Fakultät für Wirtschaftswissenschaften
Fachgebiet Wirtschaftsinformatik
Universität Paderborn
Ontologiebasierte Strukturierung von Lernobjekten in der
Domäne Operations Research/Management Science und
Einbettung in ein hypermediales Lernsystem – Konzeption
und Implementierung
Dissertation
zur Erlangung des akademischen Grads
des Doktors der Wirtschaftswissenschaften
(Dr. rer. pol.)
der Universität Paderborn
vorgelegt von
Stephan Kassanke
Piepenturmweg 6
33100 Paderborn
stephan@kassanke.com
Tag der mündlichen Prüfung 07.05.2004
Seite I
INHALTSVERZEICHNIS
1 Einleitung..........................................................................................................................1
2 IT gestützte Lernprozesse im Bereich OR/MS – Abgrenzung des
Problemfelds......................................................................................................................6
3 Defizitanalyse und daraus resultierende Ziele der Arbeit ..............................................60
4 Bausteine für die Gestaltung der Wissensbasis eines hypermedialen
Lernsystems für OR/MS.................................................................................................66
5 Konzeption und systematische Strukturierung der Wissensbasis ................................105
6 Implementierung eines hypermedialen Lernsystems für OR/MS ...............................140
7 Kritische Würdigung und Ausblick..............................................................................191
8 Literaturverzeichnis ......................................................................................................198
9 Anhang..........................................................................................................................210
Seite II
INHALTSVERZEICHNIS
1 Einleitung..........................................................................................................................1
2 IT gestützte Lernprozesse im Bereich OR/MS – Abgrenzung des
Problemfelds......................................................................................................................6
2.1 Motivation – Lebenslanges Lernen......................................................................................................... 6
2.2 Lernpsychologische Grundlagen............................................................................................................. 8
2.2.1 Theoretische Fundierung des Lernprozesses - Lerntheorien ..................................................... 9
2.2.1.1 Behaviorismus........................................................................................................................................9
2.2.1.2 Kognitivismus......................................................................................................................................11
2.2.1.3 Konstruktivismus................................................................................................................................12
2.2.1.4 Kritische Würdigung der grundsätzlichen lerntheoretischen Positionen...................................13
2.2.1.5 Situiertes Lernen..................................................................................................................................14
2.2.2 Wissensarten und deren mentale Repräsentation........................................................................ 16
2.2.2.1 Daten, Information und Wissen.......................................................................................................16
2.2.2.2 Kategorisierungsansätze von Wissensarten.....................................................................................19
2.2.2.3 Kodierungsprozess zur internen, mentalen Repräsentation von Wissen...................................22
2.3 E-Learning – Prozesse, Objekte, Systeme........................................................................................... 26
2.3.1 Verständnis von E-Learning als Lernprozess.............................................................................. 27
2.3.2 Medien und Konzepte zu deren Kombination und Verknüpfung.......................................... 28
2.3.2.1 Medien und deren Funktionen im Lernprozess.............................................................................29
2.3.2.2 Präsentationsform Multimedia..........................................................................................................30
2.3.2.3 Hypertext zur nicht-linearen Präsentation textueller Informationen..........................................32
2.3.2.4 Hypermedia zur nicht-linearen Präsentation multimedialer Informationen..............................34
2.3.3 Hypermediale Lernsysteme ............................................................................................................. 34
2.3.3.1 Kategorisierung von E-Learning Systemen ....................................................................................35
2.3.3.2 Charakteristika hypermedialer Lernsysteme....................................................................................38
2.3.3.3 Navigationsmethoden in Hypertextbasen.......................................................................................40
2.3.3.4 Probleme beim Lernen in hypermedialen Lernsystemen .............................................................41
2.3.4 Formulierung und Eigenschaften von Lernobjekten................................................................. 45
2.3.5 Ansätze zur Auszeichnung und Strukturierung von Lernobjekten ......................................... 48
2.3.6 Zusammenfassung ............................................................................................................................ 50
2.4 E-Learning in der Domäne Operations Research/Management Science ..................................... 51
2.4.1 Charakteristika der Domäne............................................................................................................ 51
2.4.2 Domänenspezifische Probleme der Wissensvermittlung und Lösungsansätze..................... 52
2.4.3 Lernsysteme im Bereich OR/MS - State of the Art ................................................................... 54
2.4.3.1 OR-Welt................................................................................................................................................54
2.4.3.2 Mentor...................................................................................................................................................55
2.4.3.3 Trial-Solution .......................................................................................................................................56
2.4.3.4 TutOR...................................................................................................................................................57
2.4.3.5 Tenor.....................................................................................................................................................57
2.4.3.6 Andere...................................................................................................................................................58
2.5 Zusammenfassung.................................................................................................................................... 59
3 Defizitanalyse und daraus resultierende Ziele der Arbeit ..............................................60
3.1 Defizite ....................................................................................................................................................... 60
3.2 Ziele der Arbeit......................................................................................................................................... 62
3.3 Vorgehensweise und Aufbau der Arbeit.............................................................................................. 63
4 Bausteine für die Gestaltung der Wissensbasis eines hypermedialen
Lernsystems für OR/MS.................................................................................................66
Seite III
4.1 Lernobjekte – Wiederbenutzbarkeit und Kodierungsformen ..........................................................66
4.1.1 Relevante Faktoren für Wiederbenutzbarkeit von Lernobjekten .............................................66
4.1.2 Kodierungsformen von Lernobjekten...........................................................................................69
4.1.2.1 Auszeichnungssprachen auf Basis des Markup-Prinzips – SGML und HTML........................69
4.1.2.2 Trennung zwischen Inhalt und Struktur – XML und XSL ..........................................................73
4.1.3 Relevante Dokumenttypen für Lernobjekte .................................................................................79
4.1.3.1 Learning Material Markup Language................................................................................................80
4.1.3.2 Mathematical Markup Language.......................................................................................................81
4.1.3.3 Scalable Vector Graphics ...................................................................................................................81
4.2 Metadatenschemata – Standards für Interoperabilität von Lernobjekten......................................82
4.2.1 Motivation für Lerntechnologiestandards.....................................................................................82
4.2.2 Der Begriff der Metadaten ...............................................................................................................83
4.2.3 Standardisierungsprozess und Überblick über relevante
Lerntechnologiestandards.................................................................................................................85
4.2.3.1 Nationale Initiativen............................................................................................................................86
4.2.3.2 Internationale Initiativen....................................................................................................................87
4.2.4 Metadatenschemata für Lernobjekte..............................................................................................88
4.2.5 Learning Object Metadata................................................................................................................89
4.3 Ontologien – Explizierung der Struktur einer Domäne....................................................................92
4.3.1 Taxonomien als Klassifikationsmechanismen..............................................................................93
4.3.2 Ontologien – eine Begriffsabgrenzung ..........................................................................................94
4.3.2.1 Einsatzgebiete und Definition von Ontologien .............................................................................95
4.3.2.2 Bestandteile von Ontologien.............................................................................................................96
4.3.2.3 Entwurf einer Ontologie....................................................................................................................98
4.4 Notwendige Voraussetzungen für Multilingualität.............................................................................99
4.4.1 Eindeutige Spezifikation von Datums- und Zeitangaben ....................................................... 100
4.4.2 Konventionen für Zeichenkodierungen..................................................................................... 100
4.4.3 Internationalisierung und Lokalisierung ..................................................................................... 103
4.5 Zusammenfassung ................................................................................................................................. 104
5 Konzeption und systematische Strukturierung der Wissensbasis ................................105
5.1 Semantische Kodierung von Lernobjekten am Beispiel von Fallstudien.................................... 105
5.1.1 Abbildung generischer Lernobjekttypen mit LMML............................................................... 106
5.1.2 Aufbau von Fallstudien im Bereich OR/MS............................................................................. 106
5.1.3 Anpassung des Dokumententyps LMML für Fallstudien....................................................... 107
5.1.4 Umsetzung der Multilingualität für Lernobjekte....................................................................... 110
5.2 Systematisierung von Lernobjekten nach dem Prinzip der Granularität..................................... 111
5.2.1 Granularität als Systematisierungsprinzip – bestehende Ansätze .......................................... 111
5.2.2 Granularitätsstufen für Lernobjekte – Entwicklung einer Systematik.................................. 113
5.2.2.1 Medienelement.................................................................................................................................. 114
5.2.2.2 Lernelement....................................................................................................................................... 115
5.2.2.3 Inhaltsmodul ..................................................................................................................................... 115
5.2.2.4 Kurs .................................................................................................................................................... 115
5.2.2.5 Thematisches Netzwerk.................................................................................................................. 115
5.2.3 Komposition von Lernobjekten...................................................................................................116
5.2.3.1 Relationstypen zwischen Lernobjekten......................................................................................... 116
5.2.3.2 Valide Relationen zwischen Lernobjekten verschiedener Granularität................................... 117
5.3 Systematisierung von Lernobjekten nach Inhalt - Ontologie für OR/MS ................................. 119
5.3.1 Bestehende Ansätze zur Klassifikation von OR/MS Inhalten .............................................. 119
5.3.2 Formalisierung einer Kategorisierung von OR/MS am Beispiel MSC 2000....................... 122
5.3.3 Technische Realisierung der Formalisierung ............................................................................. 123
5.4 Individuelle und strukturelle Beschreibung von Lernobjekten durch Metadaten...................... 124
5.4.1 Beschreibung von Lernobjekten durch Learning Objects Metadata (LOM) ...................... 124
Seite IV
5.4.2 Umsetzungsmöglichkeiten von LOM.........................................................................................126
5.4.2.1 Speicherung in XML Dokumenten................................................................................................127
5.4.2.2 Speicherung in XML Datenbanken................................................................................................128
5.4.2.3 Speicherung in relationalen Datenbanken.....................................................................................129
5.4.3 Relationale Modellierung des LOM Schemas............................................................................130
5.4.3.1 Abbildung der Hauptgruppen von LOM......................................................................................130
5.4.3.2 Verwaltung sprachspezifischer Texte.............................................................................................131
5.4.3.3 Aufteilung in Netzwerke..................................................................................................................132
5.4.3.4 Ablage von Benutzerdaten...............................................................................................................132
5.4.3.5 Abbildung von Vokabularen ...........................................................................................................132
5.4.3.6 Abbildung der Klassifikation der Lernobjekte .............................................................................133
5.4.3.7 Vereinfachungen gegenüber LOM.................................................................................................134
5.5 Integration zum Gesamtkonzept.........................................................................................................134
5.6 Kritische Würdigung des Konzepts....................................................................................................137
6 Implementierung eines hypermedialen Lernsystems für OR/MS ...............................140
6.1 Anforderungen an die Architektur......................................................................................................140
6.2 Gesamtarchitektur des Lernsystems ...................................................................................................142
6.2.1 Überblick über die Architektur.....................................................................................................142
6.2.2 Persistenzebene................................................................................................................................144
6.2.3 Anwendungsebene..........................................................................................................................144
6.2.4 Präsentationsebene..........................................................................................................................144
6.3 Lernobjekte..............................................................................................................................................145
6.3.1 Erzeugung LMML kodierter Lernobjekte..................................................................................145
6.3.1.1 Erstellung und Editierung von LMML Lernobjekten.................................................................145
6.3.1.2 Konvertierung bestehender HTML Dokumente nach LMML.................................................148
6.3.1.3 Transformation von LMML Lernobjekten...................................................................................148
6.3.1.4 Multilingualität in LMML Lernobjekten........................................................................................149
6.3.2 Interaktive Lernobjekte für OR/MS ...........................................................................................149
6.3.2.1 Lösen von Optimierungsproblemen - Solver...............................................................................150
6.3.2.2 Simulationen.......................................................................................................................................153
6.3.2.3 Animationen (SVG)..........................................................................................................................154
6.4 Metadaten Repository und News Repository ...................................................................................155
6.5 Komponente LOM Editor...................................................................................................................156
6.5.1 Überblick über den LOM Editor .................................................................................................156
6.5.2 Regulierung des Zugriffs auf die Metadaten ..............................................................................157
6.5.3 Basisfunktionen zur Manipulation der Metadaten....................................................................157
6.5.4 Merkmale der Benutzungsoberfläche..........................................................................................160
6.5.5 Komposition und Wiederbenutzung von Lernobjekten .........................................................161
6.5.6 Klassifikation von Lernobjekten in der Ontologie ...................................................................167
6.5.7 Wiederverwendbarkeit von Lernobjekten zwischen Systemen ..............................................170
6.5.8 Unterstützung von Multilingualität durch den LOM Editor ..................................................171
6.6 Komponente Portal ...............................................................................................................................172
6.6.1 Überblick über das Portal ..............................................................................................................172
6.6.2 Zugriff auf Lernobjekte über die Kursstruktur .........................................................................173
6.6.3 Zugriff auf Lernobjekte über grafische Visualisierungen ........................................................176
6.6.4 Suche nach Lernobjekten...............................................................................................................181
6.6.5 Zugriff auf Metadaten.....................................................................................................................183
6.6.6 Technische Betrachtung der Architektur des Portals...............................................................185
6.6.7 Unterstützung von Multilingualität im Portal ............................................................................188
7 Kritische Würdigung und Ausblick..............................................................................191
7.1 Ergebnisse der Arbeit und deren kritische Würdigung...................................................................191
7.2 Ausblick....................................................................................................................................................194
Seite V
8 Literaturverzeichnis ......................................................................................................198
9 Anhang..........................................................................................................................210
9.1 Verwendete Software zur Implementierung des Lernsystems ...................................................... 210
9.2 Learning Objects Metadata (LOM) .................................................................................................... 210
9.2.1 LOM - Struktur ............................................................................................................................... 211
9.2.2 LOM – DTD................................................................................................................................... 212
9.2.3 LOM - Relationales Datenbankschema...................................................................................... 214
9.3 LMML DTD........................................................................................................................................... 214
9.4 Kürzel zur Kennzeichnung von Sprachen (ISO 639)..................................................................... 216
Seite VI
ABBILDUNGSVERZEICHNIS
Abbildung 1: Lernmodell des Behaviorismus (schematisch) (Quelle: vgl.
[Baumgartner/Payr 1994])...................................................................................................................... 10
Abbildung 2: Lernmodell des Kognitivismus (schematisch) (Quelle: vgl.
[Baumgartner/Payr 1994])...................................................................................................................... 11
Abbildung 3: Lernmodell des Konstruktivismus (schematisch) (Quelle: vgl.
[Baumgartner/Payr 1994])...................................................................................................................... 12
Abbildung 4: Daten, Information und Wissen (Quelle: vgl. [Aamodt/Nygård 1995])............................. 18
Abbildung 5: Netzwerkdarstellung einer Proposition (Quelle: Eigene Darstellung)................................. 23
Abbildung 6: Kognitives Modell zum multimedialen Lernen (Quelle: vgl. [Mayer 1999])....................... 26
Abbildung 7: Knoten und gerichtete Hyperlinks dazwischen (Quelle: [Tergan 2002])............................. 33
Abbildung 8: Zusammenfassung von Knoten zu einem Chunk (Quelle: vgl. [Tergan
2002]) .......................................................................................................................................................... 34
Abbildung 9: Grobe Typologie von Lehrsystemen (Quelle: vgl. [Bodendorf 1993])................................ 37
Abbildung 10: Trial-Solution - Selektion von Buchabschnitten (Quelle: Eigene
Darstellung) ............................................................................................................................................... 57
Abbildung 11: Aufbau eines HTML Dokuments (Quelle: Eigene Darstellung)........................................ 71
Abbildung 12: Kontaktseite von Stephan Kassanke am DS&OR Lab, Universität
Paderborn (Quelle: Eigene Darstellung).............................................................................................. 72
Abbildung 13: Überblick über SGML, HTML, XML und verwandte Technologien
(Quelle: vgl. [Behme/Mintert 2000]) .................................................................................................... 77
Abbildung 14: XSL Transformation in HTML Format (Quelle: Eigene Darstellung) ............................. 78
Abbildung 15: XSL Transformation über FO nach PDF (Quelle: Eigene Darstellung).......................... 78
Abbildung 16: LOM - Basisschema (Quelle: vgl. LOM DOC 2002]).......................................................... 90
Abbildung 17: Ontologie – Darstellung einer Taxonomie (Quelle: Eigene Darstellung)......................... 97
Abbildung 18: Ontologie – Darstellung einer Taxonomie und weiterer Relationen
(Quelle: Eigene Darstellung) .................................................................................................................. 97
Abbildung 19: LMML Grundmodell (Quelle: Eigene Darstellung)............................................................108
Abbildung 20: LMML-OR – Aufbau Dokumenttyp (Quelle: Eigene Darstellung) ................................109
Abbildung 21: LMML-OR –Verfeinerung der Elemente (Quelle: Eigene Darstellung).........................109
Abbildung 22: LMML Erweiterung für Fallstudien (Quelle: Eigene Darstellung)...................................110
Abbildung 23: Kontinuum und Einordnung der Granularitäten (Quelle: Eigene
Darstellung) .............................................................................................................................................114
Abbildung 24: Gliederung von OR/MS für OR-Welt (Quelle vgl. [Blumstengel 1998]).......................120
Abbildung 25: Teilbereich der MSC 2000 ohne Referenzen (Quelle: Eigene Darstellung) ...................122
Abbildung 26: Teilbereich der Ontologie mit Referenzen (Quelle: Eigene Darstellung).......................123
Abbildung 27: Auszug aus der LOM DTD (Quelle: Eigene Darstellung) ................................................127
Abbildung 28: Auszug aus einer XML LOM Beschreibung (Quelle: Eigene Darstellung)....................128
Abbildung 29: LOM – Struktur der Gruppe „general“ (Quelle: Eigene Darstellung) ............................130
Abbildung 30: LOM Datenbankschema – Tabellen lom/general (Quelle: Eigene
Darstellung) .............................................................................................................................................131
Abbildung 31: LOM Datenbankschema – Tabellen lom/network_lom/network (Quelle:
Eigene Darstellung)................................................................................................................................132
Abbildung 32: LOM Datenbankschema – Tabellen network/network_user/user (Quelle:
Eigene Darstellung)................................................................................................................................132
Abbildung 33: LOM Datenbankschema – Tabellen
classification/classification_structure/taxon (Quelle: Eigene Darstellung) ................................133
Seite VII
Abbildung 34: LOM Klassifikation - Datenstruktur und Taxonomie (Quelle: Eigene
Darstellung)............................................................................................................................................. 134
Abbildung 35: Untypisierte, semantische und ontologische Verknüpfungen (Quelle:
Eigene Darstellung)................................................................................................................................ 136
Abbildung 36: Dreischicht-Architektur: Einbettung der Komponenten (Quelle: Eigene
Darstellung)............................................................................................................................................. 143
Abbildung 37: Fallstudien Editor (Quelle: Eigene Darstellung).................................................................. 146
Abbildung 38: Transformation von Excel Tabellen nach LMML (Quelle: Eigene
Darstellung)............................................................................................................................................. 147
Abbildung 39: Darstellung des Lernobjektes „Red Brand Canners“ und begleitender
Metadaten (Quelle: Eigene Darstellung)............................................................................................ 149
Abbildung 40: Optimierungsapplet - Formulierung des Modells (Quelle: Eigene
Darstellung)............................................................................................................................................. 151
Abbildung 41: Interaktive Darstellung des Simplex Algorithmus (Quelle: Eigene
Darstellung)............................................................................................................................................. 152
Abbildung 42: Optimierungsapplet - Darstellung der Lösung (Quelle: Eigene Darstellung)................ 152
Abbildung 43: Interaktive Darstellung des Simplex Algorithmus (Quelle: Eigene
Darstellung)............................................................................................................................................. 153
Abbildung 44: Simulation der Platzbelegung eines Flugzeuges (Quelle: Eigene
Darstellung)............................................................................................................................................. 154
Abbildung 45: Animation eines Transportproblems durch SVG (Quelle: Eigene
Darstellung)............................................................................................................................................. 155
Abbildung 46: LOM Editor - Anmeldung und Auswahl eines Netzwerkes (Quelle: Eigene
Darstellung)............................................................................................................................................. 157
Abbildung 47: LOM Editor – Auswahl von Lernobjekten (Quelle: Eigene Darstellung) ..................... 158
Abbildung 48: LOM Editor – Aufbau (Quelle: Eigene Darstellung)......................................................... 159
Abbildung 49: LOM Editor - Kategorie Relation (Quelle: Eigene Darstellung)...................................... 161
Abbildung 50: LOM Editor - LOM Graph (Quelle: Eigene Darstellung)................................................ 163
Abbildung 51: LOM Editor - Kontextsensitive Menüs des LOM Graph (Quelle: Eigene
Darstellung)............................................................................................................................................. 164
Abbildung 52: LOM Editor - Erzeugen von Relationen im LOM Graph (Quelle: Eigene
Darstellung)............................................................................................................................................. 166
Abbildung 53: LOM Editor - LOM Graph Drag&Drop zwischen Netzwerken (Quelle:
Eigene Darstellung)................................................................................................................................ 167
Abbildung 54: LOM Editor – Kategorie Classification (Quelle: Eigene Darstellung)............................ 168
Abbildung 55: LOM Editor - Auswahl des Taxonomiepfades (Quelle: Eigene
Darstellung)............................................................................................................................................. 169
Abbildung 56: LOM Editor – Auswahl des Taxonomiepfades (graphbasiert) (Quelle:
Eigene Darstellung)................................................................................................................................ 169
Abbildung 57: Überblicksdarstellung des OR-World Portals (Quelle: Eigene Darstellung).................. 173
Abbildung 58: Portal - Kategorisierte Übersicht über Lernobjekte (Quelle: Eigene
Darstellung)............................................................................................................................................. 174
Abbildung 59: Portal - Sequentielle Übersicht über Lernobjekte (Quelle: Eigene
Darstellung)............................................................................................................................................. 175
Abbildung 60: Portal – LOM HT (Quelle: Eigene Darstellung)................................................................. 176
Abbildung 61: Portal: LOM HT mit ausgeblendeten Granularitäten (Quelle: Eigene
Darstellung)............................................................................................................................................. 177
Abbildung 62: Verschiedene Knotenabstände im LOM HT (Quelle: Eigene Darstellung).................. 178
Abbildung 63: Portal – LOM HT und kontextsensitive Operationen für Lernobjekte
(Quelle: Eigene Darstellung)................................................................................................................ 178
Seite VIII
Abbildung 64: Portal: LOM Navigator – Darstellung eines Lernnetzwerkes (Quelle:
Eigene Darstellung)................................................................................................................................180
Abbildung 65: Portal: Ergebnis einer Suche nach „Optimization“ (Quelle: Eigene
Darstellung) .............................................................................................................................................182
Abbildung 66: Portal: Erweiterte Suchmaske (Quelle: Eigene Darstellung) .............................................182
Abbildung 67: Portal: Ergebnis einer erweiterten Suche (Quelle: Eigene Darstellung)..........................183
Abbildung 68: Portal: Metadaten Darstellung (Quelle: Eigene Darstellung) ............................................184
Abbildung 69: Portal: Transformationsprozess durch Cocoon (Quelle: Eigene
Darstellung) .............................................................................................................................................186
Abbildung 70: Portal: Darstellung der Sektion Aktuelles auf Endgerät Browser, WAP
Handy, PDA (Quelle: Eigene Darstellung) .......................................................................................187
Abbildung 71: Portal: Multilingualität des Portals (Quelle: Eigene Darstellung)......................................188
Abbildung 72: Virtual OR/MS – Kursansicht (Quelle: [VORMS 2003])..................................................194
Abbildung 73: Hype-Zyklus von Technologien zur Informationsauswertung (Quelle: vgl.
[CZ 20/2002]).........................................................................................................................................196
Abbildung 74: LOM Gesamtstruktur – Teil 1 ................................................................................................211
Abbildung 75: LOM Gesamtstruktur – Teil 2 ................................................................................................212
Abbildung 76: LOM - relationales Datenbankschema..................................................................................214
Seite IX
TABELLENVERZEICHNIS
Tabelle 1: Wissenstransformation (Quelle: vgl. [Nonaka/Takeuchi 1997]) .................................................21
Tabelle 2: LMML Elemente und deren Inhalte (Quelle: Eigene Darstellung).............................................80
Tabelle 3: Dublin Core Standard für Metadaten (Quelle: vgl. [DCMI ES 2003]).......................................84
Tabelle 4: Standardisierungsgremien (Quelle: Eigene Darstellung) ...............................................................86
Tabelle 5: ISO8859 Familie (Quelle: Eigene Darstellung)............................................................................ 101
Tabelle 6: Zuordnung der Sektionen einer Fallstudie zu LMML Elementen (Quelle:
Eigene Darstellung)................................................................................................................................ 108
Tabelle 7: Gegenüberstellung Granularitätsstufen, LOM, Wiley (Quelle: Eigene
Darstellung)............................................................................................................................................. 114
Tabelle 8: Mögliche Relationen zwischen Lernobjekten (Quelle: vgl. [Miller 1999]) .............................. 116
Tabelle 9: Valide Relationen zwischen Lernobjekten (Quelle: Eigene Darstellung)................................ 118
Tabelle 10: AMS Klassifizierungsschema für OR/MS (Auszug) (Quelle: Eigene
Darstellung)............................................................................................................................................. 121
Tabelle 11: Auszug aus der LOM Spezifikation (Quelle: [LOM DOC 2002]) ......................................... 125
Tabelle 12: ISO 639 Sprachcodes...................................................................................................................... 216
Seite X
ABKÜRZUNGSVERZEICHNIS
ADL Advanced Distributed Learning
AI Artificial Intelligence
AICC Aviation Industry CBT Committee
ANSI American National Standards Institute
API Application Programming Interface
BMBF Bundesministerium für Bildung und Forschung
CAI Computer Aided Instruction
CBT Computer Based Training
CDATA Character Data
CMI Computer Managed Instructions
CSS Cascading Stylesheets
DAML DARPA Agent Markup Language
DC Dublin Core
DoD Department of Defense
DOM Document Object Model
DTD Document Type Definition
EDI Electronic Data Interchange
FOP Formatting Objects Processor
GML Generalized Markup Language
GMT Greenwich Mean Time
HAM Hypertext Abstract Machine
HTML Hypertext Markup Language
HTTP Hypertext Transfer Protocol
IEEE Institute of Electrical and Electronics Engineers
IMS Instructional Management System
ISBN International Standard Book Number
ISO International Organization for Standardization
IST Information Societies Technology
ITS Intelligent Tutoring Systems, Intelligente tutorielle Systeme
JDBC Java DataBase Connectivity
JRE JAVA Runtime Environment
JSP Java Server Pages
KI Künstliche Intelligenz
LCMS Learning Content Management System
LMML Learning Material Markup Language
Seite XI
LMS Learning Management System
LOM Learning Object Metadata
LTSC Learning Technology Standards Committee
MEZ Mitteleuropäische Zeit
MIME Multipurpose Internet Mail Extensions
MRDB Mathematical Reviews Database
NCSA National Center for Supercomputing Applications
OIL Ontology Interchnage Language
OR/MS Operations Research/Management Science
PCDATA Parsable Character Data
PDA Personal Digital Assistant
PDF Portable Document Format (Adobe®)
PS Postscript
RDF Ressource Description Framework
SCORM Sharable Content Object Reference Model
SGML Standard Generalized Markup Language
SQL Structured Query Language
SVG Scalable Vector Graphics
UML Unified Modeling Language
URI Uniform Resource Identifier
URL Unified Resource Locator
VRML Virtual Reality Modeling Language
W3C World Wide Web Consortium
WAP Wireless Application Protocol
WML Wireless Markup Language
WWW World Wide Web
WYSIWYG What you see is what you get
XHTML Extensible Hypertext Markup Language
XML Extensible Markup Language
XSL Extensible Stylesheet Language
XSL-FO XSL Formatting Objects
XSLT XSL Transformations
XSP Extensible Server Pages
1 EINLEITUNG
Seite 1
1 Einleitung
Wenn Du ein Schiff bauen willst, fang nicht an, Holz zusammenzutragen, Bretter
zu schneiden und Arbeit zu verteilen, sondern wecke in deinen Männern die
Sehnsucht nach dem großen, weiten Meer.
Antoine de Saint-Exupéry
Das Ende des 20. und der Beginn des 21. Jahrhunderts ist eine Zeitperiode, die vor allem in den
westlichen Postindustriegesellschaften von dem Gut Information und dessen effektiver Nutzung
geprägt ist. Informationen und Wissen sind für praktisch alle Lebensbereiche zentral geworden.
Es handelt sich dabei um ein gesellschaftliches Phänomen, nicht nur einzelne Bereiche, sondern
der private als auch der öffentliche Sektor sind von einer effizienten Informationsversorgung und
Organisation abhängig (vgl. [Kuhlen 1999, 145]). Die dabei referenzierte Gesellschaftsform wird
als „Informationsgesellschaft“ oder „Wissensgesellschaft“ bezeichnet. „Informationsgesellschaft
löst ältere Begriffe wie Agrargesellschaft, Industriegesellschaft und Dienstleistungsgesellschaft ab,
nicht in dem Sinne, dass nicht mehr Agrarwirtschaft etc. betrieben würde, aber eben dass
Informationen das bestimmende Prinzip gegenwärtiger fortgeschrittener Gesellschaften bzw.
Volkswirtschaften ist [...]“ [Kuhlen 1999, 143 f.]. Der komplexe Herstellungsprozess moderner
Produkte und die Bereitstellung intelligenter Dienstleistungen sind stark abhängig von der Ver-
fügbarkeit und dem Zugriff auf relevante Informationen und daraus resultierender Anwendung
von relevantem Wissen. Dieser Sachverhalt ist nicht neu, aber die Bedeutung des Faktors Wissen
gegenüber den klassischen Produktionsfaktoren Arbeit, Boden und Kapital nimmt rapide zu. Das
Schlagwort „Wissensmanagement“ betont die Bedeutung von Wissen als Ressource, die es gilt
effizient nutzbar zu machen. Unternehmen sind gerade in einem globalen Wettbewerb dazu ge-
zwungen, ihre Wissensressourcen effizient zu nutzen, um Wettbewerbsvorteile zu generieren.
„Das Wissen determiniert zunehmend den Wert eines Unternehmens“ [Österle 2000].
Technologische Innovationen haben die Art und Weise, wie wir arbeiten, leben und lernen ver-
ändert. Der dramatischste Wechsel derzeit wurde und wird durch das Internet und insbesondere
durch das World Wide Web (WWW) in allen Lebensbereichen eingeleitet. Diese Entwicklung
steht noch am Anfang und hat doch bereits in der relativ kurzen Zeit seit Beginn der 90er Jahre
gravierende Umwälzungen initiiert. Das WWW erleichtert den Zugang zu Informationen enorm.
Zusätzlich sind die Kosten für Computer und Netzwerke vergleichsweise gering. Damit ist das
WWW ein wichtiges Trägermedium, um innerhalb eines weltweiten Netzwerkes auf
Informationen zuzugreifen. Diese prinzipiell positiv zu bewertende Entwicklung führt aber
mittlerweile zum Problem der Informationsüberflutung.
1 EINLEITUNG
Seite 2
Die Informationsmenge innerhalb der Wissensgesellschaft steigt kontinuierlich, neue Informa-
tionsquellen kommen hinzu. Technisch ist es einfacher geworden, generellen Zugriff auf diese zu
erlangen, aber es wird zunehmend schwieriger, aus dieser „Informationsflut“ die relevanten In-
formationen heraus zu filtern (vgl. [Hasebrook 1995, 13]). Zusätzlich ist davon auszugehen, dass
die Halbwertszeit von Wissen zunehmend geringer wird (vgl. [Hitzges et al. 1994]). Dieser Auf-
fassung stehen Autoren wie z. B. [Schulmeister 2001] entgegen, der die pauschale These des
steigenden Wachstums von Informationen und geringer werdender Halbwertszeit von Wissen
hinterfragt. Valide empirische Daten, die diese These wider- oder belegen stehen derzeit kaum
zur Verfügung. Lediglich Indikatoren, wie z. B. die Anzahl wissenschaftlicher Publikationen in
Journalen, oder Schätzungen über die Größe des Internets werden herangezogen, um die
Wachstumsrate an Informationen zu klassifizieren. [Lyman/Varian 2003] zeigen sogar eine Ver-
langsamung des Informationswachstums für 2002 auf. Nicht zu bestreiten ist jedoch, dass die
Zugriffsmöglichkeiten auf Informationen, z. B. über das WWW als Emissionsmedium im Ver-
gleich zu traditionellen Bibliotheken sehr einfach geworden sind und dass die zur Verfügung
stehende Menge an Informationen wächst.
Die Wissensgesellschaft stellt hohe Anforderungen an das Individuum und Lernen ist zu einem
zentralen Thema in der Informationsgesellschaft geworden. Das Gut Information avanciert zu
einem entscheidenden Faktor in Ausbildung und Beruf. Die Aus- und Weiterbildung wird sowohl
für Studenten als auch für Berufstätige zu einer Schlüsselqualifikation, um eine gute Startposition
im Berufsleben zu erlangen bzw. zu erhalten. Der erhöhte Aus- und Weiterbildungsbedarf wird
durch „lifelong learning“ bzw. das lebenslange Lernen (LLL) charakterisiert. Die Ausbildung
durch traditionelle Bildungsträger wie Schulen, Fachhochschulen und Universitäten ist durch Prä-
senzveranstaltungen charakterisiert, in denen überwiegend im Frontalunterricht in Vorlesungen
oder Kursen Wissen vermittelt wird. Auch im beruflichen Sektor werden Weiterbildungen
angeboten, in denen Mitarbeiter geschult werden. Präsenzveranstaltungen setzen dabei jeweils die
Anwesenheit des Lernenden voraus.
Das lebenslange Lernen stellt neuartige Anforderungen an Lernende und an Lernformen, die von
institutionalisierten Bildungsträgern in der derzeitigen Form kaum erfüllt werden können. Die
Form des Lernens wechselt tendenziell von der Ausbildung durch Lehrpersonen zum eigen-
ständigen Lernen und Selbststudium. „Wir werden in Zukunft weit stärker als heute schon darauf
angewiesen sein, relevantes neues Wissen ohne unmittelbare Betreuung im Selbststudium zu
erwerben“ [Schoop/Glowalla 1992, 5 f.]. Computergestützte Lernformen werden den
Präsenzunterricht dabei wahrscheinlich nicht substituieren, aber in weiten Bereichen ergänzen.
Dies trifft sowohl auf den universitären als auch auf den beruflichen Ausbildungssektor zu. Tra-
1 EINLEITUNG
Seite 3
ditionelle Lernformen werden durch multimediale Begleitmaterialen ergänzt, die über das WWW
zugänglich sind.
Im Auftrag des Bundesministeriums für Bildung und Forschung (BMBF) wurde im April 2000
eine umfassende Bestandsaufnahme zur Nutzung elektronisch verfügbarer wissenschaftlicher
Informationen in der Hochschulausbildung in Deutschland durchgeführt (vgl. [BMBF 2001]).
Die flächendeckende Ausstattung mit internetfähigen Rechnern ermöglicht es Lernenden, auf
Lerninhalte über das WWW zuzugreifen. Nach der angesprochenen Befragung verfügen 73,1%
der Studierenden über einen eigenen Rechner mit Internetanschluss. 22,9% gaben an, lediglich
über einen Rechner ohne Internetanschluss zu verfügen. Nur 4% der Studierenden gaben an,
über gar keinen eigenen Computer zu verfügen. Auf dem Campus haben sogar 95,1% der
Befragten Zugriff auf einen internetfähigen Rechner. Es kann auf Basis dieser Ergebnisse
angenommen werden, dass die technischen Voraussetzungen für über das WWW vermittelte
Lehrveranstaltungen und darüber hinaus für integrierte Angebote wie virtuelle Universitäten in
Deutschland erfüllt sind. Der Großteil der Studierenden besitzt selbst die notwendige Infra-
struktur bzw. kann Zugriff über die Hochschule auf diese erhalten. „Allerdings ist in den Augen
der Studierenden das größte Hindernis zur effizienten Nutzung elektronischer wissenschaftlicher
Informationen ein anderes: Es ist die mangelnde Übersichtlichkeit und Unstrukturiertheit des
entsprechenden Angebotes. Die Studierenden halten es daher für besonders wichtig, dass das
Angebot übersichtlicher werden sollte“ [BMBF 2001, 14]. Aus dieser Aussage kann ein dringen-
der Bedarf an Systematisierungsmechanismen für Lernangebote aus Sicht der Studierenden
abgeleitet werden.
Lehrende würden ebenfalls von einer stärkeren Systematisierung von Lern- und Lehrmaterialien
profitieren. Die Vorbereitung und Produktion von Ausbildungsmedien, insbesondere wenn diese
qualitativ hochwertige multimediale Komponenten beinhalten, ist aufwändig und folglich teuer.
Eine nachhaltige Nutzung und Wiederbenutzung von Lernmaterialien sollte gesichert werden,
um die Investitionen in die Produktion solcher Medien zu rechtfertigen. Die einmalige bzw. auf
die entwickelnde Institution, respektive den Dozenten begrenzte Nutzung der Medien ist aber
heute immer noch zu häufig der Fall. Der Zugriff und die effiziente Nutzung werden durch die
Anwendung von Systematisierungen von Lernmaterialien nach inhaltlichen und strukturellen
Aspekten gestärkt.
Aus den zuvor genannten Gründen ist die virtuelle Universität selbst in Deutschland aber immer
noch die Ausnahme, nicht die Realität. „Die enormen Fortschritte auf dem Sektor der neuen
Informations- und Kommunikationstechnologien bieten zweifelsohne eine hervorragende
Grundlage für die Qualitäts- und Effizienzsteigerung der Hochschullehre. Doch die Annahme,
die Technik allein könne diese Steigerung bereits garantieren, ist ein Irrtum. Neben technischen
1 EINLEITUNG
Seite 4
Neuerungen sind neue pädagogische und didaktische Konzepte für die Gestaltung multimedialer
Lehr-Lernumgebungen erforderlich, die über einzelne Modeerscheinungen hinaus wirklich
Bestand haben“ [BLK 2001, 15]. Da die technischen Voraussetzungen gegeben sind, bleibt nur
der Schluss, dass fehlende organisatorische Voraussetzungen, mangelnde Umsetzung von didak-
tischen Konzepten für das Medium sowie strukturelle Unzulänglichkeiten die breite
Verfügbarkeit von Lernangeboten behindern.
Einzelinitiativen von Universitäten bzw. einzelnen Lehrstühlen haben gezeigt, dass eine Ent-
lastung der Präsenzlehre durch computergestützte Lehr- und Lernsysteme möglich ist. Ein
Beispiel für ein System dieser Art ist die Lernumgebung „OR-Welt“, die am DS & OR Lab der
Universität Paderborn entwickelt wurde (vgl. [OR-Welt 2001]). Innerhalb dieser Lernumgebung
werden Grundinhalte des Operations Research und der Management Science (OR/MS) ver-
mittelt. Die Darstellungsweise umfasst neben statischen Texten und Abbildungen interaktive
Komponenten wie reaktive Animationen und Simulationen. Das System wurde von den Studen-
ten an der Universität Paderborn gut angenommen und besonders die interaktiven
Komponenten werden als besonders hilfreich erachtet (vgl. [Blumstengel 1998]).
Lernumgebungen wie OR-Welt zeigen, dass sie lokal effektiv eingesetzt werden können, um die
Lehre zu verbessern. Die gesammelten Erfahrungen bei der Erstellung und beim Einsatz von
OR-Welt haben aber auch gezeigt, dass ab einer gewissen Größe eines Systems, Ordnungs-
kriterien eine zunehmende Relevanz für das Management dieses Systems erhalten. Neben der in-
haltlichen Ausgestaltung mit interaktiven Komponenten wie Animationen und Simulationen, er-
halten damit Klassifizierungsansätze, Systematisierungen und weitere Beschrei-
bungsmechanismen eine zunehmende Bedeutung. OR-Welt integrierte bereits Ansätze zur Gra-
nularisierung von Lernobjekten und der Auszeichnung durch noch sehr einfach strukturierte
Beschreibungen in Form von Schlagworten. Diese dienen aber nur zur groben Kategorisierung
und zur Suche und werden darüber hinaus nicht in OR-Welt verwendet. So müssen die Über-
sichten, wie z. B. eine grafische Netzwerkansicht der in OR-Welt bereit gestellten Themen
manuell erstellt werden. Dieser wachsende Aufwand stellte sich zunehmend als unproduktiv her-
aus.
Technische Gegebenheiten von OR-Welt (zur Erstellung wurde Asymetrix Toolbook© verwen-
det) machen eine Nutzung über das WWW nahezu unmöglich. Weitere Unzulänglichkeiten wie
komplizierte Updates, fehlende Multilingualität, und die Bindung an eine Betriebssystemplattform
ließen die Forderung nach einem Nachfolgesystem laut werden, das die oben angeführten
Schwächen nicht aufweist.
1 EINLEITUNG
Seite 5
Aus den vorgenannten Überlegungen wird an dieser Stelle eine erste Zielsetzung der Arbeit ab-
geleitet. Es sollen standardisierte Beschreibungsschemata zur inhaltlichen und strukturellen
Systematisierung von Lernmaterialien entwickelt werden. In der Arbeit wird an Stelle der Um-
schreibung Lernmaterial der konkretisierende Begriff Lernobjekt zur Bezeichnung von lern-
relevanten Medien benutzt. Für eine genaue Definition von Lernobjekten siehe Abschnitt 2.3.4.
Die verwendete Beispieldomäne für die Konzeption ist OR/MS. Die inhaltliche und strukturelle
Systematisierung soll in einem Konzept zusammengeführt werden, das eine verbesserte struktu-
relle Beschreibung und Wiederverwendbarkeit von Lernobjekten ermöglicht.
Das zweite Ziel der Arbeit ist die Validierung des Konzeptes durch eine informationstechnische
Implementierung und Einbettung in ein hypermediales Lernsystem, denn letztlich kann nur an-
hand von praktischen Erfahrungen evaluiert werden, ob die theoretische Wiederverwendbarkeit
von Lernobjekten auch den Anforderungen der Praxis standhält.
Formale Anmerkungen:
Im Folgenden werden des Öfteren Anglizismen an Stelle eines ins Deutsche übersetzten Begriffs
verwendet. Dieses geschieht nicht, um die englische Sprache zu glorifizieren, vielmehr sind nach
Auffassung des Autors diese Begriffe gebräuchlicher als entsprechende deutsche Übersetzungen.
Wo möglich und angebracht, wird ein deutscher Begriff verwendet. Des Weiteren wird aus
Gründen der Lesbarkeit keine besondere Hervorhebung weiblicher Formen verwendet, wie
„Studenten und Studentinnen“ oder „StudentInnen“. In einigen Fällen werden grammatikalisch
nur männliche Formen verwendet, diese sollen als geschlechtsneutral aufgefasst werden.
Im Literaturverzeichnis wird nicht zwischen Referenzen in die Literatur und Verweisen auf
Internetressourcen („links“) unterschieden. Dies wird zwar z. B. von [Dussart 1998] gefordert,
macht aber nach Erfahrung des Autors keinen Sinn, da die Grenze zwischen Literatur im
klassischen Sinne, d. h. Printmedien, die auf Papier oder Mikrofiche in Bibliotheken zur Ver-
fügung stehen, und elektronischen Dokumenten verschwindet. Dadurch erscheint die Trennung
zwischen beiden Formen im Literaturverzeichnis künstlich und wird hier nicht vorgenommen.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 6
2 IT gestützte Lernprozesse im Bereich OR/MS – Abgrenzung
des Problemfelds
Tell me and I forget, Teach me and I remember, Involve me and I learn.
Benjamin Franklin
Im Rahmen dieses Kapitels wird das in der Einleitung umrissene Problemfeld detailliert abge-
grenzt und fokussiert. Dazu wird zunächst noch einmal die Motivation zur Auseinandersetzung
mit dem Thema erläutert (2.1) und hieran anschließend werden wichtige lernpsychologische
Grundlagen gelegt (2.2), die für das Verständnis des Problemfelds von entscheidender Bedeutung
sind. Die eigentliche Abgrenzung des Problemfelds beginnt in Abschnitt 2.3, in dem E-Learning
als Lernprozess und dessen systemtechnische Unterstützung sowie die dabei vermittelten Lern-
objekte dargestellt werden. In Abschnitt 2.4 wird das Problemfeld weiter fokussiert, indem ein
Überblick über bestehende Lernsysteme im Bereich der spezifischen Anwendungsdomäne des
OR/MS gegeben wird. Eine Zusammenfassung beschließt die Konkretisierung des Problemfelds
(2.5).
2.1 Motivation – Lebenslanges Lernen
Die Wissensgesellschaft verlangt vom Individuum die Bereitschaft zum lebenslangen Lernen. Das
Konzept des lebenslangen Lernens hebt die Trennung zwischen schulischer/universitärer und
beruflicher Weiterbildung teilweise auf. Lernen wird nicht mehr nur als einmaliger Akt gesehen,
der mit der Schul- bzw. Universitätsausbildung abgeschlossen ist, sondern auch danach andauert.
Die permanente, lebenslange Weiterbildung des Einzelnen zu vertretbaren Kosten kann kaum
mehr nur durch traditionelle Methoden wie Präsenzseminare bzw. ein Vollzeitstudium gewähr-
leistet werden. Computergestützte Methoden unterstützen den Lernprozess bereits heute durch
begleitende Maßnahmen, die auf Informations- und Kommunikationstechnologien aufbauen.
Das Lebenslange Lernen (LLL) ist ein zentrales Paradigma des 21. Jahrhunderts. Die
Europäische Union definiert lebenslanges Lernen als „… alles Lernen während des gesamten
Lebens, das der Verbesserung von Wissen, Qualifikationen und Kompetenzen dient und im
Rahmen einer persönlichen, bürgergesellschaftlichen, sozialen bzw. beschäftigungsbezogenen
Perspektive erfolgt“ [EU LLL 2001]. Das lebenslange Lernen, oder auch „lifelong learning“ wird
als Konzept gesehen, das nicht nur spezifische Aspekte des Lernens, wie Erwachsenenbildung
heraushebt, sondern die lebenslange Lernphase von der Ersterziehung bis ins Rentenalter als
kontinuierlichen Prozess auffasst.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 7
Neben einer adäquaten Lernkultur, die entsprechende Freiräume schafft, müssen neue Szenarien
entwickelt werden, in denen LLL gefördert wird. Neben traditionellen Veranstaltungen bieten
sich dazu E-Learning Systeme an, die es erlauben, losgelöst von fixen Veranstaltungen, Lernen zu
fördern. Technisch gesehen weist die potenzielle Lerngruppe zumindest an Hochschulen in
Deutschland die Voraussetzungen auf, um auf solche Angebote zuzugreifen. Die Erstellung von
E-Learning Materialien, sog. Lernobjekten, ist aufwändig und damit teuer und fordert einen ent-
sprechend hohen Aufwand, wenn nicht nur statische Repräsentationen von z. B. Texten und
Grafiken, sondern auch interaktive Komponenten bereitgestellt werden sollen. Aus öko-
nomischer Sicht ist damit eine lang andauernde und nachhaltige Verwendung der E-Learning
Materialien wünschenswert.
Strategische Maßnahmen sind somit notwendig, um zielgruppengerechte Bildungsangebote bereit
zu stellen, die Motivation zum Lernen zu erhöhen, eine Lernkultur zu schaffen und so den Pro-
zess des lebenslangen Lernens optimal zu unterstützen. Damit ist nicht eine reine
Institutionalisierung des Lernens gemeint, vielmehr wird die Selbstverantwortlichkeit und Eigen-
ständigkeit des Individuums in den Vordergrund gestellt, um den individuellen Wissensstand den
aktuellen Anforderungen anzupassen. Die Umsetzung bleibt aber bisher hinter den Erwartungen
zurück. „The term ‘lifelong learning’ – if used at all – often tends to be a terminological substitute
for all kinds of traditional continuing academic education provisions and is connected only very
rarely to new concepts of teaching, learning and contents. Thus, the step from continuing
education to lifelong learning still needs to be made” [Alesi/Kehm 2000].
Eine Diskussion, welche strategischen Maßnahmen notwendig wären, um das Konzept LLL in
die Realität umzusetzen, liegt nicht im Fokus dieser Arbeit. Es ergeben sich jedoch speziell für
Hochschulausbildung, Berufsleben und an der Schnittstelle zwischen diesen beiden Bereichen
interessante Implikationen. Die Hochschulausbildung soll Absolventen primär fachliche
Qualifikationen für das Berufsleben bereitstellen. Dieser eher traditionelle Qualifikationsbegriff
hat sich aber im Umfeld der Wissensgesellschaft bereits gewandelt. Neben den fachlichen
Kompetenzen werden zunehmend Methodenkompetenz und Sozialkompetenz als relevant
erachtet und diese werden auch durch die Unternehmen von den Hochschulen eingefordert (vgl.
[Scheubrein 2000, 14]). Methodenkompetenz bezeichnet dabei die Fähigkeit zum Denken in
Systemen, Abstraktions-, Problemlösungs- und Entscheidungsfähigkeit. Sozialkompetenz mani-
festiert sich z. B. in Teamfähigkeit, der Fähigkeit zur Kommunikation und Kooperation.
Zusammengefasst bezeichnet [Bühl 2000, 249f.] Methoden-, Fach- und Sozialkompetenz als
„Informationsfähigkeit bzw. Medienkompetenz“. Der Informationsfähigkeit wird damit eine
große Bedeutung zugemessen, sie wird als eine Schlüsselqualifikation im Berufsleben bewertet
und kann als vierte Kulturfähigkeit neben Rechnen, Schreiben und Lesen betrachtet werden.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 8
Diese Schlüsselqualifikation kann und muss durch die Hochschule gefördert werden. Neben der
reinen Fachkompetenz, stehen damit die Vermittlung von Fähigkeiten, wie der Motivation zum
Lernen, das eigenverantwortliche „Lernen“ des Lernens und die Selbstverantwortlichkeit des
Individuums im Vordergrund. Grundlegende Voraussetzung dafür auf Seite des Lernenden ist
eine ausreichende Kompetenz im Umgang mit multimedialen, interaktiven Medien. Ist diese
nicht vorhanden, kann es im Spannungsfeld zwischen der Explosion des zur Verfügung
stehenden Wissens, mangelnder Kommunikationsfähigkeit bzw. Medienkompetenz und
mangelnden Orientierungsmöglichkeiten im WWW leicht zu einer Orientierungslosigkeit des
Lernenden kommen.
Computergestützte Lernprozesse können neben der Präsenzlehre den Erwerb von Fach-
kompetenz fördern. Zunehmend wird in der Literatur anerkannt, dass computergestützte
Lernformen nicht als Substitut für traditionelle Unterrichtsmethoden, sondern vielmehr er-
gänzend eingesetzt werden sollten. „Gerade in der betrieblichen Bildungsarbeit wird das
computergestützte Lernen inzwischen kaum mehr als grundsätzliche Alternative zu konven-
tionellem Unterricht aufgefasst; es setzt sich vielmehr die Sichtweise durch, dass betriebliche
Bildung einer höheren Flexibilität und mehr methodischer Varianten bedarf. Genau dies lösen
hybride Lernarrangements ein“ [Kerres 2000, 24]. Zu den hybriden Lernarrangements gehört das
sog. Blended Learning.
Blended Learning beschreibt eine curriculare Einbindungsform, bei der E-Learning Bestandteile
mit Präsenzteilen kombiniert werden, um einen maximalen Lernerfolg zu erzielen. Blended
Learning Arrangements stellen Ausbildungsformen dar, die geeignet erscheinen, der geforderten
Vermittlung von Methoden- und Sozialkompetenz zu entsprechen. Gruppenarbeiten oder
Kleinprojekte können Erfahrungen für Studenten in der aktiven Auseinandersetzung mit
Anderen bereitstellen, die den Erwerb von Sozialkompetenzen fördern. Gleichzeitig bietet sich
die Möglichkeit, Grundlagenwissen in einem anwendungsorientierten Kontext zu demonstrieren,
um die Transferleistung zu erhöhen und damit Methodenkompetenz aufzubauen. E-Learning
stellt somit einen Baustein dar, um das lebenslange Lernen technologisch zu unterstützen.
2.2 Lernpsychologische Grundlagen
Die im Folgenden dargestellten lernpsychologischen Grundlagen sind aus Sicht des Autors für
das Verständnis der Abgrenzung des Problemfelds von entscheidender Bedeutung. Aus diesem
Grund werden diese Aspekte zu Beginn der vorliegenden Arbeit behandelt. Abschnitt 2.2.1
vermittelt einen Überblick über Lerntheorien, die für die theoretische Fundierung von
Lernprozessen notwendig sind. Eine Darstellung und Abgrenzung des Wissensbegriffs sowie der
mentalen Modelle zu dessen Repräsentation ergänzt die lernpsychologischen Grundlagen (2.2.2).
