.Klamma, RWTH Aachen 16
Responsive OpenLearning Environments
© www.role-project.eu
ROLE Partner
R.Klamma, RWTH Aachen 17
1. Fraunhofer FIT DE2. RWTH Aachen University DE3. Technical University of Graz AT4. Katholieke Universiteit Leuven BE5. University of Koblenz DE6. Uppsala University SE7. École Polytechnique Fédérale de Lausanne CH8. University of Leicester UK9. Open University UK10. Vienna University of Economics & Business Administration AT11. Festo Lernzentrum Saar GmbH DE12. imc AG DE13. British Institute for Learning and Development UK14. Shanghai Jiao Tong University, China15. Zentrum für Soziale Innovation AT16. U&I Learning BE
© www.role-project.eu
Ziele und Anforderungen
Benutzer-getriebene Aggregation und Kontrolle intelligenter und offener
LernumgebungenPädagogische Anforderungen
1) Benutzer-getriebene Lernprozesse
2) Transition zwischen formalem und informellem Lernen
3) Balance von Methoden der Führung und Selbstorganisation
des Lernenden4) Durchgehendes psycho-
pädagogisches Rahmenwerk5) Großflächige
Felduntersuchungen
Technische Anforderungen
1) Infrastrukturen und Schnittstellen
2) Interoperabilität und Agilität3) Standards
4) Multimedia & Mobilität 5) Implementierung realer
Lernumgebungen
Organisatorische Anforderungen1) Einfluss der TEL
Modernisierung auf die Organisation
2) Paradigma der Bedürfnisse der Lernenden
3) Cross-organisationale Infrastrukturen
Ziele:Durchbrüche bei der Benutzerzufriedenheit und
Kompetenzerwerb vermögen
© www.role-project.eu
Intelligente Mash-ups
Aktivitäten
Action-outcome-
tool bindings
Tool and learner
interaction patterns
Präferenzen
Personal learning
style rules
Time andcost
constraints/preferences
Kompe-tenzen
Competencyprofile driven
rules
Learning progress
driven rules
Tests
PlannedLearning outcomes
Rules tofulfill
Compliance Tests
Resourcen
Content rules
Service rules
Manage-ment
Learning progress
milestones
Peer educator
given rules
API to User and Skill Profiles in OpenID, LMS etc. API to Test Systems
API to Content Repositories, LMS, LCMS,
Soc. Networks
Intelligente Vermittlung, Empfehlungeninnerhalb des ROLE Interoperabilitätsrahmenwerks
(GUI mash-up + mash-up von Diensten + mash-up von Lerndesigns)
OffeneSchnittstellen zu
Metadaten, Diensten,
Inhalten, …
Mash-upRegeln
undPrinzipien
ROLE Mash-upDienste
© www.role-project.eu
Architektur & Infrastruktur
ROLE Services
ROLE Community Manager
Competency Services …
OpenIDManager
Community Services
SemanticServices
Trusted AccessManager
(Widget & Gadgets)
Testbeds
AttentionMetadata
Mash-up Services
ROLE Interoperability Framework
Model DrivenBasic Support
Web 2.0 SocialRecommendation
LooseFederation
Semantic Engine
Connectors: H
TTP, SO
AP, R
ES
T, WSD
L, …
Web 2.0
SemanticSearch
Courses
E-Portfolios
Mash-ups
MyROLE
AdaptationEngine
SessionManagement
Invoking services Data flows
Wrapping &
Mediation: R
SS
, JSO
N, R
ES
T, WSD
L, …
ROLE Cloud & Widgetstore
Mash-up Engine
MetadataOntologies
CorporateLMS
MultimediaRepositoryMultimediaRepository
LearningRepositories
RSSBlogsWikis
3rd PartyServices
Models(Grapple, ..)
