ch.29 : The Case of the LAK Dataset

🌟요약 : LD를 LA, EDM에서 사용하는 모습을 보여주고, 대표적인 예로 LAK Dataset을 소개함

• LD란?
• LAK Dataset이란?
• LAK Dataset보면 알 수 있는 것들(2014 기준)

ch.30 : Potentials and Challenges

Why do we have to use LD?

• MOOC 또는 소셜 미디어 (유튜브, 페이스북, 트위터, SlideShare 등) 덕분에 학습이 대학 강의와 같은 공식적인 경로뿐만 아니라, 다양한 비공식적 경로로도 이뤄지고 있음.
• 이러한 비공식적 경로에서의 학습 과정 추적을 위해 (1) 학습 데이터의 수집과 (2) 다양한 종류의 데이터를 다룰 수 있는 능력이 필요함.

<aside> 💡 → Linked Data 를 표준 데이터 모델로 활용함으로써 해결할 수 있으리라 기대함.

</aside>

LD in LA & EDM

• cf) LD로의 전환이 의미하는 것

LD 는 웹 데이터 공유의 사실상의 스탠다드. 하지만, 교육 (특히, technology-enhanced learning, TEL) 에는 거의 적용되고 있지 않은 상황. 그렇다면 LD로의 전환이 LA & EDM 에 어떤 긍정적인 영향을 줄 수 있을까?

Potential of LD in LA & EDM

1. Data integration

   LD는 서로간의 데이터를 연결하고, 같은 형태를 갖춤으로써 데이터의 (1) 이동 (2) 전처리 (3) 통합적인 분석을 용이하기 만듦.

   학습자가 다양한 플랫폼을 오고가면서 학습한 데이터가 LD의 형태라면 훨씬 더 통합이 용이해질 것이다.

   • example: LAK Data Challenge (20년도 대회 링크, 21년도 대회 링크, 주최 측 링크)
   • example: education-related services (Zablith (2015), 제안)

   현재 TEL 의 가장 큰 플랫폼으로 볼 수 있는 MOOC 가 LD 기반이 아닌 점은 아쉬움이 있다.

2. Data analysis & interpretation

   MOOC 또는 SNS와 같은 새로운 플랫폼은 비구조적인 데이터를 다뤄야할 필요성을 만듦

   → 통상적인 로그 데이터를 linked open data (LOD) 와 결합함으로써 더 풍부한 정보로 해석할 수 있게 돕는다.

   • Content Analysis: Semantic annotation
   • Analysis of Scientific Publications: semantic publishing
   • Interpretation of Data Mining Results

Challenges of LD in LA & EDM

1. Data quality

   LOD 데이터 퀄리티가 우려되는 경우가 있다.

2. Data alignment

   LD 원칙을 따르더라도, 여전히 데이터 내부의 의미론적 vocabulary 와 모델들을 일치시켜야 손쉽게 활용할 수 있을 것이다.

3. Privacy

   다양한 플랫폼에서의 학습자 로그 데이터는 자연스레 개인 정보 보호 문제로 이어진다.