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 9
2.2.1 Theoretische Fundierung des Lernprozesses - Lerntheorien
E-Learning Prozesse und deren unterstützende Systeme spiegeln immer, zumindest implizit, eine
didaktische Lerntheorie wider. Betrachtet man die Literatur in Bezug auf den Prozess, wie
Lernende sich Inhalte aneignen bzw. Wissen generieren, lassen sich prinzipiell drei Auffassungen
isolieren. Die dominierenden Paradigmen, chronologisch geordnet, sind der Behaviorismus
(2.2.1.1), der Kognitivismus (2.2.1.2) und der Konstruktivismus (2.2.1.3). Diese drei Ansätze
werden i. A. aufgrund ihrer extremen Positionen als kontradiktorisch aufgefasst, da die zugrunde
liegenden Annahmen zu verschieden sind, um die Ansätze als komplementär aufzufassen.
[Kerres 2001] dagegen vertritt die Ansicht, dass sich die im Folgenden diskutierten Lerntheorien
im Sinne einer gestaltungsorientierten Mediendidaktik sehr wohl integrieren lassen. „Die
gestaltungsorientierte Mediendidaktik will sich dagegen nicht an eine bestimmte theoretische Kon-
zeption des Lernens oder Lehrens binden. Sie sieht sowohl in den verschiedenen Aussagentypen
und Dimensionierungen der Modelle als auch in den inhaltlichen Aussagen der verschiedenen
Paradigmen einen Fundus, der die analytischen Arbeiten des didaktischen Designs strukturiert“
[Kerres 2001, 54]. In einem zwischenzeitlichen Fazit werden die lerntheoretischen
Grundpositionen kritisch gewürdigt (2.2.1.4). Ergänzt wird die Darstellung lerntheoretischer
Ansätze durch die Beschreibung einer konkreten Anwendung der konstruktivistischen Position,
das situierte Lernen (2.2.1.5).
2.2.1.1 Behaviorismus
Der Behaviorismus hat seine Wurzeln in der klassischen Konditionierungstheorie des russischen
Psychologen Pawlow. Der Behaviorismus ist nicht an internen Lernprozessen interessiert, le-
diglich das objektiv beobachtbare Verhalten des Lernenden wird betrachtet. Das Lernen wird
nach dieser Theorie allein durch ein Reiz-Reaktionsschema verursacht. Der Behaviorismus
betrachtet im Gehirn ablaufende Prozesse als „black box“. Was nach dem Reiz und vor der
Reaktion des Lernenden passiert, kann nicht beobachtet werden und demzufolge auch nicht
untersucht werden. Der Behaviorismus betont eine objektivistische Sichtweise, es werden nur
isolierte Reiz-Reaktionselemente betrachtet, deren Verknüpfung rein mechanistisch gesehen wird.
Maßgebliche Impulse erfuhr der Behaviorismus durch den Psychologen B. F. Skinner in den 60er
Jahren. Skinner entwickelte eine Theorie des Lernens, die auf Verstärkung („reinforcement“) von
erwünschtem Verhalten beruht. Die Steuerung des Lernens erfolgt dabei durch geeignete Reize
und Verstärkungen. Auf einen Reiz hin wird ein bestimmtes Verhalten erzeugt. Die Reaktion auf
den Reiz wird durch positive Verstärker (Lob, Belohnung) oder negative Verstärker (Tadel,
Bestrafung) belohnt bzw. bestraft. Die Verstärkung gewünschter Reaktionen wird als operantes
Konditionieren bezeichnet.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 10
Im Behaviorismus nach Skinner ist die Verstärkung des Verhaltens durch Belohnung von ent-
scheidender Bedeutung. In Abbildung 1 ist das Lernmodell des Behaviorismus schematisch
dargestellt. Auf einen Reiz (Input) erfolgt eine bestimmte Reaktion (Output). Auf eine Frage
erfolgt durch den Lernenden eine entsprechende Antwort. War die Antwort richtig, wird die
Reaktion verstärkt, z. B. durch ein Lob, und ein neuer Reiz wird gegeben. War die Antwort
falsch, erfolgt keine Verstärkung bzw. eine negative Verstärkung (Tadel) und die gleiche Frage
wird als Reiz noch einmal gegeben.
Abbildung 1: Lernmodell des Behaviorismus (schematisch) (Quelle: vgl.
[Baumgartner/Payr 1994])
Skinner entwickelte basierend auf diesen Vorstellungen seinen Ansatz des „Programmierten
Lernens“ („programmed instruction“). Diese Richtung wird oft auch als „Programmierte
Unterweisung“ bezeichnet. Dabei werden Unterrichtsmaterialien so stark in Lerneinheiten
gegliedert, dass nach jeder Lerneinheit sofortiges Feedback als Reaktion erfolgen kann
(„drill & practice“). Auf dieser Basis stattfindender Unterricht wird entsprechend
„Programmierter Unterricht“ genannt.
Die Prinzipien des „Programmierten Lernens“ können mit Computern wesentlich konsequenter
angewendet werden als in einer traditionellen Unterrichtsform. Daher diente (und dient!) der
Behaviorismus als Grundlage vieler computerbasierter Trainingsprogramme (CBT-
Lernprogramme) (vgl. [Baumgartner/Payr 1994]), obwohl er heute allgemein abgelehnt wird. Das
einfache Reiz-Reaktions-Schema scheint für den menschlichen Lernprozess viel zu einfach
strukturiert zu sein und gilt als veraltet. Die Umsetzung des Behaviorismus betont die Auffassung
von Wissen als Objekt, das transferiert werden kann und vernachlässigt den Prozess des
Wissenserwerbes. In Teilbereichen ist der Behaviorismus trotz aller Kritik eine angemessene
Methode, um Wissen zu vermitteln. Gerade bei einfach strukturierten Lernvorgängen kann das
„drill & practice“-Prinzip durchaus angebracht sein.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 11
2.2.1.2 Kognitivismus
Der Kognitivismus ist historisch als Gegenstück zum Behaviorismus entstanden. Der Kogni-
tivismus konzentriert sich gerade auf die inneren Prozesse des Denkens und Verstehens. Das
menschliche Gehirn ist im Kognitivismus keine „black box“ mehr, sondern es wird versucht, ein
theoretisches Modell für die im Gehirn ablaufenden Erkenntnisprozesse zu entwickeln. Aus
kognitivistischer Sicht wird dem Gehirn eine eigene Verarbeitungs- und Transfor-
mationskapazität zugestanden. In Abbildung 2 ist das Modell des Kognitivismus schematisch
dargestellt. Dieser Wechsel der Betrachtungsweise erschien so fundamental, dass man in den
sechziger Jahren von einer „Kognitiven Wende“ in der Psychologie sprach (siehe [Edelmann
1996, 8]).
Input Output
Interne Verarbeitungsprozesse
interessieren
extern modelliertes Feedback
Abbildung 2: Lernmodell des Kognitivismus (schematisch) (Quelle: vgl.
[Baumgartner/Payr 1994])
Ein führender Vertreter des Kognitivismus war Piaget. Für Piaget setzt Lernen stets Denken
voraus. Jedes Individuum ist mit Grundstrukturen des Denkens, sog. Schemas, ausgestattet.
Schemas werden weiterentwickelt, indem man sich aktiv und selbstgesteuert mit seiner Umwelt
auseinandersetzt. Lernen stützt sich für Piaget auf zwei elementare Lernprozesse: Assimilation
und Akkomodation. Bei der Assimilation werden neue Informationen in bestehende Schemas
eingeordnet, während bei der Akkomodation Schemas auf Grund von neuen Informationen
umstrukturiert werden. Der Mensch wird nicht mehr als passives Wesen gesehen, das auf äußere
Reize reagiert, sondern als aktives Wesen, das sich mit Informationen auseinandersetzt, diese
reflektiert und zu Konzepten verarbeitet. Es geht nicht mehr darum, auf einen Reiz die richtige
Antwort zu geben (Behaviorismus), sondern Methoden und Verfahren zur Lösung von
Problemen zu erlernen, die dann zur Lösung führen. „Das typische Paradigma dieses Ansatzes ist
das der Problemlösung“ [Baumgartner/Payr 1994, 105].
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 12
Eine populäre Umsetzung der kognitivistischen Lerntheorie ist die Programmiersprache Logo
von Papert. Mit Hilfe von Logo sollten Kinder allgemeine logische Denkstrukturen entwickeln,
um sie als Schema auf andere Problemstellungen anwenden zu können.
2.2.1.3 Konstruktivismus
Der Konstruktivismus wurde nach dem Zweiten Weltkrieg in den USA, aufbauend auf den
Arbeiten von Maturana und Varela begründet (vgl. [Maturana/Varela 1987] und
[Baumgartner/Payr 1994, 107]). Der Konstruktivismus vertritt die Annahme, dass jeder Mensch
die vermeintlich objektiv bestehende Realität nicht objektiv wahrnimmt, sondern individuell für
sich konstruiert. Jede Erkenntnis über ein Subjekt wird als eine Konstruktion aufgefasst, die
Erkennenden und Subjekt mit einschließt. Der Erwerb von Wissen wird als aktiver, konstruktiver
Prozess gesehen. Nach konstruktivistischer Auffassung ist der Lernende ein aktives Wesen, das
den Lerninhalt nicht passiv aufnimmt, sondern immer in Bezug auf sein Vorwissen interpretiert.
Der Lernende steht zwar im Austausch mit seiner Umwelt, der Austausch findet aber nicht auf
informationeller Ebene statt. „Für den Konstruktivismus ist der menschliche Organismus ein
informationell geschlossenes System, welches auf zirkulärer Kausalität und Selbstreferentiellität
beruht und autonom strukturdeterminiert ist“ [Baumgartner/Payr 1994, 107]. In Abbildung 3 ist
eine schematische Darstellung des Konstruktivismus abgebildet.
Input
Output
Gehirn ist
selbstreferentielles,
zirkuläres System
energetisch offen -
informationell geschlossen
Abbildung 3: Lernmodell des Konstruktivismus (schematisch) (Quelle: vgl.
[Baumgartner/Payr 1994])
Im strengen Sinne ist der Konstruktivismus keine einheitliche Position. Die oben erläuterte Auf-
fassung wird als radikaler Konstruktivismus bezeichnet. Sie führt in letzter Konsequenz zu einem
Paradox. Wenn die Realität nur von Individuen konstruiert wird und nichts außerhalb dieser
Individuen real ist, dann ist auch die radikal konstruktivistische Theorie nicht real.
Lernen sollte nach dem radikalen Konstruktivismus völlig frei gestaltet werden, ohne äußeren
Einfluss auf den Lernenden. Der Lernende soll explorativ alle relevanten Zusammenhänge selbst
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 13
entdecken, was im Endeffekt sehr zeitaufwändig wäre. Eine moderatere Form des Kon-
struktivismus erhebt nicht den Anspruch einer Erkenntnistheorie, betont aber ebenfalls die aktive
Konstruktion von Wissen. Wissen kann nach dieser Auffassung ebenfalls konstruktiv erworben
werden, auch wenn eine äußere Leitung an geeigneten Stellen gegeben wird.
Die aktive, konstruktive Rolle des Lernenden ist fundamental im Konstruktivismus. Lernen ist
nicht mehr nur das Finden richtiger Methoden zur Problemlösung, sondern auch die Fähigkeit,
Wissen in komplexen Situationen anwenden zu können. Gerade in praktischen Situationen sind
Problemstellungen nicht offensichtlich, sondern müssen erst erkannt und isoliert werden. „Im
Gegensatz zum Kognitivismus steht nicht das Lösen fertig präsentierter Probleme im
Vordergrund, sondern das eigenständige Generieren von Problemen“ [Baumgartner/Payr 1994,
107]. Die Konsequenz aus der radikalen konstruktivistischen Auffassung ist, dass man nichts
lehren kann, jedes Individuum konstruiert die Wirklichkeit subjektiv für sich selbst. Wissen kann
nicht wie eine Substanz vermittelt werden, sondern muss vom Lernenden „…aktiv in seine
vorhandenen mentalen Modelle und Wirklichkeitskonstrukte integriert werden“ [Issing 2002,
154].
2.2.1.4 Kritische Würdigung der grundsätzlichen lerntheoretischen Positionen
Als Fazit lässt sich festhalten, dass die pädagogische Forschung diverse Modelle des Lernens vom
Behaviorismus bis zum Konstruktivismus als extreme Positionen hervorgebracht hat. Der
Behaviorismus wird teilweise als überholt angesehen. Das Reiz-Reaktionsschema zur Erklärung
des Lernprozesses ist sehr simpel und betont eine mechanistische Sichtweise, bei der Wissen als
Objekt übertragen werden kann. Andererseits hat der Behaviorismus zur Erreichung spezifischer
Lernziele durchaus seine Berechtigung (z. B. beim Maschinenschreiben oder Vokabellernen). Der
Kognitivismus orientiert sich an der zentralen Leitidee der Problemlösung. Lernen wird als
vielschichtiger Prozess der Informationsverarbeitung aufgefasst. Lernende setzen sich aktiv mit
dem Lernstoff auseinander, Wissenserwerb wird als Resultat des Verstehens und Verarbeitens
von Informationen interpretiert. Soziale Aspekte des Lernens werden dabei nicht berücksichtigt,
der Kognitivismus fokussiert den individuellen Lerner. Der Konstruktivismus in seiner radikalen
Form scheint ebenso wenig als allgemeine Theorie in allen Fällen praktikabel zu sein. Es
erscheint nicht effektiv zu sein, Lernende ohne steuernde Instruktionen sich mit Lernstoff
auseinander setzen zu lassen. Für praktische Szenarien erscheint es notwendig, eine Balance
zwischen Freiheitsgraden explorierenden Lernens und eigener Wissenskonstruktion als auch
didaktischer Instruktion zu finden.
In einer moderateren Auffassung des Konstruktivismus können instruktionale Hilfestellungen
und Anregungen gegeben werden, um die sinnvolle Konstruktion von Wissen zu unterstützen.
Ein relevanter Ansatz dafür ist das sog. situierte Lernen.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 14
2.2.1.5 Situiertes Lernen
Der Konstruktivismus dient als theoretische Grundlage für eine Auffassung des Lernens, die als
„situiertes Lernen“ bezeichnet wird (vgl. [Mandl/Gruber/Renkl 2002]). Auf der Grundlage der
konstruktivistischen Theorie des Lernens wurden bereits konkrete Ansätze zur Gestaltung von
Lernumgebungen entwickelt (vgl. [Gerstenmaier/Mandl 1995]).
Kernpunkt der Überlegungen ist es, das zu vermittelnde Wissen in das bestehende Wissen des
Lernenden zu integrieren. Je nach Art des Wissenserwerbs unterscheidet man zwischen trägem
Wissen („inert knowledge“) und anwendbarem Wissen („useful knowledge“). Besonders das
Problem des trägen Wissens wird nach [Gerstenmaier/Mandl 1995] durch konstruktivistische
Lernumgebungen gemildert. Träges Wissen bezeichnet Wissen, das in Problemsituationen nicht
zur Anwendung kommt, da es nicht in bestehendes Wissen integriert und damit nicht vernetzt,
sondern zusammenhangslos gespeichert wird. Der Lernende kann das dargebotene Material ein-
fach auswendig lernen, das erworbene Wissen aber in relevanten Situationen und Zu-
sammenhängen kaum anwenden, da der notwendige Anwendungsbezug fehlt. Dagegen wird
verknüpftes und in einem Kontext verstandenes Wissen leicht vom Lernenden auf eine Situation
angewendet werden können.
Ein weiteres Problem bei der traditionellen Wissensvermittlung ist der mangelnde Transfer des
Wissens auf neue Situationen. Bei mangelndem Transfer ist das Wissen zwar prinzipiell abrufbar,
aber nur in dem Kontext, in dem es erlernt wurde. Der Transfer auf ähnliche Situationen, in
denen das Wissen angewendet werden könnte, erfolgt nicht.
Zur Lösung dieser Probleme wurde von [Bransford et al. 1990] das Konzept der „Anchored
Instruction“ entwickelt. Die zu vermittelnden Wissensinhalte werden in konkrete, realitätsnahe
Anwendungsfälle eingebettet. Ein narrativer Anker („anchor“) ermöglicht es, den Lernenden
situationsbezogen in eine Thematik einzuführen. In einer ersten Realisierung der Idee werden
Schüler anhand eines 15 bis 20minütigen Films auf Bildplatte auf anregende und motivierende
Weise durch die Hauptfigur „Jasper Woodbury“ in die Geschichte eingeführt. Am Ende der
Episode wird den Schülern ein komplexes Problem gestellt, das sie eigenständig lösen müssen.
Die Informationen zur Lösung dieses Problems sind dabei implizit in der Geschichte enthalten
und von den Schülern selbst zusammenzustellen. Durch Einbettung der Aufgabe in eine
Geschichte mit realistischem Problem können Schüler die relevanten Informationen extrahieren
und deren Bedeutung in einem spezifischen Kontext erkennen. In einer Untersuchung konnte
nachgewiesen werden, dass Schüler, die nach diesem Ansatz unterrichtet wurden, komplexe
Probleme schneller lösen konnten als eine Kontrollgruppe, die sich die Inhalte in klassischen
Unterrichtsformen angeeignet hatte (vgl. [Dittler 1996, 158 ff.]). Die Monographie von
[Druin/Solomon 1996] enthält eine CD-ROM, die u. a. eine Video-Sequenz der Hauptfigur
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 15
„Jasper Woodbury“ enthält. Für weitere Einzelheiten zum Konzept der „Anchored Instruction“
siehe [Bransford et al. 1990].
Charakteristisch für konstruktivistische Lernumgebungen, wie z. B. nach dem „Anchored
Instruction Ansatz“ gestaltete Lernumgebungen, sind nach [Gerstenmaier/Mandl 1995] die
folgenden Aspekte:
! Authentizität und Situiertheit,
! multiple Kontexte,
! multiple Perspektiven,
! sozialer Kontext.
Eine authentisch gestaltete Lernumgebung versetzt den Lernenden noch während des Lern-
prozesses in eine komplexe, realistische Situation. Auf diese Weise wird nicht nur ein Kontext für
die Anwendung des Wissens gegeben, sondern auch der Transfer des Wissens auf reale
Situationen gefördert. Die Situiertheit wird durch Einbettung von Problemen in globalere
Kontexte erreicht. Die Probleme und Aufgaben sind nicht sofort erkennbar, sondern müssen erst
vom Lernenden extrahiert werden. Ein Beispiel für situierte Anwendungskontexte ist die
Darbietung einer offenen Geschichte als narrativer Anker. Diese Möglichkeit wurde beim oben
beschriebenen Ansatz der „Anchored Instruction“ gewählt. Wissen wird in der Regel in einem
bestimmten Kontext erworben, in dem es angewendet werden kann. Der Kontext über die
Anwendbarkeit des neu erworbenen Wissens ist ein wichtiger Bestandteil dieses Wissen. Durch
die Gewährung von multiplen Kontexten sollen beim Lernenden kognitive Prozesse aktiviert
werden, die eine vielfältige Verknüpfung des neuen Wissens mit bestehendem Wissen
sicherstellen. Das Wissen soll nicht auf einen Kontext fixiert bleiben, sondern auch auf andere
Situationen angewendet werden können. Durch multiple Perspektiven hat der Lernende die
Möglichkeit, ein Problem aus verschiedenen Blickwinkeln zu betrachten. Der Lernende kann
verschiedene Sichtweisen erkennen, eigenständig bewerten und die für ihn relevante Perspektive
auswählen. Die Einbindung der Lernumgebung in einen sozialen Kontext wird als grundlegend
für konstruktivistisch gestaltete Lernumgebungen angesehen (siehe auch [Reinmann-
Rothmeier 1994, 48]). Die Kooperation zwischen Lernenden oder das gemeinsame Lösen von
Problemen in Arbeitsgruppen in der Lernumgebung fördert die Erkenntnis, dass Wissen auch
soziales Wissen bedeutet. Soziale und kommunikative Fähigkeiten werden beim Lernen ebenfalls
gefördert und teamorientiertes Lernen wird geübt.
Bezogen auf die in dieser Arbeit betrachtete Domäne OR/MS ist oft festzustellen, dass Lernende
sog. träges Wissen entwickeln. Bei der späteren Konzeption des Lernsystems für OR/MS wird
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 16
daher dem Ansatz des situierten Lernens gefolgt, um den mit der Entwicklung trägen Wissens
einher gehenden Problemen zu begegnen.
2.2.2 Wissensarten und deren mentale Repräsentation
Im vorliegenden Abschnitt wird zunächst eine grundlegende Charakterisierung und Abgrenzung
des Wissensbegriffs geliefert (2.2.2.1). Eine Darstellung verschiedener, in der Literatur zu
identifizierender Wissensarten erfolgt im Abschnitt 2.2.2.2. Modelle, die beschreiben, auf welche
Arten die Repräsentation von Wissen von Menschen vorgenommen wird, werden in Abschnitt
2.2.2.3 erläutert. Die Kenntnis dieser Modelle ist erforderlich, will man den Lernprozess des
Menschen durch die Gestaltung von Lernsystemen unterstützen.
2.2.2.1 Daten, Information und Wissen
Im Folgenden wird eine klare Terminologie für Daten, Informationen und Wissen entwickelt, um
die Argumentation im weiteren Verlauf der Arbeit nicht durch Missverständnisse bezüglich der
verwendeten Begriffe zu trüben. Man kann [Willke 2001, 7] nur beipflichten: „Unendliche
Verwirrungen entstehen alleine dadurch, dass geradezu habituell von Wissenstransfer,
Wissensaustausch, Dokumentation von Wissen, gespeichertem Wissen und Wissensgenerierung
die Rede ist, wenn nicht Wissen, sondern Daten gemeint sind“.
Um dieser Verwirrung Herr zu werden, wird hier im Sinne der Semiotik eine Definition der
Basiseinheiten Daten und Informationen gegeben, die nachfolgend zu einer umfassenderen
Auffassung von Wissen ausgebaut wird. Dabei wird ein Informationsbegriff nach dem
linguistischen Verständnis zugrunde gelegt. Die Linguistik beschäftigt sich mit der Problematik
der menschlichen Sprachfähigkeit. Ein Teilbereich der Linguistik ist die Semiotik (auch
Semiologie genannt), die Lehre von Zeichen und Symbolen. Die Semiotik beschäftigt sich mit der
Konstruktion von Zeichen bzw. Zeichenketten, deren Aufbau und Bedeutung. Die drei
relevanten Dimensionen der Semiotik sind dabei Syntax, Semantik und Pragmatik.
Zeichen bzw. der Austausch von Zeichen sind als Grundbausteine der Kommunikation all-
gegenwärtig. Verbale Sprache, ob mündlich oder schriftlich kommuniziert, gehört genau so zur
Semiotik wie die Interpretation von Bildzeichen. Besonders in der theoretischen Informatik spielt
die Konstruktion von Grammatiken über Alphabeten eine wichtige Rolle. Zeichen sind die
Grundbausteine, um Daten zu formulieren. Sie sind dabei im Sinne der Semiotik zu
interpretieren, d. h. es kann sich dabei um beliebige Zeichensysteme handeln. Zeichensysteme
umfassen alphanumerische Darstellungen als auch piktoriale Zeichensysteme.
Durch die syntaktische Strukturierung von Zeichen entstehen Daten. In [Duden 2000] werden
Daten als Zahlenwerte bzw. Angaben definiert, wobei nichts über den Bezug von Daten zu
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 17
Informationen ausgesagt wird. [Heinrich/Roithmayr 1995] definiert Daten spezifischer als
Zeichen oder kontinuierliche Funktionen, die aufgrund von bekannten oder unterstellten Ab-
machungen und vorrangig zum Zweck der Verarbeitung Informationen darstellen. Weiterhin
wird ebd. festgestellt: Daten sind dargestellte Information, nicht aber selbst Information. All-
gemein werden nicht interpretierte Symbole als Daten bezeichnet. Ein Datum bezeichnet ein
nach einer bestimmten Syntax in Form von Symbolen kodiertes Faktum. Ein Datum wird dabei
nicht interpretiert, d. h. in einen Kontext gesetzt, sondern kann in einem ersten Schritt lediglich
objektiv wahrgenommen werden. Z. B. besteht das Datum „70%“ aus den grundlegenden
Zeichen „7“, „0“ und „%“. Diese Zeichenfolge wird als Zahl, genauer als ein Anteil von 70%
wahrgenommen.
Daten erhalten erst durch Interpretation, d. h. durch die semantische Einordnung einen Sinn,
ohne Interpretation bleiben sie bedeutungslos. [Duden 2000] definiert den Begriff Information
als „Auskunft, Nachricht oder Belehrung“. Im Gegensatz zu einem Datum, wird eine
Information interpretiert und erhält dadurch einen handlungsvorbereitenden Charakter. Erst die
semantische Einordnung des Datums in einen Kontext ergibt diese neue Qualität, man erhält
eine Information. Z. B. könnte das oben angesprochene Datum „70%“ im Kontext eines
Testergebnisses so interpretiert werden, dass 70% der Punkte erzielt wurden. Durch die se-
mantische Interpretation werden die Daten mit einer Bedeutung versehen und besitzen damit für
den Empfänger einen relevanten Aussagegehalt. Diese Interpretation muss je nach Be-
trachtungswinkel nicht unbedingt eindeutig sein. Je nachdem, ob die 70% die erzielten Punkte
angeben oder den Fehleranteil, lassen sich verschiedene Schlüsse daraus ziehen. Die Interpre-
tation von Informationen ist subjektiv.
Auf Informationen aufbauend kann letztendlich durch die Anwendung von Pragmatik Wissen
generiert werden. Die Information, dass 70% der Punkte in einem Test erzielt wurden, kann mit
bereits bestehendem Wissen und Erfahrungen verknüpft werden. Die Erfahrung aus früheren
Klausuren könnte zu der Einschätzung führen, dass das Ergebnis zwar nicht gut, aber
ausreichend ist. Insbesondere in der Semiotik wird Wissen als handlungsorientiert aufgefasst.
Wissen, dass nicht benutzt und angewendet werden kann, wird nach dieser Auffassung letztlich
nicht als Wissen verstanden. Die Entscheidung, dass in dem Beispiel gewisse Lücken bzgl. des
Prüfungsstoffes noch bestehen und ausgeglichen werden sollten, basiert auf der pragmatischen
Interpretation der Information und kann zur Entscheidung genutzt werden, dass eine tiefere
Beschäftigung mit dem Lernstoff als Aktion notwendig ist. Wissen kann in diesem Sinne nicht
losgelöst von einem Kontext betrachtet werden. Das impliziert, dass Wissen generell nicht
einfach isoliert, konserviert und transportiert werden kann, wie es z. B. die Auffassung des
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 18
Behaviorismus (siehe Abschnitt 2.2.1.1) nahe legt. In Abbildung 4 ist eine Darstellung der
Aufwertung von Daten zu Informationen zu Wissen dargestellt.
Zeichen
Aktion
Wissen
Information
Daten
Syntax
Semantik
Pragmatik
Entscheidung
Abbildung 4: Daten, Information und Wissen (Quelle: vgl. [Aamodt/Nygård 1995])
Die oben dargestellte Auffassung von Daten, Information und Wissen ist in der Literatur nicht
unumstritten. [Shannon 1948] definiert „Information“ über ein Maß an Entropie einer Nachricht.
Nachrichten, die auf einem festen Zeichensatz mit bekannten Auftretenswahrscheinlichkeiten
basieren, transportieren nach Shannons Theorie mehr Information, wenn seltene Zeichen, die
eine geringere Wahrscheinlichkeit aufweisen, darin auftreten. Im umgekehrten Fall, treten häufige
Zeichen mit einer höheren Wahrscheinlichkeit auf und transportieren demnach weniger
Information. Basierend auf einem binären Zeichensatz formalisierte Shannon diese Beziehung.
Problematisch ist, dass das zugrunde liegende Modell mit einem kohärenten Zeichenvorrat bei
Sender und Empfänger sehr einfach modelliert ist und einer menschlichen Kommunikation nicht
mehr gerecht wird. In diesem Sinne ist die „… Theorie Shannons grundsätzlich eine Theorie [...],
die sich nur auf der syntaktischen Ebene bewegt [...], aber keine Referenzen zur semantischen [...]
und pragmatischen [...] Ebene aufweist“ [Wersig 1996, 221].
Ein Grund scheint daher zu rühren, dass die Disziplinen des Informations- bzw. Wissens-
managements noch relativ jung sind und Impulse aus sehr vielen verschiedenen Disziplinen
erhalten, wie der Informatik, Mathematik, Kommunikationswissenschaften etc., die den Ter-
minus Wissen aus verschiedenen Perspektiven definieren (vgl. [Karagiannis/Tesko 2001]).
[Soukup 2001] definiert einen komplexen Wissensbegriff, indem er sich von einer „…
verdinglichenden Sichtweise von Wissen löst …“ [Soukup 2001, 198] und auf die Systeme
Bewusstsein und Kommunikation als Wissensträger verweist. Wissen wird nicht als fassbare
Substanz und darüber hinaus nicht nur an einen Menschen gebunden verstanden.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 19
[Kuhlen 1999, 137] unterscheidet zwischen Daten, Informationen und Wissen und bildet diese
wie oben dargestellt auf die „… drei semiotischen Ebenen der Syntax, der Semantik und der
Pragmatik …“ ab. Nach seiner Terminologie „Information ist Wissen in Aktion“, also die
Teilmenge von Wissen, die von einer bestimmten Person oder einer Gruppe in einer konkreten
Situationen benötigt wird, wird Information als pragmatische Anwendung von Wissen
verstanden, was eher der informationswissenschaftlichen Sicht, denn der der klassischen In-
formatik entspricht (vgl. [Kuhlen 1999, 139]). Information ist in diesem Sinne „aktiv gewordenes
Wissen“ und für [Kuhlen 1999] damit im technischen Sinne nicht streng trennbar von Wissen.
Information ist nach [Kuhlen 1999] eine Teilmenge von Wissen, aus diesem Grund will er auch
„keinen terminologischen Glaubenskrieg“ verfolgen, sondern durch „die pragmatische, also
nicht-technische Sicht auf Informationen“ den traditionell eher statischen Wissensbegriff
erweitern (vgl. [Kuhlen 1999, 144]). [Karagiannis/Tesko 2001] betonen ebenfalls den aktiven
Charakter von Wissen: “Knowledge is reasoning about information and data to actively enable
performance, problem-solving, decision making, learning and teaching” [Karagiannis/Tesko
2001, 309].
Für die vorliegende Arbeit wird der pragmatischen Auffassung von [Kuhlen 1999] gefolgt, die die
strikte Trennung zwischen Wissen und Information teilweise aufhebt. Daraus abgeleitet werden
in dieser Arbeit die Begriffe des Wissensmanagements und des Informationsmanagements
synonym verwendet.
2.2.2.2 Kategorisierungsansätze von Wissensarten
In diesem Abschnitt werden zwei grundlegende Kategorisierungsansätze von Wissensarten
diskutiert, wobei der eine die Perspektive der Wissenspsychologie und der andere die des
klassischen Wissensmanagements repräsentiert.
Die Wissenspsychologie unterscheidet drei Formen von Wissen (vgl. [Kerres 2001, 66 ff.]):
! deklaratives Wissen (Wissen über Sachverhalte),
! prozedurales Wissen (Wissen über Fertigkeiten),
! kontextuelles Wissen (situatives, fallbezogenes Wissen).
Dem deklarativen Wissen wird sowohl Faktenwissen als auch das Wissen über komplexere
Sachverhalte zugerechnet. Das deklarative Wissen ist ein statisches Wissen, es stellt einen
statischen Faktenbestand dar. Faktenwissen kann sehr einfach aufgebaut sein (z. B. „Paderborn
liegt in Deutschland“), aber auch komplexere Sachverhalte darstellen (z. B. Gesetzmäßigkeiten
der Physik). Deklaratives Wissen kann sprachlich leicht in Form von Aussagen verbalisiert
werden. Die Aussagen werden als Proposition bezeichnet. Eine Proposition besteht dabei aus
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 20
mindestens zwei Elementen: einer Relation und einem oder mehreren Argumenten. Zur besseren
Unterscheidung werden die Argumente der Proposition als Subjekt bzw. Objekt bezeichnet (vgl.
[Mandl/Friedrich/Hron 1993]). Ein Beispiel ist die Proposition „Paderborn liegt in
Deutschland“. „Paderborn“ als Subjekt ist mit dem Objekt „Deutschland“ durch die Relation
„liegt in“ verknüpft.
Prozedurales Wissen bezeichnet Wissen, wie durch einen Handlungsablauf bzw. durch einen
Prozess ein Ziel erreicht werden kann. Diese Art von Wissen dient sowohl als Grundlage für
psychomotorische Fertigkeiten (z. B. Fahrradfahren) als auch für kognitive Fertigkeiten (z. B.
Lösen einer Rechenaufgabe). Prozedurales Wissen wird in Handlungen zum Erreichen einer
Zielsetzung angewendet. Die folgenden drei Merkmale sind charakteristisch für prozedurale
Verfahrensweisen:
! „Zielgerichtetheit
! Zerlegung des Gesamtzieles in Teilziele
! Wahl und Beschreibung der für die Umsetzung der Teilziele notwendigen Operationen
(Handlungen)“ [Baumgartner/Payr 1994, 22].
Prozedurales Wissen ist damit mehr als nur eine Liste von deklarativen Handlungsdirektiven. In
prozeduralem Wissen drückt sich durch die Reihenfolge der Handlungsschritte und durch
Abhängigkeiten zwischen diesen ein Wissen aus, das in einer kompletten deklarativen Auflistung
der Schritte nicht enthalten ist. Prozedurales Wissen hat, im Gegensatz zu deklarativem Wissen,
einen dynamischen Charakter. Es kann nur schwer verbalisiert werden.
Das deklarative Wissen („knowing that“) steht im Gegensatz zum prozeduralen Wissen
(„knowing how“). Beide Wissensformen sind dabei aber nicht isoliert, sondern interdependent zu
sehen. Prozedurales Wissen greift auf deklaratives Wissen zurück. Ohne deklaratives Wissen als
Grundlage kann prozedurales Wissen nicht eingesetzt werden. Obwohl dem prozeduralen Wissen
(Problemlösen) ein höherer Stellenwert zugeordnet wird als dem deklarativem Faktenwissen, darf
die Notwendigkeit von Faktenwissen nicht negiert werden (vgl. [Baumgartner/Payr 1994, 24]).
Neben deklarativem und prozeduralem Wissen wird in der Literatur zunehmend ein dritter Typ,
das kontextuelle Wissen diskutiert. „Kontextuelles Wissen umfasst Problemlösungsstrategien für
bestimmte Kontexte, also auch Standards und Einschätzungen der Angemessenheit bestimmter
Prozeduren und wann und wo solches Wissen anzuwenden ist“ [Kerres 2001, 168]. Das
kontextuelle Wissen versetzt einen Menschen somit in die Lage, seine gesamte Wissensbasis,
deren Umfang durch deklaratives und prozedurales Wissen bestimmt wird, im konkreten
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 21
Anwendungskontext nutzbar zu machen. Es determiniert folglich die Art der Organisation und
die Zugreifbarkeit der individuellen Wissensbasis in Anwendungssituationen.
Die o. a. Unterscheidung in deklaratives, prozedurales und kontextuelles Wissen ist in der
Psychologie und Pädagogik geläufig. Im Wissensmanagement wird i. d. R. eine andere
Perspektive auf Wissen gewählt. [Nonaka/Takeuchi 1997] unterscheiden dichotom zwischen
implizitem Wissen („tacit knowledge“) und explizitem Wissen („explicit knowledge“). „Implizites
Wissen ist individuell, kontextspezifisch und daher schwer zu formalisieren und zu
kommunizieren“ [Staab 2002, 198]. Ein Beispiel für implizites Wissen ist die korrekte sprachliche
Ausdrucksweise in der Muttersprache ohne die grammatikalischen Regeln, auf denen diese
basiert, exakt zu kennen. Explizites Wissen ist bereits kodifiziert, z. B. in Form einer Handlungs-
anweisung oder eines Dokumentes. Die Transformationsmöglichkeiten zwischen implizitem und
explizitem Wissen sind in Tabelle 1 abgebildet.
Tabelle 1: Wissenstransformation (Quelle: vgl. [Nonaka/Takeuchi 1997])
Von\Nach Implizit Explizit
Implizit Sozialisierung Externalisierung
Explizit Internalisierung Kombination
Die Sozialisierung erlaubt den Austausch von implizitem Wissen in Form eines kommunikativen
Prozesses. Personen als Wissensträger tauschen hier Erfahrungen und ihr deklaratives,
prozedurales und kontextuelles Wissen im Dialog aus, was z. B. in der Bildung eines einheitlichen
oder zumindest ähnlichen mentalen Modells bei den beteiligten Personen resultieren kann. Diese
Konversionsmöglichkeit ist wohl die effektivste der vier Möglichkeiten. Die Externalisierung
bezeichnet den Prozess der Kodifizierung von implizitem Wissen. Bei diesem Prozess wird
implizites Wissen in einem Format repräsentiert, das die Speicherung, die Weitergabe und den
Austausch ermöglicht. Dazu kann z. B. das Schreiben eines Erfahrungsberichtes in Form eines
Dokumentes oder die Darstellung eines Sachverhaltes als Lernmaterial in textueller oder
grafischer Form gezählt werden. Häufig werden hier Analogien, Metaphern etc. verwendet, um
möglichst viele Hilfestellungen für die eigenen Reflexionen während der Internalisierung des
repräsentierten Wissens zu geben. Internalisierung bezeichnet den Prozess, den ein Lernender
durchläuft, der den oben angesprochenen Erfahrungsbericht in seine Strukturen übernimmt.
Explizites Wissen wird mit dem individuellen Vorwissen verknüpft und im Idealfall internalisiert.
Bei der Kombination werden explizit vorliegende Informationsbestände neu kategorisiert,
eingeordnet und über Schlussfolgerungen neue Erkenntnisse gezogen.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 22
Die beschriebenen Kategorisierungsansätze schließen sich nicht gegenseitig aus, lediglich der
Fokus ist verlagert (vgl. dazu auch [Amelingmeyer 2002, 45 f.]. Deklaratives Wissen ist oft
explizit, gerade bei objektivem Wissen wie z. B. in der Mathematik. Prozedurales und kon-
textuelles Wissen dagegen weisen oft implizite Wissensmerkmale auf, sie sind schwer zu
kommunizieren. Dieses zeigt sich z. B. beim Problem des trägen Wissens, das nicht auf prak-
tische Anwendungen übertragen werden kann (siehe 2.2.1.5).
2.2.2.3 Kodierungsprozess zur internen, mentalen Repräsentation von Wissen
Wenn man den Prozess des Lernens betrachtet, kann man intuitiv erkennen, dass Lernen in
einem engen Zusammenhang zu Wissen steht. Neben den eher theoretisch ausgeprägten Unter-
scheidungen zwischen Daten, Informationen und Wissen, die weiter oben geschildert wurden,
kann Wissen als Ziel und Ergebnis von Lernen verstanden werden. Wissen darf dabei aber nicht
als statischer, feststehender Bestand betrachtet werden, sondern vielmehr als „... komplexes,
vernetztes und dynamisches System ...“ [Baumgartner/Payr 1994, 19]. Die Struktur dieses
Systems liefert wichtige Hinweise für die effiziente Gestaltung von Lernprozessen und dient
damit auch als Grundlage für die Gestaltung computergestützter Lernsysteme.
Die interne, mentale Repräsentation der vermittelten Informationen wird durch den Prozess der
Kodierung geformt. „Kodierung bedeutet jede Art von Bearbeitung des Materials während des
Lernens.“ [Edelmann 1996, 6]. Die tatsächliche Form der Kodierung ist bis heute nicht geklärt.
In der Literatur werden verschiedene Modelle als Erklärungsansätze dargestellt. Vor allem die
interne Darstellungsform von Informationen ist heftig umstritten. Denkbare Alternativen sind
visuelle, sprachliche und akustische Kodierungsformen bzw. eine Mischform daraus. Im
Folgenden werden vier Ansätze zur Kodierung von Informationen dargestellt: Propositionale
Netzwerke, Dual Coding, Mentale Modelle und SOI Modell.
Propositionale Netzwerke
Die oben erwähnten Propositionen, als Aussagen zur Darstellung deklarativen Wissens, lassen
sich grafisch als Netzwerk darstellen (siehe Abbildung 5), wobei neue Fakten in bestehende
Netzwerke eingebunden werden können. Man geht davon aus, dass deklaratives Wissen in Form
eines semantischen Netzwerkes repräsentiert wird. „Die Kognitionspsychologie stellt sich heute
diese Art von Wissen [deklaratives, Anm. d. A.] als eine Struktur von Knoten vor, die durch
Verbindungen in bestimmten Relationen zueinander stehen“ [Baumgartner/Payr 1994, 21].
Durch Organisationsprozesse wird neues Wissen in bestehende Netze integriert. Der Lernende
„verankert“ neues Wissen in bestehende Strukturen (Assimilation) (vgl. [Edelmann 1996, 6]).
Semantisch zusammenhängende Begriffe formen so größere Wissensbasen. Wichtig ist, dass
Propositionen auf der internen Ebene nicht konkrete sprachliche Begriffe, sondern kognitive
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 23
Sachverhalte darstellen. Es hat bereits eine kognitive Verarbeitung des Wissens durch den
Lernenden stattgefunden. Die externen Präsentationen, z. B. in Form von Sprache oder Bildern,
wurden entsprechend ihrem Bedeutungsgehalt in eine interne abstrakte Form transformiert. Je
nach Verarbeitungstiefe der Bearbeitung kann das neue Wissen mit vorhandenen Strukturen
vielfältig oder nur einzeln verbunden sein. Anzustreben für den Lernenden ist eine hohe
Verarbeitungstiefe der Information und damit viele Querbezüge zu vorhandenem Wissen, da der
Abruf von Wissen (Dekodierung) eng mit der Aneignung verbunden ist.
Relation
Subjekt Objekt
Paderborn
liegt in
Deutschland
Abbildung 5: Netzwerkdarstellung einer Proposition (Quelle: Eigene Darstellung)
Ein Ansatz zur Modellierung prozeduralen Wissens ist die Vorstellung von Regelwerken in Form
von Produktionssystemen. Prozedurales Wissen wird im Rahmen dieser Vorstellung durch eine
Reihe aufeinander folgender Produktionsregeln dargestellt, die man als Produktionssystem
bezeichnet. Eine Produktionsregel besteht aus einem Bedingungsteil sowie einem Aktionsteil. Die
Bedingungen von Produktionen basieren auf den im Gedächtnis aktivierten Propositionen eines
semantischen Netzwerkes. Ist die Bedingung einer Produktionsregel erfüllt, wird die
entsprechende Aktion eingeleitet und evtl. werden andere Propositionen aktiviert. Dadurch
können die Bedingungsteile weiterer Produktionsregeln erfüllt werden, die entsprechend weitere
Aktionen einleiten.
Dual Coding
Der im vorhergehenden Absatz erläuterte Ansatz geht davon aus, dass Wissen in abstrakter
propositionaler Form kodiert wird und Wissenserwerb damit auf sprachlichem Lernen basiert.
Eine alternative Vorstellung der Kodierung von Informationen liegt der „dual coding theory“
zugrunde. Diese Theorie wurde von dem kanadischen Psychologen Paivio vorgeschlagen. Ihr
Kernstück ist die Annahme, dass zwei funktionell unabhängige, aber verbundene kognitive
Systeme existieren. Im verbalen System werden sprachliche Informationen kodiert, während im
imaginalen System bildhafte Informationen kodiert werden. Welches System bei der
Informationsverarbeitung und Informationskodierung jeweils primär aktiviert wird, hängt von
der Art der Information ab. Sprachliche Aussagen oder Texte werden durch das verbale System,
Bilder durch das imaginale System kodiert. Die Repräsentationsformen „propositional“ und
„bildlich“ werden in der Literatur auch als „aussagenartig“ und „analog“ bezeichnet (vgl.
[Edelmann 1996, 221]). Informationen werden nach der Theorie der dualen Kodierung nicht nur
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 24
isoliert in einem System kodiert, sondern auch simultan in beiden Systemen. Vor allem bei
konkreten Begriffen und konkreten Bildern (z. B. „Hund“) tritt nach Paivio eine Doppel-
kodierung auf. Dadurch erklärt Paivio auch das Phänomen, dass konkrete Begriffe besser erinnert
werden können als abstrakte, wie z. B. „Treue“ oder „Gerechtigkeit“. Die doppelte Kodierung
fördere die Behaltensleistung über assoziative Verknüpfungen zwischen aussagenartiger und
analoger Repräsentation. Diese Theorie ist nicht unumstritten. Für eine kritische Betrachtung der
Theorie von Paivio siehe z. B. [Bock 1983].
Mentale Modelle
Der Begriff des mentalen Modells ist bis heute recht unklar. Modelle sind vereinfachte und
reduzierte Bilder der Realität. Unter mentalen Modellen werden Vorstellungsbilder zusam-
mengefasst, die das Verständnis von einem Sachverhalt prägen, „… mit deren Hilfe wir planen
und entscheiden, vorausschauen und erklären, kurz: mit deren Hilfe wir denken“ [Hasebrook
1995, 124]. Mentale Modelle stehen zu Ausschnitten der Realität in einer analogen Beziehung.
[Hasebrook 1995, 124] nennt beispielsweise die Analogie eines stromführenden Kabels zu einem
Wasserschlauch, die einige Aspekte verständlich macht (z. B. Spannung und Widerstand), andere
jedoch nicht analog abbildet (z. B. die Unterbrechung des elektrischen Leiters). Das mentale
Modell ist in diesem Fall nicht adäquat. Ein besseres mentales Modell für elektrische Leiter ist die
Analogie zu einer Herde Schafe in einer Rohrleitung. Bei enger Leitung (hoher Widerstand) gibt
es „größeres Gedränge“ (hohe Spannung); bei großem Rohrdurchschnitt „weniger Gedränge“; ist
die Leitung unterbrochen, bleiben die Schafe einfach stehen. Die zweite Analogie der Schafherde
beschreibt die Eigenschaften eines elektrischen Leiters besser als die des Wasserschlauches. Ein
Experte in einer Wissensdomäne hat in der Regel ein sehr differenziertes mentales Modell zu
einem Zusammenhang aufgebaut, während Novizen eher über ein unvollständiges oder
unzutreffendes mentales Modell verfügen (vgl. [Weidenmann 1993, 39]). Ein Novize verfeinert
und erweitert sein mentales Modell über ein System und dessen Zusammenhänge im Laufe des
Lernprozesses; durch Ausarbeitung und Modifikation wird das mentale Modell elaboriert, bis es
das System adäquat darstellt. Ein elaboriertes mentales Modell erlaubt Prognosen, wie sich
Änderungen an Teilen eines Systems auf andere Systembereiche auswirken.
Mentale Modelle dienen als Ausweg aus dem ungelösten Dilemma der getrennten oder ge-
meinsamen Verarbeitung von sprachlichen und bildlichen Informationen. Sie sollen eine Ver-
bindung zwischen den vermuteten zwei getrennten Informationsverarbeitungssystemen (verbal,
imaginal) schaffen. Der exakte Bedeutungsgehalt ist umstritten, insbesondere auch die mentale
Repräsentationsform. Die Vorstellungen über die Repräsentation von mentalen Modellen
variieren zwischen vollständig analog, vollständig propositional oder auch einer gemischten
Form. [Weidenmann 1993] vermutet eine strukturelle Ähnlichkeit zwischen der Bildhaftigkeit
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 25
mentaler Modelle zu Bildern. Er differenziert zwischen internen, mentalen Vorstellungsbildern
(„image“) und Bildern im Sinne von sichtbaren grafischen Objekten („picture“). Der deutsche
Begriff „Bild“ ist für die Unterscheidung zwischen „image“ und „picture“ nicht sensibel. Relativ
wahrscheinlich scheint jedoch eine Mischform der Repräsentation, die sowohl propositionale als
auch analoge Anteile enthält.
Eine Reihe von Untersuchungen (vgl. [Hasebrook 1995, 129 ff.]) zum Textverstehen, insbe-
sondere im Zusammenhang mit der Bildung von räumlichen, mentalen Modellen, führten zu dem
Schluss, dass bei zweideutigen Beschreibungen und niedrigem Verständnisniveau nur eine
propositionale Speicherung der Textbasis erfolgt. Die Versuchspersonen konnten den Text
durchaus wiedergeben, aber keine weiterführenden Schlussfolgerungen daraus ziehen bzw. den
Text nicht in eine Zeichnung umsetzen. Die Bildung eines korrekten Situationsmodells ist
notwendig, um Schlussfolgerungen ziehen zu können. Ein Situationsmodell stellt ein mentales
Modell dar, in dem alle verwendeten Informationen integriert werden. Ähnliche Effekte lassen
sich auch beim Verstehen von Bildern beobachten. Anfänger in einem Gebiet bilden oft mentale
Modelle als bildhafte Vorstellung, die nur auf den Oberflächenmerkmalen von
Realitätsausschnitten gründen und kausale und strukturelle Merkmale vernachlässigen. Experten
verfügen dagegen über mentale Modelle, die sowohl oberflächenorientiert sind als auch
imaginationsfähige Strukturen und Kausalzusammenhänge berücksichtigen. Tiefergehende
mentale Modelle werden von [Weidenmann 1993] als „deep-level“-Repräsentationen bezeichnet.
Die Qualität eines entwickelten mentalen Modells kann nach [Weidenmann 1993] durch die
Gestaltung des Unterrichts gefördert werden. Ausgehend von einer hohen Oberflächentreue der
Darstellung, sollte diese schrittweise reduziert und die „Strukturtreue“ erhöht werden. Dadurch
wird die Verstehensleistung eines Lernenden erhöht, da er schrittweise sein mentales Modell
verfeinern und um strukturelle Komponenten erweitern kann.
[Hasebrook 1995] nimmt an, dass mentale Modelle sowohl analoge als auch propositionale
Elemente besitzen. „In diesem Sinne kann man sich mentale Modelle als eigene, integrierte
Wissensdarstellungen vorstellen, die jedoch bei Bedarf um propositionale oder analoge
Informationsanteile ergänzt werden“ [Hasebrook 1995, 146]. Aufbauend auf dieser Annahme
entwickelt er ein Rahmenmodell zum Verständnis der Informationsverarbeitung, in dem mentale
Modelle eine wichtige Rolle spielen. „Ein mentales Modell ist nach dieser Auffassung eine
eigenständige, neben sprachlichen und analogen Repräsentationen bestehende
Repräsentationsform, die zwischen den Inhalten propositionaler und analoger Wis-
sensrepräsentation vermitteln kann“ [Hasebrook 1995, 144].
Wendet man das Rahmenmodell auf Lernprozesse an, so kann man daraus ableiten, dass der
Einsatz mehrerer Medien die Bildung von konsistenten mentalen Modellen beim Lernenden
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 26
fördern kann. Der Einsatz der Medien kann aber nur dann erfolgreich sein, wenn sie sich
widerspruchsfrei zu einem konsistenten Gesamtbild ergänzen. Diese Hypothese wird durch das
SOI Modell von [Mayer 1999] gestützt.
SOI Modell
Der Name SOI setzt sich aus den kognitiven Operationen Selektion, Organisation und Integ-
ration von Informationseinheiten im Lernkontext zusammen. Dem SOI Modell liegt die An-
nahme zugrunde, dass sowohl verbale als auch auditive Informationen zuerst in getrennten
Arbeitsgedächtnissen verarbeitet werden. Deren Kapazität ist beschränkt, dadurch müssen
relevante Informationen zuerst selektiert und dann durch Organisation in ein kohärentes
mentales Modell überführt werden, bevor sie in das Langzeitgedächtnis unter Bezug auf vor-
handenes Vorwissen integriert werden können. Die folgende Abbildung 6 stellt den beschrie-
benen Sachverhalt grafisch dar.
Abbildung 6: Kognitives Modell zum multimedialen Lernen (Quelle: vgl. [Mayer 1999])
Die vorgestellten Modelle lassen wichtige Rückschlüsse darüber zu, wie der Lernprozess und
damit die dynamische Modifikation und Erweiterung der menschlichen Wissensbasis zu ver-
stehen ist. Grundlegende Kenntnisse dieser Abläufe sind unabdingbar, wenn man den Lern-
prozess mit Hilfe von Informationstechnologie in geeigneter Weise unterstützen will. Betrachtet
man z. B. das zuletzt vorgestellt SOI Modell, so lassen sich hieraus direkte Rückschlüsse auf den
Einsatz verschiedenartiger Medien ziehen. Die Kenntnis der vorgenannten Modelle wird bei der
späteren Gestaltung des Lernsystems für OR/MS Berücksichtigung finden.
2.3 E-Learning – Prozesse, Objekte, Systeme
Nachdem im vorangegangenen Abschnitt die lernpsychologischen Grundlagen erörtert wurden,
die für das Verständnis des Problemfelds von großer Relevanz sind, wird im Rahmen der folgen-
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 27
den Ausführungen nun das eigentliche Problemfeld der vorliegenden Arbeit herausgearbeitet.