Data & Services
© www.role-project.eu
Dienste einer Lernumgebung
© www.role-project.eu
Zentrale Fragestellungen
• Operationale Unterstützung– Können CoPs komplexe Lernumgebungskonfigurationen verwalten?– Können CoPs Metadaten über Standard-Grenzen hinweg nutzen?– Können CoPs technische Metadaten und semantische Web 2.0 Metadaten
zu neuen semantischen Diensten verbinden?– Wie sehen standardisierte Web Services und Protokolle für
Lernumgebungen aus?– Wie sehen adaptive, mobile web-basierte Schnittstellen aus?
• Reflexive Unterstützung– Können CoPs fortlaufend Anforderungen ermitteln und umsetzen? Wie
viel Informatik-Unterstützung ist notwendig? – Können CoPs sinnvolles soziales Interagieren erlernen
und Störungen produktiv nutzen?– Wie erfassen CoPs ihre komplexen medialen Spuren und
wie gehen sie damit um?– Können CoPs ihre Handlungsfähigkeit (Lernen, Forschen, Arbeiten) im
Web 2.0 erhalten oder sogar steigern?
© www.role-project.eu
Lösungsidee für Reflexion:Cross-Mediale Soziale Netzwerkanalyse
• Interdisziplinäres multidimensionales Modell digitaler Netzwerke– Soziale Netzwerkanalyse (SNA) definiert Maße für soziale Beziehungen– Aktor-Netzwerk Theorie (ANT) verknüpft menschliche und mediale
Agenten– I* Rahmenwerk definiert strategische Ziele und Abhängigkeiten– Transkriptionstheorie bringt Cross-Medialität ein
LernumgebungenWiki, Blog, Podcast, IM, Chat,
Email, Newsgroup, Chat …
i*-Abhängigkeiten(Strukturell, Cross-medial)
Mitglieder(Soziale Netzwerk Analyse)
Netzwerk der ArtefakteMicrocontent, Blog entry, Message, Burst,
Thread, Comment, Conversation, Feedback (Rating)
Netzwerk der Mitglieder
Communities of practice
Mediale Netzwerke
© www.role-project.eu
AERCS Fallstudie
• Digital Bibliotheken (Informatik):- DBLP, ACM DL, IEEE Explorer, CiteSeerX, etc.- Digitale Medien für die Bewahrung
wissenschaftlichen Wissens- Publikationen- Veranstaltungen
- Entwicklung der Forschungsgebiete
• Herausforderungen:- Datenmanagement- Dateninteroperabilität und Qualität- Methoden und Werkzeuge
für die Reflektion- Visuelle Analyse
VLDB community in 2006 (DBLP)
VLDB community in 1990 (DBLP)
© www.role-project.eu
Grundlagen und Methoden
• Soziale Netzwerkanalyse (SNA)- Soziale Netzwerke von Forschern (Akteure)
- Community detection- Dynamische Analyse- Visualisierung
- Akteur-Netzwerk Theorie [Latour 1999] - Keine Unterscheidung zwischen sozialen und technischen Entitäten- Cross-mediale Akteure: Mitglied, Medium, Artifakt
• Recommendation techniques [Adomavicius and Tuzhilin 2005]- Collaborative Filtering (CF) [Breese et al. 1998 ]
- Memory-based algorithms: computation of similarity (Cosine, Pearson correlation); top K nearest neighbors approach
- Model-based algorithms: Bayesian network [Breese1998] ; Clustering [Ungar1998] ; Rule-based [Sarwar2000]
- Content-based recommendation [Sarwar et al. 2001]
- Hybrid approaches [Burke 2002]
© www.role-project.eu
Collaborative Filtering (CF) fürEmpfehlungen von Veranstaltungen
• Forscher als Benutzer• Konferenzen als Items• Teilnahmehistorie der Forscher
als Benutzerbewertung (binary ratings) bzgl. items
