Sistema di Ricerca per
Moodle Basato sulle
Tassonomie Dinamiche
DIPARTIMENTO
DI INFORMATICA
La nostra attività concerne la
 creazione di un sistema di
ricerca globale per il materiale
dell'attività didattica
 creazione di sommari semantici
 creazione di collegamenti
interdisciplinari
Una delle condizioni di cui hanno bisogno i nuovi strumenti per la didattica (slides, esercizi on-line, forum, etc)
per essere utili agli studenti è l'essere facilmente reperibile
•In che cosa consiste il prototipo:
•Un front-end che permette all'utente finale di effettuare le
ricerche
• Un programma che si attiva ad intervalli regolari per cercare i nuovi
documenti presenti nella piattaforma Moodle della facoltà
• Un front-end che permette ai docenti di classificare i documenti
sotto ulteriori criteri oltre quelli di default
Si aveva quindi la necessità di un sistema di ricerca che fosse intuitivo e che permettesse allo studente di accedere al
materiale didattico da diversi punti di vista non soltanto gerarchico all’interno dei singoli corsi
In particolare non si voleva legare la ricerca unicamente alla materia o all'argomento, per di più non si voleva una ricerca
puramente sintattica ma basata sulla semantica, per questo sono state scelte le Tassonomie Dinamiche introdotte da
Giovanni M. Sacco, si veda Dynamic Taxonomies: A Model for Large Information Bases, IEEE Transaction on Knowledge
and Data Engineering, 12, pp 468-479, 2000
FAQ:
Dynamic Taxonomies
Il prototipo in che linguaggi è sviluppato?
=
Il prototipo è stato sviluppato in ASP, Java e Javascript
Faceted Search
Il prototipo è interno alla piattaforma Moodle e/o ne è un modulo?
No il prototipo è esterno alla piattaforma Moodle ma si integra bene con essa e
soprattutto non mina la sicurezza della piattaforma
Perchè non è stato sviluppato all'interno?
Perchè il prototipo vuole essere esteso a tutte le risorse che possono essere messe a
disposizione degli studenti, quindi anche quelle al di fuori della piattaforma.
Perchè non si è sviluppato il prototipo in PHP?
Perche è stato usato UKP per implementare la ricerca su basi tassonomiche, il quale
mette a disposizione delle API per ASP.
Ideate negli anni ’80 come soluzione dei problemi cui erano soggetti i sistemi di information retrieval basati su
indici (tassonomie statiche) come ad es. Yahoo. Sono composte da:
Intensione: L’insieme di documenti è descritto da una tassonomia
Estensione: I documenti vengono classificati a sotto uno o più concetti presenti a qualunque livello della
tassonomia.
Soltanto relazioni IS-A presenti nello schema, ma i concetti vengono messi in relazione anche attraverso
inferenze estensionali per cui: due concetti nodi dell’albero tassonomico C e C’ sono in relazione se esiste
almeno un documento D classificatosotto di essi o sotto i loro discendenti. Inoltre un concetto C è rappresentato
dai documenti che sono classificati sotto di lui, questo ci porta a definire un’unica operazione chiamata Zoom,
basata solo su operazioni insiemistiche
Vantaggi:
La tassonomia scelta è formata da:
Il Front-end

Tipo: Contiene tutti i tipi di contenuto
presenti in Moodle, più un’ulteriore
specializzazione nel caso dei file
consistente nell’estensione

Corso: Viene aggiornato
automaticamente dalla applicazione
JAVA e contiene tutti i corsi della
piattaforma
Esempio
Selezione concetto “ALBERI”
RISULTATO

Docente: Contiene tutti i docenti della
piattaforma (aggiornato
automaticamente)

Data: Data d’inserimento del contenuto

Argomento: Contiene una
riformulazione (dinamica) della
tassonomia sancita dall’ACM nel ’98

Le relazioni tra i vari concetti non devono essere anticipate (ad es.
“Centrino 1.7 GHz” può essere diviso in “Centrino” discendente di tipo,
e “1.7 GHz” discendente di velocità)

Sommari semantici creati automaticamente

Si possono scoprire relazioni inaspettate: “ruolo attivo della tassonomia
nel sistema di learning”

L’interazione completamente asimmetrica permette di trovare il target in
2j-1 modi possibili (j numero concetti)

Interfaccia user-friendly (tipicamente widget ad albero)

Operazioni di Zoom iterabili (2-3 operazioni selezionano in media 10
documenti su 100.000, descritti da una tassonomia di 1000 concetti)

L’albero dei concetti viene automaticamente “potato” di quei rami che
non classificano nessun documento, questo permette di guidare l’utente
nella sua ricerca poiché non potrà selezionare relazioni che non esistono.
Riferimento: Barbara Demo, Alessio Angius, E-learning: Coupling Course Management
Systems and Dynamic Taxonomies, Workshop FIND’07, DEXA agosto 2007.
UniMoodle Genova 18-19 ottobre 2007