Dabei erfolgt im Abschnitt 2.3.1 zunächst eine Schärfung des Begriffs E-Learning, wobei grund-
legend dem Verständnis von E-Learning als Lernprozess gefolgt wird. Im Abschnitt 2.3.2 werden
dann Medien und Konzepte zu deren Kombination und Verknüpfung skizziert. Die Be-
schreibung und systematische Einordnung hypermedialer Lernsysteme, die die vorgenannten
Konzepte aufgreifen, sind Inhalt des Abschnitts 2.3.3. Die bisherigen Abschnitte heben auf die
Art der Wissensvermittlung im Rahmen eines computergestützten Lernprozesses ab. Die Aus-
führungen der weiteren Abschnitte beschäftigen sich nun mit der Aufbereitung der Inhalte, die
innerhalb dieses Lernprozesses vermittelt werden sollen. Abschnitt 2.3.4 widmet sich der Formu-
lierung von Lernobjekten, die die Kernelemente der Wissensbasis darstellen, die durch den
Einsatz von hypermedialen Lernsystemen zugänglich gemacht werden sollen. Die Möglichkeit
zum gezielten und effizienten Arrangement von E-Learning Angeboten erfordert eine adäquate
Systematisierung und Strukturierung der Lernobjekte. Ansätze für derartige ordnende Strukturen
für Lernobjekte sind Gegenstand des Abschnitts 2.3.5. Die Abgrenzung des Problemfelds wird
im Abschnitt 2.3.6 resümiert.
2.3.1 Verständnis von E-Learning als Lernprozess
Die vielfältigen Versionen der Schreibweise des Begriffs „E-Learning“ (auch „eLearning“, „e-
Learning“ etc.) spiegeln bereits die Unsicherheit im Umgang mit diesem Begriff in der Literatur
wider. Die Vielfalt der teilweise synonym verwendeten Bezeichnungen für den Bereich des
computerunterstützten Lernen und Lehrens ist auf den ersten Blick noch verwirrender. Die
Spannbreite reicht von CAI („computer aided instruction“, „computer assisted instruction“) über
CAL („computer aided learning“, „computer assisted learning“), CBT („computer based
training“) bis zu CUL („computerunterstütztes Lernen“). In der Literatur Anfang der 90er Jahre
wurden je nachdem, ob die Betonung auf Lernen oder Lehren steht, Substantive wie „Learning“,
„Training“ oder „Instruction“ durch die Adjektive „Computer Based“ bzw. „Computer Assisted“
oder „Computer Aided“ ergänzt (vgl. [Fickert 1992, 34]). Diese Bezeichnungen wurden teilweise
ins Deutsche übertragen, wodurch Bezeichnungen wie „computerunterstützter Unterricht“
(CUU) oder „computerbasiertes Lernen“ (CBL) entstanden. Für [Fickert 1992, 35] können die
Begriffe CAI, CAL, CBL, CBT, etc. „… im wesentlichen gleichbedeutend nebeneinander
verwendet werden“. Auch [Bodendorf 1990, 37] erscheint es „… nicht sinnvoll, hier
Bedeutungsunterschiede herauszuarbeiten oder gar definieren zu wollen.“
E-Learning hat sich als Sammelbegriff etabliert (vgl. [Baumgartner/Häfele 2002]).
[Dichanz/Ernst 2001, 4 ff.] unterscheiden zwischen einer „technologisch-organisatorischen“ und
einer „etymologisch-psychologischen“ Interpretation des Verständnisses von E-Learning.
Technologisch-organisatorisch bezeichnet E-Learning Lernangebote, die auf elektronischem
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 28
Wege (Online oder CD-ROM) distribuiert werden und unabhängig von Zeit und Ort verfügbar
sind. Die etymologisch-psychologische Interpretation geht vom Begriff selbst aus, aus dieser
Sicht sind Deutungen wie „elaborated learning“, „electronic learning“ etc. möglich.
[Dichanz/Ernst 2001, 7] plädieren dafür, den Begriff ES-Learning („electronically supported
learning“) an Stelle von E-Learning zu verwenden, um Lernprozesse zu bezeichnen, die mit Hilfe
elektronischer Medien gestaltet sind. [Reinmann-Rothmeier 2002, 6] definiert pragmatisch „E-
Learning heisst zunächst einmal nichts anderes als «electronic learning», also ein Lernen mit
neuen Medien.“ Neue Medien sind dabei durch Multimedialität, Interaktivität und Vernetzung
gekennzeichnet (siehe dazu auch 2.3.3.1). Diese Definition ist immer noch vage, beinhaltet aber
essentielle Bestandteile von E-Learning: Multimediale Medien, die die Möglichkeit zur Interaktion
bieten und durch vernetzte Kommunikationsformen losgelöst von Orts- und Zeitrestriktionen in
einem Lernprozess eingesetzt werden.
„Distributed learning“ beschränkt sich nicht auf die Unterscheidungsmerkmale web basiert bzw.
online oder offline, sondern berücksichtigt die verteilte Natur des Lernens. Zur weiteren
Ausdifferenzierung von E-Learning werden Bezüge auf die Medialität des Lernens mit vermerkt,
wie z. B. „web based learning“, die den Distributionskanal mit einbeziehen. Allerdings kann diese
Art von Lernen auch ausschließlich mit traditionellen Medien stattfinden. Modebegriffe wie „web
based learning“ bezeichnen letztendlich doch eher die Medialität (siehe 2.3.2.1) des Lernens, denn
eine wirklich neue Qualität. Ob der Lernprozess nun web basiert oder von einer CD gespeist er-
folgt, spielt keine Rolle für die Differenzierung vom traditionellen Lernprozess. So verführerisch
die Klassifizierung nach technologischen Merkmalen auch sein mag, für den Lernenden ändert
sich an der Art und Weise des Lernens wenig.
Für die vorliegende Arbeit wird der Begriff E-Learning zur Bezeichnung eines Lernprozesses
verwendet, der durch die Unterstützung mit multimedialen, interaktiven Bestandteilen, und die
mögliche Asynchronität von Ort und Zeit gekennzeichnet ist.
2.3.2 Medien und Konzepte zu deren Kombination und Verknüpfung
Wie aus der obigen Definition für E-Learning hervorgeht, spielen Medien bei der Gestaltung des
E-Learning Prozesses eine wesentliche Rolle. Der Abschnitt 2.3.2.1 beschreibt Medien und deren
Funktionen im Lernprozess. Die Präsentationsform Multimedia (2.3.2.2) besitzt im Kontext der
vorliegenden Arbeit ebenso eine besondere Bedeutung wie das Hypertextkonzept zur nicht-
linearen Präsentation textueller Informationen (2.3.2.3). Eine Integration von Multimedia und
Hypertext wird im Hypermediakonzept realisiert, das im Abschnitt 2.3.2.4 erläutert wird.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 29
2.3.2.1 Medien und deren Funktionen im Lernprozess
[Kerres 2001] führt treffend aus: „Lehren ist zwar ohne Hilfsmittel, aber nicht ohne Medien
möglich“ [Kerres 2001, 19]. Medien dienen damit als Vermittlungshilfe während des Lern-
prozesses. Traditionelle Medien sind z. B. Texte, Grafiken, Bilder etc., die in der Regel in ge-
druckter Form papierbasiert zugänglich sind. Der Begriff Medium beinhaltet eine Doppel-
deutigkeit: Er kann erstens das Medium an sich, d. h. den Träger der Information bezeichnen, als
auch zweitens inhaltlich die medial zwischen Sender und Empfänger aufbereitete Information
(vgl. [Kerres 2001, 19]). Da im Kontext dieser Arbeit insbesondere digital verfügbare Medien
(sog. neue Medien) relevant sind, erfolgt an dieser Stelle keine detaillierte Betrachtung
traditioneller Medien. Aus dem gleichen Grund wird auf eine Betrachtung der Unterschiede
zwischen traditionellen und neuen Medien verzichtet.
Nach [Kerres 2001, 94] hat das Medium drei Funktionen im Lehr-Lernprozess, auf die im
Folgenden näher eingegangen wird:
1. Wissens(re)präsentation: Darstellung und Organisation von Wissen
2. Wissensvermittlung: Steuerung und Regelung des Lernprozesses
3. Wissenswerkzeug: Konstruktion und Kommunikation von Wissen
Die Hauptaufgabe eines Mediums liegt in der Wissenspräsentation bzw. Wissensrepräsentation.
Durch eine symbolische Kodierung in Form von Text, Grafik, Video etc. wird ein mediales Ab-
bild eines Gegenstands oder Konzepts der Realität angefertigt. Der Abstraktionsgrad des
Mediums variiert dabei je nach Form des Mediums. [Kerres 2001] unterscheidet zwischen der
realen Form (ein unmittelbarer Ausschnitt der Realität), der modellhaften Form (Nachbildung
der Realität, z. B in Form eines Modells), der bildhaften Form (Abbilder, schematisierte Darstel-
lungen) und der symbolischen Form (Abstraktion von der Realität, z. B. in sprachlicher, textueller
Form).
Die Wissensvermittlung ist eine weitere Aufgabe eines Mediums. Es ist besonders im Zusam-
menhang mit multimedialem Lernen interessant, sich mit der Wissensvermittlung anhand von
Bildern aus psychologischer Sicht zu beschäftigen. Bilder werden in Lehr-/Lernsituationen einge-
setzt, um bildhaft kodierte Informationen zu vermitteln. Die Intention des Bildautors ist es, dass
der Rezipient die kodierte Botschaft möglichst eindeutig und vollständig erfasst. Diese Art von
Bildern soll als „informierende Bilder“ bezeichnet werden (vgl. [Weidenmann 1993]). Stellt der
Bildinhalt ein real zu beobachtendes Objekt dar, spricht man von „Abbildern“. Ist der Inhalt in
der Realität nicht zu beobachten, wie z. B. bei der Visualisierung zwischen qualitativen und
quantitativen Merkmalen eines Sachverhalts, spricht man von „logischen Bildern“ (vgl. [Schnotz
1993, 66]). Im Englischen ist die Unterscheidung zwischen Bild und Abbild deutlicher; dort wird
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 30
zwischen „picture“ für Bild und „image“ für Abbild unterschieden (vgl. [Sottong/Müller 1998, 65
ff.]).
Informierende Bilder übermitteln einen Inhalt als „visuelles Argument“ (vgl. [Weidenmann 1993,
12]). Dabei sind verschiedene Kodierungen für ein visuelles Argument denkbar, die die gleiche
Funktionalität besitzen. Verschiedene Formen können das Argument angemessen visualisieren
und optimal auf den Rezipienten abgestimmt sein. [Weidenmann 1993] unterscheidet zwischen
Darstellungs- und Steuerungscodes. Darstellungscodes sind bildgestalterische Möglichkeiten zur
angemessenen Visualisierung eines Arguments; Steuerungscodes dienen dazu, die Extraktion des
Arguments durch den Rezipienten zu lenken. Typische Darstellungscodes für Abbilder sind
Kontur, Schattierung, Farbgebung und Perspektiven. Ein Abbild muss nicht immer realistisch
wie eine Fotografie aufgebaut sein: Proportionen werden nicht eingehalten, Kontraste sind über-
trieben oder Bildelemente werden farbig hervorgehoben. Die Darstellungscodes werden variiert,
um didaktisch wichtige Argumente im Bildkontext zu akzentuieren. In diesem Fall spricht man
von „impliziten Steuerungscodes“, die die Beobachtung des Rezipienten auf wichtige Bild-
elemente lenken. Werden zur Steuerung zusätzliche grafische Hinweiszeichen eingesetzt, werden
diese „explizite Steuerungscodes“ genannt. Der Einsatz von Bildern ist förderlich für die Bildung
von mentalen Modellen, die im Abschnitt 2.2.2.3 erläutert wurden. Besonders bildliche Analogien
können dazu einen wertvollen Beitrag leisten (vgl. [Issing 1993, 152]).
Schließlich können Medien als Werkzeuge zur „Erarbeitung, Sammlung, Aufbereitung und
Kommunikation von Wissen“ aufgefasst werden (vgl. [Kerres 2001, 97]). In diesem Sinne spielt
die Präsentationsform Multimedia eine besondere Rolle.
2.3.2.2 Präsentationsform Multimedia
In der Literatur wird Multimedia häufig ausschließlich als Kombination verschiedener Medien
definiert (Beispiele liefert [Schulmeister 1997, 19 ff.]). Multimedia ist demnach nicht mehr als eine
Zusammenstellung und Integration von Text, Grafik, Pixelbildern, Video und Ton. Andere Au-
toren unterscheiden noch zwischen statischen Medien (Grafik, Text) und dynamischen Medien
(Video, Audio), die einen Zeitbezug haben.
[Steinmetz/Rückert/Racke 1990] kommen für ein multimediales System zu der Definition: Ein
Multimediasystem ist durch die rechnergesteuerte integrierte Verarbeitung, Speicherung, Dar-
stellung, Kommunikation, Erzeugung und Manipulation von unabhängigen Informationen
mehrerer zeitabhängiger und zeitunabhängiger Medien gekennzeichnet. In dieser Definition wird
die Unabhängigkeit zwischen verschiedenen Informationsdarstellungen und der Integration
mehrerer Medien in ein System betont, wobei die Integration nur rechnergestützt realisiert
werden kann. Weiterhin wird verlangt, dass wenigstens ein zeitabhängiges Medium auftritt. Der
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 31
Computer als vermittelndes und steuerndes Element zwischen verschiedenen Medien scheint ein
zentrales Element von Multimedia zu sein. Die Forderung nach mindestens einem zeit-
abhängigen Medium grenzt dabei die Kombination von Text und Grafik, die z. B. auch in Text-
verarbeitungen möglich ist, von multimedialen Anwendungen ab. Die technische Seite von
Multimedia wird in dieser Definition treffend charakterisiert. Aus psychologischer und
didaktischer Sicht ist sie aber noch ungenau und inkonsistent, da sie die notwendige Unter-
scheidung zwischen Medium und Symbolsystem vernachlässigt.
Dies kritisiert auch [Weidenmann 2002], indem er herausstellt, dass Multimedia nur aus der tech-
nischen Sicht betrachtet und dabei der „kommunikative Inhalt“ nicht einbezogen wird. Er
differenziert zwischen „Medien“ und einem „medialen Angebot“ (vgl. [Weidenmann 2002,
46 f.]). Medien sind für ihn Objekte, technische Geräte oder Konfigurationen, mit denen sich
Botschaften speichern und kommunizieren lassen. Mediale Angebote sind Medien, die um eine
inhaltliche Botschaft erweitert sind. In medialen Angeboten werden strukturierte, absichtsvoll
kodierte Botschaften in Medien abgelegt, die ein Lernender rezipieren soll.
Die Kodierung der Botschaft kann in mehreren Formen (Symbolsystemen) erfolgen. In der west-
lichen Kultur werden das verbale System (Sprache, Text), das piktoriale System (Grafik) und das
Zahlensystem verwendet. Die Botschaft kann jetzt monocodal oder multicodal kodiert sein. Wird
eine Botschaft in mehreren Codes dargestellt, z. B. durch eine Grafik mit erläuterndem Text, so
wird die Kodierung als multicodal bezeichnet. Ein Beispiel für eine monocodale Botschaft ist ein
isolierter Text bzw. auch ein gesprochener Kommentar. Die Dimension der Multicodalität be-
zeichnet einen Aspekt von Multimedia, der aus rein technischer Sicht irrelevant ist, in Bezug auf
das Lernen mit einem multimedialen Angebot aber doch eine große Bedeutung hat. Als letzte
Dimension fügt [Weidenmann 2002] die Multimodalität zu Multimedia hinzu.
Der Begriff Multimodalität bezeichnet die Informationsaufnahme über mehrere Sinne. Ein Bei-
spiel dafür ist das Rezipieren eines Videofilms mit gesprochenem Kommentar, bei dem sowohl
visuelle als auch auditive Sinne parallel angesprochen werden. Eine Buchseite mit Text und Ab-
bildung spricht nur die visuellen Sinne an und wird deshalb als monomodal charakterisiert. Die
oben angeführte technische Definition von Multimedia als Integration von Text, Grafik, Video
und Ton ist in dieser Sichtweise inkonsistent und unsystematisch. Sie benutzt simultan die
Kategorien Kodierung, d. h. das Symbolsystem mit Text und Grafik, Medium (Video-
Technologie) und Modalität (Ton).
Eine Definition von Multimedia aus psychologischer Sicht könnte wie folgt lauten: Multimedia ist
eine Präsentationsform von Informationen, die multicodal und/oder multimodal aufgebaut ist
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 32
und erst durch die computergestützte Integration möglich wird. Diese Definition ist für die
Zwecke dieser Arbeit ausreichend differenziert und wird im Folgenden verwendet.
2.3.2.3 Hypertext zur nicht-linearen Präsentation textueller Informationen
Die Idee, Informationen nicht-linear miteinander zu verknüpfen, ist bereits recht alt und geht auf
Arbeiten von Vannevar Bush zurück. [Bush 1945] stellt in einem Artikel seine Vision einer ver-
knüpften Sammlung von Dokumenten im Memex System dar, die sich aber aus technischen
Gründen zur damaligen Zeit nicht realisieren ließ. Das Ziel bestand darin, Texte mehrfach zu
verknüpfen, damit ihre Linearität aufzubrechen und Informationen auf unterschiedlichen eigenen
Pfaden erschließen zu können. Ein weiterer Pionier, Ted Nelson, prägte den Begriff „Hypertext“
für das Hypertextsystem Xanadu. Xanadu hat das Ziel, sämtliche Literatur der Welt auf einer
Client-Server Konzeption zu vernetzen, was bis heute nicht realisiert worden ist. Für weitere ge-
schichtliche Einzelheiten siehe [Kuhlen 1991], [Nielsen 1995] und [Schulmeister 1997]. Eine
exzellente Übersicht über Hypertext und insbesondere über historische Hypertextsysteme liefert
[Rada 1991].
Das Konzept von Hypertext ist relativ einfach. Der Grundgedanke von Hypertext besteht darin,
Texte untereinander nicht-linear zu verknüpfen. Die Verknüpfung ermöglicht es dem Benutzer,
zusätzliche Informationen einzusehen, indem er die Verknüpfung benutzt (ähnlich dem Nach-
schlagen von Querverweisen zu einem Begriff in einem Lexikon). Die verknüpften
Informationsteile werden als Knoten („node“) bezeichnet, die Verbindung zwischen zwei Kno-
ten nennt man Verknüpfung („link“) oder auch Hyperlink. Hyperlinks sind dabei in der Regel
unidirektional gerichtet, sie gehen von einem sog. Ankerknoten aus und verweisen auf einen
Zielknoten. Die Verknüpfung von Knoten A nach Knoten B kann nur in dieser Richtung (A
nach B), aber nicht zurückverfolgt werden. Bidirektionale Verknüpfungen bestehen dagegen in
beide Richtungen. Multidirektionale Verknüpfungen weisen von einem Knoten zu zwei oder
mehr Knoten.
Ein Ausgangspunkt der Verknüpfung kann z. B. ein Wort, eine Schaltfläche oder eine Grafik
sein. Der Knoteninhalt wird dem Benutzer auf dem Bildschirm angezeigt. Durch eine Aktion des
Benutzers, wie z. B. ein Mausklick auf ein Wort, wird die Verknüpfung verfolgt und der ent-
sprechende Zielknoten angezeigt. Der Unterschied zwischen dem Nachschlagen eines
Querverweises in einem Lexikon und der Verfolgung eines Hyperlinks ist die computergestützte
Realisierung. Das Nachschlagen des Querverweises ist keine Unterbrechung des Leseflusses
mehr, der verknüpfte Knoten ist augenblicklich verfügbar. Dadurch wird ein flexibler Zugriff auf
beliebige Informationsknoten in nicht-linearer, beliebiger Reihenfolge möglich. In Abbildung 7
sind verschiedene Verknüpfungsarten dargestellt.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 33
Knoten A Knoten B
Link
Knoten B
Knoten A Knoten B
Knoten D
Knoten C
Abbildung 7: Knoten und gerichtete Hyperlinks dazwischen (Quelle: [Tergan 2002])
Die Knoten und die zwischen den Knoten bestehenden Verknüpfungen bilden ein Netzwerk, das
als Hypertextbasis bezeichnet wird (vgl. [Kuhlen 1991, 17]). Beim Lesen eines Hypertextes sieht
der Benutzer zum Zeitpunkt der Betrachtung nicht das gesamte Netzwerk, sondern nur den
aktuellen Knoten.
Der Informationsgehalt der Knoten einer Hypertextbasis kann dabei variieren. Knoten können
ganze Dokumente oder auch nur einzelne Sätze repräsentieren. Die Aufteilung der gesamten In-
formationsmenge der Hypertextbasis auf die Knoten wird durch die Granularität der Hypertext-
basis gekennzeichnet. Bei kleiner Granularität ist der Inhalt auf viele Knoten aufgeteilt, die
Hypertextbasis ist stark atomisiert. Bei großer Granularität stellen die Knoteninhalte ganze Doku-
mente dar.
Eine Hypertextbasis sollte einen Mittelweg zwischen beiden Extremen darstellen. Die Granulari-
tät darf einerseits nicht zu groß gewählt werden, ansonsten wird die typische Nicht-Linearität von
Hypertext aufgegeben. Auf der anderen Seite werden bei sehr kleiner Knotengröße nur noch ein-
zelne Wörter als kleinste Einheit dargestellt, die u. U. nicht mehr in einen Kontext eingebettet
sind. Knoten können weiterhin zu semantisch höherwertigen „chunks“ zusammengefasst wer-
den. In einem Chunk sind semantisch zusammengehörende Knoten zu einem übergeordneten
Knoten zusammengefasst. Abbildung 8 stellt ein Beispiel für die Zusammenfassung von Knoten
zu Chunks dar. Die Hypertextbasis wird durch dieses Konstrukt in inhaltlicher Hinsicht
strukturiert und unterteilt.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 34
A
D
C
B
Abbildung 8: Zusammenfassung von Knoten zu einem Chunk (Quelle: vgl. [Tergan 2002])
Weiterführende Aspekte des Hypertextkonzepts , wie Trennung zwischen Benutzeroberfläche
und Hypertext Abstract Machine (HAM), zentrale Speicherung der Hypertextbasis in einer
Datenbank etc., sind im Rahmen dieser Arbeit zu spezifisch und werden hier nicht weiter aus-
geführt. Dafür sei auf die weiterführende Literatur, wie z. B. [Kuhlen 1991], [Nielsen 1995] oder
[Schnupp 1992] verwiesen.
2.3.2.4 Hypermedia zur nicht-linearen Präsentation multimedialer Informationen
Hypermedia ist eine Wortschöpfung, die aus den Silben „Hyper“ (Hypertext) und „media“
(Multimedia) zusammengesetzt ist. Hypermedia stellt eine Erweiterung des Hypertextkonzepts
dar, bei dem in den Knoten eines Hypertexts nicht nur textuelle Informationen gehalten werden.
Vielmehr treten neben Text auch andere Medientypen wie Grafik, Video und Audio auf. Hyper-
media bezeichnet die Anreicherung der Knoteninhalte eines Hypertexts durch multimediale
Datentypen. Ein Hypertext kann nicht nur Text enthalten, sondern auch Bilder, Tabellen, Ton-
daten und Video.
Ein Hypertextdokument, das nicht nur Text, sondern viele Medien umfasst, wird als Hyper-
mediadokument bezeichnet (vgl. [Hasebrook 1995, 194]). Diese Trennung zwischen Hypertext
und Hypermedia ist für [Nielsen 1995] nicht nötig, da sie das Hypertextkonzept nicht wesentlich
erweitert. Er verwendet beide Begriffe synonym, mit einer Präferenz für Hypertext. „Personally, I
would like to keep using the traditional term ‘hypertext’ for all systems since there does not seem
to be any reason to reserve a special term for text-only systems“ [Nielsen 1995, 5]. In dieser
Arbeit wird eine Hypertextstruktur mit multimedialen Knoteninhalten weiterhin mit dem Begriff
Hypermedia bezeichnet, da diese Bezeichnung in der Literatur gebräuchlicher ist und den
multimedialen Aspekt eines Hypertexts betont.
2.3.3 Hypermediale Lernsysteme
Im Rahmen des vorliegenden Abschnitts wird zunächst eine Kategorisierung von E-Learning
Systemen vorgenommen (2.3.3.1), ehe auf die sog. hypermedialen Lernsysteme fokussiert wird,
deren Charakteristika in Abschnitt 2.3.3.2 beschrieben werden. Da die Navigation ein wesent-
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 35
liches Element hypermedialer Lernsysteme darstellt, befasst sich der Abschnitt 2.3.3.3 mit
Navigationsmethoden in Hypertextbasen. Der Abschnitt wird durch eine Darstellung der
Probleme beim Lernen in hypermedialen Lernsystemen vervollständigt (2.3.3.4).
2.3.3.1 Kategorisierung von E-Learning Systemen
Der Begriff der Lernsoftware bzw. des Lernsystems wird für Programme verwendet, die explizit
zu Lernzwecken konzipiert wurden. Der Begriff „Lernumgebung“ ist i. A. weiter gefasst als Lern-
software. Er schließt die Einbettung in einen curricularen Gesamtrahmen mit ein. Die
Bezeichnung CBT sollte vermieden werden, da sie behavioristisch geprägt ist und eine implizit
enthaltene Lerntheorie andeutet.
Die Terminologie für die Lernsoftware selbst ist recht einheitlich. [Bodendorf 1990] bezeichnet
konkrete Unterrichtsanwendungen als „courseware“. Im Deutschen werden Lernsoftware und
Lernprogramme als „Interaktive Lernprogramme“ oder nur als „Lernprogramme“ bezeichnet
(vgl. [Fickert 1992]). [Baumgartner 2002, 434 f.] unterscheidet bei Lernprogrammen noch
zwischen „Lernsoftware“ und „Bildungssoftware“. Lernsoftware ist dabei speziell für das Lernen
selbst konzipiert. Dagegen stellt Bildungssoftware eine Nutzungsart des jeweiligen Programms
dar, sie bezeichnet nicht den Typ der Software. Ein elektronisches Lexikon z. B. ist keine Lern-
software, da nicht die Software lehrt, sondern der Lernende das Lexikon in einem globalen
Kontext benutzt. Das Lexikon ist „… quasi nur ein Baustein in einer komplexen Lernumgebung“
[Baumgartner 2002, 435]. Auch Tabellenkalkulationen sind nicht für Lehrzwecke entwickelt
worden, können aber in geeignet gestalteten Situationen pädagogisch sinnvoll eingesetzt werden
und gehören damit zur Kategorie der Bildungssoftware. Im Bereich Operations Research trifft
dieses im Besonderen zu, da sie hier zu den authentischen Werkzeugen gezählt werden können.
Tabellenkalkulationen werden auch im Berufsleben z. B. als Simulationswerkzeug oder zur What-
If Analyse eingesetzt.
In der Literatur werden die folgenden idealtypischen Ausprägungen von computerunterstützter
Lernsoftware (CUL) unterschieden (vgl. [Bodendorf 1993], [Niegemann 1995]).
! Hilfesysteme
! Tutorielle Systeme
! Übungs- und Testsysteme
! Simulationen und Spielsysteme
! Hypertext- und Hypermediasysteme
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 36
Hilfesysteme stellen die einfachste Form von CUL dar. Bei passiven Hilfesystemen muss der Be-
nutzer das Hilfesystem selbst aktivieren. Aktive Hilfesysteme können Probleme beim Benutzer
diagnostizieren und sich autonom mit Hinweisen in den Dialog mit dem Benutzer einschalten.
Hilfesysteme werden oft in Verbindung mit Software-Produkten benutzt und liefern eine Be-
schreibung der Funktionalität und Bedienung der Software in elektronischer Form.
Tutorielle Systeme simulieren einen Dialog zwischen Lerner und Lehrer. Die Wissensdarbietung
erfolgt anhand von Beispielen, am Ende einer Lektion wird der Kenntnisstand des Lernenden
überprüft und dementsprechend in weitere Lernabschnitte verzweigt bzw. die Lektion wieder-
holt. Intelligente tutorielle Systeme (ITS) bauen auf tutoriellen Systemen auf. Sie verfügen über
ein Wissensmodell, das die Wissensdomäne definiert. Zusätzlich konstruieren sie ein Modell des
Lernenden. Auf diesem Modell aufbauend verhält sich das ITS adaptiv und generativ, d. h.
Dialoge und Lernelemente werden nach vorgegebenen Regeln für jeden Benutzer speziell
zusammengestellt. Mit Methoden der künstlichen Intelligenz wird ein Benutzerprofil erstellt,
nach dem das ITS auf jeden Benutzer individuell reagiert. Je nach Diagnose des Lernfortschritts
werden leichte oder schwierigere Aufgaben zur Übung angeboten. Zu näheren Ausführungen zu
ITS vgl. [Schulmeister 1997, 177 ff.].
In Übungs- und Textsystemen wird nach dem behavioristischen „drill & practice“-Prinzip
Wissen abgefragt. Das System stellt eine Frage, auf die bei Beantwortung ein unmittelbares Feed-
back erfolgt. Bei richtiger Beantwortung erfolgt eine kurze Bestätigung, bei falscher Antwort eine
Korrektur. Die Reihenfolge der Aufgaben ist dabei in der Regel linear festgelegt.
Simulationen stellen einen abstrahierten und auf das Wesentliche reduzierten Ausschnitt der
Realität dar. Ein reales System wird mit seinen Beziehungen in einem Modell dargestellt. Der
Lernende hat die Möglichkeit, Parameter der Simulation zu verändern, und so die Auswirkungen
seiner Änderungen auf das Gesamtsystem zu beobachten. [Bodendorf 1993, 73 ff.] unterscheidet
zwischen Objekt- und Prozessmodellen. Objektmodelle stellen einen Gegenstand oder ein
Phänomen abstrahiert dar. Bei Prozessmodellen steht die Darstellung von Abläufen zwischen
Elementen des modellierten Systems im Vordergrund. Ein Beispiel eines Prozessmodells ist die
Darstellung betriebs- oder volkswirtschaftlicher Prozesse, wie z. B. die Beeinflussung der Preis-
bildung durch Angebot und Nachfrage. Zu der Gruppe der Simulationen gehören auch die sog.
Mikrowelten und Spielsysteme wie Unternehmensplanspiele (vgl. [Bodendorf 1993, 77 ff.]). Auf
diese Formen wird hier nicht weiter eingegangen, da sie für die vorliegende Arbeit nicht relevant
sind.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 37
Hypermediale Lernsysteme werden im Wesentlichen dadurch charakterisiert, dass sie das Hyper-
mediakonzept aufgreifen und durchgängig zur Wissenspräsentation verwenden. Eine detaillierte
Erläuterung hypermedialer Lernsysteme erfolgt in Abschnitt 2.3.3.2.
[Bodendorf 1993, 64] führt eine Einteilung von Lernsoftware nach den Kriterien
„Lernerinitiative“ und „Systemflexibilität“ ein. Im Kontext dieser Einteilung unterscheidet
[Bodendorf 1993] die drei Interaktionsstile systemgesteuerter, lernergesteuerter und gemischt-
initiativer Dialog. Nach dieser Einteilung wird bei Hypertextsystemen eine hohe Eigeninitiative
des Lernenden vorausgesetzt. Der Schwerpunkt liegt dabei auf der freien Navigation in der
Hypertextbasis. [Bodendorf 1993, 67] bezeichnet diese Form des Lernens als „entdeckend“ bzw.
„explorativ“. Das zweite Kriterium der Systemflexibilität bezeichnet die Fähigkeit eines Systems,
sich adaptiv auf einen Benutzer einzustellen und individuelle Dialog- und Interaktionsformen be-
reitzustellen. Passive Hilfesysteme, die vorgefertigte Hilfetexte präsentieren, sind extrem
unflexibel. ITS arbeiten dagegen mit Benutzermodellen auf Basis der künstlichen Intelligenz und
können dementsprechend adaptiv auf Benutzer eingehen. ITS zeichnen sich durch eine hohe
Systemflexibilität aus. Abbildung 9 gibt einen Überblick über die Einteilung der Lernsysteme.
niedrig Systemflexibilität hoch
Abbildung 9: Grobe Typologie von Lehrsystemen (Quelle: vgl. [Bodendorf 1993])
Die Einteilung von Lernsoftware in Kategorien bezieht sich auf die Softwaretypen in Extrem-
form. Im Bereich des E-Learnings werden Komponenten teilweise kombiniert. So ist es möglich
und sinnvoll, z. B. Simulationselemente in eine hypermediale Struktur der Lerninhalte einzubin-
den. Die Basisstruktur ist damit ein Hypertext, in dessen Knoten der Benutzer die Möglichkeit
hat, auf Simulationen zuzugreifen. Eine weitere Kombination sind ITS-Systeme, die durch
Hypertextstrukturen erweitert werden (vgl. [Schulmeister 1997, 263 ff.]). Auf diese Weise können
Vorteile beider Systeme integriert werden. Im folgenden Abschnitt werden die Eigenschaften
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 38
hypermedialer Lernsysteme dargestellt, weil sie als besonders geeignet erachtet werden, um die
konstruktivistische Idee umzusetzen. Der rasche, nicht-lineare Zugriff auf Informationen, die
multimediale Darstellung mit Interaktionsmöglichkeiten und die Möglichkeiten der simultanen
Darstellung von Informationen mit Hilfe von Fenstertechnik prädestinieren hypermediale
Anwendungen für diese Aufgabe.
2.3.3.2 Charakteristika hypermedialer Lernsysteme
In jeder Lernsoftware spiegelt sich (vom Autor beabsichtigt oder nicht) ein implementiertes
Lernparadigma wieder. Traditionelle CBT-Lernsoftware, die im Extremfall einen starren, linearen
Programmablauf aufweist, Antworten des Lernenden nur als „falsch“ oder „richtig“ bewertet und
zur nächsten Frage übergeht, orientiert sich z. B. stark am behavioristischen Lernmodell (vgl.
[Schulmeister 1997, 103 ff.]). Der Lernende hat kaum bzw. gar keinen Einfluss auf den Ablauf
des Programms, seine Möglichkeiten zur Initiative und Interaktion sind stark eingeschränkt. In
Hypertexten werden die Lehrinhalte gemäß dem Hypertextparadigma (siehe 2.3.2.3) in einzelne
Knoten zerlegt. Die Knoten sind durch Hyperlinks miteinander verknüpft. Dadurch entsteht eine
vernetzte Wissensbasis, durch die der Benutzer gemäß seinen Präferenzen navigieren kann. Er ist
dabei in seiner Entscheidung „frei“ und wird nicht durch das System gezwungen, einen fest-
gelegten, linearen Pfad durch die Lehrinhalte zu wählen. Die Kontrolle des Systems über den
Lernenden ist gering, der Lernende muss vielmehr aktiv werden, um Lösungen zu entdecken.
„Unlike most information systems, hypermedia users must be mentally active while interacting
with the information“ [Jonassen/Grabinger 1990, 7].
[Kuhlen 1991, 181] spricht dem Einsatz von Hypertext eine lernfördernde Wirkung aufgrund
der „Flexibilität im Zugriff auf Wissen“ zu. Er führt weiter aus: „Und weiterhin werden
zweifellos Lernerfolge begünstigt, wenn Lernende Eigeninitiativen entfalten, d. h. wenn sie
Lernmaterialien, wie es bei Hypertext bei gutem Design möglich ist, erkunden können und nicht
nur, wie in der Regel bei bisherigen Formen der programmierten Unterweisung, vorgegebene
Pfade nachvollziehen müssen“ [Kuhlen 1991, 181]. Der Zusatz „... bei gutem Design ...“ deutet
schon an, dass die bloße lineare Umsetzung der Lehrinhalte eines Buchs in elektronische Form
und Implementierung in hypermediale Lernsoftware nicht einen Lernerfolg implizieren muss. Die
Darstellung von Wissensgebieten in einem Hypertext entbindet den Autor nicht von einer didak-
tischen Strukturierung des Stoffs. [Schulmeister 1997] versteht unter Strukturierung in diesem
Zusammenhang nicht die Aufteilung in Kapitel und Unterpunkte, sondern die Anreicherung des
Hypertexts durch didaktisch orientierte Hilfsmittel. „Als Didaktiker kann ich Hypertext nur in
der Weise ‘didaktisieren’, indem ich das vorliegende Material durch didaktisch-methodische Tips
von Lehrenden (Verknüpfungen, Kommentare, Verweise, Hinweise, Fragen, Aufgaben,
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 39
Übungen, Evaluation) oder durch Annotationen von Lernenden anreichere“ [Schulmeister 1997,
266 f.].
Die in Hypermediasystemen auftretenden Netzstrukturen gleichen neueren psychologischen
Modellen der Speicherung von Informationen im menschlichen Gedächtnis (propositionale
Repräsentation, siehe 2.2.2.3). Es wird eine Korrespondenz zwischen der Organisation einer
Hypertextbasis mit Knoten und Kanten und der mentalen Repräsentation von Wissen in se-
mantischen Netzen angenommen. Die Annahme, dass ein Lernender eine netzwerkartige
Repräsentation von Wissen eher in seine kognitiven Strukturen integrieren kann, wird als kog-
nitive Plausibilität bezeichnet. „Hypertext scheint unter der Annahme kognitiv plausibel zu sein,
dass Wissen, dessen Erwerb allgemeines Ziel von Lernen ist, im menschlichen Gehirn in
vernetzten, topologischen, nicht-linearen Strukturen organisiert sei“ [Kuhlen 1991, 182]. Auch
[Jonassen/Grabinger 1990] vermuten, dass der Erwerb von neuem Wissen als Erweiterung be-
reits vorhandener Wissensstrukturen über die Strukturähnlichkeit von semantischen Netzwerken
und Hypertext unterstützt wird. „Structured networks, like hypermedia, are composed of nodes
and ordered, labelled relationships (links) connecting them. These networks describe what a
learner knows, which provides the foundations for learning new ideas, that is, expanding the
learner’s semantic network“ [Jonassen/Grabinger 1990, 10]. Die Ähnlichkeit zwischen der
Organisation eines Hypertexts und der mentalen Repräsentation von Wissen in netzwerkartigen
Strukturen als Ursache für einen Lernerfolg zu bewerten, ist aber verfrüht, es fehlen schlüssige
empirische Belege für diese Hypothese. Die kognitive Plausibilität ist damit nicht unumstritten.
Nach [Kuhlen 1991] kann die nicht-lineare Darstellungsform von Wissen Lernerfolge begünsti-
gen, „… zumindest aber das Entstehen (erwünschten) multiperspektivischen flexiblen Denkens
fördern“ [Kuhlen 1991, 188]. [Schulmeister 1997, 271] kommt zu dem pragmatischen Schluss,
dass die Plausibilitätshypothese zweifelhaft zu sein scheint, jedoch „… Hypertext dem Lernenden
eine komplexe Lernumgebung präsentiert, die es ihm ermöglicht, sich natürlich zu verhalten“.
Unter „natürlich“ versteht er erstens, dass die Materialien in einem Hypertextsystem eine Um-
gebung repräsentieren, die der Lernende auch in einer Bibliothek vorfindet. Bücher, Bilder, evtl.
auch Filme sind auch in einer Bibliothek verfügbar und durch „lose Fäden“, wie z. B. Literatur-
verweise, untereinander verknüpft. Zweitens kann sich der Lernende in dieser Umgebung ebenso
verhalten, wie er es sonst gewohnt ist. Er kann z. B. linear oder assoziativ vorgehen, herum-
stöbern oder gezielt suchen. „Hypertext ist offen und zugänglich für alle möglichen individuellen
Lernstile und Lernangewohnheiten“ [Schulmeister 1997, 271]. Auch [Pohl 1995, 153] sieht den
Vorteil, „… dass durch das Offenhalten der Abarbeitungssequenz des Wissensstoffes jeder
Lerner seinem subjektiven Lernstil folgen und sich dadurch individuelle Lernvorteile gegenüber
dem Lernen nach einem festen Lernmodell verschaffen kann.“
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 40
Der geringe Grad an Lernersteuerung durch ein hypermediales System gibt Lernenden die Mög-
lichkeit, sich in komplexe Themengebiete selbständig einzuarbeiten. Dadurch, dass keine explizite
Führung vorhanden ist, kann der Lernende eigene Sichtweisen auf den behandelten Gegenstand
entwickeln. Er kann eine Art entdeckendes Lernen praktizieren. Gerade für schlecht strukturier-
bare Themengebiete, die keine klaren Grenzen aufweisen und eine Informationsdarstellung aus
verschiedenen Perspektiven verlangen, wird eine Darstellung in hypermedialer Form als adäquat
angesehen (vgl. [Tergan 2002, 105]). Innerhalb der Cognitive Flexibility Theory nehmen
[Spiro/Jehng 1990, 165 ff.] eine Einschränkung auf fortgeschrittenes Lernen in schlecht struktu-
rierten Wissensbereichen vor. Auch bei häufiger Aktualisierungsfrequenz erscheinen Hypertexte
als probate Methode, eine „… Adaption von Inhalt und Struktur der Hypertextbasis zu
ermöglichen“ [Tergan 2002, 105].
Die effektive Nutzung von Hypermedia steht dabei noch am Anfang. Das Hypermedia Konzept
erlaubt eine effiziente Verknüpfung von Ressourcen. Durch die Kombination mit Konzepten des
Wissensmanagements ist es möglich, typisierte Verknüpfungen zu verwenden, um so eine
Wissensbasis zu schaffen, die sowohl auf Lernzwecke ausgerichtet ist als auch die Verwendung
als Wissensbasis unterstützt.
2.3.3.3 Navigationsmethoden in Hypertextbasen
Der Informationszugriff erfolgt in Hypertexten durch Ausnutzung der bestehenden Verknüp-
fungen zwischen Knoten einer Hypertextbasis. Benutzer können viele Wege durch einen Hyper-
text wählen, es ist nicht vorherbestimmt, welche Knoten in welcher Reihenfolge aufgesucht
werden. Die Freiheit des Benutzers, beim Lesen eines Hypertextes frei über Hyperlinks die
Hypertextbasis zu traversieren, wird oft mit der Metapher der Navigation beschrieben (vgl.
[Hasebrook 1995, 194]).
Andere Autoren bezeichnen den Zugriff auf einen Hypertext als Browsing (vgl. [Schnupp 1992],
[Gloor 1990]). Der Begriff des Browsing kennzeichnet aber bereits eine spezifische Zugriffs-
strategie. In der Regel wenden Benutzer je nach Zielsetzung verschiedene Strategien des
Informationszugriffs an. In der Literatur wird zwischen mehreren grundsätzlichen Strategien un-
terschieden. [McAleese 1989] und [Schoop 1995] unterscheiden fünf grundsätzliche Naviga-
tionsmethoden:
! Scanning,
! Browsing,
! Searching,
! Exploring und
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 41
! Wandering.
Beim Scanning wird ein breites Themengebiet aufgenommen, ohne sehr in die Tiefe zu gehen.
Scanning beschreibt ein überblickendes Sichten der Inhalte, ohne den Inhalt voll aufzunehmen.
Eine analoge Vorgehensweise ist die grobe thematische Einordnung eines gedruckten Artikels
durch Lesen der Überschriften.
Browsing ist die typischste Form des Informationszugriffs. Browsing bezeichnet ein „Stöbern“ in
der Hypertextbasis. Der Benutzer lässt sich treiben, er verfolgt für ihn interessante Verknüp-
fungen immer so weit, bis sein Interesse geweckt wird. An diesem Punkt forscht er dann detail-
lierter weiter. [McAleese 1989, 6] sieht die Möglichkeit des Browsing als zentral für die Effekti-
vität von Hypertextsystemen.
Im Falle des Searching wird eine bestimmte Information in der Hypertextbasis gezielt gesucht.
Auf eine bestimmte, vorgegebene Frage wird eine Antwort gesucht. Diese gezielte, systematische
Suche kann auch in einem ersten Schritt indexgestützt über Volltextsuche erfolgen, um die
Menge der relevanten Knoten einzuschränken.
Beim Exploring versucht der Benutzer das Ausmaß der gebotenen Informationen auszuloten.
Dabei kann der Fall eintreten, dass sich ein „Serendipity“-Effekt einstellt (vgl. [Kuhlen 1991,
129]). Der Benutzer wollte ursprünglich eine bestimmte Information suchen, hat aber über einen
interessanten Knoteninhalt und dessen Exploring das ursprüngliche Ziel vergessen. [Kuhlen
1991, 129] spricht bei solchem Verhalten von gerichtetem Browsing mit „Serendipity“-Effekt.
Wandering bezeichnet ein Benutzerverhalten, bei dem Hypertextbasen ohne festes Ziel und kon-
krete Frage, höchstens aus allgemeinem Interesse gesichtet werden. Knoten werden nicht
systematisch durchlaufen, wobei Knoten in der Regel auch mehrfach angesteuert werden.
[Kuhlen 1991, 129] bezeichnet dieses Verhalten als ungerichtetes Browsing.
Einige der vorgenannten Navigationsmethoden bergen Potenziale für Probleme, die beim Lernen
in hypermedialen Systemen entstehen können. Ein selektiver, aber charakteristischer Querschnitt
dieser Probleme wird im folgenden Abschnitt behandelt.
2.3.3.4 Probleme beim Lernen in hypermedialen Lernsystemen
Browsing und „Serendipity“-Effekte führen den Benutzer über thematisch verwandte Verweise
durch die Hypertextbasis. Für Browsing ist typisch, dass der Benutzer nicht mehr gezielt nach In-
formationen sucht, sondern sich vielmehr treiben lässt und weiteren assoziativen Verknüpfungen
folgt, bis kein weiterer Anreiz mehr besteht, Verknüpfungen zu verfolgen. Besonders in großen
Hypertextbasen kann an dieser Stelle das Gefühl des „lost in hyperspace“ auftreten. Dieses,
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 42
schon bereits klassisch zu nennende Problem, wurde erstmals von [Conklin 1987, 38] beschrie-
ben. Der Begriff „lost in hyperspace“ beschreibt ein Gefühl der Desorientierung und bezieht sich
auf die kognitive Orientierung in einer Hypertextbasis. Der Benutzer ist unsicher über seine
aktuelle Position in der Hypertextbasis, ferner ist er unsicher darüber, wie er zu einem bereits
besuchten Knoten zurückkehren kann. Desorientierung nimmt dann zu, wenn der Benutzer
keine klare Vorstellung über die jeweilige Organisationsstruktur der Hypertextbasis hat. Ansätze
zur Abhilfe der Desorientierung werden im Folgenden erläutert.
[Kuhlen 1991, 136 ff.] unterscheidet zwei Gruppen von Orientierungs- und Navigationsmitteln.
Zum einen betrachtet er Metainformationen aus traditionellen Medien, wie Inhaltsverzeichnisse,
Register und Glossare; auf der anderen Seite stehen hypertextspezifische Orientierungs- und
Navigationsmittel. Konventionelle Metainformationen sind Übertragungen der bekannten
Hilfsmittel in Printmedien, wie z. B. Inhaltsverzeichnis, Register (oder auch Index) und Glossar,
auf eine elektronische Ebene. In einem Inhaltsverzeichnis können die Inhalte der Hypertextbasis
gegliedert dargestellt werden, wobei der Zugriff auf den Inhalt über eine Verknüpfung und nicht
über die Seitenzahl erfolgt. In einem Register werden Stichworte und beschreibende Begriffe zu-
sammengefasst, die den Inhalt eines Knoten treffend charakterisieren. Durch Auswahl eines
Begriffs wird die entsprechende Seite angezeigt. Zu diesem Hilfsmittel gehört auch
volltextbasiertes Suchen in einer Hypertextbasis. Alle auftretenden Wörter einer Hypertextbasis
werden dabei indiziert, so dass zu einem Suchbegriff die Knoten mit einem „Treffer“ angezeigt
werden können. Für [Kuhlen 1991, 140] macht es wenig Sinn, ein alphabetisch sortiertes Register
für eine Hypertextbasis anzulegen, „… es entspricht kaum den Prinzipien des ‘Browsing’ von
Hypertext …“. Im Kontext von Hypertext verdienen Glossare eine besondere Beachtung. In
Printmedien sind diese in der Regel dem Text nachgestellt, so dass der Leser beim Nachschlagen
eines Begriffs im Glossar seinen jeweiligen Kontext verlassen muss. In Hypertextsystemen fügt
sich ein Glossar dynamisch ein. Es kann durch Fenstertechnik parallel zum Knoteninhalt ange-
zeigt werden, wodurch dem Leser das Wechseln zwischen Text und Glossar erspart bleibt. Der
Glossareintrag kann im Kontext der dargestellten Information gelesen werden.
Die aufgezeigten Metainformationen werden durch hypertextspezifische Orientierungs- und
Navigationsmittel ergänzt, die im Folgenden zunächst aufgelistet und im Anschluss näher er-
läutert werden. Die Auflistung der Hilfsmittel orientiert sich an [Kuhlen 1991, 142 ff.]. Im
Einzelnen sind dies:
! grafische Übersichten („Browser“) und vernetzte Ansichten („web views“),
! autorendefinierte Übersichtsmittel,
! Pfade („paths/trails“) und geführte Unterweisungen („guided tours“),
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 43
! „Backtrack“-Funktionen, Dialoghistorien und retrospektive grafische (individuelle) Über-
sichten,
! leserdefinierte Fixpunkte („bookmarks“) und autorendefinierte Wegweiser („thumb tabs“),
! Markierungen gelesener Bereiche („bread crumbs“).
Die Netzstruktur einer Hypertextbasis wird in grafischen Übersichten durch die Abbildung einer
Netz- bzw. Baumstruktur visualisiert. Dabei unterscheidet man noch zwischen globalen und
lokalen Übersichten, die jeweils die gesamte bzw. nur einen Ausschnitt der Hypertextbasis zeigen.
Für weiterführende Beispiele siehe [Kuhlen 1991, 142 ff.] und [Nielsen 1995, 247]. Das Konzept
der vernetzten Ansicht ist sehr speziell auf das Hypertextsystem Intermedia zugeschnitten, hierzu
sei auf [Kuhlen 1991, 144 ff.] verwiesen.
Gerade bei großen Hypertextbasen wird die Möglichkeit der automatischen Generierbarkeit von
Übersichten angezweifelt (vgl. [Kuhlen 1991, 143 ff.]). Autorendefinierte Übersichtsmittel bieten
einen Ausweg aus diesem Dilemma. Der Autor des Hypertexts kann manuell eine grafische
Übersicht erstellen und diese als Browser einsetzen. Der Vorteil dieser Methode ist, dass wert-
volle Hinweise zur Navigation mit aufgenommen werden können. Das implizite Wissen über
Zusammenhänge kann an dieser Stelle vom Autor explizit gemacht werden. Der Nachteil besteht
darin, dass Änderungen in der zugrunde liegenden Hypertextbasis manuell in die Übersicht
aufgenommen werden und Inkonsistenzen auftreten können. Damit ist dieses Hilfsmittel weder
für sehr änderungsintensive Hypertextbasen empfehlenswert, noch für solche, in denen Leser
selbst Knoten erstellen dürfen.
Pfade bzw. Guided Tours schränken die Freiheit des Benutzers beim Navigieren bewusst ein. Bei
einer kontrollierten Unterweisung wird der Benutzer durch die Hypertextbasis geführt. Auf diese
Weise können Knoteninhalte zu größeren kohärenten Einheiten zusammengefasst werden. Im
Kontext mit Lernsoftware könnten semantisch zusammenhängende Themenbereiche zu einer
Guided Tour zusammengefasst werden. Der Grad der Kontrolle entscheidet dabei letztlich über
die Nutzbarkeit einer Guided Tour. Hat der Benutzer nur noch die Wahl zwischen dem nächsten
Knoten und dem vorhergehenden der Guided Tour, so wird die Flexibilität von Hypertext
aufgegeben. In diesem Fall wird Hypertext zu einem „elektronischen Buch“ degradiert, das
jeweils nur noch umgeblättert wird. Der nicht-lineare Charakter des Hypertexts geht vollständig
verloren.
Die erläuterten inhärenten Navigationsprobleme von Hypertext treten natürlich auch beim Ler-
nen mit Hypertexten auf. Den Navigationshilfen kommt in diesem Kontext eine besondere
Bedeutung zu. [Schoop 1995, 152] stellt die folgende These auf: „Selbstgesteuerte Navigation in
Lernsystemen setzt gute Benutzerkenntnisse von Wissensstruktur und Softwarefunktionalität
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 44
voraus. Daher müssen Neulinge in den ersten Lernsitzungen zwingend linear geführt werden.“
[Witt 1995] plädiert ebenfalls für die Notwendigkeit von Guided tours, obwohl deren Einführung
bedeuten kann „… gerade das preiszugeben, was den Witz von Hypermedia ausmacht“ [Witt
1995, 161]. Ein Anfänger auf einem Lerngebiet sollte geführt werden, um den Lernstoff Schritt
für Schritt zu begreifen. Eine gezielte Einführung kann das ziel- und ergebnislose Herumsuchen
eines Anfängers in den Lerninhalten vermeiden und dabei helfen Frustrationen zu ersparen.