• Methode: k nearest neighbors (kNN)
• Empfehlung der top NKonferenzen für anvisiertenForscher
• Implementiert als Weblösung
http://bosch.informatik.rwth-aachen.de:5080/AERCS/Academic events
Researchers
Partici-pationhistory
Klamma, Cao, Pham: You never walk alone – Recommending Academic Eventsbased on SNA, 2009
© www.role-project.eu
CF Empfehlungen von Veranstaltungen: Algorithmus
Input: set of events ; set of researchersOutput: top N recommended events to target researcher ut
Building the model: Constructing the participation matrix - Rows: researchers- Columns: academic events
Computing similarities: the cosine similarity
where : rows in P (researchers in P): angle between
Generating recommendations:
∑∑∑
==
==ו
==N
e eyN
e ex
N
e eyex
PP
PPyx
yxyxsim1
2,1
2,
1 ,,)cos(),(
α
yx ,α yx ,
∑∈
=Cd
edec RL
R ,,1
)( NMP ×
),...,,( 21 NeeeE = ),...,,( 21 MuuuU =
ecR ,where : rank value for event e of researcher c based on set C of k nearest researchers
© www.role-project.eu
Clustering Approach[Ungar1998, Anglade2007, Harper2007]
Clusters of researchers
Clusters of events
Partici-pationhistory
Memory-based approach Model-based approachAcademic events
Researchers
Partici-pationhistory
© www.role-project.eu
Anforderungen
• Netzwerke von Forschern- Co-Authorenschaftsnetzwerk- Zitationsnetzwerk- Konferenzteilnahmenetzwerk
• Ziele- Finde Cluster von Forschern,
die eine gemeinsamesTeilnahmeverhalten besitzen
- Finde Cluster von Konferenzreihen, die ähnlicheTeilnehmer haben
- Untersuche Vorhersagemaßefür Cluster-Strukturen
- Integration mit CF
Clusters of researchers
Clusters of events
Partici-pationhistory
© www.role-project.eu
Community Detection
• Teile ein Netzwerk in Untermenge von Knoten mit gemeinsamenPfaden
• Techniken:- Graph partitioning [Kumar 1998, Brandes2003]- Hub-based [Costa2004]- Hierarchical clustering [Newman2002, Clauset2004]
- Sukzessives Herausbilden oder Herausbrechen zu einer Hierarchievon Clustern
- Dendrogramme als Resultat Cluster Qualitätsmaß Modularität
wobeiq: Anzahl der Cluster, eii: Bruchteil der Verbindungen innerhalb des Clusters,ai: Bruchteil der Verbindungen zu Knoten im Cluster i
)(1
2∑=−=
q
i iii aeQ∑ =
=q
j jii ea1
© www.role-project.eu
Experimentelle Analyse: Clustering
• Datasatz: DBLP• Datenextraktion:
- Co-Autoren von Konferenzbeiträgen bis 2005
- 10,197 Konferenzen in 2485 Reihen
- Ungewichtetes Co-Autoren-netzwerk:
- 228,288 Autoren - 773,661 Verbindungen
• Clustering Algorithmus [Clauset2004]:
- Limitierte Clustergröße: 500 Knoten- Resultat: 5580 cluster, 2 to 497
Knoten- Erreichte Modularität Q = 0.765471 Power Law Verteilung
y-Achse: Anzahl der Clusterx-Achse: Cluster-Größe
© www.role-project.eu
Experimentelle Analyse: Evaluierung der Cluster
• Übereinstimmung von Forschern mitVeranstaltungen der Community: cosine similarity
• Gut-klassifizierte Forscher:
- s: cosine similarity- Cr: Cluster von Forscher r- C‘: Menge der Cluster des Menge von
Veranstaltungen überlappt mit der Veranstaltungsliste von Forscher r
Resultat: - 70% der Forscher sind gut klassifiziert- Verschieden verteilt in Bezug auf die Größe der Community