Führung und Anleitung kann hilfreich, muss aber deshalb nicht gleich zwingend sein. „Die
guided tour sollte deshalb als Forderung des Lernenden an das System, nicht als Forderung des
Systems an den Nutzer betrachtet werden“ [Witt 1995, 161]. Für Witt kommt es auf die Unter-
scheidung zwischen „Option und Obligation“ an.
Backtrack-Mechanismen geben dem Benutzer die Möglichkeit zum vorhergehenden Knoten zu-
rückzukehren. Das ist vor allem dann von Vorteil, wenn Verknüpfungen nicht bidirektional,
sondern nur unidirektional gerichtet sind. Der Backtrack-Mechanismus kann weiter ausgestaltet
werden, um nicht nur den zuletzt besuchten Knoten zu berücksichtigen. Die bereits besuchten
Knoten werden (evtl. mit Metainformationen oder grafischen Miniaturbildern der Knoteninhalte)
in einer Liste gespeichert, so dass eine „Geschichte“ der zuletzt besuchten Knoten entsteht. Aus
diesem Grund werden die entstehenden Listen auch „History“ genannt. Der Benutzer hat nun
die Möglichkeit aus der History einen Knoten auszuwählen. Gerade die Darstellung mit grafi-
schen Mitteln ist besonders hervorzuheben, da Metainformationen, wie Überschriften und
Inhaltsangaben, dem Benutzer im konkreten Fall nicht weiterhelfen, er sich aber an das visuelle
Erscheinungsbild des Knoteninhalts erinnern kann (vgl. [Nielsen 1995]).
Mit leserdefinierten Fixpunkten hat der Benutzer die Möglichkeit, die Hypertextbasis über-
sichtlicher zu gestalten und nach eigenen Kriterien zu strukturieren. Zu diesen Hilfsmitteln
gehören „bookmarks“ und „Annotationen“. Bookmarks bezeichnen eine Art Lesezeichen. Der
Benutzer hat die Möglichkeit im Hypertext Knoten zu markieren, um dadurch später direkt bei
evtl. Orientierungsverlust dorthin springen zu können. Mit Annotationen kann sich der Benutzer
Notizen zu einem Knoten machen. Dadurch kann die Hypertextbasis inhaltlich vom Leser er-
weitert werden. Fixpunkte können auch schon vom Autor vorgesehen werden. Der Autor eines
Hypertextes kann Mechanismen vorsehen, die in jedem Knoten auftauchen und es dem Benutzer
ermöglichen, auf eine zentrale Übersichtsseite zu springen.
Bereits gelesene Seiten sollten gekennzeichnet werden, um das unfreiwillige nochmalige An-
steuern durch den Benutzer zu vermeiden. Diese Mechanismen werden von [Kuhlen 1991, 158]
„bread crumbs“ genannt, [Nielsen 1995] bezeichnet sie als „footprint“. Im Folgenden wird die
Bezeichnung „footprint“ verwendet, weil sie gebräuchlicher ist und die Metapher des automati-
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 45
schen Setzens in sich birgt. Die Markierung sollte automatisch erfolgen und nicht vom Benutzer
gesteuert werden müssen.
Das zweite von [Conklin 1987] identifizierte Problem ist das der kognitiven Überlast („cognitive
overload“). Gerade beim Lernen mit der Hilfe von Hypertextbasen kommt es darauf an, bereits
besuchte Knoten und deren Inhalt im Gedächtnis zu behalten. Ferner muss behalten werden,
welche Knoten als nächstes aufgesucht werden sollten, auf welchem Wege man dorthin gelangt,
welche Hilfsmittel zur Navigation zur Verfügung stehen, welche Funktionen einzelne
Navigationshilfen erfüllen usw. (vgl. [Tergan 2002, 109]). Der Benutzer muss seine
Aufmerksamkeit, neben der eigentlichen Informationsaufnahme des Knoteninhalts, auf die Ent-
scheidung über sein weiteres Vorgehen und die Analyse seiner Navigationsmöglichkeiten richten.
[Kuhlen 1991, 125 ff.] stellt fest, dass die Aufnahme der relevanten Information durch den
zusätzlichen Aufwand durchaus beeinträchtigt werden kann.
2.3.4 Formulierung und Eigenschaften von Lernobjekten
Innerhalb der vorangegangenen Abschnitte (2.3.1 bis 2.3.3) stand die Art und Weise der Wissens-
vermittlung und Wissensaufnahme innerhalb eines E-Learning Prozesses im Vordergrund und es
wurde dargestellt, wie der Lernende durch hypermediale Systeme in seinem Lernprozess unter-
stützt werden kann und welche Probleme dabei zu berücksichtigen sind. Die folgenden
Ausführungen (Abschnitte 2.3.4 und 2.3.5) fokussieren nun die Aufbereitung und Strukturierung
der Lernmaterialien, die in ihrer Gesamtheit die Wissensbasis darstellen, die im Rahmen des
Lernprozesses vermittelt werden soll.
Dabei gilt es sich zunächst mit den Kernelementen der Wissensbasis zu befassen, den sog. Lern-
objekten oder „learning objects“: wieder verwendbare Objekte, die in verschiedenen
Lernkontexten eingesetzt werden können. Die Definition eines Lernobjekts variiert dabei in der
Literatur je nach Ausrichtung der Autoren mit eher technischem oder pädagogisch/didaktischem
Schwerpunkt. Der IEEE Learning Object Metadata Standard (LOM) definiert ein Lernobjekt wie
folgt: “Learning Objects are defined here as any entity, digital or non-digital, which can be used,
re-used or referenced during technology supported learning. Examples of technology supported
learning include computer-based training systems, interactive learning environments, intelligent
computer-aided instruction systems, distance learning systems, and collaborative learning
environments. Examples of Learning Objects include multimedia content, instructional content,
learning objectives, instructional software and software tools, and persons, organizations, or
events referenced during technology supported learning” ([LOM 2003, 1].
Diese Definition ist so allgemein gehalten, dass alles, was in einem Lernprozess eingesetzt werden
kann, als Lernobjekt gilt. Von einem einzelnen Medienfragment, wie einem Bild bis hin zu einem
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 46
gesamten Kurs wird alles als Lernobjekt bezeichnet. Ein Lernobjekt muss dabei nicht digital sein;
ein Buch in einer Bibliothek würde nach der LOM Definition ebenfalls als Lernobjekt aufgefasst
werden. Alle abweichenden Definitionen werden dabei ebenfalls von der IEEE Ansicht umfasst,
da prinzipiell alle „Lernobjekte“ in einem Lernumfeld eingesetzt werden können.
[Wiley 2001, 6] führt eine Definition für Lernobjekte ein, die auf der [LOM DOC 2002] Defini-
tion aufbaut, diese aber enger fasst und auf digital vorliegende Elemente einschränkt („… any
digital resource that can be reused to support learning …“). Weitere Unterschiede zur LOM
Definition bestehen darin, dass Lernobjekte nur als eigene Entität aufgefasst werden, wenn sie
wieder benutzt werden können (an Stelle eines einmaligen Einsatzes) und wenn sie unterstützend
im Lernprozess eingesetzt werden können (an Stelle eines lediglich begleitenden Einsatzes).
Durch die Einschränkung der Definition auf digital vorliegende Entitäten kann die Einschrän-
kung der LOM Definition auf „technology supported learning“ entfallen, da sie implizit enthalten
ist (vgl. [Wiley 2001, 7]).
Es erscheint im Rahmen dieser Arbeit sinnvoll, die Definition von Lernobjekten auf digital ver-
fügbare Einheiten zu beschränken. Ein Zugriff zu jeder Zeit, von jedem Ort auf Lernobjekte ist
nur auf digitalem Wege möglich. Die explizite Einbeziehung traditioneller Printmedien (zumin-
dest in dieser Medialität) in die Definition von Lernobjekten erscheint anachronistisch. Damit soll
die Bedeutung von Büchern oder Artikeln für den Lernprozess nicht geschmälert werden. Diese
behalten weiterhin ihren Platz in der Ausbildung und können als Lernobjekt in Form einer
digitalen Ressource oder als Literaturangabe referenziert werden.
Damit ist ein Lernobjekt zusammenfassend als Objekt mit folgenden wesentlichen Eigenschaften
gekennzeichnet:
! Digitale Verfügbarkeit,
! Wiederbenutzbarkeit,
! Direkte Unterstützung des Lernprozesses.
Die digitale Verfügbarkeit eines Lernobjekts bezeichnet die Eigenschaft, auf dieses Lernobjekt
über ein geeignetes digitales Trägermedium zugreifen zu können. Das Lernobjekt selbst ist in
einer digitalen Kodierung als Text, Grafik, Video etc. bzw. als Kombination aus diesen
Medientypen abgelegt und kann abgerufen werden (zur Kodierung von Lernobjekten siehe Ab-
schnitt 4.1.2). Das Trägermedium kann ein persistenter Datenspeicher sein, auf dem das
Lernobjekt abgelegt ist.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 47
Das WWW wird häufig als Distributionsmedium für Lernobjekte benutzt. Unabhängig von der
Kodierung der Lernobjekte können Lernende über den standardisierten Weg eines Browsers zu-
mindest auf die Lernobjekte zugreifen. Gegenüber anderen Distributionsformen wie z. B. per
CD-ROM kann die Aktualität über das WWW schnell und effizient sichergestellt werden. Das
WWW hat sich als universeller Datenspeicher etabliert und erfreut sich einer hohen Akzeptanz.
Standardisierte Protokolle und Identifikatoren für Ressourcen des WWW erlauben einen
einfachen Zugriff auf diese verteilten Ressourcen. Das WWW erlaubt einen nicht restringierten
Zugriff auf Ressourcen im Sinne von zeitlichen und örtlichen Restriktionen.
Die Möglichkeit zur eindeutigen Adressierung von Ressourcen im WWW ist eine zentrale Vor-
aussetzung, um verknüpfte Dienste aufbauen zu können. Zu diesem Zweck wurde vom W3C das
Konstrukt des Uniform Resource Identifiers (URI) eingeführt. Neben diesem generischen Ansatz
existieren noch weitere Varianten bzw. Untermengen davon, wie Uniform Resource Locator
(URL) und Uniform Ressource Name (URN), die teilweise fälschlicherweise synonym verwendet
werden. “A URI can be further classified as a locator, a name, or both. The term "Uniform
Resource Locator" (URL) refers to the subset of URI that identify resources via a representation
of their primary access mechanism (e.g., their network "location"), rather than identifying the
resource by name or by some other attribute(s) of that resource. The term "Uniform Resource
Name" (URN) refers to the subset of URI that are required to remain globally unique and
persistent even when the resource ceases to exist or becomes unavailable” [RFC 2396].
Der bekannteste und populärste Bezeichner für Ressourcen im WWW ist der URL, der die
Netzwerkadresse einer Ressource spezifiziert (in der Form:
http://Servername.Domain/Resourcename). Neben dem „http“-Protokoll existieren noch wei-
tere Dienste wie ftp, mail etc. und nicht-elektronische Adressschemata wie z. B. ISBN. Um diese
in einer konsistenten Systematik zu vereinen, wurde vom W3C das Konzept der URI Schemata
(engl.: schemes) eingeführt (für detaillierte Ausführungen hierzu siehe [URI 2001]). Berners-Lee
führt aus, dass er im Gegensatz zu einer URL, „... die allgemeine Bezeichnung URI (verwendet),
um die Wichtigkeit der Universalität und der Dauerhaftigkeit von Informationen hervorzuheben“
[Berners-Lee 1999, 99].
Das WWW weist damit einen Identifikationsmechanismus über URI auf, mit dem Lernobjekte
eindeutig referenziert werden können. Damit bietet sich das WWW als Emissionsmedium an, um
die digitale Verfügbarkeit von Lernobjekten sicherzustellen. Lernobjekte können über das WWW
unabhängig von Ort und Zeit abgerufen werden.
Die Eigenschaft der Wiederbenutzbarkeit von Lernobjekten wird im Rahmen der konzeptio-
nellen Bausteine für das zu entwickelnde integrative, hypermediale Lernsystem umfassend
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 48
diskutiert (siehe Abschnitt 4.1.1). Der Aspekt der direkten Unterstützung des Lernprozesses
durch Lernobjekte wird nicht detaillierter erläutert, da es sich hierbei um eine notwendige Bedin-
gung zur Wahrnehmung eines Lernmaterials als Lernobjekt handelt.
2.3.5 Ansätze zur Auszeichnung und Strukturierung von Lernobjekten
Lernobjekte sind per Definition Bestandteile einer digitalen Wissensbasis, die neben reinen Lern-
objekten auch unbegrenzt andere Informationen enthalten kann, die keinen Lernzweck besitzen,
oder zum Lernen nicht geeignet sind. Eine vorhandene Wissensbasis kann allerdings nur dann
effizient zum Lernen genutzt werden, wenn sie systematische Strukturen aufweist, die das Lernen
unterstützen. Auf Seite des Lernenden wird der Zugriff auf die Lerninhalte jedoch häufig durch
mangelnde Auszeichnung und Strukturierung der Lernobjekte erschwert.
Es wird keine Unterscheidung zwischen Dokumenten getroffen, die für die Anwendung in der
Lehre konzipiert wurden und Dokumenten, die anderen Verwendungszwecken gewidmet sind.
Versucht man beispielsweise Lerninhalte zu einem bestimmten Thema mit einer universellen
Suchmaschine (Google, Yahoo, Altavista etc.) zu finden, wird die Auswahl durch die immense
Anzahl der gefundenen Seiten erschwert. Der Lernende ertrinkt geradezu in der Flut relevanten
und in der Mehrzahl weniger relevanten Materials. Eine reine Stichwortsuche liefert in der Regel
zu ungenaue Ergebnisse. Heutige Suchmaschinen indizieren in einem brute-force Ansatz
Millionen von WWW Seiten, und obwohl sie viele Ergebnisse liefern, sind diese prinzipbedingt
von mangelhafter Qualität. Der Benutzer der Suchmaschine ist gezwungen, eine Ergebnisliste
von mehreren Hundert Treffern zu überprüfen, ob der gesuchte Inhalt wirklich anhand der Such-
kriterien gefunden wurde oder nicht. In der Regel gehen die relevanten Dokumente in den resul-
tierenden Ergebnismengen von Suchmaschinen unter. Es ergibt sich also die Forderung nach
Mechanismen, die das effektive Suchen nach Dokumenten mit Ausbildungsinhalten adäquat un-
terstützen.
Nicht adäquate Suchergebnisse sind prinzipiell bedingt, da die benötigten Informationen, um Ab-
schnitte in einen Kontext einzuordnen, schlicht nicht oder nur unzureichend zum Indi-
zierungszeitpunkt vorhanden sind. In der Regel werden Daten indiziert, wobei diese Daten nicht
ausreichen, um ein effektives Suchergebnis zu erzielen. Volltextsuche kann nicht einen Kontext
generieren, z. B. werden in der Regel synonyme Begriffe nicht in Betracht gezogen.
Metadaten, d. h. Daten über Daten sind ein erster Ansatz aus dem Dilemma der mangelnden
Auszeichnung von Lernobjekten. Allgemeine zusätzliche Informationen, die einen Dokument-
inhalt näher kennzeichnen, wie z. B. Autor, Schlüsselworte etc. können bereits heute in
Dokumente integriert werden. Zusätzliche Angaben zu Dokumenten werden dabei als Metadaten
bezeichnet. Diese Metaangaben sind aber so allgemein gehalten, dass sie zwar bereits eine Ver-
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 49
besserung gegenüber dem bisherigen Zustand darstellen, aber keine neue Qualität bedeuten. Die
Metaangaben sind nicht erweiterbar und demzufolge nur für allgemeine Angaben zu benutzen.
Besonders für spezielle Anwendungsgebiete wie das computergestützte Lernen sind sehr
spezifische Metadaten wünschenswert, wie z. B. pädagogische Attribute, Grad der Interaktivität
etc. Auf Basis einer solchen soliden Datengrundlage ließen sich zahlreiche Aufgaben, wie das
Erstellen von Übersichten, Indizierungen etc. wesentlich vereinfachen und automatisieren.
Manuell erstellte Seitenübersichten sind sehr aufwändig und fehleranfällig.
Aufgrund der Menge des relevanten Wissens werden im E-Learning neben didaktischen Struktu-
ren auf der Mikroebene, ordnende Strukturen auf der Makroebene immer wichtiger, um dieses
Wissen überhaupt lokalisieren zu können. Mit der strukturellen Ordnung von Wissensbeständen,
oder besser Informationsbeständen, beschäftigt sich das Wissensmanagement, das als zunehmend
wichtiger für den Erfolg unternehmerischer Aktivitäten erachtet wird (vgl.
[Gemmerich/Stratmann 1998]).
Wissensmanagement bezeichnet systematische Prozesse, die die Sammlung, Katalogisierung,
Nutzung, Bewertung und Verteilung von Wissen in einer Organisation steuern. Unter Organi-
sation werden in diesem Zusammenhang in der Regel wirtschaftliche Organisationen, also
Unternehmen verstanden. Wissensmanagement ist aber nicht nur im wirtschaftlichen Sektor rele-
vant, im universitären Bereich spielt es eine ebenso große Rolle. Literatur, Skripte,
Materialsammlungen müssen gesammelt, verknüpft und effizient durchsucht werden können, um
einen maximalen Nutzen daraus erzielen zu können. Wissensmanagement in diesem Kontext
wird sowohl von Lernenden als auch Lehrenden praktiziert. Beide Gruppen wenden implizit
Methoden des Wissensmanagements an, indem sie Materialien kategorisieren.
Wissensmanagement versucht „… Lösungsansätze für ökonomische, aber auch gesellschaftliche
Phänomene zu finden wie Informationsflut, wachsende Geschwindigkeit von Informations-
generierung und -verbreitung, steigende Vernetztheit und Komplexität von Wissen“ [Reinmann-
Rothmeier 2002, 3]. Der Aspekt der Effizienz der oben genannten Prozesse steht dabei im
Mittelpunkt der Betrachtung. Und um diese realisieren zu können, sind Strukturen erforderlich,
die eine Systematisierung der Wissensbausteine innerhalb einer Wissensbasis ermöglichen. Zur
Errichtung dieser Strukturen bieten sich sachlogische und größentechnische Prinzipien an, die im
Folgenden kurz skizziert werden sollen.
Lernobjekte lassen sich einerseits anhand der Inhalte, die durch sie repräsentiert werden,
kategorisieren. Wissensdomänen werden typischerweise durch Taxonomien, bzw. Ontologien
inhaltlich strukturiert (für die ausführliche Darstellung siehe Abschnitt 4.3). Die konsequente An-
wendung derartiger Ordnungen zur Systematisierung von Lernobjekten findet in heute
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 50
existierenden Wissensbasen von E-Learning Systemen nicht konsequent statt. Stattdessen wird
meistens auf proprietäre Strukturen zurückgegriffen, was erhebliche negative Konsequenzen für
die Wiederbenutzbarkeit von Lernobjekten mit sich bringt.
Anderseits weisen Lernobjekte auch größenspezifische Merkmale auf, die Aussagen über ihre Be-
ziehungen untereinander zulassen. So kann eine Videosequenz als Lernobjekt Bestandteil einer
größeren Lerneinheit, z. B. einer Lehrveranstaltung sein, die für sich genommen wiederum ein
Lernobjekt darstellt. Die größentechnische Kategorisierung anhand des Merkmals der Granulari-
tät bietet sich an, um Rückschlüsse auf die Kombinierbarkeit von Lernobjekten zu erhalten (siehe
für die ausführliche Darstellung Abschnitt 5.2). Auch hier ist festzustellen, dass die heutigen
Lernsysteme standardisierte Granularitätsskalen für die größentechnische Kategorisierung von
Lernobjekten weitgehend vermissen lassen.
Abschließend sei erwähnt, dass die beiden skizzierten Prinzipien zur systematischen Struktu-
rierung von Lernobjekten sich nicht gegenseitig ausschließen, sondern sich vielmehr ergänzen.
Folgendes einfaches Beispiel soll dies verdeutlichen: Die Einbindung einer Videosequenz zu ei-
nem physikalischen Experiment in eine Lehrveranstaltung zum Simplex Algorithmus wäre aus
Sicht der Granularität zulässig, würde jedoch aus sachlogischer Sicht keinerlei Sinn ergeben, da
physikalische Experimente in einer Ontologie zu OR/MS nicht vorhanden sind.
2.3.6 Zusammenfassung
Im vorliegenden Abschnitt 2.3 wurde die grundlegende Abgrenzung des Problemfelds vor-
genommen, indem zunächst das Verständnis von E-Learning als Lernprozess entwickelt wurde
(2.3.1). Die Beschreibung von Medien und ihrer Verknüpfung durch das Konzept des
Hypermedia (2.3.2) sowie die Darstellung von auf Hypermedia basierenden Lernsystemen
rundeten den Teil des Problemfelds ab, der die Art der Wissensvermittlung fokussiert. An-
schließend wurde auf grundlegende Gestaltungsmerkmale der zu vermittelnden Wissensbasis
abgehoben, indem die Formulierung von Lernobjekten (2.3.4) und Ansätze zur Auszeichnung
und Strukturierung der Lernobjekte (2.3.5) behandelt wurden. Das abgegrenzte Problemfeld wird
folglich durch die drei Eckpfeiler des Lernprozesses, der die Art der Wissensvermittlung deter-
miniert, der vom Lernenden zu erschließenden Wissensbasis, die aus untereinander sys-
tematisierten Lernobjekten besteht, und des Lernsystems, das den Lernenden bei der Er-
schließung der Wissensbasis im Rahmen des Lernprozesses unterstützt, aufgespannt.
Das bis hierher abgegrenzte Problemfeld wird im nächsten Abschnitt weiter fokussiert, indem es
auf die Anwendungsdomäne des OR/MS herunter gebrochen wird. Für diese konkrete Domäne
erfolgt soweit möglich die Analyse des state of the art für alle drei oben genannten Eckpfeiler des
Problemfelds.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 51
2.4 E-Learning in der Domäne Operations Research/Management Science
Im Rahmen dieses Abschnitts wird zunächst das Problemfeld noch detaillierter spezifiziert, in-
dem wesentliche Charakteristika der Anwendungsdomäne OR/MS erläutert werden (2.4.1). Der
Abschnitt 2.4.2 greift dann die Probleme auf, die bei der Vermittlung des domänenspezifischen
Wissens bestehen können und zeigt Lösungsansätze für diese Probleme auf. Im Abschnitt 2.4.3
wird dann ein Überblick über den state of the art bestehender Lernsysteme für die Domäne
OR/MS gegeben. Neben einer Beschreibung der jeweiligen systemtechnischen Merkmale werden
dabei auch Aussagen über die Formulierung und Systematisierung der Lernobjekte gemacht, die
durch die jeweiligen Systeme vermittelt werden.
2.4.1 Charakteristika der Domäne
Unter OR/MS in wirtschaftswissenschaftlichen Fakultäten wird die Nutzung von quantitativen
Methoden, beispielsweise der mathematischen Optimierung und der Simulation, zur Lösung be-
triebswirtschaftlicher Problemstellungen verstanden. Solche Fragestellungen sind insbesondere in
den Bereichen Produktion, Logistik, Finanz- und Personalplanung häufig sehr komplex und er-
fordern die Nutzung von Informationstechnik in Form integrierter, verteilter Anwendungs-
systeme. [Runzheimer 1995, 14] definiert Operations Research als „… die Anwendung von
wissenschaftlichen Erkenntnissen auf das Problem der Entscheidungsfindung in der
Unsicherheits- oder Risikosituation, mit dem Ziel, den Entscheidungsträgern bei der Suche nach
optimalen Lösungen eine quantitative Basis zu liefern. Dabei können grundsätzlich Erkenntnisse
aus allen wissenschaftlichen Disziplinen herangezogen werden.“ [Dürr/Kleibohm 1992, 17 f.]
führen weitere Definitionsansätze für den Bereich OR/MS auf. Der typische Ablauf einer
OR/MS-Untersuchung besteht in der Modellierung der realen Situation, Lösung des resultieren-
den mathematischen Modells mit einem geeigneten Lösungsverfahren (meist IT unterstützt) und
einer Interpretation der Ergebnisse sowie Ableiten einer Entscheidung. Die Interpretation der
Ergebnisse kann auch zu einer Modellmodifikation und anschließender Iteration des Ablaufs
führen (vgl. [Dürr/Kleibohm 1992, 18 f.]). OR/MS hat eine große Bedeutung in der Praxis und
kann als ein Anwendungsgebiet der Wirtschaftsinformatik gesehen werden. Obwohl OR/MS
durch den hohen Grad an Interdisziplinarität ein sehr komplexes Gebiet umfasst, ist es relativ
wohlstrukturiert.
Ein Hauptziel bei der Vermittlung von OR-Methoden für Studenten wirtschaftswissenschaft-
licher Studiengänge ist aus Sicht des Autors der Erwerb von Problemlösungskompetenz, d. h. die
Fähigkeit, beim Auftreten realer betrieblicher Aufgabenstellungen geeignete Lösungsansätze aus
dem Bereich des OR zu wählen und ggf. zu adaptieren. Der sichere Umgang mit Informations-
technik und den entsprechenden Tools ist sehr wichtig im Hinblick auf die Berufsfähigkeit der
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 52
Studierenden. Dieses Ziel wird häufig nicht erreicht, weil die universitäre Grundlagenausbildung
in diesem Bereich überwiegend durch theorielastigen Frontalunterricht gekennzeichnet ist.
Die stark mathematische und algorithmische Ausrichtung grundlegender OR-Methoden sowie
die mangelnde Anschaulichkeit herkömmlicher Darstellungsformen (z. B. für die Vermittlung
von Netzwerkalgorithmen) macht OR für viele Studierende zu einem schwierigen und durch
Selbststudium von Fachliteratur schwer erschließbaren Gebiet.
Die große Zahl von Studierenden in den Grundlagenveranstaltungen sowie die sehr unterschied-
lichen Vorkenntnisse und Erwartungen machen es praktisch unmöglich, im Frontalunterricht
zufrieden stellende Ergebnisse im Hinblick auf die Problemlösungskompetenz zu erzielen. Bei-
spielsweise haben Studierende der Studiengänge Wirtschaftswissenschaften,
Wirtschaftsingenieurwesen und Informatik teilweise sehr unterschiedliche Mathematik-
Grundlagenveranstaltungen besucht und damit unterschiedliche Voraussetzungen zum Ver-
ständnis des Lehrstoffs.
2.4.2 Domänenspezifische Probleme der Wissensvermittlung und Lösungsansätze
OR ist eine anwendungsorientierte Wissenschaft. Neben der theoretischen Fundierung der
Methoden, stehen daher insbesondere praktische Anwendungen im Vordergrund, die häufig
Größenordnungen aufweisen, die mit den klassischen Algorithmen nicht oder nicht in poly-
nomineller Zeit berechnet und gelöst werden können.
Ein Problem für Studenten besteht darin, das erworbene Wissen über Methoden des OR auf
reale Problemstellungen zu übertragen. Sie haben träges Wissen generiert, das nicht kontextuell
verankert ist. Die Thematik des trägen Wissens wurde bereits in Abschnitt 2.2.1.5 behandelt. Im
Bereich OR/MS tritt das Problem offen zu Tage. So zeigt sich in der Lehre immer wieder, dass
bei Textaufgaben, in denen eine Problemstellung klar definiert ist, Studenten das erworbene Wis-
sen anwenden und die Aufgabe lösen können. Bei einer realen Problemstellung hingegen, bei der
erst die Klasse des Problems isoliert und erkannt werden muss, um die Lösung zu finden schei-
tern viele Studierende. [Niegemann et al. 2000] schildern gute Erfolge bei der fallbasierten
Vermittlung von strukturellem Wissen im Bereich der Kostenrechnung. „Dieses strukturelle
Wissen ist jedoch erforderlich, wenn die Auszubildenden befähigt werden sollen (a) wichtige
betriebswirtschaftliche Entscheidungen zu verstehen und (b) später selbst entsprechende
Entscheidungen zu treffen“ [Niegemann et al. 2000, 3].
Der Autor ist der Meinung, dass sich diese Erfahrungen durchaus auf die Domäne des OR/MS
übertragen lassen. So besteht ein Ansatz in der Lehre darin, die grundlegenden Methoden des
OR/MS in einen Kontext zu setzen und mit Hilfe von Fallstudien („case studies“) zu vermitteln.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 53
Auf diese Weise werden keine isolierten Methoden erlernt, sondern die Methoden werden in ei-
nen Kontext gesetzt. So können verschiedene Sichten auf die Thematik generiert werden.
Einerseits werden fundamentale Methoden und Algorithmen in eine Situation eingebettet und
verankert. Auf diese Weise lassen sich verschiedene Sichtweisen konstruieren. Studenten lernen
nicht nur die Anwendung einer Methode kennen, sondern sie können auch charakteristische
Merkmale einer Situation memorieren, in der diese Methode Anwendung findet.
“Case-based teaching” versucht Lerninhalte in der Form von fallbasierten Geschichten zu ver-
mitteln. Der Ansatz geht von der Erfahrung aus, dass Expertenwissen nicht nur theoretisch
fundiert ist, sondern auch in Form von Fallbeispielen vorliegt. Informationen, die für das Lösen
einer Aufgabe essentiell sind, werden dem Lernenden graduell zur Verfügung gestellt. Der
Strukturierungsgrad der Informationen bzgl. der Relevanz für die Aufgabenlösung kann dabei
variiert werden. Der Lernende hat somit die Möglichkeit, aus unstrukturierten Informationen die
relevanten zu filtern und irrelevante Fakten zu ignorieren. Der Transferprozess auf reale Situation
wird somit gefördert. Dieser Ansatz stammt nicht originär von [Schank/Cleary 1995], sondern
wird auch bei sog. Fallstudien im OR/MS Bereich praktiziert.
Fallstudien bieten eine hervorragende Möglichkeit praxisrelevantes Wissen zu vermitteln. Dar-
über hinaus bieten fallbasierte Darstellungen die Möglichkeit, die Grenzen der praktischen An-
wendung von Methoden aufzuzeigen. In der Präsenzlehre werden sie im Bereich OR/MS aus
diesem Grund oft eingesetzt. Durch die Präsenz eines Lehrenden, der auf Fragen reagieren kann,
entsteht auf diese Weise eine hochinteraktive Diskussion zwischen Lernenden und Lehrenden.
Die Rolle des Lehrers wird besser durch die eines Moderators beschrieben. Es existiert in einer
Fallstudie gewöhnlich nicht eine Musterlösung, sondern viele Wege können zu einer Lösung
führen. Als Moderator kann der Lehrende auf Fragen bzw. Ideen der Lernenden reagieren und
kann Hilfestellung bei der Lösung des Problems geben. Der Lernende wird aus einer passiven
Rezipierhaltung, wie sie in einer traditionellen Vorlesung üblich ist, in eine aktive Position ge-
bracht, in der er seine eigenen Ideen einbringen muss. Diese Position ist für viele Studenten
zuerst ungewohnt und die Diskussion verläuft aus diesem Grund zu Beginn schleppend, diese
Anfangsschwierigkeiten werden aber in der Regel schnell überwunden.
In einer rein computergestützten Umgebung entfällt der interaktive Part des Moderators, da
dieser nicht präsent ist. Die Frage ist jetzt, ob Fallstudien dadurch ihre eigentliche Qualität, wie
oben ausgeführt, in einer solchen Umgebung entfalten können. Interaktivität stellt ohne Zweifel
einen wesentlichen Bestandteil von Fallstudien dar. In diesem Sinne fließen in einer solchen Fall-
studie bzw. deren computergestützten Umsetzung die Architekturen von [Schank/Cleary 1995]
zusammen. Durch die Einbettung von Simulationen werden dem Lernenden kognitive Hilfs-
mittel an die Hand gegeben, mit denen praktische, fallbasierte Problemstellungen exploriert
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 54
werden können. Durch die Einbindung interaktiver Komponenten kann der Lernende aktiv die
Fallstudie erkunden. [Haehling von Lanzenauer/Trela 2003] stellen Möglichkeiten zur Interaktion
in Fallstudien im E-Learning dar.
2.4.3 Lernsysteme im Bereich OR/MS - State of the Art
Es existieren bereits Lernsysteme, die speziell auf die Domäne OR/MS ausgerichtet sind. Diese
werden im Folgenden kurz dargestellt und im Hinblick auf das Problemfeld dieser Arbeit be-
trachtet (2.4.3.1 bis 2.4.3.6). Man kann die vorgestellten Systeme dabei nicht in allen Aspekten
miteinander vergleichen, da sie sehr unterschiedlich geartet sind. OR-Welt (2.4.3.1) und Mentor
(2.4.3.2) stellen umfassende Lernumgebungen dar, wohingegen TutOR (2.4.3.4) nur wenige,
ausgewählte Teilbereiche behandelt. Trial-Solution (2.4.3.3) ist explizit auf die Konvertierung von
Printmedien in elektronische Form ausgerichtet. Tenor (2.4.3.5) stellt nur die Werkzeuge, um
interaktiv Problemstellungen bearbeiten zu können. OR-Objects und Animal dienen vorrangig
als Autorenwerkzeug zur Erstellung begleitender Materialien, sie bieten keine Funktionalität über
die Erstellung isolierter Komponenten hinaus (2.4.3.6).
2.4.3.1 OR-Welt
OR-Welt ist eine hypermediale Lernumgebung, deren Inhalte einen großen Teil des an der
Universität Paderborn gelehrten Stoffes im Fachgebiet Operations Research abdecken. Die
Inhalte liegen in Deutscher Sprache vor. OR-Welt wurde von 1996 bis 2000 an der Universität
Paderborn entwickelt (vgl. [Blumstengel 1998]). Ziel ist es, Studenten dabei zu unterstützen, die
Grundlagen des OR zu erlernen. OR-Welt wird als zusätzliches Hilfsmittel zur Unterstützung des
Selbststudiums einzelner Studenten oder von Arbeitsgruppen zur Verfügung gestellt. Das System
kann sowohl von Anfängern, die sich zum ersten Mal mit der Materie beschäftigen, als auch von
Studenten, die mit dem Stoff schon Bekanntschaft gemacht haben, sinnvoll eingesetzt werden
(z. B. als Nachschlagewerk oder zur Prüfungsvorbereitung).
In der derzeitigen Fassung bietet OR-Welt eine umfassende Wissensbasis über Methoden des OR
sowie Fallstudien. Semantisch zusammenhängende Konzepte werden dabei in einer Buch-
metapher auf linear folgenden Seiten zusammengefasst. Die Bücher können als Objekte
aufgefasst werden, die aus Objekten kleinerer Granularität zusammengesetzt werden. Die Seiten
werden über Hyperlinks nicht-linear verknüpft. Die Granularität der Lernobjekte ist hier durch
systemtechnische Bedingungen und nicht semantisch determininiert. Die grundlegende Organi-
sationsform der Wissensbasis ist damit hierarchisch, wird aber durch Hypertextlinks angereichert.
Das System bietet Orientierungshilfen in Form von grafischen Übersichten. Als Navigations-
hilfsmittel für komplexe Hypermedia-Lernsysteme werden diese Übersichten alleine jedoch als
nicht ausreichend bewertet. Guided Tours sollen Orientierungsschwierigkeiten vor allem bei
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 55
unerfahrenen Benutzern entgegenwirken. Eine Reihe sinnvoller Touren kann vorgegeben wer-
den, es können jedoch auch zusätzliche Touren vom Benutzer selbst eingerichtet werden. Außer-
dem wird für die gezielte Suche nach einzelnen Konzepten ein Glossar zusammen mit einer um-
fangreichen Volltext- und Schlüsselwortsuche angeboten.
Bei vielen typischen Lehrinhalten bieten neue Darstellungsformen, wie z. B. Animationen und
interaktive Grafiken, Vorteile bzgl. der Anschaulichkeit und Verständlichkeit der Darstellung.
Haupteinsatzgebiet für Animationen in OR-Welt ist die Visualisierung von Abläufen und Algo-
rithmen. Das Framework von OR-Welt wurde auch auf erweiterte Inhalte angewandt. So
entstand der Prototyp Winfo-Welt, der Inhalte der Wirtschaftsinformatik darstellt. Durch Winfo-
Welt wird die Übertragbarkeit des Entwicklungsmodells auch auf andere Inhalte demonstriert.
OR-Welt ist auf Windows Systemen lauffähig und wurde mit dem Autorensystem Asymetrix
Toolbook erstellt.
Dem Verfasser dieser Arbeit ist OR-Welt auch aus Entwicklerperspektive gut bekannt, da er an
der Entwicklung beteiligt war. OR-Welt weist eine Struktur auf, die die Betrachtung grund-
legender semantischer Einheiten als Lernobjekte erlaubt. In diesem Sinne können Lernobjekte
verschiedener Granularität und deren Komposition in OR-Welt identifiziert werden. Die
Kohäsion des Systems ist jedoch relativ stark ausgeprägt, so dass die Lernobjekte stark mit dem
grundlegenden System verwoben sind. Daraus ergeben sich zwei Folgerungen: Erstens lassen sich
durch die starke Kohäsion die Lernobjekte in OR-Welt nicht einfach isolieren und in andere
Kontexte einsetzen. Selbst aus der Perspektive eines Entwicklers ist dieser Wieder-
benutzungsprozess nicht trivial, da umfangreiche manuelle Änderungen an dem jeweiligen
Lernobjekt vorgenommen werden müssen, um es wieder in das Gesamtsystem zu integrieren.
Zweitens ist OR-Welt nur als Gesamtsystem lauffähig, d. h. einzelne Lernobjekte können auf-
grund der Architektur von OR-Welt nicht herausgelöst werden und z. B. über das WWW verfüg-
bar gemacht werden.
2.4.3.2 Mentor
[Mentor 2001] ist eine computergestützte Lernumgebung, die neben einem zentralen Steuer-
programm die Einbindung von sog. Modulen erlaubt. Entwickelt wurde Mentor an der
University of Strathclyde, Glasgow. Die Inhalte sowie die Steuerung sind in englischer Sprache
abgefasst. Für Mentor sind separate Module zu den Themengebieten Konfliktanalyse, dyna-
mische Programmierung, Forecasting, heuristische Suche, ganzzahlige Programmierung, Ein-
führung in OR, lineare Programmierung, Stochastik und System sowie OR-Methodologie er-
hältlich.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 56
Damit wird OR/MS relativ umfassend abgedeckt. Die Module bestehen aus einer Sammlung von
Medien (Texte, Grafiken, Animationen etc.), die in einer seriellen Gliederung vorbereitet sind.
Die einzelnen Themen eines Moduls sind teilweise als Hypertexte verbunden und werden jeweils
in einem eigenen Fenster dargestellt. Die Führung des Lernenden erfolgt ähnlich zu OR-Welt
über eine Buchmetapher.
Auch bei Mentor ist die Isolierung von inhaltlichen Komponenten als Lernobjekte anwendbar.
Ähnlich wie bei OR-Welt wird ein steuerndes System um inhaltliche Komponenten erweitert.
Diese inhaltlichen Komponenten oder Lernobjekte präsentieren sich als monolithischer Block, es
kann mangels Kenntnis der internen Strukturen von Mentor keine Aussage über Isolierung und
Wiederverwendbarkeit von Lernobjekten gemacht werden.
2.4.3.3 Trial-Solution
Das EU Projekt Trial-Solution (kurz für: Tools for Reusable, Integrated, Adaptable Learning -
Systems/Standards for Open Learning Using Tested, Interoperable Objects and Networking)
wurde im 5. Rahmenprogramm der EU initiiert (vgl. dazu auch [Trial-Solution 2003]). Innerhalb
dieses Projekts wurde die Slicing Book Technologie entwickelt, mit der Buchtexte in semantische
Einheiten zerlegt, teilweise automatisiert durch Metadaten beschrieben und als elektronische
Texte über das WWW verfügbar gemacht werden. Fokussiert werden dabei mathematisch
orientierte Texte, die mit LaTeX erstellt wurden (vgl. [LaTeX 2003]). Das Pilotprojekt war
[Wolter/Dahn 2000], an dem die Slicing Book Technologie erprobt wurde.
Lernende können über das Inhaltsverzeichnis eines Buchs navigieren, spezifische Inhalte se-
lektieren und diese dann als Foliensatz oder PDF Volltext generieren. Darüber hinaus können
Lernende sich individuell Einheiten in eigenen Selektionen zusammenstellen. In Abbildung 10 ist
die Selektion von Abschnitten und die daraus generierte PDF Präsentation abgebildet.
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 57
a) Inhaltsverzeichnis eines Trial-Solution Buchs b) Generierter PDF Volltext aus der Selektion
Abbildung 10: Trial-Solution - Selektion von Buchabschnitten (Quelle: Eigene
Darstellung)
Trial-Solution setzt bereits eine explizite Aufteilung von Lernmaterialien in Lernobjekte um. Da-
bei beschränkt sich Trial-Solution auf die Zerlegung existierender, naturgemäß statischer
Manuskripte. Da nur statische Texte zur Aufteilung betrachtet werden, ist die derzeitige Anwen-
dung von Trial-Solution für E-Learning Zwecke nicht der primäre Fokus. [Dahn 2001] erkennt
aber bereits an: „Given sliced books and modular computer based training systems, a fruitful
symbiosis may be possible in the future“.
2.4.3.4 TutOR
[TutOR 1999] ist eine Sammlung von Inhalten zu den Themenbereichen Lineare Algebra,
Lineare Programmierung, ganzzahlige Programmierung, dynamische Programmierung sowie
anderen Teilbereichen. Die Module sind dabei relativ isoliert, weisen keine bzw. sehr wenige Ver-
knüpfungen untereinander auf und werden über eine WWW Seite in Form einer Liste präsentiert.
Die Inhalte liegen in englischer Sprache vor.
Aufgrund der Lösung von proprietären Formaten und Fokussierung auf WWW Technologien
lassen sich bei TutOR bereits potenzielle Lernobjekte identifizieren. Es scheint allerdings keine
steuernde Anwendung für die Aufbereitung der Lernobjekte verantwortlich zu sein, vielmehr
macht Tenor den Eindruck, dass hier durch manuelle Verknüpfungen Ressourcen zusammen-
gefügt wurden. Die strukturellen Zusammenhänge sind damit nur implizit vorhanden und
können nicht systematisch für eine Wiederbenutzung von Lernobjekten genutzt werden.
2.4.3.5 Tenor
Tenor (Tutorial Environment for Operations Research) stellt im Sinne dieser Arbeit keine Lern-
umgebung bereit, sondern vielmehr Einzelkomponenten, die in sich geschlossen sind und als aus-
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 58
führbare Programme auf Windows Rechnern benutzt werden können. Das Ziel der Autoren ist
es, hochinteraktive Komponenten bereitzustellen, die es dem Lernenden ermöglichen „…
Verfahren schrittweise mit verschiedenen Detaillierungsstufen ablaufen zu lassen und
Zwischenergebnisse zu betrachten. Außerdem soll die Möglichkeit bestehen in den
Verfahrensablauf einzugreifen, um Auswirkungen von Änderungen in der
Verfahrensspezifikation zu untersuchen“ [Tenor 2003].
Die folgenden Komponenten stehen zur Verfügung:
! BABE: Branch- and Bound-Verfahren
! GRAPPA: Graphentheorie
! LINO: Lineare Optimierung
! TABS: Tabu Search
! TSP: Heuristiken zum Traveling Salesman Problem
! WASI: Warteschlangentheorie und Simulation
Tenor legt den Schwerpunkt auf die Bereitstellung interaktiver Komponenten. Bei Tenor können
einzelne Lernobjekte klar identifiziert werden. Diese sind allerdings nur als einzeln stehende
Werkzeuge verfügbar, die keinen integrierenden Rahmen aufweisen.
2.4.3.6 Andere
Neben den oben angeführten Systemen und Werkzeugen existieren noch weitere Systeme, die im
Bereich OR eingesetzt werden. Hier seien exemplarisch nur einige Systeme aufgeführt.
[Informs RP 2003] bietet eine umfangreiche Sammlung von Verknüpfungen zu weiterführenden
Quellen. Es handelt sich hierbei allerdings um eine Auflistung OR relevanter Ressource aus allen
Bereichen, also mehr um eine allgemeine Sammlung von Links, denn um spezielle Lern-
materialien.
[OR-Objects 2003] ist eine Sammlung von Programmklassen, die speziell auf die Erstellung von
Programmen für den Bereich OR/MS ausgerichtet sind. Die Klassen liegen in der Sprache JAVA
vor und decken u. a. die Bereiche lineare Programmierung, Graphprobleme, Regressionen etc. ab.
Damit ist OR-Objects eher als Baukasten zur Erstellung von Programmen geeignet, denn als
Lernsoftware.
In die gleiche Kategorie fällt das Paket [Animal 2001]. Animal ist ein allgemeines Visualisierungs-
werkzeug mit dem Fokus auf Visualisierung von Algorithmen. [Animal Opt 2001] zeigt dabei ei-
nige Beispiele für Visualisierungen aus dem Bereich OR/MS. Der Schwerpunkt der Beispiele liegt
2 IT GESTÜTZTE LERNPROZESSE IM BEREICH OR/MS – ABGRENZUNG DES PROBLEMFELDS
Seite 59
auf dem Branch- and Bound-Algorithmus. Auch Animal ist vorrangig zur Erstellung von Anima-
tionen geeignet, die in einen größeren Kontext eingebettet werden müssen.
2.5 Zusammenfassung
Ziel dieses Kapitels war es, das Problemfeld der vorliegenden Arbeit abzugrenzen und im
Rahmen der Abgrenzung einen Überblick über den state of the art im Forschungsfokus der
Arbeit zu geben. Motivationsmoment für die Arbeit ist das lebenslange Lernen (2.1), das mit der
Notwendigkeit zu einer effizienten Unterstützung durch IT einhergeht. Zum besseren Verständ-
nis der nachfolgenden Ausführungen wurden zunächst einige wichtige lernpsychologische
Grundlagen gelegt (2.2). Die eigentliche Abgrenzung und Analyse des Problemfelds erfolgte da-
nach in zwei Schritten. Im ersten Schritt wurde der Begriff des E-Learning systematisiert (2.3),
wobei als wesentliche Eckpfeiler der Lernprozess zur Wissensvermittlung (2.3.1), die hyper-
medialen Lernsysteme zur IT-Unterstützung des Lernprozesses (2.3.3) sowie die Lernobjekte als
Bestandteile der zu vermittelnden Wissensbasis (2.3.4 und 2.3.5) herausgearbeitet wurden. Im
zweiten Schritt wurde dann Bezug nehmend auf diese Eckpfeiler das Problemfeld auf die in der
Arbeit betrachtete Anwendungsdomäne des OR/MS fokussiert (2.4). Dabei wurde insbesondere
der state of the art im abgegrenzten Problemfeld dargestellt, indem bestehende Lernsysteme für
OR/MS und deren Konzeptionen vergleichend gegenübergestellt wurden. Die dabei identi-
fizierten Defizite werden im folgenden Abschnitt nochmals pointiert zusammengefasst und
dienen als Basis für die Konkretisierung der Zielsetzung der vorliegenden Forschungsarbeit.
3 DEFIZITANALYSE UND DARAUS RESULTIERENDE ZIELE DER ARBEIT
Seite 60
3 Defizitanalyse und daraus resultierende Ziele der Arbeit
Inmitten von Schwierigkeiten liegen günstige Gelegenheiten.
Albert Einstein
Die Abgrenzung der Problemstellung in Kapitel 2 hat bereits die Vielschichtigkeit der relevanten
Aspekte des Problemfelds aufgezeigt. Bei der Beschreibung der einzelnen Aspekte wurden die
jeweiligen Defizite herausgearbeitet. In diesem Kapitel werden die bestehenden Defizite von
Lernsystemen im Bereich OR/MS nochmals zusammengefasst und konkretisiert (3.1). Aus der
Analyse der Defizite werden dann im Abschnitt 3.2 systematisch die Ziele der Arbeit entwickelt.
Die Vorgehensweise zur Umsetzung der Ziele und der Aufbau der Arbeit schließen sich an (3.3).
3.1 Defizite
Die Lernsysteme, die zurzeit im Bereich OR/MS zur Verfügung stehen (siehe 2.4.2) basieren
zum Großteil auf proprietären Formaten, die eng an bestimmte Technologien gekoppelt sind.
Die Spannbreite reicht dabei von proprietären Formaten wie Asymetrix Toolbook, über HTML
Seiten bis hin zu plattformgebundenen Anwendungen. Nur wenige Lernsysteme bieten eine um-
fassende Integration von Inhalten in ein Rahmensystem, andere bieten nur punktuelle Angebote
ohne begleitende Einbettung. In den gesichteten Lernsystemen werden Lernmaterialien verschie-
dener Medialitäten in variierenden technischen Formaten präsentiert. Medial aufbereitete Inhalte
werden dem Lernenden zur Verfügung gestellt, allerdings stets beschränkt auf das jeweilige
System. Die Begründung dafür liegt darin, dass die Systeme nicht WWW-basiert sind (Ausnahme
TutOR) und so keine etablierten Verknüpfungsmechanismen außerhalb des Systems selbst zur
Verfügung stehen. Selbst bei den WWW-basierten Systemen wie Tutor (siehe 2.4.3.4) sind nur
untypisierte, unidirektionale Verweise möglich, die die Sprache HTML bietet. Die Vielzahl
vorzufindender sprachlicher Dialekte, die zur Kodierung von Lernobjekten verwendet werden,
sowie die große Anzahl verschiedener technischer Formate, mit Hilfe derer die Verwaltung von
Lernobjekten erfolgt, stellt somit einen ersten wesentlichen Hinderungsgrund für die mangelnde
Interoperabilität und die fehlende Wiederverwendbarkeit von Lernobjekten dar.
Wendet man sich von der technischen Sichtweise ab hin zu strukturellen Aspekten, so ist festzu-
stellen, dass die betrachteten Lernsysteme für OR/MS erhebliche Mängel hinsichtlich der
Strukturierung und Systematisierung der in ihnen enthaltenen Lernobjekte aufweisen. Betrachtet
man dabei die Ebene des einzelnen Lernobjekts, so stellt sich zuerst die Frage danach, welche
Entitäten überhaupt Lernobjekte darstellen. Lernelemente in den verschiedenen Systemen weisen
3 DEFIZITANALYSE UND DARAUS RESULTIERENDE ZIELE DER ARBEIT
Seite 61
unterschiedliche Umfänge, Größen und mediale Formate auf, die sich nicht ohne weiteres in eine
selbsterklärende Struktur einordnen lassen. Um strukturelle Beziehungen zwischen Lernobjekten
festlegen zu können und damit eindeutige Regeln für die Komposition und Dekomposition von
Lernobjekten determinieren zu können, ist eine größenspezifische Strukturierung von Lern-
objekten unabdingbar.
Die gerade beschriebenen Defizite sind in erster Linie auf der Ebene einzelner Lernobjekte anzu-
siedeln. Eine Systematisierung von Lernobjekten und deren Beziehungen untereinander nach
größenspezifischen Gesichtspunkten ist domänenunabhängig anwendbar, d. h. nicht direkt ab-
hängig von den Inhalten der verwendeten Domäne.
Für eine Wiederverwendbarkeit von Lernobjekten wären jedoch auch inhaltliche und sach-
logische Systematisierungsaspekte erforderlich. Für den Bereich OR/MS bestehen bereits
Klassifizierungsansätze, diese weisen jedoch das Manko auf, dass sie größtenteils rein hierarchisch
organisiert und darüber hinaus einer direkten Nutzung für Lernobjekte nicht zugänglich sind. Um
eine optimale Wiederverwendbarkeit zu gewährleisten, ist eine formalisierte Strukturierung der
Domäne und eine Zuordnung der Lernobjekte zu dieser Struktur notwendig. Betrachtet man die
bestehenden Lernsysteme für OR/MS unter diesem Gesichtspunkt, so kann man konstatieren,
dass einheitliche sachlogische Strukturierungen nicht existent sind, respektive Verwendung
finden.
Um die Strukturierung von Lernobjekten sowohl nach größenspezifischen als auch sachlogischen
Aspekten abbilden zu können, ohne dabei die Interoperabilität und Wiederverwendbarkeit aus
dem Blick zu verlieren, sind standardisierte Beschreibungsschemata erforderlich. Die Analyse der
bestehenden Lernsysteme hat ergeben, dass hier nur rudimentäre Ansätze existieren (Verschlag-
wortung bei OR-Welt), die diesen Anforderungen jedoch nicht gewachsen sind.
Zusammengefasst stellt der Mangel an standardisierten Beschreibungen von Lernobjekten ein er-
hebliches Defizit für die Wiederverwendbarkeit von Lernobjekten dar. Alle Beteiligten innerhalb
eines E-Learning Systems - Entwickler, Lehrende und Lernende - würden von einer Standardi-
sierung von Lernobjekten profitieren. Für Entwickler ergeben sich durch die Standardisierung
kürzere Entwicklungszyklen, die Entwicklung von Lernobjekten wird einfacher. Lehrende
können zur Erstellung von Lerneinheiten auf einen Baukasten von Lernobjekten zurückgreifen.
Lernende können systematisch und effizient Lernobjekte nach Themengebieten durchsuchen.
Die Wiederverwendbarkeit von Lernobjekten ist also aus mehreren Gesichtspunkten
wünschenswert, wobei primär der ökonomische Aspekt zu nennen ist.
Die mangelnde standardisierte Beschreibung von Lernobjekten geht direkt mit der fehlenden
Unterstützung von Multilingualität einher. Multilingualität bezeichnet die Eigenschaft von
3 DEFIZITANALYSE UND DARAUS RESULTIERENDE ZIELE DER ARBEIT
Seite 62
Systemen, Inhalte in mehreren Sprachen zu transportieren. Lerninhalte sind typischerweise
lokalisiert, d. h. sie werden in einer spezifischen Sprache verfasst. Die Sprache wird entsprechend
dem avisierten Publikum gewählt. Die Implementierung der Sprache für Lernobjekte und deren
Beschreibungen ist oft inflexibel und nicht auswechselbar. In einem globalen Bildungsmarkt ist
diese Vorgehensweise als nicht mehr adäquat zu bezeichnen. Typischerweise sollte gerade die Be-
schreibung multilingual gewählt werden können, um Lernobjekte einem möglichst breiten
Publikum zugänglich zu machen. Die betrachteten Systeme weisen keine bzw. nur wenige
Mechanismen auf, um multilinguale Lernobjekte handhabbar zu machen.
Die in diesem Abschnitt dargestellten Defizite machen deutlich, dass standardisierte Schemata für
die Beschreibung von Lernobjekten erhebliche positive Implikationen auf die Interoperabilität,
die Wiederverwendbarkeit und damit die Kosten-Nutzenrelationen bei der Erstellung und Ver-
wendung von Lernobjekten hätten. Aus diesem Defizit wird im kommenden Abschnitt
systematisch die Zielsetzung der vorliegenden Arbeit entwickelt.
3.2 Ziele der Arbeit
Eine erste Definition für das Ziel der vorliegenden Forschungsarbeit wurde bereits im Kapitel 1
gegeben. Die im vorherigen Abschnitt herausgearbeiteten Defizite berücksichtigend, wird das
Ziel nun wie folgt konkretisiert: Im Rahmen der Arbeit soll ein Beschreibungsschema für die
Strukturierung von Lernobjekten in der Domäne OR/MS konzipiert werden, das sowohl größen-
spezifische als auch sachlogische Zusammenhänge berücksichtigt. Zur Validierung des
entwickelten Konzepts soll dieses informationstechnisch realisiert und in ein hypermediales Lern-
system eingebettet werden.
Bei der Entwicklung des Konzepts ist sicherzustellen, dass die verwendeten Technologien der ge-
forderten Interoperabilität von Lernobjekten nicht im Wege stehen, sondern diese unterstützen.
Lernobjekte bilden als einzelne Entitäten in ihrer Gesamtheit die Wissensbasis, die im Rahmen
eines Lernprozesses vom Lernenden durchsucht und verarbeitet wird. Strukturelle
Orientierungshilfen sind dabei von entscheidender Bedeutung, um der Gefahr der Informa-
tionsüberflutung und Desorientierung von vornherein entgegen zu treten. Das Konzept soll da-
bei einerseits größenspezifische, im Sinne granularer Ordnungsaspekte sowie sachlogische, im
Sinne ontologischer Ordnungsaspekte berücksichtigen. Zur weiteren Gewährleistung der Inte-
roperabilität und Wiederverwendbarkeit sind darüber hinaus hohe Ansprüche an die Kodierung
der Lernobjekte zu stellen. Einerseits ist dabei sicherzustellen, dass bestehende technologische
Standards berücksichtigt werden, andererseits ist die Fähigkeit der semantischen Auszeichnung
bei der Kodierung unabdingbar. Um die beschriebenen Defizite im Bereich der Multilingualität
3 DEFIZITANALYSE UND DARAUS RESULTIERENDE ZIELE DER ARBEIT
Seite 63
zu kompensieren, muss das gewählte Beschreibungsschema die Möglichkeit zur Beschreibung der
Lernobjekte in mehreren Sprachen explizit vorsehen.
Das zu entwickelnde Konzept hat naturgemäß einen abstrakten Charakter. Zur Validierung die-
ses Konzepts soll es daher informationstechnisch realisiert und in ein hypermediales Lernsystem
eingebettet werden. Die Entwicklung des Lernsystems selbst folgt dabei dem state of the art, wie
er in Abschnitt 2.4.3 beschrieben wurde. Um die Wirkweise des entwickelten Konzepts fassbar
zu machen, muss das Lernsystem über Komponenten verfügen, die die Manipulation der
Wissensbasis aus Sicht des Lehrenden und das effiziente Durchsuchen der Wissensbasis aus Sicht
des Lernenden demonstrieren. Spezifische Gesichtspunkte, die sich aus der betrachteten Domäne
des OR/MS ableiten lassen, sollen auch bei der Entwicklung dieser Komponenten berücksichtigt
werden. Hierbei handelt es sich insbesondere um Elemente, die die in Abschnitt 2.4.2 darge-
stellten Probleme bei der Wissensvermittlung in dieser Domäne reduzieren.
Im folgenden Abschnitt wird das Vorgehen dargestellt, mit dem systematisch diese vorformu-
lierten Ziele der vorliegenden Arbeit erreicht werden sollen.
3.3 Vorgehensweise und Aufbau der Arbeit
Zur Erreichung der gestellten Ziele dieser Arbeit werden in einem ersten Schritt die relevanten
Bausteine für die Gestaltung der Wissensbasis eines hypermedialen Lernsystems für OR/MS
identifiziert und näher betrachtet (Kapitel 4). Lernobjekte transportieren die Inhalte der Wissens-
basis und werden unter dem Aspekt der Wiederverwendbarkeit insbesondere mit Bezug auf
mögliche Kodierungsformen analysiert (Abschnitt 4.1). Die strukturelle und inhaltliche Beschrei-
bung von Lernobjekten kann mit Metadaten erfolgen. Um die Interoperabilität von Lernobjekten
zu gewährleisten, muss das Metadatenschema in der Lage sein, inhaltliche Ausprägungen
spezifisch für Lernobjekte abzubilden. In Abschnitt 4.2 werden bestehende Metadatenschemata
für Lernobjekte gesichtet und ein probates Metadatenschema selektiert. Die Abbildung der sach-
logischen Struktur von Lernobjekten ist stark domänenabhängig und erfordert eine explizite
Modellierung einer Wissensdomäne. Ontologien werden in der Literatur als geeignete Methode
angesehen, die Struktur einer Domäne zu explizieren. Die grundlegenden Konstrukte einer
Ontologie werden in Abschnitt 4.3 dargestellt. Die Unterstützung von Multilingualität sowohl für
Lernobjekte als auch für die beschreibenden Metadaten ist ausdrücklich Bestandteil der Ziele. Die
relevanten Mechanismen, um Multilingualität zu ermöglichen werden in Abschnitt 4.4 analysiert.
Aufbauend auf den Bausteinen für die Gestaltung der Wissensbasis werden diese im zweiten
Schritt zu einem integrativen Konzept kombiniert (Kapitel 5). Dieses Kapitel stellt den theore-
tischen Hauptteil der Forschungsarbeit dar. Die konkrete Ausgestaltung der semantischen
Kodierung von Lernobjekten wird mit Bezug auf die spezifischen Anforderungen der Domäne
3 DEFIZITANALYSE UND DARAUS RESULTIERENDE ZIELE DER ARBEIT
Seite 64
OR/MS analysiert und anhand des Beispiels von Fallstudien deutlich gemacht (Abschnitt 5.1).
Zur Systematisierung von Lernobjekten in der größenspezifischen Dimension werden granulare
Ordnungsaspekte aufgestellt. Die daraus abgeleitete Klassifizierung von Lernobjekten in Granu-
laritäten wird mit Bezugnahme auf die Wiederverwendbarkeit analysiert und durch die Definition
valider Kompositionsregeln für Lernobjekte verfeinert (Abschnitt 5.2). Die resultierende
Systematik der Granularitäten und valider Kombinationsmöglichkeiten von Lernobjekten liefert
den Bezugsrahmen für deren spätere Wiederverwendung. Die Systematisierung von Lernobjekten
in sachlogischer Dimension erfolgt in Abschnitt 5.3. Hier wird spezifisch für die relevante Do-
mäne OR/MS eine Abbildung der Wissensstrukturen der Domäne modelliert und in expliziter
Form einer Ontologie abgebildet. Die Zuordnung sowohl in granularer als auch sachlogischer
Dimension von Lernobjekten wird in Metadaten zu diesen notiert. Metadaten führen beide
Systematisierungsmerkmale kombiniert mit einer detaillierten, multilingualen Beschreibung der
Lernobjekte zusammen und dienen damit als zentrale Informationsquelle über die Wissensbasis.
In Abschnitt 5.4 wird das selektierte konzeptionelle Metadatenschema für die spätere Umsetzung
des Konzepts operationalisiert. Die Integration der bisher entwickelten Einzelkonzepte Kodie-
rung, granulare und sachlogische Systematisierung und die Beschreibung von Lernobjekten durch
Metadaten zu einem Gesamtkonzept erfolgt in Abschnitt 5.5. Das resultierende Ergebnis ist ein
integratives Konzept, das als theoretische Grundlage für die Implementierung eines hyper-
medialen Lernsystems zu OR/MS dient.
Das entwickelte Konzept wird in einem dritten Schritt informationstechnisch umgesetzt (Kapitel
6). Die Implementierung des hypermedialen Lernsystems für OR/MS stellt den praktischen
Hauptteil der Arbeit dar und soll die abstrakte Konzeption greifbar umsetzen. Die Formulierung
konkreter Anforderungen an das System ist Voraussetzung für eine systematische Implemen-
tierung (Abschnitt 6.1). Eine Implementierung muss notwendigerweise die relevanten Objekte
der Wissensbasis, Werkzeuge für die Manipulation der Wissensbasis sowie Werkzeuge für die
Präsentation der Wissensbasis bereitstellen. In Abschnitt 6.2 wird ein Architekturreferenzmodell
betrachtet, in das die Werkzeuge anforderungsgerecht zu einer Gesamtarchitektur eingeordnet
werden. Ausgehend von der Gesamtarchitektur werden die relevanten Objekte und die Werk-
zeuge näher betrachtet. Da Lernobjekte die Wissensbasis formen, stellen sie relevante Objekte
dar. Die Erstellung semantisch kodierter Lernobjekte sowie repräsentative Beispiele für Lern-
objekte werden in Abschnitt 6.3 vorgestellt. Die Systematisierung und Beschreibung der
Lernobjekte erfolgt gemäß dem Konzept mit Hilfe von Metadaten. Die persistente Ablage der
Metadaten und damit der Beschreibung der Wissensbasis wird in Abschnitt 6.4 erläutert. Das
Werkzeug zur Manipulation der Metadaten muss die abstrakte Wissensbasis greifbar machen. Die
Konstruktion von Lernobjekten und insbesondere die dabei entstehenden Strukturen müssen
Lehrenden möglichst plastisch vor Augen geführt werden, um eine hohen Wiederverwendungs-
3 DEFIZITANALYSE UND DARAUS RESULTIERENDE ZIELE DER ARBEIT
Seite 65
grad von Lernobjekten zu erzielen. Zur Erfüllung dieses Ziels werden textuelle und grafische
Manipulations- und Navigationsmethoden der Wissensbasis in Abschnitt 6.5 eingeführt. Aus
Sicht des Lernenden ist eine entsprechende Visualisierung ebenso notwendig, um einer
Desorientierung innerhalb der Wissensbasis vorzubeugen. Neben grafischen
Navigationskomponenten werden darüber hinaus effiziente Suchmechanismen und variable Dar-
stellungsformen semantisch kodierter Lernobjekte in Abschnitt 6.6 entwickelt.
In Kapitel 7 wird abschließend eine kritische Würdigung der Ergebnisse der Arbeit gegeben.
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 66
4 Bausteine für die Gestaltung der Wissensbasis eines hyper-
medialen Lernsystems für OR/MS
Eine Reise von tausend Meilen beginnt mit dem ersten Schritt.
Laotse
In diesem Kapitel werden die Bausteine für die Gestaltung der Wissensbasis eines integrativen,
hypermedialen Lernsystems für OR/MS gelegt. Aufbauend auf dem Konzept von Lernobjekten,
werden Aspekte zu deren Wiederbenutzbarkeit und Kodierung diskutiert (4.1). Ein weiterer
wichtiger Aspekt von Lernobjekten stellt deren Interoperabilität dar. In Abschnitt 4.2 werden
Metadatenschemata, also konkrete Spezifikationen über den Aufbau von Metadaten eingeführt,
die einen wichtigen Beitrag zu diesem Aspekt leisten. Um die sachlogische Strukturierung von
Lernobjekten zu ermöglichen, wird in der vorliegenden Arbeit auf das Konzept der Ontologien
zurückgegriffen, das in Abschnitt 4.3 erläutert wird. Letztendlich ist die Möglichkeit zur multi-
lingualen Darstellung multimedialer Inhalte in Lernobjekten und Metadaten an gewisse Voraus-
setzungen gebunden, die in Abschnitt 4.4 behandelt werden. Die wesentlichen konzeptionellen
Bausteine werden danach noch einmal kurz resümiert (4.5).
4.1 Lernobjekte – Wiederbenutzbarkeit und Kodierungsformen
In diesem Abschnitt werden zunächst relevante Faktoren für die Wiederbenutzbarkeit von Lern-
objekten betrachtet (4.1.1) und diese Überlegungen auf die möglichen Kodierungsformen von
Lernobjekten übertragen (4.1.2). Ziel ist es dabei, Kodierungsformen für Lernobjekte zu finden,
die eine hohe Wiederbenutzbarkeit sicherstellen. Abschnitt 4.1.3 beschreibt die für die betrach-
tete Domäne relevanten Dokumenttypen, die auf den grundlegenden Kodierungsformen basieren
und Lernobjekt repräsentieren.
4.1.1 Relevante Faktoren für Wiederbenutzbarkeit von Lernobjekten
Die Erfahrung von [McClelland 2003] wird auf viele Lehrkräfte zutreffen: “Each semester I
create Web-based learning experiences for my students by weaving together digital educational
resources or learning objects such as videos, images, assessments, simulations, or tutorials. Often
I use previously created material, if only I could find it” [McClelland 2003, 107]. Lehrende stellen
oft begleitend zu einer Veranstaltung digital vorliegende Materialien, ggf. aus früheren Veranstal-
tungen neu zusammen. Dabei werden die Materialien neu geordnet, teilweise aktualisiert und
durch neue Materialien ergänzt. Diese Tätigkeiten werden i. d. R. manuell ausgeführt, was in ei-
nem erheblichen Aufwand resultiert. Darüber hinaus ist die Sammlung an Material in den meisten
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 67
Fällen begrenzt auf die, die dem jeweiligen Autor zur Verfügung stehen. Es findet keine gemein-
same Benutzung, kein Teilen von Materialien zwischen mehreren Autoren statt.
Das Wissen über die Inhalte, Ablage und Verknüpfungsmöglichkeiten von Materialien ist i. d. R.
implizit vorhanden. Aufgrund der fehlenden expliziten Strukturierung findet keine Unterstützung
des Lehrenden bei dieser Tätigkeit durch ein Werkzeug statt. An dieser Stelle setzt die Idee von
Lernobjekten an. Lernobjekte sollen zur Lösung dieser Problematik beitragen, indem sie von der
konkreten Ausprägung abstrahieren und alle relevanten Materialien als Lernobjekt subsumieren.
Basierend auf der Definition eines Lernobjektes aus Abschnitt 2.3.4 werden im Kontext dieser
Arbeit nur digitale Entitäten, die über das WWW adressierbar sind betrachtet. Der Nutzen einer
Wiederverwendung von Lernobjekten liegt dabei auf der Hand.
Lehrende können bei wiederbenutzbaren Lernobjekten Lerneinheiten bedarfsgruppenspezifisch
zusammenstellen. Im Idealfall werden sie dabei durch ein System unterstützt, das Vorschläge für
eine Komposition basierend auf den Angaben des Autors unterbreitet. Die Abstraktion von
technischen Spezifika befreit einen i. d. R. Fachexperten davon, sich dieses technische Wissen
aneignen zu müssen. Die Erstellung von Lernobjekten ist erstmals mit mehr Aufwand behaftet,
da auch Beschreibungen dieser angefertigt werden müssen. Das Teilen und die gemeinsame Ver-
wendung von Lernobjekten führen aber ab einer kritischen Größe zu einem Skaleneffekt, so dass
durch die Wiederverwendung die Erstellung von z. B. Kursen bei geringeren Kosten möglich ist.
Lernende profitieren ebenfalls von wiederbenutzbaren Lernobjekten. Die erforderliche Beschrei-
bung von Lernobjekten erlaubt eine effektive Suche nach relevanten Lernobjekten. Die
Komposition zu Lerneinheiten kann neben Lernenden auch automatisiert von einem System
vorgenommen werden. Dabei können spezifische Bedürfnisse des jeweils Lernenden adaptiv be-
rücksichtigt werden. Die erforderliche Vereinheitlichung von Lernobjekten im Sinne einer
Abstraktion kommt letztendlich der Entwicklung von Lernobjekten selbst zu Gute. Standardi-
sierte Kodierungsformen für Lernobjekte bieten eine hohe Investitionssicherheit, da unabhängig
von spezifischen Produkten Inhalte erstellt werden können, die für eine Vielzahl von Hard- und
Softwareplattformen geeignet sind.
Wiederbenutzbarkeit steht bei der Definition von Lernobjekten im Vordergrund. Lernobjekte
verursachen einen erhöhten Aufwand, da neben der eigentlichen Erstellung des Lernobjektes die-
ses noch durch zusätzliche Informationen beschrieben werden muss. Dieser Aufwand ist nur
gerechtfertigt, wenn das Lernobjekt potenziell wieder benutzt werden kann.
Die Wiederbenutzbarkeit unterliegt allerdings Einschränkungen durch verschiedene Faktoren.
[Hiddink 2000, 4] führt in dem FORMULA-M Modell drei globale Haupteinflussfaktoren bzgl.
der Wiederbenutzbarkeit von Lernobjekten ein:
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 68
! Zugänglichkeit („accessability“),
! Generizität („genericity“) und
! Gelegenheit („oppertunities“).
Die Zugänglichkeit von Lernobjekten ist entscheidend für deren Wiederverwendbarkeit. Voraus-
setzung für Wiederverwendung ist, dass potenzielle Lernobjekte überhaupt gefunden werden
können. Die Möglichkeit Lernobjekte nach spezifischen Merkmalen durchsuchen zu können,
kann durch eine adäquate Beschreibung sichergestellt werden. Dabei sollte das Schema, nach dem
Merkmale für Lernobjekte erfasst sind, zugänglich und leicht verständlich sein. Metadaten sind
ein Weg, um eine solche Beschreibung zu ermöglichen (siehe Abschnitt 4.2). Weiterhin kann die
Sprache der Beschreibung relevant für die Zugänglichkeit sein. Unabhängig von der Sprache des
Lernobjekts ist generell eine Beschreibung in möglichst vielen Sprachen wünschenswert, um eine
hohe Zugänglichkeit zu erreichen (siehe auch Abschnitt 4.4).
Generizität ist ein nicht direkt übersetzbarer Begriff, der aus dem Umfeld objektorientierter
Programmiersprachen stammt. Die Idee von Generizität ist es, allgemeine Funktionen zu
implementieren, die erst bei der Kompilierung mit passenden Typzuweisungen versehen werden
und so generisch anwendbar sind. Übertragen auf Lernobjekte weisen diese eine hohe Generizität
auf, wenn der jeweilige Inhalt in anderen Kontexten wieder verwendbar ist. Inhalte, die in ver-
schiedenen Kontexten oder mit unterschiedlichen Schwerpunkten verwendet werden sind
wahrscheinlicher wieder benutzbar als solche, die sehr spezifische Sachverhalte behandeln. Bei
sehr speziell zugeschnittenen Inhalten kann der Fall auftreten, dass Lerninhalte zu speziell auf ei-
nen Kontext, z. B. eine Vorlesung angepasst sind und ohne zusätzliche Erläuterungen eines
Lehrenden nicht autark nutzbar sind. Weiterhin sollten Verweise in Lernobjekten auf lokale
Institutionen etc. vermieden werden. Dies trifft auch auf die grafische Gestaltung von
Lernobjekten zu. Die Verwendung von zahlreichen Logos sowie spezifischen Farbschemata, die
die Corporate Identity der Institution darstellen, schränken die Generizität eines Lernobjekts ein.
Im Idealfall können diese optischen Gestaltungselemente variabel für das Lernobjekt ausge-
tauscht werden, ohne Änderungen am Lernobjekt selbst vornehmen zu müssen.
Legale Aspekte können ebenfalls einschränkend wirken. Produzenten von Lernmaterialien haben
natürlich ein vitales Interesse daran, die Nutzer dieser an den Herstellungskosten partizipieren zu
lassen. Die Wiederbenutzbarkeit würde dabei durch leicht in Anwendungen zu integrierende Ab-
rechnungsmethoden gefördert werden. [Hiddink 2001] konstatiert: „Currently, e-commerce
technology is not sufficiently integrated into everyday online life to permit institutions to easily
pay for reused materials; this makes it more difficult to reuse non-free materials“ [Hiddink 2001,
300]. Selbst bei frei zugänglichen Ressourcen tritt das Problem der Verknüpfung auf (das
„Kopieren” fremder Ressourcen sollte selbstverständlich keine Option sein). Durch die fehlende
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 69
Kontrolle über das Ziel des Links kann letztlich nicht sichergestellt werden, dass die Verfügbar-
keit bzw. die Integrität der verlinkten Komponente gewahrt bleibt.
Letztlich stößt die Wiederbenutzbarkeit auch auf technische Hindernisse. Um ein Lernobjekt
überhaupt wiederbenutzen zu können, muss dessen Existenz erst bekannt sein. Autoren, die
Lernobjekte wiederbenutzen möchten, haben diese nicht notwendigerweise selbst verfasst und
damit Kenntnis von diesen. Die Suchmöglichkeiten im WWW heute überfluten den Benutzer ge-
radezu mit irrelevanten Ergebnissen. Darüber hinaus sind heutige Suchmaschinen hauptsächlich
in der Lage, textbasierte Dokumente zu indizieren; multimediales Material ist davon in der Regel
ausgeschlossen. Bilder, Simulationen, Audiodateien, deren Datenformate nicht indiziert werden
können, werden von Suchmaschinen nicht erfasst. Metadaten bieten einen Ausweg aus diesem
Dilemma.
Lernobjekte sind prinzipiell in beliebiger Form kodierbar, d. h. die Betrachtungsweise als Lern-
objekt abstrahiert von der konkreten Instantiierung in einem spezifischen Format. Unabhängig
davon, ob proprietäre Technologien, wie z. B. Asymetrix Toolbook, Macromedia Director etc.
oder plattformunabhängige Technologien wie z. B. HTML, XML oder JAVA eingesetzt werden,
werden die resultierenden Lernmaterialien als Lernobjekt betrachtet.
4.1.2 Kodierungsformen von Lernobjekten
In dieser Arbeit werden Lernobjekte betrachtet, die über das WWW als Emissionsmedium über-
tragen werden. Die genuine Kodierung von Dokumenten im WWW ist HTML, der nahe liegende
Weg zur Formulierung von Lernobjekten mit hoher Integration in den Browser scheint die Ver-
wendung von HTML zu sein. Diese Kodierung führt jedoch einige Nachteile mit sich, die noch
näher erläutert werden. Im Folgenden wird eine Systematisierung der sog. Auszeichnungs-
sprachen vorgenommen, indem zunächst das Markup-Prinzip anhand der Metasprache SGML
und HTML als einer ihrer Anwendungen erläutert wird (4.1.2.1). Neben HTML hat sich beson-
ders XML als formatunabhängige Metasprache in der WWW basierten Kodierung von
Lernobjekten etabliert. Die explizite Kodierung von Strukturen in Lernobjekten wird von XML
besser unterstützt, als es HTML möglich ist. Bei XML handelt es sich um eine Weiterentwicklung
von SGML, die die strikte Trennung zwischen Inhalt und Struktur vorsieht. Durch die strikte
Trennung können prinzipiell beliebige Darstellungsformen von XML Lernobjekten generiert
werden. Die dazu notwendigen Transformationen werden durch den begleitenden Standard XSL
definiert (4.1.2.2).
4.1.2.1 Auszeichnungssprachen auf Basis des Markup-Prinzips – SGML und HTML
Der Begriff Markup bezeichnet den Prozess des expliziten Anreicherns des Inhalts von Do-
kumenten um den Strukturanteil. Die Geschichte reicht dabei bis in die 60er Jahre des 20.
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 70
Jahrhunderts zurück. William Tunnicliffe machte 1967 den Vorschlag, eine Trennung zwischen
Layout und dem eigentlichen Inhalt eines Dokuments zu vollziehen. Stanley Rice stellte etwa zur
gleichen Zeit die Idee eines universellen Katalogs logischer Strukturmarken (sog. „tags“) vor, mit
denen Manuskripte markiert werden konnten, um spätere Änderungen des Layouts zu erleich-
tern. Aufbauend auf diesen grundlegenden Ideen entwickelte Charles Goldfarb für IBM 1969 die
„Generalized Markup Language“ (GML), welche syntaktische und semantische Elemente zur for-
malen Beschreibung von Auszeichnungssprachen bereitstellte.
GML basierte auf den Ideen von Rice und Tunnicliffe, wies allerdings einen wichtigen Unter-
schied auf: Anstatt die Idee eines einzigen Tag-Schemas weiterzuverfolgen, setzte GML auf das
Konzept eines vorher definierbaren Dokumententyps und einer explizit eingebetteten Element-
struktur. Darauf aufbauend wurde in Abstimmung mit der International Organization for
Standardization (ISO) ein Entwurf von Standardized General Markup Language (SGML) ent-
wickelt, der 1986 als [ISO8879 1986] veröffentlicht wurde.
SGML
SGML stellt Mechanismen bereit, mit denen die Struktur von Dokumenten beschrieben werden
kann. Ein Dokument wird dabei nicht typographisch, sondern rein strukturell definiert, so dass es
unabhängig von der weiteren Verwendung und Darstellung durch die verschiedenen Text-
elemente charakterisiert wird. Die Strukturdefinition eines Dokumententyps erfolgt in einer
„Document Type Definition“ (DTD), welche Informationen über den Aufbau eines Dokuments
eines spezifischen Typs enthält. In der DTD wird festgelegt, welche Elemente ein solches
Dokument enthalten darf bzw. muss und in welcher Reihenfolge diese erscheinen dürfen. Ein
konkretes Dokument wird dabei als Instanz bezeichnet. Es besteht zum einen aus den in der je-
weiligen DTD definierten Strukturelementen und zum anderen aus dem eigentlichen Inhalt. Die
Elemente beschreiben dabei nur, um welche Art von Information es sich handelt und nicht, wie
diese darzustellen ist. Damit ist SGML eine Metasprache, mit der spezifische Anwendungen
definiert werden können. Die wohl bekannteste konkrete Anwendung von SGML ist HTML.
Alle bisherigen HTML-Versionen wurden in SGML definiert. Der Mächtigkeit und Funktions-
vielfalt von SGML steht deren Komplexität gegenüber, welche die Erstellung von darauf
basierenden Anwendungen kompliziert und teuer macht. SGML hat sich als Anwendung auf
breiter Basis nie durchsetzen können. Aus diesem Grund wird SGML hier nicht näher behandelt.
Dennoch wurde SGML zur Spezifikation von HTML und von der Funktionalität gesehen als
Vorlage für XML verwendet.
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 71
HTML
Der Erfolg des WWW beruht weitestgehend auf der Tatsache, dass die beschreibende Sprache
HTML sehr einfach strukturiert ist. Jeder ist eigentlich in der Lage, HTML kodierte Dokumente
für das WWW zu erstellen. Dokumente werden mit einem fest definierten Satz von Tags be-
schrieben. Die einzelnen Elemente eines Dokuments werden durch die Tags spezifiziert, wobei
jedes Element durch ein <Anfang Tag> begonnen und durch ein </Ende Tag> abgeschlossen
wird. Dieser Prozess der Anreicherung eines Dokuments durch Tags wird als Markup bezeichnet.
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 //EN">
<html>
<head>
<title>Kontakt: Stephan Kassanke</title>
<meta name="author" content="Stephan Kassanke">
</head>
<body>
<h1>Operations Research</h1>
<p>Eine Einführung in OR ...</p>
<p>...</p>
</body>
</html>
Document Type
Definition
Beginn HTML
Head: Dokument-
informationen
Body: Eigentliches
Dokument
Ende HTML
Abbildung 11: Aufbau eines HTML Dokuments (Quelle: Eigene Darstellung)
HTML ist als Sprache zwar vom World Wide Web Konsortium (W3C) syntaktisch standardisiert
ist, hinkt aber in der Praxis auf Grund der geschichtlichen Entwicklung diesem Anspruch weit
hinterher. Die Mehrzahl der HTML Dokumente, die im WWW verfügbar sind, sind nicht voll-
ständig syntaktisch korrekt.
Mit der ersten Fokussierung auf der Publikation von wissenschaftlichen Dokumenten in den
ersten Versionen von HTML erfolgte eine zunehmende Ausweitung auf andere Verwendungen.
Besonders im kommerziellen Bereich lag und liegt der Fokus eher auf darstellerischen
Elementen, d. h. Aspekte wie farbliche Darstellung, genaue Positionierung von Elementen etc.
treten in den Vordergrund. Proprietäre Erweiterungen wurden von Microsoft und Netscape ein-
geführt, die jeweils nur von den eigenen Browsern Internet Explorer bzw. Netscape Navigator
interpretiert werden. HTML war ursprünglich dazu ausgelegt, nur die Struktur von Dokumenten
zu beschreiben. Im Gegensatz zu dieser Grundintention wird HTML heute hauptsächlich dazu
benutzt, den Satz eines Dokuments, d. h. wie das Dokument dargestellt wird, festzulegen.
„However, the markup language that is used to build these pages, HTML, has become very
layout-oriented since its inception“ [Hiddink 2001, 304]. Die Fokussierung auf darstellende
Elemente weicht erheblich von der Grundkonzeption der Sprache ab, die die Struktur von
Dokumenten spezifizieren sollte und gerade nicht Einfluss auf das Layout nehmen sollte. HTML
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 72
ist sehr stark auf rein darstellende Merkmale ausgerichtet und stellt zu wenige Mechanismen be-
reit, die die semantischen Eigenschaften von Dokumenten beschreiben.
Die Folge ist, dass Suchmaschinen lediglich in der Lage sind, die Volltexte von Dokumenten
bzw. Lernobjekten zu indexieren. Benutzer ertrinken geradezu in der Informationsflut bzw. sind
nicht in der Lage, alle im WWW bereit gestellten Informationen zu nutzen. [Rusch-Feja 1997]
führt aus, dass eine Recherche mit Suchmaschinen eine sehr große Anzahl an Treffern liefern
kann. Die Anzahl der Dokumente, die davon aber „… für den Zweck der wissenschaftlichen
Suche und in dem Niveau des gewünschten Informationsgehaltes …“ geeignet sind, eher gering
ist. Bei sehr spezifischen Fragen kann dieses Verhältnis nach [Rusch-Feja 1997] lediglich 5% bis
hin zu 0,005% der gesamten Menge an Dokumenten betragen.
Eine wichtige Implikation dieser Entwicklung ist, dass HTML nicht oder wenn, dann nur sehr
beschränkt dazu geeignet ist, die Semantik von Dokumenten abzubilden. Dieses Problem ist
prinzipiell bedingt, da HTML nicht erweiterbar ist und damit nur einen Dokumenttyp darstellen
kann. Durch die fest definierte Menge an Tags können keine anwendungsspezifischen Informa-
tionen deklariert werden. Lediglich die vorgegebenen Strukturierungsmöglichkeiten von HTML
können benutzt werden, um Inhalte mit Semantik zu versehen. Im folgenden Beispiel wird die
beschreibende Seite des Autors mit Kontaktinformationen am Lehrstuhl DS & OR Lab der Uni-
versität Paderborn verwendet.
Abbildung 12: Kontaktseite von Stephan Kassanke am DS&OR Lab, Universität
Paderborn (Quelle: Eigene Darstellung)
Dieses noch recht allgemeine Beispiel macht bereits deutlich, dass die Informationsrepräsentation
spezifischer Anwendungen durch HTML nur unvollständig gewährleistet werden kann. Die
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 73
Informationen können von HTML nur unter Informationsverlusten kodiert werden. So ist aus
dem resultierenden HTML Dokument z. B. die Telefonnummer nicht mehr eindeutig zu re-
konstruieren. Durch die begleitende Beschriftung ist die Identifikation der Telefonnummer für
einen Menschen noch möglich, ein Softwareagent oder eine Suchmaschine kann diese Erkennung
aber nur unter erheblichem Aufwand oder gar nicht leisten. Die Information der Telefonnummer
ist nicht in eindeutig maschinenlesbarer Form hinterlegt.
Diese Unzulänglichkeit von HTML, semantische Strukturen in Dokumenten eindeutig zu spezifi-
zieren, wird bei semi-strukturierten Dokumenten noch deutlicher. Zu diesen werden z. B.
Verbunddokumente und damit auch Lernobjekte gezählt. Sie weisen stark variierende Strukturen
auf, die aber einem groben Rahmenmuster folgen. Der Zugriff auf einen großen Dokumenten-
pool wird kaum durch automatisierte Verfahren gestützt. Dieser Ansatz ist ab einer kritischen
Menge von Lernobjekten nicht mehr praktikabel. Dabei ist es unerheblich, ob sich der Suchraum
aus dem gesamten WWW oder einer begrenzten Anzahl von Seiten innerhalb eines Intranets zu-
sammensetzt. Aufgrund der mangelnden Datenbasis können Suchmaschinen nur einen
Volltextindizierungsansatz verfolgen und nur vergleichsweise unbefriedigende Ergebnisse liefern.
Durch die Orientierung auf Präsentationselemente werden die Wiederbenutzungsmöglichkeiten
eingeschränkt: “This presents a major limitation to reuse: a teacher may like the contents of a
particular web page, but dislike the layout of it” [Hiddink 2001, 304]. HTML bietet zwar Ansätze
zur Trennung zwischen Inhalt und Layout durch sog. „cascading stylesheets“ (CSS). Ein CSS de-
finiert die Formatierung von HTML Tags getrennt von dem HTML Dokument. CSS sind
hauptsächlich für darstellendes (prozedurales) Markup konzipiert, d. h. die optische Angabe von
Schriftgrößen, Farben etc. kann damit gesteuert werden. Auf der semantischen Ebene sind kaum
Operationen möglich. Aus diesem Grund ist CSS für die reine Darstellungssteuerung gut geeig-
net, weniger für Zugriffe auf die semantische Struktur. Ein in HTML kodiertes Dokument kann
durch die Kombination mit verschiedenen CSS jeweils mit einer variierenden Formatierung ange-
zeigt werden, ohne selbst geändert werden zu müssen. Die Trennung zwischen Struktur und
Inhalt wird damit zwar vollzogen, aber lediglich auf einer darstellenden Ebene, d. h. die Farbe
oder Formatierung eines Tags kann geändert werden, die benutzerspezifische Generierung inkl.
der Auslassung von Sektionen, Umordnungen etc. kann durch CSS nicht geleistet werden.
4.1.2.2 Trennung zwischen Inhalt und Struktur – XML und XSL
Lernobjekte bestehen aus einer inhaltlichen Komponente und einer zugehörigen strukturellen
Komponente, die die Inhalte ordnet. Die strukturelle Komponente, d. h. der Aufbau eines Lern-
objekts ist semantisch ausgerichtet, also mit einer Bedeutung belegt. Überschriften gliedern
Sektionen, spezielle Sektionen sind als Beispiel gekennzeichnet etc. Die semantische Bedeutung
von Strukturelementen kann explizit oder implizit kodiert sein. Z. B. sind bei Texten die Über-
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 74
schriften i. d. R. durch eine vom Haupttext abweichende Formatierung gekennzeichnet. Diese
Kennzeichnung ist implizit, lediglich die informelle Konvention, dass Überschriften durch eine
spezielle Formatierung gekennzeichnet sind, ermöglicht das Erkennen der Struktur.
Für eine Maschine ist es nicht eindeutig aus einer einzelnen Textzeile, die fett und größer forma-
tiert ist, abzuleiten, dass es sich hierbei um die Überschrift eines Kapitels handelt. Für einen
Menschen ist dieses möglich, da wir in der Lage sind, die schriftliche Auszeichnung in einen
Kontext zu setzen und diese zu interpretieren. Diese Leistung kann von einer Maschine wenn
überhaupt, nur rudimentär und nur unter sehr großem Aufwand erzielt werden.
Bei expliziter Strukturdarstellung, wird von der Formatierung abstrahiert, lediglich eine se-
mantische Kennzeichnung erfolgt. Die Trennung zwischen diesen Komponenten ist wün-
schenswert, in der realen Umsetzung werden die Bestandteile eines Lernobjekts aber oft ver-
mischt und nicht klar separiert. Hinzu kommt, dass die Trennung teilweise in der Auszeichnung
des Dokuments selbst nicht möglich ist, da sie nicht vollständig unterstützt wird. In HTML ist es
z. B. möglich, Formatierungsanweisungen direkt im Dokument zu hinterlegen. Dadurch wird die
semantische Auszeichnung durchbrochen, die erst die durchgängige Verarbeitung von Maschinen
ermöglicht. Die klare Trennung wird erst dann möglich, wenn
! Inhalt,
! Struktur, und
! Formatierung
im Dokument erfasst und eindeutig separiert werden (vgl. [Downes 2001]). Die explizite Kenn-
zeichnung ermöglicht eine konsequente Trennung eines Lernobjekts in Inhalt, Struktur und
Formatierung. Zur Darstellung in einem Zielformat müssen Formatierungsanweisungen hinzuge-
fügt werden, die definieren, wie Inhalt und Struktur eines Lernobjekts dargestellt werden sollen.
Die Abstraktion in diese drei Komponenten bietet erhebliche Vorteile gegenüber einem rein
prozeduralen Markup. So können basierend aus dem semantisch ausgezeichneten Lernobjekt
variierende Darstellungsformen generiert werden. Im Hinblick auf variierende Endgeräte, mit
denen Benutzer auf Lernobjekte zugreifen, ist diese Option sehr wünschenswert, um den Auf-
wand zu minimieren, der notwendig ist, um die jeweiligen Spezifika der Endgeräte zu be-
rücksichtigen. Erst durch die präsentationsunabhängige Formulierung von Lernobjekten lassen
sich diese für verschiedene Endgeräte aufbereiten und so auch über einen längeren Zeitraum
nutzen. Die Entkopplung von der Darstellungsform befreit in diesem Sinne auch von dem
Zwang, die technische Evolution von Anzeigegeräten in den Kodierungen der Lernobjekte selbst
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 75
nachzuvollziehen. Die Anpassung einer großen Anzahl von Lernobjekten an ein neues Ausgabe-
gerät ist dagegen mit erheblichem Aufwand verbunden.
Neben den möglichen Zielformaten im Hinblick auf technische Umsetzung lassen sich durch ge-
eignete Formatierungsanweisungen adaptierte Versionen eines Dokuments generieren. Z. B. ist es
denkbar, aus einem Ursprungsdokument, das neben Testfragen auch die dazugehörigen Antwor-
ten enthält, eine Variante für Lernende nur mit den Fragen und für Tutoren eine weitere Variante
inkl. der Antworten/Lösungshinweise zu generieren. Eine strikte Trennung der oben ange-
sprochenen Komponenten Struktur, Formatierungen und Inhalt bietet die Extensible Markup
Language (XML)
XML
XML ist eine Basistechnologie, um strukturierte Information unter Beibehaltung eben dieser
Struktur zu speichern. Im Folgenden werden nur die grundlegenden Eigenschaften von XML
erläutert. Für weitergehende Ausführungen sei auf die einschlägige Literatur verwiesen (siehe
[Behme/Mintert 2000], [Harold 1999], [Maruyama et al. 1999], [Simpson 2001]). Auch
[Rothfuss/Ried 2001, Kapitel 6] geben einen kompakten Überblick über die Technologie und die
flankierenden Standards.
XML stellt eine echte Teilmenge von SGML dar und ist wie SGML eine Sprache, die Mechanis-
men bereitstellt, um Dokumenttypen formal zu definieren. XML ist per Definition erweiterbar
(„extensible“), d. h. kann durch Strukturen erweitert werden. In diesem Sinne ist XML keine
Markupsprache, sondern eine Metasprache. XML wurde aufbauend auf den Erfahrungen des
W3C mit SGML für den Einsatz im Internet optimiert spezifiziert. Dazu gehört der explizite
Verzicht auf Eigenschaften von SGML, die sich als zu kompliziert in der Handhabung bzw. als
überflüssig erweisen hatten. Als Metasprache kann XML benutzt werden, um Markupsprachen
und damit Grammatiken für spezifische Problemstellungen zu entwickeln. Diese Grammatiken
legen die Struktur eines Dokuments fest. Dabei werden wie bei SGML Document Type
Definitionen oder alternativ sog. XML Schemata als Definitionsmittel benutzt (vgl. auch [XML
Schema 2003]).
Es ist irrelevant, ob die Dokumente Textelemente, stark strukturierte Auszüge in tabellarischer
Form oder semi-strukturierte Elemente enthalten. Im Gegensatz zu relationalen Schemata, die
eher schlecht geeignet sind, um hierarchische Beziehungen abzubilden, ist XML in der Lage, be-
liebige Strukturen abzubilden. Die gesamte Spanne von Strukturierungsgraden kann durch XML
verlustfrei abgebildet werden. Dabei werden keine besonderen technologischen Fundamente wie
z. B. Datenbanken benötigt. XML Dokumente sind wie HTML Dokumente reine Text-
dokumente, d. h. sie werden nicht in speziellen binären Format gespeichert. Der fundamentale
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 76
Vorteil gegenüber proprietären Formaten liegt darin, dass grundsätzlich keine speziellen Werk-
zeuge nötig sind, um XML Dokumente zu erstellen. Ein Texteditor ist prinzipiell ausreichend für
diese Aufgabe.
Technisch gesehen besteht ein XML Dokument aus einem Prolog und genau einem Haupt-
element („root element“). Nach [XML 2000] ist der Aufbau eines XML Dokumentes festgelegt
durch einen Prolog, genau ein Hauptelement sowie ggf. Kommentare und weitere steuernde
Anweisungen:
document ::= prolog element Misc*
Ein wohlgeformtes Dokument beginnt mit einem Prolog, der das Dokument kennzeichnet. Zu-
sätzlich können hier Angaben über die verwendete Zeichenkodierung vermerkt werden.
<?xml version=“1.0“ encoding=“UTF-8“>
Es existiert genau ein Hauptelement, das in keinem anderen Element enthalten ist. Zusätzlich
müssen Tags korrekt ineinander verschachtelt werden, Überlappungen zwischen Start- und
Ende-Tags dürfen nicht auftreten. Wenn ein XML Dokument syntaktisch korrekt ist, bezeichnet
man es als wohlgeformt („well-formed“). Neben der Wohlgeformtheit gibt es ein darüber hinaus-
gehendes Qualitätskriterium: Die Gültigkeit oder Validität („validity“). Die Wohlgeformtheit stellt
nur syntaktische Korrektheit sicher, semantische Korrektheit wird damit nicht festgestellt. Die
semantische Korrektheit, also ob ein Lernobjekt einem in einer DTD festgelegten Aufbau ent-
spricht, kann maschinell überprüft werden. Ein Softwarewerkzeug, ein sog. „Parser“ wird damit
in die Lage versetzt, ein XML Dokument auf seine Gültigkeit in Bezug auf ein Schema zu über-
prüfen, d. h. festzustellen, ob das Dokument den formulierten Anforderungen genügt. Wenn das
der Fall ist, wird das Dokument als valide („valid“) bezeichnet.
Die interne Struktur eines Lernobjekts wird durch die Aufteilung in Einheiten und Definition der
Beziehungen zwischen diesen Einheiten festgelegt. Die Zerlegung in Einheiten ist dabei stark
vom Anwendungsbereich und dem jeweiligen Verwendungszweck abhängig. Durch die explizite,
maschinenverarbeitbare Modellierung der Dokumentenstruktur lässt sich eine automatisierte
Verarbeitung erzielen. Die Erstellung eines Inhaltsverzeichnisses für ein allgemeines Dokument,
das Sektionen, Untersektionen und Textblöcke aufweist, ist ein Beispiel dafür. Für Lernobjekte
lassen sich ähnliche Strukturen finden und festlegen.
Durch die Darstellung als Text können die Dokumente sowohl von Maschinen als auch von
Menschen gelesen werden. Das Format erlaubt weiterhin eine Abkopplung von der Applikation,
mit der das Dokument erstellt wurde. Da Textkodierungen, wie z. B. ASCII nur einen festge-
legten Satz an Zeichen haben und damit keine weitergehenden Zeichen, wie Umlaute,
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 77
Währungssymbole etc. erlauben, ist die Ablage in Form von Unicode explizit im Standard vorge-
sehen (siehe 4.4.2).
XML stellt lediglich die Struktur eines Lernobjekts dar, es werden keine Aussagen über die Dar-
stellung bzw. Formatierung gemacht. Damit sind XML basierte Lernobjekte präsentationsneutral.
Zur Darstellung in einem Zielformat wie HTML, müssen die Lernobjekte mit Hilfe von Trans-
formationsvorschriften in dieses Format überführt werden. Eine Sprache für
Transformationsregeln ist die Extensible Stylesheet Language (XSL).
XSL
XSL ist genau genommen eine Familie von Standards, die aus den Teilbereichen XSL Trans-
formationen (XSLT), XML Path Language (XPath) und XSL Formatting Objects (XSL-FO)
besteht. Die Transformation von XML Dokumenten wird über XSLT vorgenommen. Ziel-
formate können dabei darstellungsorientierte Formate wie HTML oder auch andere XML
Strukturen sein. XSLT stellt Möglichkeiten und Methoden dar, um Transformationen von XML
Dokumenten zu spezifizieren. Die Darstellung von XML kann zwar auch von CSS ähnlich wie
bei HTML übernommen werden, XSLT ist aber ausdrucksstärker als CSS und bietet mehr
Kontrolle über den Transformationsprozess. In Abbildung 13 ist der Zusammenhang zwischen
Metasprachen wie SGML und XML, deren konkreten Applikationen, den Auszeichnungs-
sprachen wie HTML/xHTML, DocBook, LOM und den Transformationssprachen wie CSS und
XSL nochmals illustriert.
beeinflusst
Metasprachen
Abbildung 13: Überblick über SGML, HTML, XML und verwandte Technologien
(Quelle: vgl. [Behme/Mintert 2000])
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 78
Während der Transformation wendet ein Stylesheet Prozessor ein XSLT Stylesheet auf ein XML
Dokument an. Das XSLT Stylesheet selbst ist dabei wieder in Form eines XML Dokuments an-
gelegt, d. h. die Gültigkeitsregeln von XML gelten auch für XSLT. Im Stylesheet werden Muster
(„templates“) vorgegeben, die den Transformationsablauf steuern. Die einzelnen Muster
adressieren durch XPath-Ausdrücke Teile des XML Dokuments und spezifizieren, wie diese
transformiert werden sollen. Dadurch kann dieses XML Dokument direkt in ein serialisiertes
Ausgabeformat wie HTML überführt werden. Dieser Prozess ist in Abbildung 14 skizziert.
Abbildung 14: XSL Transformation in HTML Format (Quelle: Eigene Darstellung)
Im Falle eines binären Ausgabeformats, wie PDF, muss noch ein Zwischenschritt eingefügt wer-
den. In diesem Fall erzeugt der Stylesheet Prozessor ein intermediäres Ausgabeformat (XSL
Formatting Objects – XSL-FO). Diese werden in einem nachgeschalteten Prozess durch einen
FO Prozessor in PDF überführt. Dieser Prozess ist in Abbildung 15 abgebildet.
Abbildung 15: XSL Transformation über FO nach PDF (Quelle: Eigene Darstellung)
Für weitere Einzelheiten zu XSL und FO siehe [Kay 2001]. Zusammenfassend ergeben sich die
folgenden Vorteile für eine XML basierte Kodierung von Lernobjekten: Die Lernobjekte sind
unabhängig von derzeitigen bzw. auch zukünftigen Ausgabeformaten. Durch die Modifikation
bzw. Erstellung eines Stylesheets können alle Lernobjekte in dieses Ausgabeformat transformiert
werden. Die Transformierung durch ein zentrales Stylesheet erzeugt konsistente Darstellungen,
die Erwartungskonformität des Lernenden bzgl. typografischen Layouts wird erfüllt. Die Werk-
zeuge zur Erstellung der Lernobjekte sind aufgrund der Kodierung als Textdatei freigestellt, es
wird eine Abhängigkeit von proprietären Technologien vermieden.
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 79
Diesen Vorteilen stehen allerdings Nachteile einer direkten Kodierung in HTML gegenüber: Die
Anfangsaufwände sind in jedem Fall höher. Die Stylesheets müssen ebenso wie die DTD initial
erstellt werden. Es existieren allerdings bereits einige Dokumenttypen, die für Lernobjekte rele-
vant sind und auf die zurückgegriffen werden kann.
4.1.3 Relevante Dokumenttypen für Lernobjekte
XML bietet Mechanismen, um Dokumenttypen zu spezifizieren. Für diverse Anwendungsgebiete
existieren bereits Dokumenttypen, so dass es oftmals ökonomischer ist, bereits existierende
Strukturen zu sichten, ob sie einen speziellen Anwendungsfall abdecken, als „das Rad neu zu
erfinden“. Auch im Anwendungskontext von Lernobjekten finden sich bereits Ansätze, die in der
Lage sind, typische Strukturen semantisch abzubilden. Die Verfügbarkeit von Dokumenttypen
deckt dabei unterschiedlichste Granularitätsstufen von Lernobjekten ab. Neben Dokumenttypen
für komplette Dokumente, existieren ebenfalls Typen, die auf kleinere Objekte, wie mathe-
matische Formeln oder Grafiken spezialisiert sind.
Im Dokumentbereich ist DocBook bekannt. DocBook definiert ein Schema, das an die Struktur
eines Buchs angelehnt ist und spezielle Bedürfnisse von technischen Dokumentationen erfüllt
(vgl. [Walsh/Muellner 1999]). Neben dem Buchschema existieren Varianten für Artikel, Hilfe-
seiten, Referenzen etc., die entsprechend adaptiert sind. Das DocBookschema steht sowohl in
einer SGML als auch in einer XML Implementierung zur Verfügung. Transformations-
vorschriften stehen für verschiedene Formate zur Verfügung. So werden z. B. HTML, PDF,
HTML Help und weitere angeboten. DocBook ist allerdings sehr dokumentorientiert und be-
rücksichtigt nicht umfassend die Bedürfnisse von Lernobjekten.
Die Educational Modelling Language (EML) ist eine Entwicklung der Open University
Netherland. Sie dient zur Auszeichnung von Lernobjekten u. a. auch mit Metadaten, die auf
pädagogische Bedürfnisse ausgerichtet sind (vgl. [EML 2003]). EML steht als XML Binding zur
Verfügung. Ähnlich ausgerichtet ist die Learning Material Markup Language (LMML), eine Ent-
wicklung der Universität Passau (4.1.3.1). LMML gegenüber EML weist noch die Besonderheit
auf, dass lediglich ein Kern in einem generischen Grundmodell definiert ist. LMML kann ba-
sierend auf diesem Kern weiter an spezifische Anwendungen angepasst werden. Die Auswahl
von LMML für die Kodierung der Lernobjekte ist relativ willkürlich und wurde aufgrund der
Möglichkeit zur Erweiterung getroffen. Zusätzlich werden kurz Mathematical Markup Language
(MathML) für die Formulierung von mathematischen Formeln (4.1.3.2) sowie Scalable Vector
Graphics (SVG) für Formulierung von Grafiken (4.1.3.3) vorgestellt.
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 80
4.1.3.1 Learning Material Markup Language
Die LMML ist ein generisches Rahmenwerk, das einfach um weitere Strukturen erweitert werden
kann. Die Grundfunktionalität von LMML deckt bereits wichtige Strukturen von Lernobjekten
ab. Aus diesem Grund wird im Folgenden eine Darstellung des Kerns von LMML gegeben, be-
vor auf die Erweiterungen eingegangen wird (vgl. [Süß 2000]).