y-Achse: Anzahl der gut-klassifizierten Forscherx-Achse: Cluster-Größe
∑∈
='
),(1),('
Ccr crs
CCrs
© www.role-project.eu
Vereinfachtes Metamodell für die ANT nach Latour
Aktor
Mitglied NetzwerkDienstMedium Artefakt
Eigenschaft hat
speichert erzeugt betroffen_von gehört_zu
stellt_dar verbraucht führt_aus bewertet
… MatchRetrievalBrowse Suche
isA
isA
Klamma, Spaniol, Cao, Jarke: Pattern-Based Cross Media Social Network Analysis for Technology Enhanced Learning in Europe, 2006
© www.role-project.eu
Modellierung von Communities in i*
Petrushyna, Klamma: No Guru, No Teacher, No Method: Self-Oberservation and Self-Modelling of E-Learning Communities, 2008
© www.role-project.eu
Modellierung von Abhängigkeiten in i*
Koordinator
Gatekeeper
Hub
Mitglied
Broker
URL
isA
isA
isA
isA
Koordination
Artefakt
Kommunikation Netzwerk
LegendeAktorRessource Aufgabe
© www.role-project.eu
Störungen in Cross-medialen Sozialen Netzwerken
• Was ist eine Störung?– Wahrnehmung einer
Inkompatibilität zwischen den modellierten Zielen und Abhängigkeiten und dem aktuellen Verhalten einer Person, einer Organisation, eines Netzwerks …
• Störungen sind Ausgangspunkt von Lernprozessen– Sie stören, verhindern … aber sie
erzeugen auch Reflektion
• Störungen sind schwierig zu entdecken oder vorherzusagen
© www.role-project.eu
PALADIN: Muster-Basierte Analyse vonAgency in Social Software
• Abstraktion: Muster als generalisierte wiederholbare Lösung für immer wieder auftretende Störungen
• Basis: Mustersprache behebt Probleme bei der Beschreibung und Entdeckung von Mustern für Laien
• Berechnung: Maschinen-lesbareBeschreibung der XML-basierten Mustersprache für multidimensionale Störungen
• Entdeckung: Automatische Analyse von digitalen sozialen Netzwerken mit Hilfe der Mustersprache
• Analyse von “Agency & Patienthood” Phänomenen in Social Software
• Was sind die Auswirkungen meiner Handlungen auf die CoP?
• Was sind die Auswirkungen der Handlungen der CoP auf mich?
• Welchen Einfluss haben Medien auf meine Handlungen?
• Was hätte in der CoP stattfinden sollen?
• Wie werden sich CoPsentwickeln?
Agency: “Entwicklung der CoP Kompetenz im Fall von Störungen im digitalen Netzwerk”
Klamma, Spaniol, Denev: PALADIN: A Pattern Based Approach to Knowledge Discovery in Digital Social Networks, 2006
© www.role-project.eu
Troll Muster: Ein Troll ist ein Mitglied, dass nur in Threads antwortet, die es selbst gestartet hat.
Störung:(EXISTS [medium | medium.affordance = threadArtefact]) & (EXISTS [troll |(EXISTS [thread | (thread.author = troll) & (COUNT [message | (message.author = troll) & (message.posted = thread)]) > minPosts]) & (~EXISTS[ thread1, message1| (thread1.author1 != troll) & (message1.author = troll & message1.posted = thread1 ]))])])
Kraft: medium; troll; network; member; thread; message; urlKraftrelation: neighbour(troll, member); own thread(troll, thread)Lösung: Diskussionen, die von Trolls gestartet werden, brauchen nicht
beachtet werdenErklärung: Der Troll braucht Aufmerksamkeit, um seine Aktivität
durchzuführen. Ohne Aufmerksamkeit, wird er weitere Aktionen unterlassen.