LMML ist eine Auszeichnungssprache für Lehr- bzw. Lerninhalte, die sich bereits im Passauer
Teachware Modell bewährt hat. LMML ist XML basiert und ist in der Lage, Lernmaterialien mo-
dular aufzubauen, die Lerninhalte bestehen aus einzelnen Modulen, die selbst wieder andere Mo-
dule enthalten können. Die Fähigkeit zur physischen Modularisierung kommt der
Wiederverwendbarkeit von Lernobjekten sehr entgegen. In der nachfolgenden Tabelle sind die
Elemente von LMML und deren minimaler Inhalt kurz dargelegt.
Tabelle 2: LMML Elemente und deren Inhalte (Quelle: Eigene Darstellung)
Elementname Minimaler Inhalt
Lmml section | collection | glossary | bibliography
Section section | collection | glossary | bibliography | motivation | conclusion |
definition | paragraph | remark | example | exercise | illustration | proposition |
theorem | proof | algorithm | formular
Collection section | collection | glossary | bibliography | motivation | conclusion |
definition | paragraph | remark | example | exercise | illustration | proposition |
theorem | proof | algorithm | formular
Bibliography (bibitem)*
Glossary (definition)*
Strukturelemente wie „section“ oder „collection“ können neben Inhaltselementen wie
„motivation“, „conclusion“ etc. selbst wieder Strukturelemente enthalten. Strukturelemente
bilden die größten Einheiten der Modellierung. Inhaltsmodule können neben statischen Inhalten,
wie Text, Grafiken etc. auch multimediale Inhalte wie Animationen, Audio etc. aufnehmen. Die
Verwendung von XML basierten Datenformaten, wie SVG oder der MathML ist dabei
problemlos möglich.
LMML ist dabei rein semantisch orientiert, d. h. es erfolgt eine strikte Trennung zwischen Inhalt
und dessen Darstellung. Über Metadaten, die in die Dokumente eingebettet sind, können darüber
hinaus den einzelnen Elementen von LMML zusätzliche Informationen zugewiesen werden. Das
LMML-Framework bietet hierfür als Ausgangsbasis allgemeine (Autor, Titel, Stichworte etc.),
zeitbezogene (Erstellungs-, Modifikations-, Freigabe-, Verfallsdatum etc.) und pädagogische
Metadaten (Schwierigkeitsgrad, Abstraktionsgrad, Praxisbezug etc.).
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 81
Die herausragende Eigenschaft von LMML ist aber, dass der Kern der Sprache um eigene
Elemente erweitert werden kann. So ist es möglich, eine individuelle Lösung für eigene Do-
kumenttypen zu erstellen, die auf der ursprünglichen LMML aufsetzt, diese erweitert, aber trotz-
dem kompatibel zu LMML bleibt. LMML bietet als XML basierte Markupsprache alle Vorteile
einer semantisch orientierten Kodierung von Lerninhalten.
4.1.3.2 Mathematical Markup Language
Die MathML ist eine auf XML basierende Anwendung, um mathematische Formeln semantisch
abzulegen (siehe [MathML 2003]). Es existieren bereits Systeme, die auf die Darstellung von
mathematischen Formeln spezialisiert sind. Dazu gehören [TeX 2003] bzw. darauf aufbauend
[LaTeX 2003]. TeX und LaTeX sind zurzeit die am weitesten verbreiteten Programme zur Er-
stellung von mathematischen Ausdrücken, aber sie kodieren nur die „Oberfläche“ einer Formel
(nur Repräsentation, keine Semantik). MathML geht einen Schritt weiter und beinhaltet zusätz-
liche Informationen zur Semantik und Struktur.
MathML umfasst nicht die Darstellung, sondern stellt die Struktur einer Formel dar. MathML
ermöglicht damit auch den Austausch zwischen Computeralgebrasystemen, wie z. B.
[Mathematica 2003], [Maple 2003] und [MuPad 2003]. Die Darstellung kann aus der seman-
tischen Kodierung generiert werden. Dabei können die spezifischen Eigenheiten des Ausgabe-
mediums entsprechend berücksichtigt werden. Eine Präsentationsform von MathML ist z. B.
SVG.
4.1.3.3 Scalable Vector Graphics
SVG ist eine auf XML basierende Anwendung, die Vektorgrafiken beschreibt. Im Gegensatz zu
den heute im WWW gängigen, gerasterten Bildformaten wie JPEG oder GIF liegen die Doku-
mente nicht binär, sondern in einem textuellen Format vor: Anstatt Pixelwerte einzeln zu
speichern und dadurch bei hoher Auflösung sehr umfangreiche Dateien zu erzeugen, definiert
SVG über mathematische Formeln Anfangs- und Endkoordinaten in Kombination mit Füll-
definition und beschreibt somit Art und Aussehen von Vektorformen, Bildern und Texten (vgl.
dazu auch [SVG 2003]).
Durch diese Trennung von Inhalt und Darstellung können die Inhalte einer SVG Grafik für ver-
schiedene Ausgabemedien wie Druck oder Internet optimiert ausgegeben werden. Die Grafiken
können verlustfrei skaliert und rotiert werden. Texte bleiben in der SVG Kodierung ebenfalls er-
halten. Grafiken sind auf diese Weise indizierbar. Durch die Einbettung von Pro-
grammanweisungen werden Grafiken mit Interaktivität versehen. Über SVG können somit
qualitativ hochwertige Vektorgrafiken, Animationen und Filtereffekte beschrieben werden.
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 82
Die semantische Ausrichtung wird mit SVG neben im wesentlich textuell ausgerichteten Do-
kumenten auch auf Grafiken übertragen. Dadurch ist es z. B. möglich aus einer SVG Grafik je
nach Ausgabegerät entsprechende Bitmap Formate wie z. B. JPG oder PNG zu generieren.
[Geroimenko/Geroimenko 2003] stellen die Grundlagen der SVG kompakt dar. Zur Darstellung
von SVG Grafiken muss [SVG View 2003] installiert werden. [SVG View 2003] stellt prinzipiell
die Transformationskomponente aus Abbildung 14 und führt die Transformation als auch die
Anzeige der Grafik durch. Es ist allerdings zu erwarten, dass die nötige Funktionalität zur
Darstellung von SVG langfristig in Browser integriert werden wird. Konkrete Beispiele für SVG
Grafiken sind in Abschnitt 6.3.2.3 abgebildet.
4.2 Metadatenschemata – Standards für Interoperabilität von
Lernobjekten
Den zweiten konzeptionellen Baustein stellen sog. Metadatenschemata dar, die große Bedeutung
für die Interoperabilität von Lernobjekten besitzen. Metadatenschemata sind den Lern-
technologiestandards zuzuordnen, deren Motivation in Abschnitt 4.2.1 skizziert wird. Abschnitt
4.2.2 liefert die begriffliche Klärung von Metadaten ehe ein Überblick relevanter
Lerntechnologiestandards gegeben wird (4.2.3). Zur Beschreibung von Lernobjekten haben sich
spezielle Metadatenschemata herausgebildet, die im Abschnitt 4.2.4 kurz umrissen werden. Das
für die vorliegende Arbeit relevante Schema Learning Object Metadata (LOM) wird in Abschnitt
4.2.5 ausführlich beschrieben.
4.2.1 Motivation für Lerntechnologiestandards
Die Wiederbenutzbarkeit von Lernobjekten wird technisch gesehen erst durch Standards ermög-
licht. Standards definieren Mechanismen, um eine Interoperabilität zwischen Systemen zu
ermöglichen. Zu diesen Systemen gehören z. B. sog. Learning Content Management Systeme
(LCMS), die Lerninhalte organisieren und präsentieren. LCMS profitieren von Standards für die
Interoperabilität, da es sie in die Lage versetzt, Lernobjekte untereinander auszutauschen.
Im täglichen Leben sind Standards allgegenwärtig. Das triviale Beispiel einer Glühbirne zeigt
deutlich, dass ohne eine zugrunde liegende Standardisierung über Größe, Leistung etc. ein
einfacher Austausch einer Glühbirne ohne Festlegung auf einen bestimmten Hersteller dieser in
Kombination mit bestimmten Fassungen nicht möglich wäre. Die Standardisierung definiert
Richtlinien, die es Herstellern von Glühbirnen und Fassungen ermöglicht, ihre Produkte kompa-
tibel bzw. interoperabel zu fertigen.
Übertragen auf den Fall der Lernobjekte sollen es Standards analog ermöglichen, dass diese
Lernobjekte unabhängig von Hersteller und verwendetem LCMS austauschbar sind. Die
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 83
Interoperabilität von Lernobjekten wird, wie oben ausgeführt, ebenfalls gefordert, die Stan-
dardisierung von Lerntechnologien ist aber bei weitem nicht so weit fortgeschritten wie in dem
obigen Beispiel. Der Austausch von Lernobjekten zwischen Systemen ist derzeit nicht auf einer
breiten Basis möglich. Erste Standardisierungsversuche in dieser Hinsicht werden bereits unter-
nommen, die es zum Ziel haben, dass Lernobjekte in verschiedenen Systemumgebungen
wiederbenutzt werden können. Immanent wichtig für eine Wiederbenutzung von Lernobjekten
ist deren adäquate Beschreibung durch Metadaten.
4.2.2 Der Begriff der Metadaten
Die Idee der Metadaten ist relativ alt, so beschreiben Bibliotheken bereits seit langem ihren
Buchbestand durch Metadaten. Ein Buch kann beschrieben werden durch Ausprägungen wie
Autor, Titel, Herausgeber, Publikationsdatum etc. Besonders wenn diese Informationen digital
und nicht nur auf Mikrofiche oder Karteikarten vorliegen, stellen sie durch die Maschinenles- und
-bearbeitbarkeit eine enorme Erleichterung bei der Verwaltung bzw. Recherche dar.
Ursprünglich stammt der Begriff „Metadata“ aus dem Datenbankumfeld und beschreibt ein
Datenbankschema und damit die strukturellen Zusammenhänge, die die Datenbank charakte-
risieren. In dieser Sicht werden Metadaten synonym zu einem Data Dictionary gesehen (vgl.
[Thuraisingham 2002, 109]. Diese Sichtweise ist allerdings sehr technisch mit Bezug zu Daten-
banken geprägt. Metadaten beschreiben digitale oder nicht digitale Ressourcen analog zu einem
Katalogeintrag eines Buchs in einer Bibliothek. Dabei sind Beschreibung und Ressource i. d. R.
getrennt. Ohne die implizite Semantik solcher Metadaten könnten Suchmaschinen nicht
zwischen Ausprägungen wie z. B. Autor und Herausgeber differenzieren.
Die Idee der Katalogisierung kann auch auf digitale Dokumente bzw. Lernobjekte übertragen
werden. Ein bekanntes Beispiel für ein allgemeines Metadatenschema zur Beschreibung von
Ressourcen ist Dublin Core. Der Dublin Core (DC) Ansatz verdankt seinen Namen nicht der
irischen Stadt, vielmehr fand das erste Treffen der Gruppe in Dublin, Ohio, USA statt. Im März
1995 veranstaltete das „National Center for Supercomputing Applications“ (NCSA) zusammen
mit dem „Online Computer Library Center“ (OCLC) einen Workshop, der sich mit der Semantik
von Metadaten für Dokumente im WWW befasste. Das Resultat dieses Workshops wurde als
DC-Metadata veröffentlicht. DC ist ein allgemeiner Ansatz, der sich auf wenige Attribute be-
schränkt und darauf ausgelegt ist, Dokumente allgemein zu beschreiben. Der DC-Standard für
Metadaten besteht aus insg. 15 Elementen (vgl. [DCMI ES 2003]).
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 84
Tabelle 3: Dublin Core Standard für Metadaten (Quelle: vgl. [DCMI ES 2003])
Element Definition
Title Name der Ressource
Creator Verantwortliche Einheit für den Inhalt einer Ressource
Subject Inhalt einer Ressource, Thema
Description Beschreibung des Inhalts einer Ressource
Publisher Verantwortliche Einheit für die Veröffentlichung einer Ressource
Contributor Verantwortliche Einheit für Beiträge zu einer Ressource
Date Datum eines Ereignisses im Lebenszyklus einer Ressource
Type Art der Ressource, in der Regel Mime-Type
Format Physische oder digitale Manifestation einer Ressource
Identifier Eindeutige Referenz auf eine Ressource innerhalb des Kontexts, üblicherweise eine
URL, allg. URN
Source Quelle der Ressource
Language Sprache des Inhalts der Ressource, in der Regel nach ISO 639 (siehe 9.4)
Relation Referenz zu verwandter Ressource
Coverage Bereich, der von einer Ressource abgedeckt wird
Rights Rechte zu einer Ressource
DC ist sehr einfach gehalten und hat nicht zuletzt genau aus diesem Grund eine weite
Verbreitung zur Beschreibung von WWW-Dokumenten erreicht. In der DC-Gemeinde herrscht
Übereinstimmung darüber, dass diesen Grundelementen möglichst keine neuen hinzugefügt wer-
den sollen, um die Einfachheit von Dublin Core weiterhin zu gewährleisten.
DC-Grundelemente können durch Qualifier ergänzt werden. Qualifier können dabei zwei
Klassen zugeordnet werden (vgl. [Hillmann 2003]): Verfeinerungen („element refinements“)
spezialisieren ein Element weiter, z. Β. sind „Table of Contents“ und „Abstract“ Verfeinerungen
von „Description“. Die zweite Klasse von Qualifiern legt eine Kodierung für das Element fest.
Kodierung kann dabei ein kontrolliertes Vokabular referenzieren, wie z. B. der Eintrag einer
Taxonomie oder eine formale Notation wie z. B. ein international eindeutiges Datumsformat.
Eine vollständige Liste offiziell ratifizierter Qualifier kann unter [DCMI MT 2003] eingesehen
werden.
Je nach Verwendungszweck der Metadaten sind dabei verschiedene Ausprägungen dieser rele-
vant. Es handelt sich bei DC in der Tat um einen Kernsatz, auf ein Basisschema, das essentielle
Beschreibungsmöglichkeiten bietet. DC ist ein interessanter Standard zur Beschreibung eher
allgemeiner Ressourcen im WWW, spezialisierte Objekte wie Lernobjekte allerdings lassen sich
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 85
durch DC nicht ausreichend beschreiben. Es fehlen beispielsweise Elemente zur Beschreibung
des Lebenszyklus eines Objekts oder zum Urheber der Metadaten an sich. Aus den genannten
Gründen kann DC nicht als ausreichend differenziert zur Beschreibung von Lernobjekten ange-
sehen werden.
Allgemeine Ressourcen lassen sich mit den oben angesprochenen Merkmalen gut beschreiben,
für Lernobjekte sind jedoch weitere Merkmale relevant und notwendig. Eine Erweiterung des
DC-Kerns um bildungsspezifische Angaben ist derzeit in Arbeit (vgl. [DCMI ED 2003] und
[Duval 2001]). Darüber hinaus existieren bereits weitere Ansätze, Schemata für Lernobjekte zu
standardisieren (siehe Abschnitt 4.2.3). Auf dieses Weise sollen Entwicklungen von Schemata
und möglichen Ausprägungen möglichst frühzeitig vereinheitlicht werden, um eine breite Ak-
zeptanz zu erzeugen. Bevor auf Metadatenschemata, die direkt für die Beschreibung von Lern-
objekten konzipiert wurden eingegangen wird, sollen die Standardisierungen von Lern-
technologien (damit u. a. auch von Metadatenschemata) in einem globaleren Kontext eingeordnet
werden, um den Entstehungsprozess einer Standardisierung zu illustrieren und die beteiligten
Parteien aufzuzeigen.
4.2.3 Standardisierungsprozess und Überblick über relevante Lerntechnologiestandards
Ursprung von Standardisierungen sind i. d. R. Konzepte, die der Forschung und Entwicklung
entstammen. Bei signifikantem Bedarf formieren sich Konsortien, die einen Vorschlag über eine
Standardisierung erstellen (4.2.3.1). Die vorläufigen Spezifikationen werden im praktischen An-
wendungsfall erprobt, es wird ggf. ein Änderungsbedarf festgestellt, so dass die Spezifikation
angepasst werden muss. Dieser Prozess wird mehrfach iteriert, bis die Standardisierung einen ge-
wissen Reifegrad aufweist bzw. die Änderungsanforderungen nur noch marginal auftreten. In
diesem Stadium werden die Standardisierungsvorschläge an internationale Gremien übergeben,
die einen verbindlichen Standardisierungsprozess initiieren (4.2.3.2). Dabei durchläuft der Stan-
dard mehrere Stufen, die letztendlich in einem verbindlichen Standard münden, der öffentlich
zugänglich gemacht wird. Dieser Prozess kann sehr lange dauern (zwischen 5 bis 10 Jahren bis
zur Verabschiedung eines ISO Standards).
Im Bereich der Standardisierung von Lerntechnologien haben sich bereits Konsortien etabliert,
die ein Forum für die Standardisierung bilden. Tabelle 4 listet Quellenangaben für die im
Folgenden kurz dargestellten Initiativen.
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 86
Tabelle 4: Standardisierungsgremien (Quelle: Eigene Darstellung)
Name Quelle
Advanced Distributed Learning (ADL) Initiative – SCORM http://www.adlnet.org/
ARIADNE Foundation http://www.ariadne-eu.org/
Aviation Industry CBT Committee (AICC) http://AICC.org/
CEN/ISSS LT/WS http://www.cenorm.be/isss/workshop/lt/
Dublin Core Metadata Initiative http://dublincore.org/
IEEE LTSC http://ltsc.ieee.org/
IMS Global Learning Consortium http://www.imsglobal.org/
ISO/IEC JTC1 SC36 http://jtc1sc36.org/
PROMETEUS http://www.prometeus.org/
PROMETEUS SIG-DESIGN http://www.igd.fhg.de/~lindner/PROMETEUS/
4.2.3.1 Nationale Initiativen
ADL (Advanced Distributed Learning Network) ist eine amerikanische Initiative, die sich
Standardisierung von Lerntechnologien zum Ziel gesetzt hat, um auf breiter Basis die Produktion
kosteneffektiver Lernmaterialien zu fördern. ADL wurde 1997 vom Department of Defense
(DoD) und der US Regierung initiiert. “The purpose of the ADL initiative is to ensure access to
high-quality education and training materials that can be tailored to individual learner needs and
made available whenever and wherever they are required” [SCORM 2001]. Bekanntestes Ergeb-
nis der Initiative ist SCORM (Sharable Content Object Reference Model), eine Spezifikation für
die Erstellung wieder benutzbarer Lernmaterialien. SCORM integriert die Arbeiten von AICC,
IMS und IEEE, Ariadne und weiteren und stellt Spezifikationen bereit, um ein vereinheitlichtes
Modell zu definieren. SCORM dient als Grundlage für dass Essener-Lern-Modell (ELM); siehe
[Pawlowski 2001, 115 ff.] für eine erweiterte Darstellung von SCORM.
Speziell auf den Bereich CBT im Bereich der Flugindustrie hat sich die AICC (Aviation Industry
CBT Committee) spezialisiert (vgl. [AICC 2003]). Ursprünglich waren die Ergebnisse dieses Kon-
sortiums nur für diesen Bereich vorgesehen, die Ergebnisse sind aber genereller Natur und
werden auch in weiteren Standardisierungsgremien wie z. B. ADL aufgegriffen.
Das Advanced Learning Infrastructure Consortium (ALIC) entwickelt Spezifikationen für die
Standardisierung und Wiederbenutzbarkeit von Lernobjekten. Dieses Komitee ist auf den
asiatischen und speziell japanischen Markt ausgerichtet.
Das Instructional Management System Project (IMS) ist eine Initiative, die sich mit der Standar-
disierung von Lerntechnologien befasst, um deren Zusammenarbeit in verteilten Umgebungen zu
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 87
ermöglichen. Seit der Gründung 1997 sind hauptsächlich amerikanische, führende Unternehmen
und Universitäten aus dem Bereich E-Learning, Verlage sowie Technologiehersteller der IMS
beigetreten. Ein besonderer Fokus liegt dabei auf der tatsächlichen Integration dieser Spezifika-
tionen in konkreten Produkten. Seit 2002 ist eine eigene Abteilung IMS Europe für den
europäischen Bereich gegründet worden.
Das IEEE LTSC (Learning Technology Standards Commitee) ist ein Zusammenschluss von be-
teiligten Parteien aus universitären Einrichtungen und Industrie, um gemeinsame Standards in
verschiedenen Bereichen des E-Learnings zu erreichen (vgl. [LTSC 2003]). LTSC gliedert sich in
Untergruppen, die verschiedene Schwerpunkte des E-Learning bearbeiten. Im Einzelnen sind
das:
! P1484.1 Architecture and Reference Model WG
! P1484.4 Digital Rights Expression Language (DREL) WG P1484.11 Computer Managed
Instruction (CMI) WG
! P1484.12 Learning Objects Metadata (LOM) WG
! P1484.18 Platform and Media Profiles WG
! P1484.20 Competency Definitions WG
Frühere Arbeitsgruppen wie „Glossary“, „Semantics and Exchange Bindings“ und „Data
Interchange Protocol“ sind explizit herausgefallen bzw. in die oben aufgeführten Gruppen
integriert worden. Die Aufgabe des LTSC besteht darin, technische Standards, Tools, Tech-
nologien und Entwurfsmethoden zu entwickeln, um die Erstellung, den Einsatz, die Wartung
und die Zusammenarbeit von softwaretechnischen Lern- und Übungskomponenten und -
systemen zu vereinfachen. Mit Bezug auf Metadaten ist die Arbeitsgruppe 12 – Learning Objects
Metadata (LOM) relevant. Die entwickelten Standards werden in einem nächsten Schritt an inter-
nationale Standardisierungsgremien weiter geleitet.
4.2.3.2 Internationale Initiativen
CEN/ISSS (Centre de European Normalisation/Information Society Standardisation System) er-
arbeitet seit 1999 im Auftrag der Europäischen Kommission einen Arbeitsplan für die
Interoperabilität zwischen Lerntechnologien für Europa. CEN/ISSS legt einen besonderen
Fokus auf die Berücksichtigung europäischer Bedürfnisse (z. B. Lokalisierungsmöglichkeiten).
Eher informell in Form von Interessensgruppen formiert ist PROMETEUS (Promoting
Multimedia Education and Training in European Society). Innerhalb der sog. SIGs (Special
Interest Groups) werden Ergebnisse erarbeitet, die dann wiederum an CEN/ISSS weiter geleitet
werden.
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 88
Auf internationaler Ebene verabschiedet die ISO (International Standards Organisation) all-
gemein anerkannte Standards, die zuvor in nationalen Gremien erarbeitet wurden. Speziell im
Bereich E-Learning tritt die ISO/IEC JTC1 SC36 (International Standards Organi-
sation/International Electrotechnical Commission – Joint Technical Committee 1 – Sub
committee 36) auf, um durch Standardisierungen Interoperabilität zwischen Lernmaterialien und
Werkzeugen sicher zu stellen. Als Unterkommitee der ISO kann dieses Gremium internationale
Standards verabschieden.
4.2.4 Metadatenschemata für Lernobjekte
Die folgende Auflistung von Metadatenschemata für Lernobjekte erhebt weder einen Anspruch
auf Vollständigkeit noch auf umfassende Darstellung. Es wird aber klar, dass vielfältige
Aktivitäten zur Standardisierung von Lerntechnologien stattfinden. Die Einhaltung von Stan-
dards wird zunehmend wichtig, um eine Wiederbenutzung von Lernobjekten zu ermöglichen. Als
ein Baustein der Standardisierung wird im Folgenden spezifisch der Bereich der Metadaten be-
trachtet.
IMS und IEEE LTSC (insbesondere Learning Object Metadata - LOM) sind relevante
Metadatenschemata zur Beschreibung von Lernobjekten. Der Beschreibungsumfang von IMS
Metadaten umfasst insgesamt 93 Elemente und wird von LOM vollständig umfasst. „The
specification includes conformance statements for how meta-data documents must be organized
and how applications must behave in order to be considered IEEE-conforming” [IMS MD1.2.1
2003, 3]. Darüber hinaus wird eine konkrete Vorgabe definiert, wie das konzeptionelle IMS Meta-
datenschema in konkrete XML Instanzen abzubilden ist. Diese Vorschrift wird auch als Binding
(in diesem Fall ein XML-Binding) bezeichnet (vgl. [IMS MD1.2.1 BI 2001]). Neben der eigent-
lichen Spezifikation für die Metadaten von Ressourcen wurde im IMS Projekt auch ein
Mechanismus zum „Verpacken“ von Lernressourcen entwickelt, das sog. „content packaging“
(siehe [IMS CP1.3.1 2003]). Zentrales Ziel ist es dabei, Pakete zu erreichen, die die Lernobjekte
selbst und ein begleitendes Manifest mit Metadaten, Struktur der Lernobjekte sowie einen Ver-
weis auf diese enthält.
Da IMS Metadata und LOM sich inhaltlich kaum unterscheiden und wohl letztendlich im
Standardisierungsprozess konvergieren werden, wird an dieser Stelle auf eine ausführliche
Darstellung von IMS verzichtet. LOM hat sich bereits als konzeptionelles Metadatenschemata
etabliert und besitzt seit Juni 2002 einen akkreditierten Status als IEEE Standard. Damit ist LOM
offiziell anerkannt und genießt eine breite Zustimmung. Aus diesem Grund wird LOM im
Folgenden näher als Orientierungshilfe für eine Metadatenschema zur Beschreibung von
Lernobjekten betrachtet.
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 89
4.2.5 Learning Object Metadata
LOM wurde maßgeblich von der Ariadne Gruppe und insbesondere von Eric Duval beeinflusst,
gestaltet und voran getrieben. Ariadne ist ein Projekt innerhalb des 4. Rahmenprogramms der
Europäischen Gemeinschaft, innerhalb dessen u. a. Lernressourcen durch Metadaten beschrieben
wurden. Neben Ariadne haben weitere Projekte, wie z. B. Gestalt ebenfalls Ressourcen durch
Metadaten beschrieben, so dass auf längere Sicht der Bedarf erkannt wurde, dass es sinnvoll ist,
die Initiativen innerhalb dieser Konsortien zu fokussieren und zu koordinieren. Der Zusammen-
schluss der Arbeitsgruppe Metadaten innerhalb der LTSC Sektion des IEEE wurde daraufhin
gegründet. Am 13. Juni 2002 wurde der LOM Standard unter der Nummer 1484.21.1-2002 ver-
abschiedet. Die Aufgabe des LOM Standards wird wie folgt beschrieben: „This Standard is a
multi-part standard that specifies Learning Object Metadata. This Part specifies a conceptual data
schema that defines the structure of a metadata instance for a learning object. For this Standard, a
learning object is defined as any entity--digital or non- digital-- that may be used for learning,
education or training” [LOM DOC 2002].
Das Ziel dieser Arbeitsgruppe LTSC/LOM ist es weder, Standards zu spezifizieren, wie Lern-
materialien von der didaktischen Sichtweise aufbereitet werden sollen, noch welche Technologien
dazu eingesetzt werden. Der Schwerpunkt liegt vielmehr auf der informationstechnischen
Gestaltung, um Schnittstellen, Metadaten und Terminologie zu standardisieren. Dabei wird LOM
als konzeptionelles Rahmenwerk verstanden. Ob die Implementierung letztendlich als XML
Dokument, in einer relationalen oder objektorientierten Datenbank erfolgt, wird vom Standard
nicht festgelegt. Der Konsens über das allgemeine Verständnis der LOM Elemente wird als
wichtiger erachtet, als die spezifische technische Umsetzung. Die hinter der Entwicklung von
LOM stehenden Ziele sind wie folgt definiert (vgl. [LOM DOC 2002]):
1. Dem Lernenden und Lehrenden soll ermöglicht werden, nach Lernobjekten zu suchen,
sie zu erfassen und sie einzusetzen.
2. Die gemeinsame Nutzung und der Austausch von Lernobjekten über jedes technisch
unterstützte Lernsystem hinweg sollen durchführbar sein.
3. Es soll die Möglichkeit bestehen, Lernobjekte als Einheiten zu entwickeln, die in sinn-
voller Weise kombiniert und wieder zerlegt werden können.
4. Computeragenten sollen automatisch und dynamisch personalisierte Kurse für den
individuellen Lernenden zusammenstellen können.
5. Es soll die Arbeit an Standards gefördert werden, die sich damit beschäftigen, eine Viel-
zahl von Lernobjekten zur Zusammenarbeit innerhalb einer offenen, verteilten
Lernumgebung zu bringen.
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 90
6. Die Dokumentation und Anerkennung der Fertigstellung von neuen oder bereits
existierenden Lern- und Leistungszielen, die mit Lernobjekten verbunden sind, soll dort,
wo es gewünscht wird, ermöglicht werden.
7. Eine starke und wachsende Wirtschaft für Lernobjekte, welche jede Form von kommer-
zieller oder nicht kommerzieller Verteilung unterstützt und aufrechterhält, soll ermöglicht
werden.
8. Sowohl staatliche als auch öffentliche und private Ausbildungs-, Übungs- und Lehrorga-
nisationen sollen in die Lage versetzt werden, Lerninhalte und Leistungsstandards mit
Hilfe eines standardisierten Formats auszudrücken, das unabhängig vom eigentlichen
Inhalt ist.
9. Forscher sollen mit Standards ausgestattet werden, welche die Sammlung und Teilung
von Daten bezüglich der Anwendbarkeit und Effektivität von Lernobjekten unterstützen.
10. Es soll ein Standard definiert werden, der nicht nur einfach ist, sondern auch um eine
Vielzahl von Bereichen und Gebieten erweitert werden kann, so dass er am leichtesten
universell übernehmbar und einsetzbar ist.
11. Die notwendige Sicherheit und Authentifizierung für die Verteilung und Nutzung von
Lernobjekten soll unterstützt werden.
LOM gruppiert die beschreibenden Attribute in neun Gruppen, die das sog. Basisschema bilden
(siehe Abbildung 16):
Abbildung 16: LOM - Basisschema (Quelle: vgl. LOM DOC 2002])
Die Kategorie General enthält alle kontextunabhängigen Eigenschaften sowie semantischen Be-
schreibungen des Lernobjekts. Dazu gehören beispielsweise der Titel und die Beschreibung,
sowie Schlüsselworte, die das Lernobjekt kennzeichnen. Außerdem wird in dieser Kategorie fest-
gelegt, in welcher Sprache das Lernobjekt verfasst wurde. Die Kategorie LifeCycle enthält die
Eigenschaften, welche die bisherigen Versionen des Lernobjekts beschreiben. Dazu zählt zum
einen, in welchem Status (Entwurf, abgeschlossenes oder überarbeitetes Stadium) sich das Objekt
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 91
derzeit befindet und anderseits können in dieser Sparte alle jemals an der Entwicklung des
Dokuments beteiligten Personen mit Namen und Datum aufgelistet werden. Hier können
Angaben über den Lebenszyklus einer Ressource gemacht werden. Innerhalb von Lernsystemen
sind Angaben zum Status bzw. zur Historie notwendig, um Material verwalten zu können, bzw.
die Evolution eines Lernobjekts nachvollziehen zu können. Auf diese Weise ist es z. B. möglich,
Lernobjekte bereits in ein System einzubinden und basierend auf dem Status, die Veröffent-
lichung nach außen bis zur Freigabe zu verhindern. Die MetaMetadata Gruppe beinhaltet keine
Informationen über das Lernobjekt selbst, sondern über die Metadatenangaben bzw. das
zugrunde liegende Schema. Die Kategorie Technical enthält die technischen Charakteristika des
Lernobjekts. Dazu zählen Format, physische Größe und letztendlich auch die URI, unter der das
Lernobjekt verfügbar ist. Außerdem können in dieser Rubrik technische Voraussetzungen zur
Anzeige des Lernobjekts vermerkt werden. So kann zum Beispiel dort beschrieben sein, welches
Betriebssystem in welcher Version oder welcher Browser benötigt wird. In der Kategorie
Educational werden die pädagogischen Merkmale des Lernobjekts beschrieben. Hierunter fallen
Merkmale wie die Zielgruppenzugehörigkeit, der Grad der Interaktivität oder auch der Typ des
Lernobjekts (Text, Tabelle, Präsentation etc.). Die Kategorie Rights enthält Informationen über
die rechtlichen Bedingungen für den Gebrauch des Lernobjekts. Dort können beispielsweise
Eintragungen über das Urheberrecht oder über evtl. vorhandene Kosten vermerkt werden. Die
Kategorie Relation enthält Beschreibungen, wie das Lernobjekt mit anderen Lernobjekten ver-
knüpft ist. Diese Kategorie ist grundlegender Bestandteil zum Aufbau eines Netzwerks aus
mehreren Lernobjekten. Zu einer Verknüpfung werden der Typ der Verknüpfung und das
referenzierte Lernobjekt mit eindeutiger Identifizierung vermerkt. Die Kategorie Annotation
ermöglicht Anmerkungen, die mit Namen und Datum versehen abgelegt werden können. Die
Kategorie Classification weist Lernobjekte Kategorien zu bzw. ordnet die Lernobjekte in einer
Klassifikation ein.
Die einzelnen Gruppen fassen Attribute nach ihrer Zusammengehörigkeit zusammen. Dabei
können Angaben in mehreren Sprachen angegeben werden. So ist es z. B. möglich, nicht nur
einen englischen Titel, sondern auch einen deutschen Titel anzugeben, obwohl die Ressource
selbst evtl. nur in englischer Sprache vorliegt. Um eine Vergleichbarkeit der Angaben zu errei-
chen, wird in einigen Feldern, wie z. B. bei „Status“ ein festes Vokabular verwendet. Für diese
Angabe ist es vorgesehen, aus einem Satz von Alternativen einen Wert auszuwählen. Das LOM
Vokabular sieht die Werte „Draft“, „Final“, „Revised“, „Unavailable“ dafür vor. Der Standard ist
aber offen angelegt, d. h. es wird nicht in Anspruch genommen, alle Anforderungen antizipieren
zu können. Aus diesem Grund können eigene Vokabulare ebenfalls eingebracht werden, sie
müssen nur als solche gekennzeichnet werden. Dadurch wird neben hoher Austauschbarkeit eine
hohe Flexibilität erreicht. Die gesamte Spezifikation ist unter [LOM DOC 2002] einsehbar.
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 92
LOM ist ein konzeptionelles Schema, d. h. die konkrete Instantiierung der Beschreibung wird
nicht festgelegt, lediglich die Attribute und deren Semantik werden spezifiziert.
[Ahronheim 1998] definiert die folgenden idealen Charakteristika an ein Metadatenschema (vgl.
auch [Innes/McGreal 2002, 274 ff.], [Pawlowski 2001, 104 f.]):
! Data Dictionary zur Beschreibung gebräuchlicher Elemente
! Verfügbarkeit von Methoden zur elektronischen Manipulation und Kommunikation der
Metadaten
! Regeln zur Identifikation und Extrahierung des Inhalts von Metadatenelementen
! Verantwortlichkeit einer offiziellen Organisation
! Internationalisierung der Metadaten
! Verfügbarkeit von Werkzeugen zur Erstellung, Übertragung und Speicherung der Meta-
daten
Diese Anforderungen werden von LOM erfüllt. Die Beschreibung gebräuchlicher Elemente ist in
LOM penibel festgelegt und wird durch Beispiele erläutert. Elektronische Manipulation wird
durch die Umsetzung von LOM z. B. in Form eines web-basierten Systems erfüllt. Die Regeln
zur Identifikation und Extraktion des Inhalts von Metadatenelementen werden von LOM durch
den strukturellen Aufbau einer LOM Instanz sowie die Verwendung standardisierter Vokabulare
erfüllt. Durch die Veröffentlichung von LOM als IEEE Standard ist die Betreuung des Standards
durch eine offizielle Organisation gesichert. LOM kann internationale Ausprägungen durch die
explizite Auslegung auf mehrsprachige Instanzen sicherstellen. Die Verfügbarkeit von Werkzeu-
gen zur Manipulation und Kommunikation ist nicht Bestandteil des Standards und wird durch die
Implementierung von Werkzeugen basierend auf LOM Standards erfüllt. Ein Beispiel für ein
solches Werkzeug wird in dieser Arbeit entwickelt und in Abschnitt 6.2.2 vorgestellt.
4.3 Ontologien – Explizierung der Struktur einer Domäne
In diesem Abschnitt werden Ontologien als Hilfsmittel zur formalisierten Explizierung von
Strukturen einer Wissensdomäne eingeführt. Für eine begriffliche Abgrenzung und ausführliche
Darstellung des Konstrukts Ontologie (4.3.2) ist es zunächst notwendig, Taxonomien als
Klassifizierungsmechanismen einzuführen (4.3.1). Ontologien modellieren die Strukturen einer
Domäne durch den kombinierten Einsatz von Taxonomien zur Klassifikation, Modellierung von
Relationen zwischen den Klassifikationen und der Zuordnung konkreter Instanzen in diese
Klassifikation. Ontologien sind vor allem maschinenverarbeitbar und bieten so die Möglichkeit
auf Basis expliziter Strukturen diese für weitere Anwendungen zu nutzen (z. B. zur Visualisierung
und Entscheidungsunterstützung).
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 93
4.3.1 Taxonomien als Klassifikationsmechanismen
Die Klassifizierung von Organismen oder Gegenständen der realen Welt wird seit langem in den
Naturwissenschaften praktiziert, um eine systematische Betrachtung dieser Gegenstände zu er-
lauben. Bekannte Beispiele sind Botanik und Zoologie, wo die Einteilung von Flora und Fauna in
hierarchische Strukturen über Beobachtungsmerkmale vorgenommen wird. Das Ergebnis einer
solchen Einordnung ist eine Taxonomie. Der Begriff Taxonomie stammt aus dem Griechischen
und setzt sich aus „táxis“ (Ordnung) und „nomos“ (Gesetz) zusammen. Taxonomien bezeichnen
„die Einordnung in ein bestimmtes System“ [Duden 2000]. Die Klassifikationsgegenstände wer-
den in einer Taxonomie systematisch in eine Ordnung gebracht.
Taxonomien können nicht nur über reale Gegenstände, sondern auch für Wissensdomänen er-
stellt werden. Genauer werden dabei Konzepte der Domäne über Begriffsstrukturen katego-
risiert. Konzepte mit gleichen Merkmalen werden gruppiert und in einem generalisierten Konzept
zusammengefasst. Dieses kann in anderen Klassen über- oder nebengeordnet werden, so dass auf
diese Weise ein Ordnungssystem, eine Taxonomie entsteht. An der Spitze der entstehenden
Hierarchie stehen allgemeine Konzepte, die in der nächsten Hierarchieebene verfeinert werden,
wobei diese in deren nächsten Ebene weiter verfeinert werden können etc. Die Taxonomie wird
demnach auf jeder Stufe spezifischer, von allgemeinen Konzepten zu spezifischen. Diese
generelle Klassifizierung ist noch nicht an spezielle Ausprägungen gebunden, es wird lediglich
eine abstrakte Gliederung für den modellierten Wirklichkeitsausschnitt festgelegt.
Ein Beispiel für den Einsatz von Taxonomien ist der Library of Congress Classification Outline
(LCC), eine Taxonomie zur Einordnung von Literatur. LCC dient heute amerikanischen
Bibliotheken zur Klassifizierung von Literatur nach dem inhaltlich behandelten Thema (vgl.
[LCC 2002]). LCC wird immer noch zentral vom Library of Congress gepflegt und ist durch die
stark amerikanisch ausgeprägte Zentrierung vorrangig in US Bibliotheken angewendet. Ein weite-
res Beispiel ist der Online-Dienstleister Yahoo!, deren Angebot darin besteht, einen Katalog über
Webseiten zu erstellen, der thematisch geordnet ist. Diese Ordnung von Kategorien und Unter-
kategorien ist in Form einer Taxonomie organisiert: Über das Portal [Yahoo 2002] kann
innerhalb der Taxonomie navigiert werden, um zielgerichtet auf entsprechende Verweise zu ge-
langen. Die Suche kann von allgemeinen Begriffen wie z. B. Ausbildung weiter auf bestimmte
Fachgebiete etc. beschränkt werden (vgl. [Yahoo Ed 2003]).
Die Erstellung einer Taxonomie erfolgt in fünf Schritten:
1. Funktion der Taxonomie: Welchen Zweck soll die Taxonomie erfüllen? Der Zweck de-
terminiert maßgeblich den Aufbau und die Organisation einer Taxonomie. Die relevanten
Ordnungsmerkmale werden durch die spätere Verwendung bestimmt.
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 94
2. Aufstellung sich ausschließender Gruppierungen: Das Ordnungskriterium einer Gruppe
sollte Elemente einer Gruppe in Bezug auf das unterscheidende Merkmal zu anderen
Gruppen ununterscheidbar machen.
3. Anordnung in Hierarchie: In diesem Schritt werden die Gruppen in Hierarchien organi-
siert. Dabei wird mit allgemeinen Merkmalen begonnen, die schrittweise spezieller
werden.
4. Test der Taxonomie: Die Taxonomie muss auf logische Widersprüche oder Inkonsisten-
zen geprüft werden.
5. Etablierung der Taxonomie: Zur Anwendung und Nutzung der Taxonomie muss diese in
der jeweiligen Organisation eingeführt werden.
Gegebenenfalls müssen die Schritte zwei bis vier iteriert werden, bis ein zufrieden stellendes Er-
gebnis erzielt werden kann. Der letzte Schritt, die Einführung der Taxonomie in die Organisation
ist erfahrungsgemäß der Schwierigste. Zur Vermittlung des Aufbaus einer Taxonomie und damit
entscheidend für die Akzeptanz der Anwender sind entsprechende Visualisierungen besonders
hilfreich. Taxonomien sind prinzipbedingt immer willkürlich, da sie letztendlich nur eine Auf-
fassung einer Kategorisierung widerspiegeln. Es gibt i. d. R. keine eindeutige Modellierung eines
Ausschnitts der Realität, es sind durchaus mehrere, qualitativ gleichwertige Taxonomien möglich.
Eine gute Modellierung für eine Taxonomie zeichnet sich durch eine allgemein anerkannte
Hierarchisierung aus, die von allen beteiligten Parteien getragen wird.
Taxonomien sind auch nach der Einführung nicht als statisch zu sehen, sie müssen vielmehr an
die wechselnden Gegebenheiten des modellierten Realitätsausschnitts angepasst werden. Neue
Erkenntnisse bzw. erkannte Unzulänglichkeiten der bisherigen Taxonomie führen im Idealfall zu
einer kontinuierlichen, evolutionären Entwicklung einer Taxonomie.
Taxonomien eignen sich bereits gut, um die Terminologie einer Wissensdomäne greifbar zu
machen. In diesem Sinne dienen sie als Kommunikationsmittel zwischen Personen. Ontologien
erweitern den Anwendungsbereich von Taxonomien, indem explizit Maschinen in den
Kommunikationsprozess mit eingebunden werden.
4.3.2 Ontologien – eine Begriffsabgrenzung
Im folgenden Abschnitt wird für das Konstrukt der Ontologie zunächst das Einsatzgebiet
herausgearbeitet und eine für die vorliegende Arbeit geltende Definition geliefert (4.3.2.1).
Aufbauend auf die Klassifizierung durch Taxonomien werden hieran anschließend die Grund-
komponenten von Ontologien erläutert (4.3.2.2) und die Erstellung von Ontologien dargelegt
(4.3.2.3).
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 95
4.3.2.1 Einsatzgebiete und Definition von Ontologien
Eine Konzeptualisierung stellt ein Modell dar, das die Realität beschreibt. Genau dieses Ziel
haben auch andere Modellierungsmethoden, wie z. B. die Entity Relationship Modellierung seit
ca. 20 Jahren. Der über die bisherig bekannten Methoden hinausgehende Nutzen von Ontologien
liegt in der standardisierten Art und Weise, Wissen zu formalisieren und zu spezifizieren.
„Ontologies are essentially an agreed on way to specify knowledge” [Thuraisingham 2002, 116].
Eine Ontologie dient als Hilfsmittel für die Kommunikation über die Konzepte und Begriffe
zwischen Personen und Applikationssystemen. Der Begriff Ontologie stammt aus dem
Griechischen und setzt sich aus „ontos“ für Sein und „logos“ für Wort zusammen. Eine On-
tologie bezeichnet nach [Duden 2000] die „Lehre vom Sein, von den Ordnungs-, Begriffs- u.
Wesensbestimmungen des Seienden“. Ontologien stellen ein interdisziplinäres Forschungsthema
dar, das in verschiedenen Bereichen Anwendung findet. Ontologien werden im Bereich
Expertensysteme, künstliche Intelligenz, Knowledge Engineering und Knowledge Management
eingesetzt, um eine gemeinsame Sicht und Ordnung auf einem Wissensgebiet zu etablieren. Seit
Anfang der 90er Jahre werden Ontologien in der künstlichen Intelligenz („artificial intelligence“
(AI)) benutzt, um Modelle über die Struktur und Semantik von Anwendungsdomänen zu formu-
lieren. Es werden u. a. die folgenden Typen von Ontologien unterschieden:
! Top-level Ontologien
! Domänen Ontologien
! Metadaten Ontologien
Top-level Ontologien bezeichnen allgemeine, generische Modellierungen, die eine nicht
domänenspezifische Ausrichtung haben. Ein Beispiel für eine solche allgemeine Ontologie ist die
KR Ontology von [Sowa 1999], in der allgemeine Konzepte und Objekte formalisiert werden.
Domänen Ontologien beschreiben spezifische Wissensdomänen. Metadaten Ontologien definie-
ren Strukturen, die zur Beschreibung von Ressourcen dienen. Beispiele dafür sind DC und auch
das LOM Schema. [Carrara 1999] gibt einen umfassenderen Überblick über die Thematik
„Ontologien“ mit weiteren bibliografischen Verweisen.
In einer Ontologie werden die Konzepte und Relationen zwischen diesen Konzepten formali-
siert. Durch die Formalisierung können Informationen nicht nur von Personen, sondern von
Personen und Maschinen bzw. Softwareagenten gemeinsam benutzt werden. Gerade der Punkt
der Formalisierung von Wissen ist aber auch für die Kommunikation zwischen Personen äußerst
hilfreich. [Davenport/Prusak 1998] stellen bereits fest: „People can't share knowledge if they
don't speak a common language” [Davenport/Prusak 1998, 98]. Das gemeinsame Verständnis
über Begriffe ist eine absolute Voraussetzung für die Benutzung von Wissen. Die eindeutige Dar-
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 96
stellung expliziter Semantik ist ein Kommunikationsproblem. Wenn zwei
Kommunikationspartner erfolgreich kommunizieren wollen, müssen sie auf einem gemeinsamen
Verständnis von Konzepten aufbauen und ihre Sprache darauf ausrichten, diese Konzepte zu
verwenden. Ggf. muss erst im Laufe der Kommunikation ein Konsens über die Bedeutung be-
stimmter Konzepte hergestellt werden.
Es existieren einige Definitionen dafür, was eine Ontologie ausmacht. “’Ontology’ is the term
used to refer to the shared understanding of some domain of interest”
[Uschold/Gruninger 1996, 5]. Diese Definition ist noch relativ vage. Eine der allgemein an-
erkannten Definitionen ist bei [Gruber 1993] zu finden: „An ontology is a formal, explicit
specification of a shared conceptualisation“ [Gruber 1993, 1]. Eine Ontologie ist demnach eine
formale, explizite Spezifikation einer gemeinsamen Konzeptualisierung. Ontologien bezeichnen
damit Konzepte und Beziehungen einer Domäne in maschinenlesbarer Form im Konsens der
beteiligten Personen/Parteien. Der Aspekt des Konsenses ist hier besonders hervorzuheben.
„Der Wert einer Ontologie steht und fällt mit dem Umfang der Anerkennung und Zustimmung
(„ontological commitment“), die diese in der betreffenden Fachwelt erfährt“ [Hesse 2002, 478].
Der formale Charakter einer Ontologie ist notwendig, um Maschinen eine eindeutige Inter-
pretation zu erlauben. Diese Anforderung schließt natürlichsprachige Beschreibungen aus, da sie
naturgemäß nicht eindeutig sind und unterschiedliche Interpretationen aufweisen können. Die
Konzeptualisierung schließlich muss ausführlich und deutlich sein. Die Anforderung einer expli-
ziten Spezifikation zeigt an, dass die Konzeptualisierung nicht implizit geschehen, sondern
explizit in einer Form verbalisiert bzw. formalisiert werden muss. Diese Definition ist ausrei-
chend für die Zwecke, zu denen eine Ontologie in dieser Arbeit verwendet wird.
4.3.2.2 Bestandteile von Ontologien
Ontologien bestehen aus den Grundkomponenten Konzepten, Relationen, Axiomen und
Instanzen. Die Konzepte werden teilweise auch als Klassen bezeichnet, Relationen teilweise als
Slots. Konzepte werden üblicherweise in einer Taxonomie angeordnet und stellen die Grund-
bausteine einer Ontologie. In Konzepten können andere Konzepte enthalten sein, z. B. kann in
der Domäne OR/MS das Konzept „Lineare Programmierung“ als Teil des Konzepts
„Mathematische Programmierung“ aufgefasst werden. „Lineare Programmierung“ ist damit
spezifischer als „Mathematische Programmierung“.
Die typische Relation, mit der Konzepte strukturiert werden ist die „isa“ Relation, die vom
spezielleren Konzept auf das allgemeinere verweist. Im Beispiel ist das Konzept „Lineare
Programmierung“ durch die Relation „isa“ dem Konzept „Mathematische Programmierung“
untergeordnet. Weitere Unterkonzepte von Mathematischer Programmierung sind „Gemischt-
ganzzahlige Programmierung“ und „Ganzzahlige Programmierung“, die auf der gleichen
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 97
Hierarchieebene wie „Lineare Programmierung“ angeordnet sind. Grafisch ist die geschilderte
Ontologie in Abbildung 17 dargestellt.
Abbildung 17: Ontologie – Darstellung einer Taxonomie (Quelle: Eigene Darstellung)
Ontologien können neben den bereits dargestellten „isa“ Hierarchien auch weitere Relationen
zwischen Konzepten definieren. Die Relationen sind dabei stark anwendungsspezifisch. Rela-
tionen setzen Konzepte untereinander in Beziehung: Für Lernobjekte ist es z. B. relevant, eine
„isBasedOn“ Beziehung bzw. deren Inverse „isBasisFor“ Beziehung zu definieren, die Konzepte
als aufeinander aufbauend definiert. Auf das Beispiel übertragen kann in der Ontologie festgelegt
werden, dass „Lineare Programmierung“ als Grundlage für „Ganzzahlige Programmierung“ als
auch für Gemischt-Ganzzahlige Programmierung“ zu sehen ist. Grafisch ist dieser Zusammen-
hang in Abbildung 18 dargestellt.
Abbildung 18: Ontologie – Darstellung einer Taxonomie und weiterer Relationen (Quelle:
Eigene Darstellung)
Die Beziehungen können der Ontologie frei hinzugefügt werden, so dass hier keine Limitierung
der Anzahl an Relationen vorgenommen wird. Durch die Definition von Axiomen wird die
Handhabung einer Ontologie noch vereinfacht. Im oben angeführten Beispiel existiert zur Rela-
tion „isBasisFor“ die inverse Funktion „isBasedOn“. Durch Definition als Inverse, müssen nicht
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 98
mehr beide Konzepte separat verknüpft werden, es genügt einmalig die Relation zu definieren,
die Inverse wird dann automatisch hinzugefügt.
Als letzter Teil können Instanzen in eine Ontologie eingebettet werden. Instanzen sind dabei
konkrete Ausprägungen eines Konzepts. Ein Lernobjekt „Einführung in die Lineare
Programmierung“ würde als Instanz dem Konzept „Lineare Programmierung“ zugeordnet. Die
Beschreibung der Instanzen erfolgt ebenfalls über Relationen, allerdings mit dem Unterschied,
dass die Wertebereiche dieser Relationen nicht andere Klassen sind, sondern vielmehr skalare
Werte. Instanzen stellen konkrete Ausprägungen dar, die einem Konzept zugeordnet sind. In-
stanzen müssen dabei nicht zwingend in einer Ontologie enthalten sein. Wenn die Ontologie
lediglich die Struktur einer Wissensdomäne abbildet, reicht es aus, diese über Konzepte,
Relationen und Axiome zu definieren. Im späteren Konzept sind die Instanzen nicht in die
Ontologie eingebettet, diese werden über die Metadaten beschrieben.
4.3.2.3 Entwurf einer Ontologie
Die Vorgehensweise bei der Erstellung einer Ontologie ähnelt allgemein der bei der Daten-
modellierung. Die Schritte beinhalten im Einzelnen:
! Definition der Klassen der Ontologie
! Anordnung der Klassen in einer Taxonomie
! Definition von Slots/Relationen der Klassen und Spezifikation der erlaubten Werte
! Erstellung von Instanzen der Klassen und Beschreibung durch deren Eigenschaften
Nach [Gruber 1993, 2 ff.] werden fünf objektive Kriterien zum Entwurf von Ontologien für ge-
teilte Konzepte hervorgehoben:
1. Klarheit („clarity“): Die in einer Ontologie beschriebenen Definitionen sollten objektiv
und unabhängig vom sozialen oder technischen Kontext sein. Eine Definition sollte
(wenn möglich) in logischen Axiomen gemacht und in einer natürlichen Sprache do-
kumentiert sein.