Verwandte Muster: Spammer
Mustersprache für PALADIN:Beispiel Troll
© www.role-project.eu
Algorithmus zur automatischen Musteranalyse
MusterStörung
Variablen
MustervorlageStörung
Musterparameter
Mustervorlageninstanzen
MusterinstanzStörung
Variablen Musterparameter
Kräfte Kraftbeziehungen
BegründungAbhängigkeiten
Beschreibung Lösung
Beziehungsmuster
Störungsinstanzen
Variablen Musterparameter
Digitales Soziales Netzwerk
1. Muster-parameter
2. Instanziiere Störungen
3. Werte Störungen aus
4a. Ändere Musterparameter
4b. WendeLösungs
-muster an
Variablen
Beziehung zwischen Komponenten
Laufzeitmusterkomponente
Aktivität
Instanziierte Musterkomponente
Definierte MusterkomponenteMuster
Legende
© www.role-project.eu
PALADIN Fallstudie10 Muster in 119 Netzwerken mit17359 Mitgliedern und 215 345 emailsMuster Auftauchen BemerkungenAusbruch 22 Das Muster findet Themen, die eine gewisse Zeit ein erhöhtes Interesse
beanspruchenKeiner antwortet 61 Das Muster taucht in kleinen Netzwerken auf. Niemand antwortet auf eine
Anfrage.Troll 2 Das Troll Muster taucht selten in kulturwissenschaftlichen Communities
aus. Achtung: Wahre Negative kommen vor.Spammer 86 Oft auftauchendes Muster in Diskussionsgruppen. Achtung: Wahre
Negative kommen vor.Anführer 37 Dieses Muster kommt in Netzwerken mit klaren Zentraliäten vor.Kein Anführer 40 Taucht in großen Netzwerken mit Mitgliedern in verschiedenen Clustern
vor.Strukturelles Loch 67 Taucht für Mitglieder mit nur einem Kontakt auf.Unabhängige Diskussion
13 Taucht in großen Netzwerken auf, wo viele nicht verbundene Teilnetzwerkeexistieren.
© www.role-project.eu
Messen: Die ATLAS Media Base
• Sammlung medialer Artefakte mit parametrisierbaren PERL Skripten– Mailinglisten– Newsletter– Webseiten– RSS Feeds– Blogs
• Datenbankunterstützung durch IBM DB2, eXist, Oracle, ...
• Web Interface auf Plone/Zope Basis, LAS, ...
• Visualisierungsstrategien– Tree Maps– Cross-media Graphen
Klamma, Petrushyna: The Troll under the Bridge: Data Management for Large Web Science Mediabases, 2008
© www.role-project.eu
ROLE Transitionen
Testbeds definieren die Reichweite von ROLEReiche Kontexte mitsignifikanter WirkungGroße Anzahl von LernendenSchwerpunkt auf Transitionen
• Festo Lernzentrum
• RWTH Aachen
• BILD: British Institute forLearning & Development
• OLrn: OpenLearn derOpen University UK
• SJTU: Jiao Tong Universität
RWTH
FESTO
BILD
OLrn
SJTU
From academic toprofessional learning
From un-employment
or a job to jobs
From formalto informal
learning
From a positionto positions oraccreditations
Fromindividualto shared
competences
transitions
© www.role-project.eu
ROLE Roll-out Prozess
Hohe Verfügbarkeit & Skalierbarkeit der ROLE Lösungen durch Open SourceEntwicklungsprozesse und vieleTests unter realen Bedingungen
Participatory Design & Darwinismus
Progressiv & Iterativ• Verfeinerung der Anforderungen
und Spezifikationen• Definition und Validierung der
ROLE PLE Dienstbündel• Design und Implementierung
der the ROLE Evaluierungs-methoden
• Design wird unterstützt durchsoziale Netzwerkanalyse und Mining von Lerndaten
Tryout
Design
Externa-lisation
Freeing
RWTH
FESTO
BILD
OLrn
SJTU
AllWorld
Specs
Components
Standards
Evaluation methodologies
Learners
Developers
Scientists
Providers
Educators
Scenarios
© www.role-project.eu
Zusammenfassung und Ausblick
• ROLE FOKUS– Offene und intelligente Lernumgebungen– Transitionen als Prüfstein von Interoperabilität und
Langlebigkeit– Open Source Entwicklungsprozess
• ROLE Beiträge– neue Ideen & Geschäftsmodelle (z.B. ROLE
Widgetstore)– Infrastrukturen & Schnittstellen (z. B.
ROLE Cloud)– Vorkonfigurierte PLE als Dienstbündel
© www.role-project.eu
Join us!
• http://www.role-project.eu/• LinkedIn
http://www.linkedin.com/groupInvitation?gid=1590487