2. Kohärenz („coherence“): Eine Ontologie sollte zusammenhängend sein. Das bedeutet,
dass die Inferenzen in keinem Widerspruch zu den gemachten Definitionen stehen. Die
für die Definitionen eingesetzten Axiome sollten logisch konsistent sein.
3. Erweiterbarkeit („extendibility“): Es sollte möglich sein, über das existierende Vokabular
neue Terme zu definieren, ohne dass die existierenden Definitionen wiederholt geprüft
und korrigiert werden müssen.
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 99
4. Minimale Verwendung von Implementationsdetails („minimal encoding bias“): Die Kon-
zeptualisierung einer Ontologie sollte nicht von Details der späteren Implementierung
abhängen.
5. Minimale ontologische Festlegungen („minimal ontological commitment“): Eine Ontolo-
gie sollte eine minimale, aber ausreichende Menge an Behauptungen über die Domäne
haben, die sie modelliert.
Zur Modellierung von Ontologien stehen Werkzeuge, wie z. B. [Ontoedit 2003], [OilEdit 2003]
oder [Protégé 2003] zur Verfügung, die über eine grafische Oberfläche die Modellierung einer
Ontologie erleichtern. Als Datenformate für Ontologien dienen dabei Standardformate wie
DARPA Agent Markup Language ([DAML 2003]) oder Ontology Interchange Language ([OIL
2003]), die auf [RDF 1999] und [RDFS 2002] aufbauen.
Ontologien werden oft fälschlicherweise mit Taxonomien gleichgesetzt, sie müssen aber nicht auf
diese beschränkt sein. Durch das Hinzufügen von Axiomen und Relationen kann Wissen explizit
ausgedrückt werden, was mit einer Taxonomie alleine durch die Hierarchisierung nicht erreicht
werden kann. Neben der technischen Umsetzung, ist eine Ontologie vor allem dazu geeignet, bei
der Kommunikation zwischen Personen eine einheitliche Diskussionsgrundlage zu liefern.
„Ontologien als semantische Modelle der Anwendungsdomäne dienen in diesem Kontext als
Vehikel, um Wissen präziser zwischen Mensch und Rechner auszutauschen“ [Staab 2002, 208].
Die Betonung liegt auf „Mensch und Rechner“, die formale Repräsentation von Wissen in
explizit für Maschinenverarbeitung aufbereiteter Form ist eine wesentliche Eigenschaft einer
Ontologie.
4.4 Notwendige Voraussetzungen für Multilingualität
In diesem Abschnitt werden notwendige Voraussetzungen für Multilingualität von Lernobjekten
eingeführt. Hierzu zählen u. a. die eindeutige Spezifikation von Datums- und Zeitangaben (4.4.1)
und Konventionen für die Zeichenkodierung (4.4.2). Diese Aspekte werden herausgegriffen, da
sie unmittelbar für die Verarbeitung multilingualer Inhalte in Lernobjekten und Metadaten rele-
vant sind. Multilingualität betrifft dabei nicht nur die Lernobjekte direkt, d. h. deren Inhalte,
sondern auch die Metadaten und die Werkzeuge, die zur Erstellung und Präsentation dieser ein-
gesetzt werden. In diesem Sinne ist Multilingualität nicht nur eine beiläufige Begleiterscheinung,
sondern vielmehr eine umfassende Problematik, die in Form von Internationalisierungs- und
Lokalisierungsmöglichkeiten bereits bei der Konzeption von Werkzeugen berücksichtigt werden
sollte (4.4.3).
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 100
4.4.1 Eindeutige Spezifikation von Datums- und Zeitangaben
Zur Darstellung von Datumsangaben hat sich die Verwendung eines einheitlichen Formats
durchgesetzt [ISO8601 2000]. Lokalisierte Datumsangaben variieren je nach Land und Sprache.
Das Datum „28.02.2002“ wird im Deutschen üblicherweise in der Form „TT.MM.JJJJ“
geschrieben, während im britischen Englisch die Reihenfolge zwar beibehalten, Tage (TT),
Monate (MM) und Jahre (JJ) aber durch den „/“ an Stelle des „.“ separiert werden. Im
amerikanischen Englisch wird die Reihenfolge zusätzlich verändert. Hier werden Monate vor den
Tagen angegeben, in der Form „MM/TT/JJJJ“, also „02/28/2002“.
Zeiten werden ebenfalls in verschiedenen Formaten ausgedrückt. Die Schemata dazu reichen von
der 24 stündigen Anzeige bis zur expliziten Angabe der Tageshälfte (AM/PM). [ISO8601 2000]
reguliert die zulässigen Schreibweisen für Datums- und Zeitangaben. Bei Anwendung der voll-
ständigen Schreibweise für ein Datums-/Zeitelement ist diese interpretationsfrei und damit
problemlos maschinenverarbeitbar. Ein Beispiel ist:
JJJJ - MM - TT T
hh :
mm :
ss .
s TZD
2002 - 02 - 28 T 12 : 23 : 07 . 12 +01:00
Diese kombinierte Datums-/Zeitangabe ist eindeutig zu interpretieren. Das Datum wird durch
das Literal „T“ von der Zeitangabe getrennt, die Zeitangabe beinhaltet Stunden (hh), Minuten
(mm), Sekunden (ss) und Bruchteile von Sekunden (s). Zusätzlich ist es möglich, die Abweichung
von der Coordinated Universal Time (UTC) zu vermerken. UTC wurde als Nachfolger, der
Greenwich Mean Time (GMT) eingeführt. Im Beispiel wurde UTC plus eine Stunde vermerkt,
was der Mitteleuropäischen Zeit (MEZ) entspricht. Problematisch zu bewerten ist, dass
[ISO8601] es zulässt, dass das Jahrhundert bei Jahresangaben nicht mit angegeben werden muss
(vgl. [Wolf/Wicksteed 1997]). Damit ist die interpretationsfreie Verarbeitung wieder gefährdet.
Durch Verwendung der vollständigen Schreibweise des Datums kann diese Gefahr aber vermie-
den werden.
Die Komplexität dieser Datumsproblematik sollte vor dem Benutzer verborgen werden, d. h. sie
ist eher für die technische Speicherung relevant. Die Präsentation an der Benutzeroberfläche
bleibt davon unberührt, hier können entsprechende Transformationen stattfinden, um eine loka-
lisierte Variante des Datums anzuzeigen.
4.4.2 Konventionen für Zeichenkodierungen
Zeichen werden in Computersystemen durch Zahlen repräsentiert. Dabei wird ein zahlenwert,
der in einem Byte gespeichert ist, auf ein Zeichen abgebildet und umgekehrt. Der heute noch
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 101
gültige zugrunde liegende Code für diese Verfahrensweise ist ASCII (American Standard Code
for Information Interchange). ASCII basiert auf einer 7 Bit Kodierung, d. h. die Zahlen 0 bis 127
repräsentieren jeweils ein Zeichen, wobei der Bereich von 0 bis 31 für Kontrollcodes reserviert
ist. Der lateinische Buchstabe „A“ entspricht dem ASCII Code 65, „B“ 66 etc. In der gleichen
Weise werden kleine Buchstaben, Zahlen, Interpunktionszeichen etc. innerhalb der ASCII
Kodierung angeordnet. ASCII genügt, um auf dem lateinischen Alphabet basierende Texte zu
repräsentieren. Der Ursprung von ASCII stammt aus dem englischsprachigen Raum, so dass ur-
sprünglich kein Bedarf an zusätzlichen Kodierungsmöglichkeiten bestand.
Bei vielen Sprachen tritt das Problem auf, dass mehr als 128 Zeichen benötigt wurden, um alle
Zeichen dieser Sprache abzudecken. Betrachtet man einige europäische Sprachen wird dieses
unmittelbar deutlich. Im Deutschen treten z. B. Umlaute, wie „ä“ und Sonderzeichen wie „?“, im
Französischen diakritische Zeichen wie accent aigu „á“, accent grave „à“ oder cédille „ç“, weitere
Sprachen besitzen weitere spezielle Zeichen (zur eindeutigen Benennung siehe [RFC 1345]).
Diese sind in ASCII nicht repräsentiert. Deshalb wurden weitere Varianten zu ASCII entwickelt,
die in der Regel auf einer 8 Bit Kodierung basieren, so dass der Bereich von 128 bis 256 ebenfalls
für die Zeichenkodierung genutzt werden kann. Die ursprüngliche Belegung der Zeichen 0 bis
127 bleibt auch in diesen Varianten erhalten. Der verbreiteste Zeichensatz ist die ISO/IEC-8859
Familie.
Innerhalb der ISO/IEC-8859 Zeichensatzfamilie sind Zeichen nach Sprachräumen zusammen-
gefasst. ISO/IEC8859-1 umfasst die Zeichen der meisten westeuropäischen Sprachen, wie
Deutsch, Englisch, Französisch, Spanisch, Schwedisch. Neben ISO/IEC8859-1 existieren weitere
Gruppen für baltische Sprachen, Arabisch etc. Die Tabelle 5 gibt einen Überblick über die
Sprachengruppierungen innerhalb von ISO8859.
Tabelle 5: ISO8859 Familie (Quelle: Eigene Darstellung)
Zeichenkodierung Sprache
ISO/IEC8859-1 Westeuropäische Sprachen (Deutsch, Englisch, Französisch, Spanisch etc.)
ISO/IEC8859-2 Zentral- und Osteuropäische Sprachen (Tschechisch, Polnisch, Ungarisch etc.)
ISO/IEC8859-3 Esperanto, Galizisch, Maltesisch
ISO/IEC8859-4 Baltische Sprachen (Lettisch, Litauisch, Estnisch)
ISO/IEC8859-5 Kyrillische Sprachen (Bulgarisch, Russisch, Serbisch, Ukrainisch etc.)
ISO/IEC8859-6 Arabisch
ISO/IEC8859-7 Griechisch (modern)
ISO/IEC8859-8 Hebräisch
ISO/IEC8859-9 Türkisch
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 102
Zeichenkodierung Sprache
ISO/IEC8859-10 Nordeuropäisch (Inuit, Isländisch, Sami etc.)
ISO/IEC8859-11 Thai
ISO/IEC8859-12 Keltische Sprachen, Gälisch, Irisch, Welsch
ISO/IEC8859-13 Baltisch
ISO/IEC8859-14 Sami-Sprachen, Sprache der Lappen
ISO/IEC8859-15 Identisch zu ISO/IEC8859-1 mit Ersetzungen für Zeichen (z. B. €)
Die Interpretation von Texten, die in einer Kodierung wie ASCII oder ISO8859-1 kodiert sind,
erfolgt dann korrekt, wenn die gleiche Kodierung zur Anzeige verwendet wird. Die Anwendung
einer anderen Kodierung führt dazu, dass Zeichen, die außerhalb der Schnittmenge der
Kodierungen liegen, „falsch“ interpretiert und dargestellt werden. Die beschränkte Anzahl von
Zeichen, die der Codepage basierte Ansatz bereitstellt, versagt spätestens bei ideografischen
Sprachen, wie z. B. Chinesisch. Unicode wurde als Ausweg aus diesem Dilemma entwickelt.
Unicode ist eine Spezifikation, die Zeichenkodierungen auf der Basis einer universellen Codepage
definiert. „Unicode provides a unique number for every character, no matter what the platform,
no matter what the program, no matter what the language“ [Unicode 2003]. Der derzeitig aktuelle
Standard ist in [Unicode4 2003] definiert.
Im Gegensatz zu Kodierungen wie ISO8859 verwendet Unicode (in der Variante UTF-16) je-
weils 2 Byte statt 1 Byte zur Darstellung eines Zeichens. Auf der Basis 1 Bytes können jeweils
maximal 28=256 Zeichen dargestellt werden, bei Unicode können maximal 216=65536 Zeichen
repräsentiert werden. Die vereinfachte Kodierung UTF-8 verwendet zur Kodierung der Zeichen
0 bis 127 des Unicode Standards jeweils ein Byte und stellt nur Sonderzeichen in einer 2 Byte
Form durch Bitverschiebungen dar.
Unicode bietet damit eine Basis, um sämtliche lebendige Sprachen bzw. deren Zeichen in einer
konsistenten Form abzubilden. Weitere Schwachpunkte des Codepage Konzepts, wie die
fehlende Unterscheidung zwischen Zeichen und Glyphen werden ebenfalls in Unicode beseitigt.
Glyphen sind dabei verschiedene Repräsentationen eines Zeichens. Ein Zeichen kann verschie-
dene Glyphen besitzen. Im westeuropäischen Kulturkreis entsprechen Glyphen verschiedenen
Formatierungen eines Buchstabens. Im Arabischen z. B. kann eine Glyphe je nach Kontext ggf.
eine andere Form und Semantik annehmen (vgl. [Ott 1999, 62 ff.]).
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 103
4.4.3 Internationalisierung und Lokalisierung
Die Anforderungen zur Unterstützung multilingualer Lernobjekte betreffen nicht alleine die
Lernobjekte, sondern auch die Werkzeuge zur Bearbeitung dieser in Form von Software. Im Be-
reich von Software resultiert, das diese in der Lage sein muss, mehrsprachige Inhalte zu
verarbeiten.
Die Sprache ist dabei nicht das einzige relevante Kriterium, vielmehr bestehen zwischen ver-
schiedenen Sprachkulturen wie Englisch und Deutsch noch weitere Unterschiede bzgl. Zahlen-
darstellung, Datumsangaben, Sortierungen etc. Diese Merkmale werden als „locale“ subsumiert.
„For computing purposes, locale is defined as the set of preferences or conventions that is
associated with the user’s location, in addition to the user’s language“ [Ott 1999, 87]. Frei über-
setzt steht „locale“ für lokale Regeln oder Gebräuche. Die oben skizzierte, eindeutige
Spezifikation von Datumsangaben und Zeichen stellt sicher, dass die lokale Regeln und
Gebräuche eines Sprachraums verlustfrei abgebildet werden können.
Softwarewerkzeuge, die nur für einen Sprachkreis intendiert sind, können ohne Rücksichtnahme
auf Mechanismen zur Anwendung verschiedener Sprachen auskommen. Softwarewerkzeuge, die
Multilingualität unterstützen sollen, müssen entsprechend konzipiert werden. Diese Konzeption
folgt einem sog. GILT Schema. GILT ist das Akronym für Globalization, Internationalization,
Localization und Translation. Globalisierung bezeichnet als Sammelbegriff alle Aktivitäten, die
sicherstellen, dass eine Software internationalisiert, lokalisiert und übersetzt werden kann.
Die vorbereitenden Maßnahmen, um die Verarbeitung mehrerer lokaler Regeln zu ermöglichen
werden als Internationalisierung bezeichnet. [Savourel 2001] spricht hierbei von „enabling” der
Software in einem ersten Schritt. Dazu gehören z. B. die Trennung zwischen Code und Meldun-
gen, die Verarbeitung von Zeichen aus anderen Zeichensätzen als ASCII etc. Wenn diese Phase
abgeschlossen ist, kann die Software in einem zweiten Schritt durch die Lokalisierung auf die
Sprachen und spezifischen Anforderungen lokaler Regeln zugeschnitten werden. Dabei müssen
pro Lokalisierung alle Meldungen, Dialoge etc. übersetzt werden.
Die detaillierte Darstellung von Methoden zur Internationalisierung und Lokalisierung von Soft-
ware würde bei einer umfassenden Behandlung bei weitem den Rahmen dieser Arbeit sprengen.
Bei der Konzeption und Implementierung der Applikationen wird in den Abschnitten 5.4.3, 6.2.2
und 6.6 auf die relevanten Aspekte eingegangen. Für weitere Ausführungen zur
Internationalisierung von Software siehe [Ott 1999, 107 ff.].
4 BAUSTEINE FÜR DIE GESTALTUNG DER WISSENSBASIS EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 104
4.5 Zusammenfassung
In den Abschnitten dieses Kapitels wurden grundlegende Begriffe und Definitionen eingeführt.
In Abschnitt 4.1 wurden basierend auf einer Definition von Lernobjekten das Potenzial zur
Wiederbenutzung von Lernobjekten diskutiert und relevante Faktoren bzgl. der Wie-
derbenutzung aufgezeigt. Lernobjekte können in verschiedenen Kodierungen formuliert sein.
Ausgewählte Kodierungsformen für Lernobjekte wurden vorgestellt und diskutiert. Eine Abwä-
gung der Vor- und Nachteile, führt zu dem Ergebnis, dass sich semantische Kodierungen trotz
eines anfänglich erhöhten Aufwands auf lange Sicht gesehen auszahlen und gegenüber einer rein
prozeduralen Kodierung überzeugende Vorteile aufweisen. Die Beschreibung von Lernobjekten
durch Metadaten ist eine essentielle Voraussetzung für Wiederbenutzung (4.2). Das Prinzip von
Metadaten wurde vorgestellt und anhand konkreter Beispiele präzisiert. Die spezialisierten An-
forderungen an Metadaten in einem Lernkontext führen nach einer Darstellung von relevanten
Ansätzen zum Learning Objects Metadata Schema (LOM), das sich aufgrund weiter Verbreitung
und Flexibilität als Basisschema anbietet. Lernobjekte sind inhaltlich einer oder mehreren
Wissensdomänen zugeordnet. Eine Wissensdomäne weist eine inhaltliche Struktur auf, die von
einer Ontologie formalisiert explizit erfasst werden kann. Die Grundkonzepte von Ontologien
wurden in Abschnitt 4.3 dargestellt. Abgerundet wurde das Kapitel von einer Betrachtung der
Aspekte zur Behandlung multilingualer Werkzeuge und Inhalte sowie deren Relevanz für
Lernobjekte und Metadaten (4.4).
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 105
5 Konzeption und systematische Strukturierung der
Wissensbasis
We must be systematic, but we should keep our systems open.
Alfred North Whitehead
Im vorherigen Kapitel wurden die zentralen Bausteine für die Gestaltung der Wissensbasis dar-
gestellt. Diese Bausteine verwendend erfolgt innerhalb dieses Kapitels die Konzeption und
systematische Strukturierung der angestrebten Wissensbasis für den Einsatz in einem hyper-
medialen Lernsystem. Zunächst wird die semantische Kodierung von Lernobjekten am Beispiel
von Fallstudien erläutert. Lernobjekte, die präsentationsneutral mit den in Abschnitt 5.1 vorge-
stellten Mechanismen kodiert sind, erfüllen die Ansprüche an multilinguale Inhalte und können in
verschiedenen Repräsentationsformen dargestellt werden. Durch die explizite Einbeziehung auch
anderer Kodierungen für Lernobjekte erhält die Konzeption einen integrativen Ansatz. Nach der
Darstellung der grundsätzlichen Kodierung werden die beiden relevanten Grundprinzipien zur
Systematisierung der Lernobjekte dargestellt. Zunächst werden dabei die Strukturierung und
Kompositionsmöglichkeiten von Lernobjekten anhand des Granularitätsprinzips herausgearbeitet
(5.2). Die formalisierte Abbildung der zugrunde liegenden Wissensbasis OR/MS in Form einer
Ontologie (siehe 4.3) liefert die Grundlage für eine sachlogische Strukturierung der Lernobjekte
(5.3). Die auszeichnende Beschreibung der Lernobjekte und ihrer Strukturierungen durch Meta-
daten beschreibt Abschnitt 5.4. Die Metadaten dienen als zentrale Informationsquelle, um den
Lernenden optimal beim Zugriff auf Lernobjekte zu unterstützen. Abgeschlossen wird das
Kapitel durch die Integration der Einzelkomponenten zu einem Gesamtkonzept für die
Wissensbasis (5.5) und dessen kritische Würdigung in Abschnitt 5.6.
5.1 Semantische Kodierung von Lernobjekten am Beispiel von Fallstudien
Im Folgenden wird exemplarisch für Fallstudien eine semantische Modellierung auf Basis des
Dokumenttypen LMML vorgenommen, der sich für die Abbildung generischer Lernobjekttypen
anbietet (5.1.1). Ausgehend von einer verbalen Spezifikation des Aufbaus einer Fallstudie (5.1.2)
wird die erforderliche Anpassung von LMML für Fallstudien und die Umsetzung in eine formali-
sierte Repräsentation erläutert (5.1.3). Abschnitt 5.1.4 beschreibt die dabei erzielte Umsetzung der
Multilingualität.
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 106
5.1.1 Abbildung generischer Lernobjekttypen mit LMML
Generische Lernobjekte können durch das Basisschema von LMML bereits gut abgedeckt wer-
den. Zu dem Basisschema von LMML existiert eine domänenspezifische Anpassung für
Informatik, LMML-CS, die die Bedürfnisse an eine semantische Modellierung generischer Lern-
objekte auch im Bereich OR/MS abdeckt (vgl. [Süß/Freitag/Brössler 1999]). Der LMML-CS
Dokumenttyp konnte damit zur Formulierung allgemeiner Lernobjekte in OR/MS unverändert
übernommen werden. Die Stylesheets zur Darstellung der Lernobjekte wurden für die Formate
HTML und PDF entwickelt. Für die praktische Durchführung der Transformation sei auf Ab-
schnitt 6.6 verwiesen.
Spezifische Anforderungen an die Struktur eines Lernobjekts können dabei nicht von LMML-CS
erfüllt werden. Dieser Fall tritt z. B. für Fallstudien ein. Aus diesem Grund wurde LMML in
dieser Hinsicht erweitert, um die Dokumentstruktur optimal abzubilden. Um dies tun zu können,
wird zunächst der grundlegende Aufbau von Fallstudien in OR/MS beschrieben.
5.1.2 Aufbau von Fallstudien im Bereich OR/MS
Fallstudien werden im Bereich OR/MS eingesetzt, um problemorientiertes Lernen zu fördern.
Die Vermittlung von Algorithmenwissen reicht erfahrungsgemäß nicht aus, um Studenten dazu
zu befähigen diese auf konkrete Problemstellungen auch anwenden zu können (siehe 2.4.2.).
Fallstudien im Bereich Operations Research weisen typischerweise den folgenden Aufbau auf
(vgl. dazu auch [Lynn 1999, 137 ff.]):
1. Voraussetzungen zur Bearbeitung der Fallstudie
2. Verbale Beschreibung der Problemstellung
3. Modellierung der Problemstellung
4. Lösung der Problemstellung (formal)
5. Interpretation der Lösung, Übertragung der Lösung auf die Problemstellung
6. Bibliographische Referenzen
7. Hinweise zum Einsatz der Fallstudie für Lehrende
Voraussetzungen zum Einsatz der Fallstudie listen die Kenntnisse auf, die der Lernende bereits
zur Bearbeitung der Fallstudie aufweisen sollte. Eine verbale Beschreibung der Problemstellung
führt den Lernenden in die Problematik ein. Dabei werden organisatorische Hintergründe, spezi-
fische Interessen und das eigtl. Problem verbal beschrieben. Diese Informationen können durch
detaillierte Informationen (Tabellen, Grafiken, Diagramme etc.) unterstützt werden. Die verbale
Beschreibung mündet in einer Problemstellung, die i. d. R. in Form einer offenen Fragestellung
präsentiert wird.
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 107
Der verbalen Beschreibung folgt eine formalisierte, mathematische Modellierung. Oftmals kann
das Problem mit Hilfe mathematischer Optimierungsmodelle modelliert werden. In diesem Fall
müssen die Variablen der Zielfunktion aufgestellt (kontinuierlich und logisch) und die
Restriktionen modelliert werden. Im Falle einer konkreten Aufgabenstellung ist das Vorgehen
durch die Schritte:
! Definiere Entscheidungsvariablen
! Definiere logische Variablen
! Stelle die Zielfunktion auf
! Modelliere Restriktionen
! Löse das Optimierungsproblem
definiert. Jeder dieser Arbeitsschritte kann getrennt neben der Aufgabenstellung eine Hilfe-
stellung und die Teillösung enthalten. Die Lösung der Problemstellung ist eine Präsentation der
rein mathematischen Lösung, d. h. im Falle eines Optimierungsproblems wird der Wert der Ziel-
funktion dargestellt.
Die Interpretation der mathematischen Lösung und damit die Übertragung auf die reale
Problemstellung erfolgt getrennt. Diese Trennung wird modelliert, um eine gestaffelte Darstel-
lung der Lösung der Fallstudie zu ermöglichen und damit dem Lernenden die Möglichkeit zur
Reflektion zu bieten. Bibliographische Referenzen und Hinweise zum Einsatz der Fallstudie (sog.
„teaching notes“, vgl. [Lynn 1999, 60 f.]) runden die Fallstudie ab.
Die Kodierung einer Fallstudie kann natürlich auch z. B. in HTML erfolgen. Problematisch zu
bewerten ist dabei, dass die oben aufgeführten Sektionen nicht eindeutig im HTML Dokument
gekennzeichnet werden können. Neben der reinen Wiederbenutzbarkeit eines Lernobjekts,
spricht vor allem auch der direkte, gezielte Zugriff auf Teilabschnitte eines LMML basierten
Lernobjekts für die Umsetzung in einer semantisch orientierten Kodierung. Durch die Kenn-
zeichnung kann durch eine steuernde Applikation sichergestellt werden, dass die Hinweise zum
Einsatz der Fallstudie einem Lehrenden angezeigt, Lernenden aber nicht offenbart werden. Aus
diesem Grund ist es wünschenswert, einen spezialisierten Dokumenttypen zur Abbildung der
oben geschilderten Struktur zu erstellen. LMML bietet durch einen modularen Aufbau die Mög-
lichkeit, diese Strukturen hinzuzufügen.
5.1.3 Anpassung des Dokumententyps LMML für Fallstudien
LMML bietet sich besonders für die Kodierung von Lernobjekten an, da die Sprache für spezielle
Anwendungen erweitert werden kann. Im konkreten Fall wurde eine spezielle Instanz für Fall-
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 108
studien (LMML-OR) erstellt. LMML weist bereits in der Grundvariante semantisch orientierte
Strukturelemente auf. Der Grundaufbau von LMML ist in folgendem UML Modell dargestellt:
Abbildung 19: LMML Grundmodell (Quelle: Eigene Darstellung)
Die Abbildung der Fallstudien in diese Struktur erfolgt schrittweise, indem neben den bereits be-
stehenden Strukturelementen „section“ und „collection“ zunächst ein neues Strukturelement
„casestudy“ hinzugefügt wurde. Dieses Element dient als strukturierender Container für die
weiteren Sektionen. Innerhalb dieses Elementes werden die Sektionen wie folgt zugeordnet:
Tabelle 6: Zuordnung der Sektionen einer Fallstudie zu LMML Elementen (Quelle:
Eigene Darstellung)
Sektion der Fallstudie Korrespondierendes LMML Element
Voraussetzungen zur Bearbeitung der Fallstudie Wird in den Metadaten abgebildet (siehe 5.4.1)
Verbale Beschreibung der Problemstellung cs_verbal
Modellierung der Problemstellung cs_model
Lösung der Problemstellung (formal) cs_solution
Interpretation der Lösung, Übertragung der Lösung auf die
Problemstellung
Innerhalb von cs_solution
Bibliographische Referenzen bibliography (bereits bestehend)
Hinweise zum Einsatz der Fallstudie für Lehrende objectives, remark (bereits bestehend)
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 109
Grafisch ist der grundlegende Aufbau der casestudy-Sektion in Abbildung 20 abgebildet.
Abbildung 20: LMML-OR – Aufbau Dokumenttyp (Quelle: Eigene Darstellung)
Innerhalb der Sektionen werden nun die Unterelemente modelliert. Beispielhaft ist dieses für die
Elemente cs_verbal und cs_model in Abbildung 21 dargestellt.
Abbildung 21: LMML-OR –Verfeinerung der Elemente (Quelle: Eigene Darstellung)
Die gestrichelten Elemente in Abbildung 21 stellen optionale Teile dar, die in einer Instanz der
Fallstudie nicht obligatorisch sind. In gleicher Weise werden die weiteren Sektionen modelliert.
Die Änderungen am LMML Grundmodell sind in Abbildung 22 zusammengefasst (graue Hinter-
legung).
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 110
Abbildung 22: LMML Erweiterung für Fallstudien (Quelle: Eigene Darstellung)
Die Modellierung erfolgte dabei in enger Zusammenarbeit mit dem Autor von LMML, Herrn
Süß, wobei sich zeigte, dass die Ergebnisse erster Modellierungsversuche keinen besonders hohen
Integrationsgrad mit dem Kern zeigten. Bei der Modellierung einer Erweiterung für Fallstudien
wurden z. B. Elemente hinzugefügt, die Lösungshinweise und sog. Teaching Notes modellierten.
Teaching Notes stellen Informationen dar, die für Lehrende bestimmt sind und Studenten nicht
dargestellt werden sollen. In einem ersten Versuch, wurde ein neues Element modelliert, das
diese Teaching Notes umfasst. Bei Diskussionen stellte sich aber heraus, dass eine ähnliche Be-
zeichnungsmöglichkeit bereits im Ursprungsmodell existierte, so dass nicht ein weiteres Element
hinzugefügt werden musste.
Zur Darstellung der LMML-OR basierten Fallstudien müssen wie in Abschnitt 4.1.2.2 beschrie-
ben noch entsprechende XSL Stylesheets erstellt werden, die die Transformation der LMML
Fallstudien in eine sichtbare Repräsentation durchführen. Zu diesem Zweck wurden Stylesheets
für HTML und PDF entwickelt. Für die praktische Durchführung der Transformation sei auf
Abschnitt 6.6 verwiesen.
5.1.4 Umsetzung der Multilingualität für Lernobjekte
Der Anspruch an Lernobjekte, multilinguale Inhalte transportieren zu können, ist entscheidend
von der Kodierungsform abhängig. Erfüllt die jeweilige Kodierungsform die technischen Voraus-
setzungen, z. B. Unicode Unterstützung, können die Inhalte mit großer Sicherheit auf
variierenden Endgeräten korrekt ausgegeben werden. Eine letzte Unsicherheit bleibt bestehen:
Das jeweilige Endgerät muss in der Lage sein, die Kodierung korrekt zu interpretieren.
LMML ist eine XML basierte Anwendung. XML ist besonders geeignet, um mehrsprachige In-
halte zu transportieren. XML benutzt Unicode und ist somit in der Lage, alle geforderten
Zeichenkodierungen repräsentieren zu können. LMML partizipiert als XML Anwendung von
allen Eigenschaften, die XML mit sich bringt, und kann durch die Unicode Unterstützung
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 111
ebenfalls multilinguale Inhalte kodieren. Auch in dieser Hinsicht bietet sich die semantische Ko-
dierung von Lernobjekten in XML basierten Anwendungen, wie z. B. LMML an.
5.2 Systematisierung von Lernobjekten nach dem Prinzip der
Granularität
Die Abstraktion von Lernmaterialien in Lernobjekte bringt das Problem mit sich, nach welchen
Kriterien diese unterschieden werden sollen. Eine solche Systematisierung ist relevant für die
Wiederbenutzbarkeit und sollte entsprechende Kriterien mit einbeziehen. Ein Kriterium ist dabei
die Granularität eines Lernobjektes. In diesem Abschnitt wird eine Systematik entwickelt, wie
Lernobjekte nach ihrer Granularität eingeteilt und welche Granularitätsstufen kombiniert werden
können. Zunächst werden dazu bestehende Ansätze dargestellt die auf dem Prinzip der Granula-
rität aufsetzen (5.2.1), ehe im Abschnitt 5.2.2 eine eigene Systematik entwickelt wird. Abschnitt
5.2.3 beschäftigt sich abschließend mit den möglichen Kompositionen granular abgestufter Lern-
objekte.
5.2.1 Granularität als Systematisierungsprinzip – bestehende Ansätze
Die Größe eines Lernobjekts wird auch als seine Granularität bezeichnet. Betrachtet man
typische Lernobjekte, so unterscheiden sich diese teilweise wesentlich bzgl. ihrer Granularität.
Einzelne Videosequenzen stehen ganzen Dokumenten gegenüber, die Text, Grafik und ggf.
interaktive Anwendungen bündeln. Die Abstraktion in Lernobjekte umfasst auch die auftre-
tenden Medialitäten des jeweiligen Lernobjektes. Das Problem, eine Granularität für einzelne
Lernobjekte angeben zu können, tritt bei der Kombination von Lernobjekten zu komplexeren
Gebilden verschärft auf. Eine Webseite, die Text, Grafiken sowie interaktive Java Applets bein-
haltet, kann mit den traditionellen Kennzahlen kaum mehr treffend bezüglich ihrer Größe
charakterisiert werden.
Gängige Maßzahlen bzw. Größenangaben für z. B. gedruckte Medien wie Seitenangaben, Anzahl
der Wörter etc. sind damit nicht mehr adäquat, um den Informationsgehalt digitaler Medien zu
beschreiben. Solange digitale Medien lediglich eine direkte Transformation gedruckter Medien
darstellen (wobei der Produktionsweg eher anders herum gerichtet ist), sind diese Maßzahlen an-
wendbar. Eine Angabe in Seiten ist trotzdem schlecht anwendbar, die Paginierung kann für
Dokumente gewechselt werden, wobei sich der Umfang ändert. Dieser Fall tritt bei der Ausgabe
von semantisch kodierten Lernobjekten auf verschiedenen Geräten mit variierender Dar-
stellungsfläche auf.
Sobald aber interaktive Elemente nicht textueller Medialität eingebunden werden, kann der
Informationsgehalt nicht mehr adäquat durch diese Maßangaben ausgedrückt werden. Wie soll
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 112
z. B. die Größe einer interaktiven Simulation, einer Animation, eines Films oder eines Audioclips
gekennzeichnet werden? Betrachtet man die Literatur, so lassen sich verschiedene Ansätze fin-
den, um Lernobjekte zu klassifizieren. Die Ansätze beziehen Merkmale von Lernobjekten ein, um
sie danach zu klassifizieren.
[Wiley 2001, 15 ff.] führt eine Klassifikation von Lernobjekten nach den folgenden fünf Merk-
malen ein: Fundamental, combined-closed, combined-open, generative-presentation und
generative-instructional learning objects. Die Merkmale sind dabei sowohl an der Granularität als
auch an der Medialität orientiert (vgl. [Wiley 2001, 18 f.]). Fundamentale Lernobjekte bezeichnen
einzelne Medienfragmente (z. B. eine Grafik). Mit kombiniert-geschlossenen Lernobjekten be-
zieht sich Wiley auf multimediale Dokumente, z. B. ein Video, das durch Audio Kommentare
ergänzt wird. Ein solches Lernobjekt wird als geschlossen charakterisiert, da die enthaltenen
Medien (in diesem Beispiel Video- und Audiospur) nicht mehr einfach getrennt werden können.
Kombiniert-offene Lernobjekte integrieren fundamentale und kombiniert-geschlossene Lern-
objekte. Eine WWW Seite, die Grafiken und Videosequenzen beinhaltet, entspricht diesem Typ
von Lernobjekt. Generative präsentierende Lernobjekte greifen auf die fundamentalen und kom-
binierten Objekte zurück und setzen diese durch steuernde Strukturen in einen interaktiven,
präsentationalen Kontext („generative-presentation“). Generativ instruktionale Lernobjekte
schließlich greifen auf alle bisher behandelten Typen von Lernobjekten zurück und präsentieren
diese in einem instruktionalen Kontext, d. h. diese Lernobjekte besitzen explizit Mechanismen
zur Evaluation von Interaktionen des Lernenden, wie z. B. Tests etc. Diese Klassifikation bezieht
nicht ausschließlich die Granularität von Lernobjekten ein, sondern trennt auch nach der Media-
lität und nach Verarbeitungsmechanismen, die in das Lernobjekt eingebunden sind, „… the
common function of algorithms and procedures within the learning object“ [Wiley 2001, 16].
Die Klassifikation Wiley’s ist relativ grob und lässt bzgl. der Granularität viele Interpretations-
möglichkeiten offen. Warum zwischen fundamentalen und kombiniert-geschlossenen Lern-
objekten unterschieden wird, bleibt offen. Von einem medientheoretischen Standpunkt stellen
beide Lernobjekttypen Medien dar, wobei im kombiniert-geschlossenen Fall diese Medien multi-
modal in einem Lernobjekt kombiniert sind.
Eine weitere Möglichkeit der Klassifikation von Lernobjekten wird in [LOM DOC 2002] ein-
geführt. Granularitäten von Lernobjekten werden innerhalb von LOM mit der Eigenschaft
„Aggregation Level“ berücksichtigt. In [LOM DOC 2002, 15] werden die folgenden Granu-
laritätsstufen vorgeschlagen:
! “1: the smallest level of aggregation, e.g., raw media data or fragments.
! 2: a collection of level 1 learning objects, e.g., a lesson.
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 113
! 3: a collection of level 2 learning objects, e.g., a course.
! 4: the largest level of granularity, e.g., a set of courses that lead to a certificate.”
Insgesamt werden von LOM also vier Stufen für Granularitäten von Lernobjekten eingeführt.
Die Lernobjekte der kleinsten Granularität bezeichnen einzelne Medien oder Medienfragmente.
Diese können kombiniert werden zu einem Lernobjekt der Stufe 2, z. B. einer einzelnen
Vorlesung, die wiederum zu Lernobjekten der Stufe 3, einem Kurs gebündelt werden können.
Die größte Granularität weisen Lernobjekte der Stufe 4 auf, die Lernobjekte der Stufe 3 und auch
rekursiv Elemente der Stufe 4 z. B. zu einem Studienfach bündeln.
Die Nomenklatur wird durch die Beispiele, die in der LOM Spezifikation gegeben werden, erläu-
tert. Es werden aber keine klaren Anhaltspunkte dafür geliefert, wo die Grenze zwischen den
Granularitäten eigentlich gezogen wird. Die Einteilung ist relativ abstrakt und ohne Erläute-
rungen nicht ohne weiteres nachvollziehbar. Zusätzlich erscheint der granulare Abstand zwischen
Lernobjekten der Stufe 1 und 2 als relativ groß. Eine Vorlesung besteht i. d. R. nicht aus einer
Sequenz von Medien, sondern weist noch eine inhaltliche Gliederung auf. Da das Wieder-
benutzungspotenzial von Lernobjekten kleiner Granularität besonders hoch erscheint, sollte hier
eine feinere Differenzierung vorgenommen werden.
Eine Systematik von Lernobjekten sollte sowohl von Autoren als auch von Lernenden klar nach-
vollziehbar sein, um ein klares Verständnis über ein Lernobjekt einer gegebenen Granularität zu
entwickeln. Dazu bietet sich die Verwendung von Begriffen aus dem vertrauten Umfeld des
Lernenden/Lehrenden an, z. B. geläufige Einheiten, wie Lektionen, Kurse etc. Durch diese
Aufteilung kann der Lernende auch den zeitlichen Aufwand einschätzen, um solch ein Lern-
objekt zu bearbeiten.
5.2.2 Granularitätsstufen für Lernobjekte – Entwicklung einer Systematik
Im Folgenden wird aufbauend auf dem Kriterium der Granularität eine Systematik für Lern-
objekte entwickelt. Dazu werden fünf Ebenen eingeführt, zwischen deren Granularität dif-
ferenziert werden kann. Die Lernobjekte werden dabei nach zunehmender Granularität und
Komplexität gegliedert. Angefangen mit Medienelementen, über Lernelemente und Inhalts-
module zu Kursen. Zusätzlich werden thematische Metastrukturen als Strukturelement definiert,
die eine Sequenz von Kurselementen abbilden.
In der Tabelle 7 sind die Granularitätsstufen für Lernobjekte den Klassifikationen von LOM und
Wiley gegenüber gestellt.
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 114
Tabelle 7: Gegenüberstellung Granularitätsstufen, LOM, Wiley (Quelle: Eigene
Darstellung)
Vorgeschlagene
Granularitäten
Korrespondierendes Element nach
[LOM DOC 2002]
Korrespondierendes Element nach
[Wiley 2001]
Medienelement Level 1 Objekt (media fragment) Fundamentales Lernobjekt,
Kombiniert-geschlossenes Lernobjekt
Lernelement - Kombiniert-offenes Lernobjekt
Inhaltsmodul Level 2 Objekt (lesson) Generativ-präsentationales Lernobjekt,
Generativ-instruktionales Lernobjekt
Kurs Level 3 Objekt (course) Generativ-instruktionales Lernobjekt
Thematische Metastruktur Level 4 Objekt (set of courses that lead to
a certificate)
Generativ-instruktionales Lernobjekt
Die Zuordnung der Stufen zueinander ist nicht in jedem Fall eindeutig möglich. Es ergibt sich ein
Kontinuum zwischen den Lernobjekten geringer Komplexität (Medienelement) und denen hoher
Komplexität (Thematische Metastruktur), in das Lernobjekte je nach Granularität eingeordnet
werden können (siehe Abbildung 23). Die Systematik kann hier nur Hinweise bzgl. der
Klassifikation geben.
Abbildung 23: Kontinuum und Einordnung der Granularitäten (Quelle: Eigene
Darstellung)
In den folgenden Abschnitten 5.2.2.1 bis 5.2.2.5 werden die Granularitätsstufen detaillierter be-
schrieben.
5.2.2.1 Medienelement
Ein Medienelement klassifiziert einzelne Medienfragmente, wie z. B. Text, Grafik, Animationen,
Audio, etc. Das Medienelement stellt die kleinste Einheit eines Lernobjektes dar. Es wird hier ex-
plizit keine Differenzierung zwischen monomodalen und multimodalen Lernobjekten
vorgenommen, beide werden als Medienelemente aufgefasst.
Ein Medienelement ist auf der niedrigsten Stufe der Hierarchie angesiedelt und stellt die kleinste
Informationseinheit dar. Ein Beispiel könnte ein einzelnes Diagramm sein, das einen grafischen
Sachverhalt visualisiert. Ein Medienelement besitzt einen hohen Wiederverwendungswert in an-
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 115
deren Lernobjekten, da es i. d. R. neutral in Bezug auf einen Anwendungskontext ist. Ein
einzelnes Medienelement wird in der Regel dem Lernenden nicht direkt präsentiert, sondern
vielmehr mit anderen Medienelementen kombiniert und durch einen umgebenden Rahmen kon-
textualisiert. Dieser Rahmen wird durch höher granulare Lernelemente gegeben.
5.2.2.2 Lernelement
In der nächsten Komplexitätsstufe über dem Medienelement steht das Lernelement. Inhaltlich
behandelt ein Lernelement ein eng umrissenes Thema. Ein Lernelement bezeichnet eine Struktur,
die ein oder mehrere atomare Medienelemente enthält. Dabei werden Medienelemente sequentiell
im Lernelement angeordnet. Ein Lernelement ist damit nicht eine Menge, sondern eine Sequenz
von Medienelementen. Üblicherweise kann das Lernelement durch weitere Anmerkungen und
Texte erweitert werden.
Diese pragmatische Herangehensweise erleichtert es, ein kohäsives Lernelement, das in sich
stimmig ist, zu erstellen. Die Kontextualisierung der eingebundenen Medienelemente findet dabei
auf Ebene des Lernelementes statt. Die Kombination von mehreren Lernelementen erfolgt in
einem Inhaltsmodul.
5.2.2.3 Inhaltsmodul
Inhaltsmodule umfassen ein oder mehrere Lernelemente. Ein Inhaltsmodul ist dabei inhaltlich
und von der Komplexität ähnlich einer Vorlesung zu sehen. In einem Inhaltsmodul wird ein
Themenkomplex dargestellt, der wiederum in einzelne Aspekte gegliedert werden kann, die in
Lernelementen behandelt werden. Ein Beispiel für ein Inhaltsmodul ist die Darstellung eines
Algorithmus, wobei ein Lernelement die Einführung, eines den Algorithmus selbst und ein
weiteres praktische Anwendungen des Algorithmus behandelt.
5.2.2.4 Kurs
Ein Kurs bündelt mehrere Inhaltsmodule. Der Kurs ist dabei als eine thematische Einheit im
Sinne einer universitären Lehrveranstaltung zu sehen. Ein Beispiel ist eine Veranstaltung wie
„Einführung in Operations Research“, die Grundlagenkenntnisse zu OR in einem abgeschlos-
senen Rahmen vermitteln soll. Der Kurs setzt sich dann thematisch aus Inhaltsmodulen zu-
sammen, die einzelne Aspekte des Kurses behandeln.
5.2.2.5 Thematisches Netzwerk
Die thematischen Netzwerke verknüpfen Kurse zu einer höherwertigen Einheit, z. B. einem
Curriculum mit definiertem Abschluss. Ein Beispiel für eine Anwendung ist die Kombination
mehrerer Kurse zu einem Studienfach.
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 116
5.2.3 Komposition von Lernobjekten
Basierend auf den Granularitätsstufen, die in den vorhergehenden Abschnitten eingeführt
wurden, wird im Folgenden eine Vorgehensweise entwickelt, wie Lernobjekte verschiedener
Granularität kombiniert werden können.
5.2.3.1 Relationstypen zwischen Lernobjekten
Die Zuordnung von Lernobjekten zu Granularitätsstufen, die in Abschnitt 5.2.2 beschrieben
wurde, ist eine wichtige Voraussetzung für die Wiederverwendbarkeit. So kann ein Medien-
element z. B. verschiedenen Lernelementen zugeordnet sein. Diese Beziehung muss in expliziter
Form abgebildet werden. Analog zu den Strukturen der Wissensbasis und deren Abbildung in
einer Ontologie (siehe 4.3.2) wird das Inkludieren eines Medienelementes ME in einem Lern-
element LE durch eine Relation abgebildet. Diese Relation ist vom Typ „HasPart“, d. h. für LE
würde vermerkt werden: „LE HasPart ME“. Zu jeder Relation existiert eine inverse Relation. In
diesem Beispiel: „ME IsPartOf LE“.
Neben den Inklusionsrelationen „HasPart/IsPartOf“ sind noch weitere Relationstypen relevant,
die die Beziehungen zwischen Lernobjekten kennzeichnen. Diese Beziehungstypen wurden in
Anlehnung an [Miller 1999] und [LOM DOC 2002] ausgewählt. Tabelle 8 führt die Relationen
und deren semantische Bedeutung auf.
Tabelle 8: Mögliche Relationen zwischen Lernobjekten (Quelle: vgl. [Miller 1999])
Relationen Erklärung
IsPartOf Lernobjekt ist ein Teil eines anderen Lernobjekts
HasPart Lernobjekt inkludiert ein anderes Lernobjekt
IsVersionOf Lernobjekt ist eine Version (Überarbeitung) eines Lernobjekts
HasVersion Lernobjekt weist Versionen (Überarbeitung) auf
IsFormatOf Lernobjekt ist eine Repräsentationsform eines ursprünglichen Lernobjekts
HasFormat Lernobjekt weist weitere Repräsentationsformen auf
References Lernobjekt referenziert ein Lernobjekt
IsReferencedBy Lernobjekt wird von einem Lernobjekt referenziert
IsBasedOn Lernobjekt basiert inhaltlich auf einem anderen Lernobjekt
IsBasisFor Lernobjekt ist inhaltlich Voraussetzung für ein anderes Lernobjekt
Requires Lernobjekt benötigt anderes Lernobjekt (z. B. technisch)
IsRequiredBy Lernobjekt wird von anderem Lernobjekt benötigt.
Über die oben dargestellten Relationstypen lassen sich nicht nur Inklusionen, sondern darüber
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 117
hinaus auch Referenzen, inhaltliche Voraussetzungen sowie technische Restriktionen ausdrücken.
Prinzipiell kann eine Relation Beziehungen zwischen Lernobjekten der gleichen und jeder ande-
ren hierarchischen Ebene definieren. Es erscheint jedoch zweckmäßig, nicht alle Kombinationen
zuzulassen. Die direkte Einbindung eines Lernelementes in einen Kurs sollte nicht vorgenommen
werden, da ansonsten die Kontextualisierung des Lernelementes i. d. R. nicht ausreicht. Die
validen Kombinationsmöglichkeiten zwischen Lernobjekten werden im folgenden Abschnitt
dargestellt.
5.2.3.2 Valide Relationen zwischen Lernobjekten verschiedener Granularität
Die Kombinationsmöglichkeiten von Lernobjekten sollten einem hierarchischen Aufbau folgen,
um einer möglichen Dekontextualisierung eines Lernobjektes niedriger Granularität bei der
Inklusion in einem Lernobjekt höherer Granularität entgegen zu wirken. Der Tabelle 9 können
alle validen Relationen zwischen Lernobjekten entnommen werden. Ausgehend von der
Granularität eines Lernobjekts (linke Spalte) lässt sich zu jedem Verknüpfungstyp die valide
Granularität eines Ziel-Lernobjekts ablesen (durch ● gekennzeichnet). Die Relationstypen
IsFormatOf / HasFormat sowie IsVersionOf / HasVersion sind selbstreferentiell, d. h. sie
verknüpfen ausschließlich Lernobjekte gleicher Granularität. Aus Gründen der Übersicht wurden
sie deswegen nicht mit aufgenommen. Der HasPart Relationstyp ist in Tabelle 9 fett dargestellt.
Es handelt sich hierbei um diejenige Relation, die die Hierarchie innerhalb des hypermedialen
Netzwerkes beschreibt.
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 118
Tabelle 9: Valide Relationen zwischen Lernobjekten (Quelle: Eigene Darstellung)
Ziel
Relationen Quelle/Ziel Thematisches
Netzwerk Kurs Inhaltsmodul Lernelement Medienelement
IsPartOf
HasPart ●
References ● ●
IsReferencedBy ●
IsBasedOn ●
IsBasisFor
Requires ●
Thematisches Netzwerk
IsRequiredBy
IsPartOf ●
HasPart ●
References ● ●
IsReferencedBy ● ●
IsBasedOn ● ●
IsBasisFor ● ●
Requires ● ●
Kurs
IsRequiredBy ● ●
IsPartOf ●
HasPart ●
References ● ●
IsReferencedBy ● ●
IsBasedOn ● ●
IsBasisFor ● ●
Requires ● ●
Inhaltsmodul
IsRequiredBy ● ●
IsPartOf ●
HasPart ●
References ● ●
IsReferencedBy ● ●
IsBasedOn ● ●
IsBasisFor ● ●
Requires ● ●
Lernelement
IsRequiredBy ● ●
IsPartOf ●
HasPart
References ●
IsReferencedBy ● ●
IsBasedOn ●
IsBasisFor ● ●
Requires ●
Quelle
Medienelement
IsRequiredBy ● ●
Lernobjekte können jeweils nur Lernobjekte der direkt untergeordneten Granularitätsstufe
beinhalten. Diese Vorgehensweise ist sinnvoll, um einen hierarchischen Aufbau einzuhalten und
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 119
damit Autoren bei der Suche nach potenziellen Lernobjekten zu unterstützen, indem Lernobjekte
einer geeigneten Granularität angeboten werden.
Der Relationstyp HasFormat/IsFormatOf bezeichnet wie in Tabelle 8 angegeben eine andere
Repräsentationsform eines Lernobjektes. Beispielsweise könnte ein Lernobjekt, das ursprünglich
in HTML kodiert ist, eine Repräsentation in PDF aufweisen. Dieses inhaltlich übereinstimmende
Lernobjekt (PDF) könnte durch die IsFormatOf als zugehörig zu dem ursprünglichen Lernobjekt
gekennzeichnet werden. Dieser Relationstyp ist im Falle einer semantischen Kodierung obsolet,
da die gewünschte Repräsentation jeweils automatisiert generiert werden kann und nicht in sepa-
raten Versionen vorgehalten werden muss.
5.3 Systematisierung von Lernobjekten nach Inhalt - Ontologie für
OR/MS
In diesem Abschnitt wird eine Ontologie für den Bereich OR/MS auf bereits existenten und
etablierten Kategorisierungen entwickelt. Dazu werden im Abschnitt 5.3.1 bestehende Ansätze
zur Klassifikation von OR/MS Inhalten aufgezeigt, ehe in Abschnitt 5.3.2 eine eigene Ontologie
entwickelt wird. Die technische Realisierung der zugehörigen Formalisierung wird in Abschnitt
5.3.3 beschrieben.
5.3.1 Bestehende Ansätze zur Klassifikation von OR/MS Inhalten
Eine Wissensdomäne kann aus mehreren Perspektiven kategorisiert werden. Die Einteilung muss
nicht eindeutig sein. Eine mögliche Kategorisierung von OR/MS bietet die hypermediale Lern-
umgebung OR-Welt (vgl. [Blumstengel 1998]).
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 120
Simulation
Network oriented
Optimization Problems
Probability Concepts
Probability Distributions
Generation of Random
Numbers
Mixed Integer
Programming MPS Format
Case Studies
Applications
Mathematical
Optimization
Operations
Research
Branch and Bound
Vehicle Routing and
Scheduling
Network Optimization
Basics of Linear
Programming
Simplex Algorithm
Duality
Sensitivity Analysis
Discrete Simulation
Crew SchedulingPORZ
Production
Facility Location
Problems
Inventory Control
Special Modeling
Techniques
Genetic Algorithms
Abbildung 24: Gliederung von OR/MS für OR-Welt (Quelle vgl. [Blumstengel 1998])
Die oben abgebildete Strukturierung ist nicht die einzige gültige Konzeptualisierung für OR/MS.
Konzepte können z. B. aus einer Gliederung in Untergebiete erfolgen. Auf diese Weise würde das
Konzept „Operations Research“ aufgeteilt werden in „Mathematische Optimierung“ und
„Simulation“. „Mathematische Optimierung“ wiederum kann unterschieden werden in „Lineare
Programmierung“ und „Mixed Integer Programmierung“. Konzepte wie „Simplex Algorithmus“
und „Dualität“ werden der „Linearen Programmierung“ untergeordnet etc. Auf diese Weise ent-
steht eine Hierarchie von Basiskonzepten.
Das Klassifikationsproblem in den mathematischen Disziplinen ist nicht neu. Es gibt bereits An-
sätze, in der Regel Taxonomien, um mathematische Veröffentlichungen und Materialien zu
klassifizieren. Die American Mathematics Metadata Task Force [AMMTF 2001] verfasste die
Mathematical Subject Classification (MSC), ein Klassifizierungsschema in Form einer Taxonomie.
Das derzeitige System MSC 2000 ist eine Revision der Klassifikation von 1991, die als Ergebnis
einer Zusammenarbeit zwischen Mathematical Reviews (MR) und Zentralblatt Math (Zbl) be-
schlossen wurde. Innerhalb der beiden Datenbanken Mathematical Reviews Database (MRDB)
und der Zbl Datenbank wird die Klassifikation zur Kennzeichnung von Artikeln verwendet. Das
Ziel ist es, Lesern eine Orientierungshilfe zur zielgerichteten Selektion potenziell relevanter
Artikel zu bieten. Das Schema besteht aus einem fünfstelligen Code, der eine Klassifikation in
verschiedene Bereiche ermöglicht. Die ersten drei Zeichen kennzeichnen den Hauptbereich, der
durch die weitere Sequenz weiter kategorisiert wird. So steht z. B. 90B für den Bereich
„Operations Research und Management Science“, 90B20 für „traffic problems“ innerhalb der
Sektion Operations Research. Ein Artikel kann dabei entweder genau einem Bereich der MSC
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 121
zugeordnet werden, oder aber für mehrere Bereiche eingetragen werden. Dabei ist die Haupt-
charakterisierung genau einem Bereich zugeordnet (primary classification). Wenn der Artikel für
weitere Bereiche als relevant erachtet wird, können diese ebenfalls vermerkt werden (secondary
classification). Das gesamte Verzeichnis kann unter [AMS 2000] eingesehen werden.
Innerhalb dieser Taxonomie ist ein Abschnitt dem Bereich Operations Research und
Management Science gewidmet. Das Klassifikationsschema der AMS bietet nur eine sehr grobe
Eingliederung der Themen aus dem OR/MS. In Tabelle 10 ist ein Auszug des AMS
Klassifizierungsschemas für den Bereich OR/MS abgebildet.
Tabelle 10: AMS Klassifizierungsschema für OR/MS (Auszug) (Quelle: Eigene
Darstellung)
90Bxx Operations research and management science
90B05 Inventory, storage, reservoirs
90B06 Transportation, logistics
90B10 Network models, deterministic
90B15 Network models, stochastic
90B18 Communication networks [See also 68M10,94A05]
90B20 Traffic problems
90B22 Queues and service [See also 60K25, 68M20]
90B25 Reliability, availability, maintenance, inspection [See also 60K10, 62N05]
90B30 Production models
90B35 Scheduling theory, deterministic [See also 68M20]
90B36 Scheduling theory, stochastic [See also 68M20]
90B40 Search theory
90B50 Management decision making, including multiple objectives [See also 90C31, 91A35, 91B06]
90B60 Marketing, advertising [See also 91B60]
90B70 Theory of organizations, manpower planning [See also 91D35]
90B80 Discrete location and assignment [See also 90C10]
90B85 Continuous location
90B90 Case-oriented studies
90B99 None of the above, but in this section
Die Klassifizierung, die von der AMS vorgegeben wird, ist relativ grob. Positiv hervorzuheben
ist, dass ein allgemein anerkanntes Klassifikationsschema für Mathematik und damit auch
Operations Research überhaupt existiert. Andererseits ist gerade Operations Research ein
interdisziplinäres Feld, das weitere Querverweise zu anderen Disziplinen aufweist. In diesem
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 122
Sinne wird eine strenge Hierarchie der Vielschichtigkeit von Operations Research nur bedingt ge-
recht. Verweise auf andere relevante Bereiche (siehe Tabelle 10, „see also #“) können diese
Problematik nur bedingt lösen. Es erfolgt keine Typisierung des Verweises: Ist der ange-
sprochene Referenzbereich nur verwandt zur Thematik, ist es eine Weiterführung, oder gar Vor-
aussetzung für die zu klassifizierende Thematik? Diese Fragen werden von einfachen Referenzen
nur unzureichend beantwortet. Wenn eine maschinengestützte Auswertung erfolgen soll, ist diese
Vorgehensweise als nicht ausreichend zu beurteilen.
5.3.2 Formalisierung einer Kategorisierung von OR/MS am Beispiel MSC 2000
In einer Ontologie kann die Taxonomie der MSC 2000 in einem maschinenlesbaren Format er-
fasst werden. Ausgehend von dem ursprünglichen MSC 2000 Schema, wurden die Elemente
entsprechend in eine Taxonomie gebracht. Die Taxonomie alleine stellt das Grundgerüst der
Ontologie, indem eine Hierarchie von Konzepten und diesen untergeordneten Konzepten gebil-
det wird. In Abbildung 25 ist ein Teilbereich der MSC Taxonomie abgebildet.
Abbildung 25: Teilbereich der MSC 2000 ohne Referenzen (Quelle: Eigene Darstellung)
Durch sog. Relationen oder Slots können die Konzepte bzw. deren Instanzen zusätzlich be-
schrieben werden. Mit Hilfe dieser Slots werden Eigenschaften zu einzelnen Konzepten definiert.
Auf diesem Weg wurden die Referenzen typisiert in der Ontologie abgebildet. Dadurch kann die
typische Baumstruktur der Taxonomie zu einem Graphen erweitert werden. In Abbildung 26 ist
ein Ausschnitt der Ontologie zu sehen, in dem die „IsBasisFor“ Beziehung, also eine Voraus-
setzungsbeziehung für das Konzept „Lineare Programmierung“ in Bezug auf „Mixed Integer
Programming“ definiert wurde.
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 123
Abbildung 26: Teilbereich der Ontologie mit Referenzen (Quelle: Eigene Darstellung)
Die Kenntnis, dass das Konzept „Lineare Programmierung“ Voraussetzung für das Konzept
„Mixed Integer“ Programming ist, kann auf diese Art maschinenlesbar hinterlegt werden.
Weiterhin können typisierte Verweise, die auch für die Komposition von Lernobjekten benutzt
werden (siehe Tabelle 8) zur Kennzeichnung der Beziehung zwischen Konzepten der Ontologie
verwendet werden. In Abbildung 26 ist das durch die Relation „References“ angedeutet. Durch
die Verwendung typisierter Referenzen wird die Wissensstruktur inklusive der zwischen
Konzepten auftretenden Referenzen explizit modelliert.
5.3.3 Technische Realisierung der Formalisierung
Das Erstellen der Ontologie kann mit einem standardisierten Werkzeug vorgenommen werden.
In dieser Arbeit wurde dazu [Protégé 2003] verwendet. Protégé kann alle Komponenten einer
Ontologie, die in Abschnitt 4.3.2.2 vorgestellt wurden, bearbeiten.
Die explizite Struktur der Ontologie kann aufgrund des formalen Charakters leicht in eine
grafische Darstellung überführt werden. Werkzeuge wie Protégé bieten dazu Visuali-
sierungsmethoden, die aus der Struktur grafische Visualisierungen erzeugen (vgl. z. B. [Ontoviz
2003], [TGViz 2003]). Der Nutzen einer Ontologievisualisierung liegt in den drei „information
seeking tasks: data analysis, querying, and navigation“ [Fluit/Sabou/van Harmelen 2003, 44]. Die
Analyse der Struktur der Ontologie in visueller Form erlaubt durch die plastische Darstellung ein
einfaches Auffinden von Inkonsistenzen und Fehlern in der Modellierung. Die grafische Dar-
stellung ist eine intuitiv erfassbare Darstellung, die einen einfachen Zugang zu der Ontologie
erleichtert.
Durch die Standardisierung der Austauschformate „Ressource Description Framework“ (RDF)
und RDF Schema (RDFS) für Protégé und andere Ontologieeditoren ist es prinzipiell möglich,
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 124
das Werkzeug zur Bearbeitung der Ontologie zu wechseln, ohne Änderungen an der Datenbasis
vornehmen zu müssen. RDF ist eine XML basierte Anwendung und stellt generelle Konstrukte
bereit, um Objekte zu beschreiben und zueinander in Beziehung zu setzen. RDFS erweitert RDF,
indem Konstrukte zur Beschreibung von Klassen und Attributen zu RDF hinzugefügt werden.
RDF und RDFS sind damit in der Lage, Ontologien in einer XML Syntax abzubilden (vgl. [RDF
1999] und [RDFS 2002]).
Auch im Bereich der Ontologien lässt sich durch die Einführung von XML eine positive Ent-
wicklung hin zu einer Dokumentorientierung vermerken, die Werkzeuge austauschbar macht.
Der relevante Gegenstand, in diesem Fall die Ontologie, rückt in den Mittelpunkt der Betrach-
tung, das erstellende Werkzeug spielt eine weniger große Rolle. Diese Entwicklung ist auch für
semantisch kodierte Lernobjekte festzustellen.
Durch die formalisierte Darstellung der Wissensstruktur der Domäne OR/MS wird ein Bezugs-
rahmen geschaffen, in dem Lernobjekte Konzepten der Domäne zugeordnet werden können.
Die Klassifizierung und eine detaillierte Beschreibung der Lernobjekte erfolgt in den Metadaten.
5.4 Individuelle und strukturelle Beschreibung von Lernobjekten durch
Metadaten
Im vorliegenden Abschnitt wird die Struktur des LOM Schemas in Hinblick auf die praktische
Umsetzung genauer beschrieben und analysiert (5.4.1). LOM bietet nur ein konzeptionelles
Schema, die praktische Umsetzung wird nicht durch die Spezifikation [LOM DOC 2002] fest-
gelegt. Verschiedene Ansätze der Speicherung von Metadaten werden in Abschnitt 5.4.2 bewer-
tet. Der Entwurf eines relationalen Datenmodells zur Speicherung von LOM konformen Meta-
daten wird in Abschnitt 5.4.3 entwickelt.
5.4.1 Beschreibung von Lernobjekten durch Learning Objects Metadata (LOM)
Für die Beschreibung der Lernobjekte durch Metadaten wurde das LOM Schema gewählt, da es
eine relativ weite Verbreitung sowie die im Vergleich zu anderen Metadaten Ansätzen die höchste
semantische Dichte, d. h. eine hohe Anzahl von beschreibenden Attributen für viele Facetten ei-
nes Lernobjektes aufweist. Gerade die weite Verbreitung ist ein wichtiges Kriterium, da erst im
Zusammenspiel mit anderen Systemen eine kritische Masse erreicht werden muss, um aus Meta-
daten auf lange Sicht einen operativen Nutzen zu erzielen.
Das konzeptionelle LOM Basisschema ist in Form von Tabellen in [LOM DOC 2002, 10 ff.] de-
finiert. Neben der Struktur von LOM, d. h. der Gliederung in Kategorien, Unterkategorien und
Elemente sind jeweils noch Angaben zur Beschreibung, zur Anzahl erlaubter Elemente und dazu,
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 125
ob diese geordnet sind, zum Wertebereich, zum Datentyp und ein Beispiel festgelegt. Die Tabelle
11 stellt einen Auszug aus der LOM Spezifikation für das Element „Title“ dar und illustriert die
Art und Weise, in der LOM spezifiziert ist.
Tabelle 11: Auszug aus der LOM Spezifikation (Quelle: [LOM DOC 2002])
Nr Name Explanation Size Order Value
space
Data type Example
1.2 Title Name given to this
learning object
1 Un-
specified
- LangString
(smallest,
permitted
maximum: 1000
char)
(„en“, “The life
and works of
Leonardo da
Vinci“)
Die folgenden Datentypen können in LOM auftreten:
! Sprachspezifische Texte (LangString)
! Datums- und Zeitangaben (DateTime)
! Zeitdauern (Duration)
! Vokabulare (Vocabulary)
Sprachspezifische Texte sind immer mit einer Kennung der jeweiligen Sprache versehen, d. h.
Texte werden immer als Tupel aus (Sprache, Text) gespeichert (siehe Tabelle 11, Spalte
Example). Zur Sprachkennzeichnung werden Kürzel nach ISO 639 verwandt (siehe Anhang 9.4).
Datums- und Zeitangaben beruhen auf der Systematik, die in Abschnitt 4.4.1 bereits behandelt
wurde. Zeitdauern zur Bearbeitung eines Lernobjektes werden ebenfalls in einem Format nach
[ISO8601 2000] angegeben, wodurch eine eindeutige, maschinenverarbeitbare Semantik möglich
ist.
Vokabulare werden von LOM ebenfalls definiert, es sind aber auch eigene Vokabulare möglich.
LOM verwendet neben Freitexteingaben Vokabulare zur Beschreibung von Lernobjekten (vgl.
[LOM DOC 2002, 8 f.]). Vokabulare definieren die Ausprägungen von Werten, die einem
Attribut einer LOM Instanz zugewiesen werden können. Vokabulare sind ein wichtiger Me-
chanismus, um vergleichbare Ausprägungen der Metadaten zu erhalten. Bei der Beschränkung
auf ein kontrolliertes Vokabular können LOM Attributen Werte aus einem kontrollierten Werte-
bereich zugeordnet werden. Dadurch ist es möglich, der freien, chaotischen Ausbreitung von
Klassifizierungsmerkmalen Einhalt zu gebieten.
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 126
An Stelle einer textuellen Eingabe z. B. des Schwierigkeitsgrads eines Lernobjekts kann zwischen
verschiedenen, fixierten Ausprägungen („very easy“, „easy“, „medium“, „difficult“ und „very
difficult“) gewählt werden. Die Verwendung von Vokabularen sichert eine konsistente Systematik
bei der Beschreibung und eine hohe semantische Interoperabilität. Die resultierenden Metadaten
sind vergleichbar in den Merkmalen, deren Wertebereich auf einem Vokabular beruht. Vokabu-
lare werden wie sprachspezifische Texte in einem Tupel der Form (Quelle, Wert) angegeben. Bei
LOM Vokabularen lautet die Quelle „LOMv1.0“. Eine Ausprägung für das oben angegebene
Beispiel für den Schwierigkeitsgrad ist damit: („LOMv1.0“, „difficult“). Eigene, von LOM
abweichende Vokabulare müssen mit einer eindeutigen Quellenangabe referenziert werden, z. B.
über einen URI.
Die Darstellung der Werte des Vokabulars kann für den Benutzer lokalisiert werden, d. h. bei der
Umsetzung des LOM Schemas werden dem Benutzer übersetzte Begriffe des Vokabulars zur
Auswahl angeboten, das System selbst arbeitet intern mit den zugelassenen Werten des
Vokabulars weiter. Dadurch ist die Vergleichbarkeit auch zwischen Metadaten, die in ver-
schiedenen Sprachen verfasst sind, gesichert.
5.4.2 Umsetzungsmöglichkeiten von LOM
Es soll hier noch einmal betont werden, dass es sich bei LOM um ein konzeptionelles Schema
handelt. Die Implementierung ist keineswegs auf XML festgelegt, wie oft fälschlicherweise ange-
nommen wird. Alternativ sind Implementierungen in einem relationalen oder objektorientierten
Datenmodell möglich und in vielen Fällen sinnvoll. Es ist prinzipiell freigestellt, in welchem tech-
nischen Format die LOM Instanzen persistent gespeichert werden. Es lassen sich verschiedene
Ansätze identifizieren:
1. Speicherung in XML Dokumenten (Dateibasiert)
2. Speicherung in Datenbanken
a. XML Datenbank
b. Objekt
c. Relationale Datenbank
XML Dokumente können in Dateien abgelegt werden, da XML ein einfaches Textformat ist
(5.4.2.1). Ein Datenbankmanagementsystem (DBMS) besteht aus einer Datenbank und einem
System, das den Zugriff auf Daten reguliert. DBMS bieten i. d. R. Mechanismen zur
Sicherstellung der Konsistenz der Daten. Relevante Datenbankmodelle zur Speicherung XML
basierter Informationen sind sog. native XML Datenbanken (5.4.2.2) sowie relationale Daten-
banken (5.4.2.3). Die Ansätze weisen jeweils Stärken und Schwächen auf, die in den folgenden
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 127
Abschnitten behandelt werden. Basierend auf dieser Bewertung wird eine Auswahl für das
Konzept getroffen.
5.4.2.1 Speicherung in XML Dokumenten
XML kann als Basistechnologie verwendet werden, um strukturierte Informationen unter Beibe-
haltung der Struktur zu speichern. Die verbale Spezifikation von LOM ist dazu in eine formali-
sierte Darstellung, z. B. in eine DTD, zu überführen. Im Folgenden ist ein Auszug aus der
Modellierung der LOM DTD abgebildet.
<!ELEMENT lom (general?, lifecycle?, metametadata?, technical?, educational?, rights?, relation*,
annotation*, classification*)>
<!ELEMENT general (title?, catalogentry*, language*, description*, keyword*, coverage*,
structure?, aggregationlevel?)>
<!ELEMENT title (langstring?)>
<!ELEMENT langstring (string*)>
<!ELEMENT string (#PCDATA)>
<!ATTLIST string
xml:lang NMTOKEN #IMPLIED
>
<!ELEMENT catalogentry (catalogue?, entry?)>
<!ELEMENT catalogue ANY>
<!ELEMENT entry (langstring?)>
<!ELEMENT language (#PCDATA)>
<!ELEMENT description (langstring?)>
<!ELEMENT keyword (langstring?)>
<!ELEMENT coverage (langstring?)>
<!ELEMENT structure (vocabulary?)>
<!ELEMENT vocabulary (source?, value?)>
<!ELEMENT source (langstring?)>
<!ELEMENT value (langstring?)>
<!ELEMENT aggregationlevel (vocabulary?)>
Abbildung 27: Auszug aus der LOM DTD (Quelle: Eigene Darstellung)
Die komplette DTD ist in Anhang 9.2.2 aufgeführt. Ein Lernobjekt kann durch einen begleiten-
den XML basierten LOM Datensatz basierend auf der DTD beschrieben werden. Die XML ba-
sierte Speicherung bietet eine hohe Flexibilität. In Abbildung 28 ist basierend auf der LOM DTD
ein Auszug aus einer Beschreibung zu sehen.
<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<LOMS xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
<LOM>
<General>
<Language>en</Language>
<Structure>collection</Structure>
<ElementLevel>Content Module</ElementLevel>
<AggregationLevel>3</AggregationLevel>
<Title>
<string language="en">Red Brand Canners</string>
<string language="de">Red Brand Canners</string>
</Title>
<Description>
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 128
<string language="en">Red Brand Canners is a case study on how to apply linear
programming techniques. A simple example of a production planning problem
amenable to analysis using linear programming.</string>
<string language="de">Red Brand Canners ist eine Fallstudie über die Anwendung von
Techniken der linearen Programmierung.</string>
</Description>
<Keyword>
<string language="en">Red Brand Canners</string>
<string language="en"> Case Study</string>
<string language="en"> Linear programming</string>
<string language="en"> Analysis</string>
<string language="en"> Food processing industry</string>
<string language="en"> Manufacturing</string>
<string language="en"> Manufacturing industry</string>
<string language="en"> Mathematical programming</string>
<string language="en"> Production planning. </string>
<string language="de">Fallstudie</string>
<string language="de"> Red Brand Canners</string>
<string language="de"> Tomaten</string>
</Keyword>
</General>
Abbildung 28: Auszug aus einer XML LOM Beschreibung (Quelle: Eigene Darstellung)
Der Nachteil einer dateibasierten Speicherung ist in der mangelnden Performanz im Zugriff zu
sehen. Um eine größere Anzahl von LOM Beschreibungen zu durchsuchen, die in XML Dateien
vorliegen, ist es erforderlich, jede Datei zu öffnen, die Analyse durchzuführen (Parsen) und die
Datei wieder zu schließen. Prinzipiell ist damit eine Suche möglich, die exakt das zugrunde
liegende LOM Schema berücksichtigen kann und damit die Nachteile einer reinen Volltextsuche
vermeidet. In der Praxis dauert dieser Vorgang aber einfach zu lange, die resultierenden langen
Antwortzeiten würden nicht akzeptabel sein. Weiterhin können Inkonsistenzen zwischen LOM
Beschreibungen auftreten. Sowohl die Problematik der langen Zugriffszeit als auch die der In-
konsistenzen können durch die Verwendung einer Datenbank vermieden werden.
Der Vorteil einer XML basierten Speicherung liegt in der Verwendung zum Informations-
austausch. Unabhängig vom System, in das die Lernobjekte eingebracht werden sollen, kann eine
XML Datei als „kleinster gemeinsamer Nenner“ betrachtet werden, d. h. alle Systeme können
prinzipiell eine solche Datei importieren, da die Semantik der einzelnen Elemente durch das
LOM Schema und dessen Explizierung in der LOM DTD gegeben ist.
5.4.2.2 Speicherung in XML Datenbanken
XML Datenbanken können XML Dokumente in ihrer originären Form in ein Datenbankmodell
einbinden. Dabei ist keine künstliche Aufteilung auf Tabellen wie im relationalen Modell not-
wendig. Die hierarchische Struktur eines XML Dokuments wird in der originären Form in der
Datenbank abgelegt.
Der Vorteil gegenüber einer verteilten Speicherung in XML Dokumenten liegt bei der zentrali-
sierten Speicherung in einer XML Datenbank darin, dass Inkonsistenzen weitestgehend durch
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 129
Datenbankmechanismen ausgeschlossen werden können. Die künstliche Aufteilung auf
relationale Tabellen wird vermieden, so dass XML Dokumente bzw. deren inhärente Struktur
benutzt werden, um das Dokument in der Datenbank direkt abzulegen. Eine an XPath ange-
lehnte Abfragesprache wird benutzt, um Abfragen an die Elemente der Datenbank zu richten.
Zugriffe auf einen Datenbankbestand verlaufen performanter als bei einem Datei-basierten
Zugriff, da prinzipbedingt alle LOM Instanzen vollständig gelesen und ausgewertet werden
müssten. Der schnelle Zugriff gegenüber einem dateibasierten Ansatz macht sich bei steigender
Anzahl von Zugriffen auf LOM Instanzen eklatant bemerkbar.
In einer XML Datenbank verläuft der Zugriff auf einzelne Beschreibungen über XPath Aus-
drücke. Generell bieten XML Datenbanken den Vorteil, dass sie in der Lage sind, offene und ggf.
variable Informationsstrukturen effizient zu speichern. Zur Zeit der Umsetzung dieser
Konzeption waren XML basierte Datenbanken lediglich in einem sehr frühen Stadium verfügbar,
d. h. es traten bei diesen Systemen noch relativ häufig Fehler auf und die Performanz war als
nicht ausreichend zu bewerten. Aus diesem Grund wurden XML Datenbanken für die
Speicherung der LOM Instanzen nicht in Betracht gezogen. Zu Details zur Speicherung von
XML Daten in XML Datenbanken siehe [Kazakos/Schmidt/Tomczyk 2002].
5.4.2.3 Speicherung in relationalen Datenbanken
In relationalen DBMS (RDBMS) werden Daten in Form von Tabellen gespeichert. Tabellen wei-
sen in Spalten Attribute aus, die dann atomare Werte annehmen können. Dabei werden Bezüge
zwischen Tabellen über Schlüsselattribute hergestellt. Der Zugriff auf Datenbanken erfolgt über
standardisierte Schnittstellen und die Abfragesprache Structured Query Language (SQL).
Relationale Datenbanksysteme weisen einen hohen Reifegrad auf und sind bereits am Markt
etabliert. XML Daten sind je nach Strukturierungsgrad tendenziell eher ungeeignet zur
Speicherung in RDBMS. Der Strukturierungsgrad eines XML Dokumentes kann stark variieren.
„Je mehr die Strukturinformationen bestimmten Regeln gehorcht, die Struktur also ’regelmäßig’
ist, desto einfacher wird die rechnergestützte Verarbeitung sowohl bei der eigentlichen Anwen-
dung als auch bei der Datenspeicherung“ [Kazakos/Schmidt/Tomczyk 2002, 26]. Stark
strukturierte Dokumente weisen einen formularartigen Charakter auf, der relativ wenige Variatio-
nen aufweist. Auch LOM ist durch den sehr regelmäßigen Aufbau als stark strukturiert zu
bewerten. Der grundsätzliche Aufbau von LOM kann äquivalent in Tabellenstrukturen abgebildet
werden. Aufgrund der zuvor herausgearbeiteten Vorteile fiel die Entscheidung für die Abbildung
in einem relationalen Datenbanksystem. Die detaillierte relationale Modellierung des LOM
Schemas wird im Folgenden beschrieben.
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 130
5.4.3 Relationale Modellierung des LOM Schemas
Die relationale Datenmodellierung des LOM Standards kann in großen Teilen analog zu der kon-
zeptionellen Struktur vorgenommen werden. LOM definiert neben den eigtl. Werten eine
Struktur, um die Werte zu gliedern (siehe Abschnitt 4.2.5). Die formalisierte Struktur wurde in
Form einer DTD erstellt und dient als Grundlage für die Transformation in ein relationales
Datenbankschema (siehe Anhang 9.2.2). Die Vorgehensweise zur Transformation der Elemente
der DTD ist [Bourret 2001] entnommen und wird im Folgenden exemplarisch an der Gruppe
„general“ dargestellt (siehe Abschnitt 5.4.3.1 bis 5.4.3.7).
Abbildung 29: LOM – Struktur der Gruppe „general“ (Quelle: Eigene Darstellung)
In Abbildung 29 lassen sich die auftretenden Elemente der DTD für die Gruppe „general“ ab-
lesen. Dabei sind die Kardinalitäten, d. h. wie oft ein Element auftreten darf, an dem jeweiligen
Knoten in der grafischen Darstellung vermerkt. Das Unterelement „title“ darf kein oder einmal
auftreten, während „language“ kein bis mehrfach auftreten darf. Eine DTD kann leider die
exakte Kardinalität nicht notieren, lediglich die Kardinalitäten „0 oder 1“, „1 oder mehr“ und „0
oder mehr“ sind möglich. Die Transformation erfolgt systematisch, indem die Elemente und
Attributlisten der DTD in das relationale Modell umgesetzt werden. Als Bezeichner für Tabellen
und deren Spalten werden die Begriffe aus LOM verwendet.
5.4.3.1 Abbildung der Hauptgruppen von LOM
In einem ersten Schritt werden die Hauptgruppen des LOM Standards (general, educational,
technical, etc.) in eigene Tabellen umgesetzt. In einer zentralen Tabelle „lom“ wird gespeichert,
welche Lernobjekte erfasst sind. Von der Tabelle „lom“ ausgehend wird der Bezug zu den aus-
gegliederten Hauptgruppen über einen Fremdschlüssel hergestellt.
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 131
Abbildung 30: LOM Datenbankschema – Tabellen lom/general (Quelle: Eigene Darstel-
lung)
Die Aufteilung in eigene Tabellen wird nur für die Hauptgruppen (general, lifecycle, technical,
etc.) vorgenommen, da diese maximal einfach auftreten können. Die Gruppe metametadata wird
explizit nicht modelliert, da das Metadatenschema LOM ist und dieses für alle Beschreibungen
der Datenbank zutrifft, es muss also nicht extra vermerkt werden. Bei der Generierung XML
basierter LOM Instanzen aus der Datenbank heraus, wird diese Sektion von der steuernden
Applikation generiert.
Die Unterelemente der Hauptgruppe „general“ werden in der Tabelle „general“ zusammen-
gefasst. Diese Tabelle enthält die Unterelemente der Gruppe als Attribute. Im Folgenden wird
nicht auf jeden Transformationsschritt eingegangen, sondern nur auf spezifische Besonderheiten,
die bei der Modellierung des relationalen Schemas auftreten.
5.4.3.2 Verwaltung sprachspezifischer Texte
Element Deklarationen, die Text enthalten, treten in der LOM DTD nur in der Form von
sprachenspezifischen Texten (LangStrings) auf, d. h. sämtliche Textinhalte sind multilingual
gehalten. Diese Struktur kann in einer relationalen Datenbank nicht direkt abgebildet werden.
Zu jedem Text wird vermerkt, in welcher Sprache er erfasst ist. Im relationalen Datenmodell
müssen für jede Sprachausprägung einer Metadateninstanz eigene Datensätze angelegt werden
können, da im relationalen Modell nur atomare Werte zulässig sind. Zur Unterscheidung wird das
Attribut „lang“ eingeführt, das die jeweilige Sprache der Metadateninstanz identifiziert. Dabei ist
„lang“ vom Attribut „language“ der Gruppe „General“ zu unterscheiden, das die verwendete
Sprache für das Lernobjekt charakterisiert.
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 132
5.4.3.3 Aufteilung in Netzwerke
Das relationale Modell soll bereits das Anwendungsfeld eines darauf basierenden Werkzeugs be-
rücksichtigen. Das Konzept sieht vor, ein generisches Werkzeug zu entwickeln, das zwischen
Mengen von Lernobjekten aus pragmatischen Überlegungen separiert. Die Aufteilung in Netz-
werke erlaubt es, Metadaten zu Lernobjekten in Netzwerken zu bündeln. Ein Anwendungsfall
dafür sind z. B. disjunkte Wissensdomänen, die technisch gesehen mit einem generischen Werk-
zeug bearbeitet und in einer Datenbank gespeichert werden können, aber trotzdem klar
separierbar sind, z. B. für die Anzeige. Damit ist es möglich, mit dem resultierenden Werkzeug
Lernobjekte getrennt voneinander zu verwalten, ohne das Werkzeug anzupassen.
Abbildung 31: LOM Datenbankschema – Tabellen lom/network_lom/network (Quelle:
Eigene Darstellung)
5.4.3.4 Ablage von Benutzerdaten
Da das spätere System einen regulierten Zugriff auf die Metadaten leisten soll, ist es unum-
gänglich Benutzerinformationen sowie deren Rechte zu erfassen. Benutzer können dabei ein-
zelnen Netzwerken zugeordnet werden. Die Netzwerke und Inhalte dieser Netzwerke werden ei-
nem Benutzer bei fehlender Zuordnung so gar nicht erst angeboten. Ein Benutzer kann
mehreren Netzwerken zugeordnet werden.
Abbildung 32: LOM Datenbankschema – Tabellen network/network_user/user (Quelle:
Eigene Darstellung)
5.4.3.5 Abbildung von Vokabularen
Neben freien Texteingaben sieht LOM auch Vokabulare vor. Im Modell wird dem Rechnung
getragen, indem alle Vokabulare in einer Tabelle getrennt gespeichert werden. Die Vokabulare
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 133
sind in Katalogen zusammen gefasst und werden sequenziert, d. h. die Reihenfolge der Einträge
wird ebenfalls explizit festgelegt.
Ein Beispiel für die typisierte Kennzeichnung von Medienelementen sind die sog. Multipurpose
Internet Mail Extensions (MIME), ein offizieller Standard, der die Übertragung von E-Mail und
insbesondere die Einbindung von Grafiken, Audio, Video (allg. binäre Dateien) regelt (siehe
[RFC 1521]). Die Vorgehensweise, wie diese binären Dateien zu typisieren sind, ist über den ur-
sprünglichen Anwendungsbereich bei E-Mails hinaus gewachsen und wurde in [RFC 2046] neu
geregelt. Die Systematik, die in [RFC 2046] beschrieben wird, wird in einem Vokabular bereit-
gestellt. Grafiken werden z. B. über „image-type := "image" "/" ("gif" / "jpeg" / extension-
token)“ typisiert. Eine JPEG Grafik ist damit vom Typ „image/jpeg“. Durch die Erweiterungs-
möglichkeiten des „extension tokens“ durch neu hinzukommende Grafiktypen ist der Standard
zukunftssicher und bei Bedarf anpassbar.
Applikationen können von dem MIME Typ Gebrauch machen und entsprechend darauf re-
agieren. Ein Verzeichnis registrierter MIME Typen wird gemäß [RFC 1590] von Jon Postel
verwaltet. Eine Liste registrierter MIME Typen ist unter [MIME 2003] verfügbar.
Die Bereitstellung eines Vokabulars in einem Katalog erfolgt in multilingualer Ausprägung, d. h.
die Einträge werden lokalisiert im Katalog abgelegt. Auf diese Weise können mehrere Sprachen
beim Erstellen einer LOM Beschreibung unterstützt werden.
5.4.3.6 Abbildung der Klassifikation der Lernobjekte
Lernobjekte werden innerhalb der Gruppe Classification innerhalb einer Taxonomie zugeordnet.
In diesem Entwurf wird die Taxonomie als Teil der Ontologie (siehe Abschnitt 5.3) entnommen.
Die Speicherung einer hierarchischen Struktur, wie einer Taxonomie, ist denkbar schlecht für ein
relationales Modell geeignet, wurde aber aufgrund der hohen Relevanz für die Metadaten in
dieses Modell integriert.
Abbildung 33: LOM Datenbankschema – Tabellen
classification/classification_structure/taxon (Quelle: Eigene Darstellung)
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 134
Die Taxonomie selbst wird in einer Tabelle „classification_structure“ abgebildet. Der Name der
Taxonomie wird in der Spalte „source“ gespeichert, während die hierarchische Struktur in
„PK_Taxon“ und „child“ abgebildet wird. Das Hauptelement der Taxonomie wird mit den
direkten Nachfolgern jeweils als ein eigener Datensatz abgespeichert. In Abbildung 34 sind diese
Datenstruktur sowie die daraus konstruierte Taxonomie illustriert.
PK_Taxon child source
90-xx 90Bxx MSC 2000
90-xx 90Cxx MSC 2000
90Bxx 90B06 MSC 2000
90Cxx 90C05
MSC 2000
Abbildung 34: LOM Klassifikation - Datenstruktur und Taxonomie (Quelle: Eigene
Darstellung)
Durch diese generische Architektur können parallel mehrere Taxonomien zentral in der Daten-
bank gehalten werden. Die in Abschnitt 5.4.3.3 beschriebenen Netzwerke können aus disjunkten
Wissensdomänen stammen, so dass die Bereitstellung mehrerer Taxonomien zwingend not-
wendig ist.
5.4.3.7 Vereinfachungen gegenüber LOM
Aus Gründen der Übersichtlichkeit wurden einige Einschränkungen gegenüber dem LOM
Standard vorgenommen. Diese beziehen sich ausschließlich auf die Anzahl der pflegbaren
Ausprägungen. So lassen sich z. B. unter der Kategorie Annotation nur drei verschiedene Per-
sonen mit ihren zugehörigen Rollen und Daten pflegen. Dort sieht die LOM Spezifikation
maximal 30 Annotationen vor. Aus pragmatischen Gründen wurde im Modell eine Beschränkung
auf drei Elemente eingeführt. Diese Beschränkung hat sich jedoch als praktisch nicht ein-
schränkend für die Nutzbarkeit des LOM Schemas erwiesen (siehe Abschnitt 6.2.2).
5.5 Integration zum Gesamtkonzept
Die Gesamtkonzeption basiert auf insgesamt vier Säulen: (1) die semantische Kodierung der
Lernobjekte mittels LMML, (2) die Systematisierung anhand der Granularität, (3) die Abbildung
der Domänenstruktur in einer Ontologie und die sachlogische Einordnung der Lernobjekte in
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 135
diese Ontologie, sowie (4) die auszeichnende Beschreibung der Lernobjekte und ihrer Strukturen
durch Metadaten.
Die Lernobjekte beschreiben die Inhalte der Wissensbasis. Es wurden Kodierungsmöglichkeiten
vorgestellt, die von einer konkreten Formatierung abstrahieren und stattdessen die Dokumente
semantisch kodieren. Die Vorgehensweise zur Erstellung eines spezifischen Dokumententyps
wurde am Beispiel LMML erläutert.
Anhand des Prinzips der Granularität konnte eine erste Systematisierung der Lernobjekte vorge-
nommen werden, wobei insgesamt fünf Granularitätsstufen unterschieden werden. Mögliche
Kompositionen der Lernobjekte nach diesem System werden durch sog. Relationen formuliert,
valide Relationen wurden in Abschnitt 5.2.3.2 definiert.
Die abgebildeten Strukturen über Lernobjekte werden durch eine domänenspezifische Strukturie-
rung in Form einer Ontologie ergänzt. Durch die Verknüpfung von Konzepten über typisierte
Verbindungen wird ein Netzwerk gebildet, das die Wissensstruktur einer Domäne in mehreren
Dimensionen widerspiegelt. Neben der Gliederung des Wissensgebiets in Teildisziplinen, können
Abhängigkeiten zwischen Konzepten direkt abgebildet werden. Die Ontologie selbst ist losgelöst
von konkreten Lernobjekten, die Bereichen der Ontologie zugeordnet werden.
Eine pragmatische Anwendung der Ontologie ist es, mit der inhärent enthaltenen Taxonomie
Lernobjekte einzelnen Konzepten der Wissensdomäne OR/MS zuzuordnen. In diesem Sinne
kann die Taxonomie der Ontologie als Vokabular zur Klassifikation in den Metadaten bezeichnet
werden. Eine Visualisierung der Ontologie ist sowohl für Lernende als auch für Lehrende als
Navigationsunterstützung sinnvoll. Hierzu sind dynamische, interaktive Visualisierungen
besonders geeignet, die in Interaktion mit dem Benutzer, die Perspektive auf die Ontologie an-
passen, um den Fokus auf den betrachteten, relevanten Bereich zu verschieben. Derartige
Visualisierungsmöglichkeiten werden im Kapitel 6 näher dargestellt.
Der Einsatz einer formalen Kategorisierung erhöht das Wiederbenutzungspotenzial von Lern-
objekten. Lernende als auch Lehrende können über eine gezielte Suche nach Konzepten
Lernobjekte finden, die entweder direkt oder mittelbar dieses Konzept behandeln. Dabei wird für
das Lernobjekt selbst nur die Zuordnung in den Metadaten zu dem Konzept vorgenommen. Die
Information, wie die Konzepte untereinander verknüpft sind, ist in der Ontologie vermerkt. Die
ontologischen Verknüpfungen bzw. Relationen stellen eine andere Qualität dar als direkte Ver-
knüpfungen zwischen Lernobjekten.
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 136
Die Beschreibung der Lernobjekte und ihrer strukturellen Verknüpfungen erfolgt durch Meta-
daten nach dem LOM Schema. Die Erfassung der Metadaten von Lernobjekten in einer
zentralen Datenbank formt eine zentrale Informationsquelle über Lernobjekte und soll im
Folgenden als Metadaten Repository bezeichnet werden. Das Metadaten Repository ist ein
zentrales Element des zu konstruierenden Lernsystems und wird für folgende Aufgaben verwen-
det:
! Erfassung und Modifikation von Metadaten für Lernobjekte des Lernsystems
! Integration und Beschreibung von Lernobjekten außerhalb des Lernsystems
! Multilinguale Beschreibungen
! Informationsbasis für Suche nach Lernobjekten
! Informationsbasis für Visualisierung der Struktur der Lernobjekte
! Zuordnung von Lernobjekten zur Ontologie
Das Metadaten Repository, das den Bestand an Lernobjekten erfasst, stellt damit die zentrale
Informationsquelle für das zu konstruierende Lernsystem dar.
Es können insgesamt drei verschiedene Arten von Verknüpfungen für Lernobjekte auftreten.
Der einfachste Fall sind Verknüpfungen, die direkt, untypisiert zwischen Lernobjekten auftreten.
Diese werden i. d. R. von Autoren während der Erstellung des Lernobjektes diesem hinzugefügt.
Der Sinn einer solchen Verknüpfung ergibt sich für den Leser aus dem unmittelbaren Kontext
der Verknüpfung, z. B. eine Referenz auf ein anderes Lernobjekt. Für eine Maschine ist diese
Verknüpfung i. d. R. nicht interpretierbar, sie wird lediglich wahrgenommen.
Has
Part
Abbildung 35: Untypisierte, semantische und ontologische Verknüpfungen (Quelle:
Eigene Darstellung)
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 137
Semantische Verknüpfungen geben im Gegensatz zu untypisierten Verknüpfungen nicht nur das
Ziel der Verknüpfung, sondern auch die Semantik der Verknüpfung an. Ein Beispiel dafür ist die
„HasPart“-Beziehung, die bereits in Abschnitt 5.2.3.1 behandelt wurde. Die „HasPart“-
Beziehung repräsentiert eine Inklusionsbeziehung zwischen der Quelle der Beziehung und dem
Ziel. Semantische Verknüpfungen ordnen eine Sammlung von Lernobjekten, indem sie deren
Komposition und weiteren Relationen untereinander explizieren. In Abbildung 35 ist zu sehen,
dass innerhalb des Konzeptes die semantischen Verknüpfungen von den eigtl. Lernobjekten se-
pariert sind und in den Metadaten gespeichert werden. Weitere semantische Verknüpfungen sind
die Zuordnungen von Lernobjekten zu Konzepten einer Ontologie. Genau diese Zuordnung
wird in den Metadaten zu Lernobjekten in der Gruppe Klassifikation vorgenommen.
Ontologische Verknüpfungen sind in der Ontologie selbst abgelegt und bilden Relationen
zwischen Konzepten ab. Die Struktur der Ontologie ist domänenspezifisch und unabhängig von
Instantiierungen von Lernobjekten. Die Struktur der Wissensstruktur der Domäne wird auch als
Metawissen, als Wissen über Wissen bezeichnet. Die Verbindung zwischen semantischen Ver-
knüpfungen (der Zuordnung von Lernobjekten zu Konzepten) und ontologischen
Verknüpfungen (Struktur der Wissensdomäne) kann als grundlegende Informationsbasis aufge-
fasst werden, auf der ein „added value“ für Lernobjekte geschaffen wird. Ein Beispiel für die in
Abbildung 35 dargestellte Skizze ist der Schluss, dass Lernobjekt „LP“ als Voraussetzung für das
Lernobjekt „IP“ gilt (aufgrund der Beziehung „isBasisFor“ in der Ontologie). Diese Relation ist
weder als strukturelle Verknüpfung zwischen den Lernobjekten selbst, noch in den Metadaten
enthalten. Eine praktische Anwendung dieser Information könnte die Generierung eines Links
auf das Lernobjekt „LP“ bei der Anzeige von „IP“ für den Lernenden sein.
Dadurch ergibt sich ein direkter Nutzen der expliziten Konzeptualisierung der Ontologie in Be-
zug auf einzelne Lernobjekte. Durch die ontologischen Verknüpfungen, ist es möglich, dem
Lernenden weitere Verzweigungsmöglichkeiten anzubieten. Dadurch können Serendipity-Effekte
eintreten, d. h. der Lernende gelangt zu Inhalten, die sich durch eine reine Suchanfrage nicht er-
geben hätten. Lerner erhalten nicht nur den Zugriff auf das Lernobjekt selbst, sondern
profitieren auch von der vorhergegangenen Strukturierung der Domäne OR/MS. Die Wissens-
domäne wird so nicht explizit einzeln in jedem Lernobjekt festgelegt, sondern durch die
Ontologie abgebildet.
5.6 Kritische Würdigung des Konzepts
Die vorgeschlagene Systematisierung der Lernobjekte orientiert sich an gewohnten Einheiten, die
sowohl Lernende als auch Lehrende einschätzen können. Die Gliederung nach den Gra-
nularitäten ist für Lernende nachvollziehbar und führt zu erwartungskonformen Ergebnissen
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 138
bzgl. des Umfangs von Lernobjekten. Innerhalb der Systematik können Lernobjekte nach
definierten Regeln verknüpft und auf diese Weise wieder benutzt werden.
Die Wiederbenutzbarkeit eines Lernobjekts ist an seine Granularität und an seine Wiederauf-
findbarkeit gebunden. Lernobjekte kleiner Granularität weisen gegenüber komplexeren Lern-
objekten ein höheres Wiederbenutzungspotenzial aufgrund ihrer geringeren Kontextualisierung
auf. Durch Beschränkung auf eine semantische orientierte Kodierung der Inhalte eines Lern-
objektes, können diverse Präsentationsformen generiert werden, wodurch die aufwändige,
manuelle Formatierung von Lernobjekten bei variierender Wiederbenutzung entfällt. Dazu wurde
neben der Kodierung von generischen Lernobjekten auch die Bereitstellung von spezifischen
Dokumenttypen exemplarisch am Beispiel von Fallstudien dargelegt.
[Pawlowski 2001, 112] merkt zu LMML zwar an: „Diese Art der Auszeichnung eignet sich für die
Präsentation von Inhalten und gibt eine intuitive Übersicht über die semantische Struktur eines
Dokuments, dennoch lassen sich keine umfangreichen didaktischen Methoden modellieren und
komplexe Benutzeranpassungen vornehmen. Daher ist der Wirkungsbereich ohne Erweiterungen
durch Metadaten oder andere Standards eingeschränkt“. Die Präsentationsneutralität ist allerdings
auch nur ein Teil der LMML Formulierung. Die generische Anpassung von LMML an
spezifische Lernobjekte wie z. B. die Fallstudien liefert nur die grundlegende Separation zwischen
Formatierung und Struktur. Die präsentierende Anwendung muss Sorge tragen, dass die Ab-
schnitte der Fallstudien nach einem didaktischen Konzept erfolgen.
Lernobjekte und deren Kompositionen werden mit Metadaten beschrieben, die eine detaillierte
Erfassung der Charakteristika von Lernobjekten ermöglichen. Das ausgewählte Schema (LOM)
ist ein internationaler Standard, der bereits eine weite Verbreitung aufweist. Der LOM Standard
stellt nur ein konzeptionelles Schema, deshalb wurde nach Abwägung der Alternativen zur
Speicherung der Metadaten in technischen Systemen ein relationales Modell entwickelt, das LOM
abbildet. Ein Teil der Beschreibung der Lernobjekte ist die Klassifikation im Kontext einer
Wissensdomäne. Hierfür wurde eine entsprechende Systematik für den Bereich OR/MS
entwickelt und in einer Ontologie formalisiert. Die Anwendungsgebiete der Ontologie sind nicht
auf die Metadaten beschränkt, es wurden weitere Anwendungsgebiete aufgezeigt, die von der
Anwendung einer Ontologie profitieren würden.
Basierend auf den Lernobjekten als den zu beschreibenden Objekten, deren Beschreibung durch
Metadaten und die Abbildung der Strukturen der Wissensdomäne in Form einer Ontologie, wur-
den diese im Konzept in Verbindung gesetzt und integriert. Die Konzeption ist offen in der
Hinsicht, dass alle Lernobjekte integriert werden können, die Auswahl ist nicht auf semantisch
formulierte Lernobjekte beschränkt. Insofern wird ein integrativer Ansatz verfolgt, der es auch
5 KONZEPTION UND SYSTEMATISCHE STRUKTURIERUNG DER WISSENSBASIS
Seite 139
erlaubt, die im Abschnitt 2.4.2 betrachteten, bereits existenten Lernsysteme in einer einheitlichen
Systematik zu integrieren.
Die grundlegenden Aspekte zur Unterstützung von Multilingualität wurden bereits in Abschnitt
4.4 vorgestellt. Die Unterstützung innerhalb der Konzeption bezieht sich damit auf die folgenden
Aspekte:
! Multilingualität in Lernobjekten
! Multilingualität der Metadaten
Die Multilingualität der Lernobjekte kann nur garantiert werden, wenn Lernobjekte auf Basis
einer Kodierung verfasst werden, die in der Lage ist, die Anforderungen zu erfüllen, die in
Abschnitt 4.4.2 bzgl. der Zeichendarstellung formuliert wurden. Zu diesen Kodierungen kann
LMML gezählt werden, die als XML basierte Auszeichnungssprache Unicode per se unterstützt.
Die visuelle Repräsentation wird durch XSL Stylesheets generiert, das Resultat ist dabei wahl-
weise HTML oder PDF. Beide Kodierungsformen unterstützen Unicode, so dass keine Probleme
bzgl. der Darstellung von Zeichen zu erwarten sind.
Die Multilingualität der Metadaten wird durch den Entwurf des relationalen Modells (siehe Ab-
schnitt 5.4.3) gesichert. Metadaten zu einem Lernobjekt können in mehreren Sprachen verfasst
werden.
Die Benutzungsoberfläche beider Werkzeuge ist multilingual, d. h. kann den jeweiligen Präferen-
zen des Benutzers hinsichtlich der Sprache angepasst werden. Zu Einzelheiten der
Implementierung der Multilingualität der Benutzeroberfläche des LOM Editors siehe Abschnitt
6.2.2, zu Einzelheiten bzgl. Implementierung des Portals siehe Abschnitt 6.6.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 140
6 Implementierung eines hypermedialen Lernsystems für
OR/MS
The most fundamental specification of Web architecture, while one of the simpler, is
that of the Universal Resource Identifier, or URI. The principle that anything,
absolutely anything, ‘on the Web’ should be identified distinctly is core.
Tim Berners-Lee
Im vorhergehenden Kapitel wurde die Konzeption einer Wissensbasis zur Nutzung in einem
hypermedialen Lernsystem für OR/MS entwickelt. Da es sich bei dieser Konzeption um die
Entwicklung von Datenkonstrukten handelt, blieb die Darstellung naturgemäß abstrakt. Um die
Praktikabilität des vorgestellten Konzepts nachzuweisen und die Wissensbasis selbst greifbar zu
machen, wurde das Konzept in realen Datenstrukturen operationalisiert, die in ein hypermediales
Lernsystem für OR/MS eingebettet wurden. Diese Umsetzung wird im Rahmen dieses Kapitels
beschrieben, wobei der Schwerpunkt auf der Anwendung bzw. der Nutzung der Wissensbasis aus
der Sicht der Lehrenden und Lernenden liegt. Das Lernsystem selbst wurde gemäß dem derzeiti-
gen state of the art für hypermediale Lernsysteme entwickelt, wie er in Abschnitt 2.3.3 beschrie-
ben wurde.
Ausgehend von den wesentlichen Anforderungen (6.1), wird ein Überblick über die Gesamtar-
chitektur gegeben (6.2). In Abschnitt 6.3 werden die Erstellung von LMML Lernobjekten und die
Möglichkeiten zur Unterstützung dieses Prozesses näher betrachtet. Zentrales Informations-
element in der Architektur ist das Metadaten Repository, das in Abschnitt 6.4 vorgestellt wird. In
Abschnitt 6.5 wird der LOM Editor, der zur Modifikation des Metadaten Repositories dient,
detailliert dargestellt. In Abschnitt 6.6 wird das Portal vorgestellt, das basierend auf dem
Metdaten Repository verschiedene Sichten auf die Lernobjekte generiert.
6.1 Anforderungen an die Architektur
Wie bereits erwähnt soll die Konzeption der Wissensbasis in der Umsetzung des Lernsystems
aufgehen. Daraus ergibt sich unmittelbar, dass die Lernobjekte im System nach LOM katalogi-
sierbar sein müssen. Darüber hinaus soll die Wiederbenutzbarkeit von Lernobjekten nach der
vorgeschlagenen Systematik unterstützt werden. Aufgrund der Verfügbarkeit der Lernobjekte
über das WWW erscheint es daher angebracht, das System selbst ebenfalls auf Basis von WWW
Technologien zu implementieren. Der allgemeine Vorteil, der sich unmittelbar aus einer solchen
Implementierung ergibt, ist eine Plattformunabhängigkeit der resultierenden Werkzeuge.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 141
Unabhängig vom verwendeten Betriebssystem kann bei Verfügbarkeit eines Browsers auf die
Funktionalitäten des Systems zugegriffen werden. Damit fallen auch keine umfassenden Soft-
wareinstallationen auf Seiten der Benutzer an. Wegen der zuvor genannten Vorteile wurde die
Entscheidung getroffen, das System als web-basierte Applikation zu implementieren.
Für die Entwicklung web-basierter Applikationen werden in der Literatur umfangreiche An-
forderungen definiert, die unabhängig von der spezifischen Anwendung zu berücksichtigen sind.
Auf diese Anforderungen wird an dieser Stelle bewusst nicht näher eingegangen, vielmehr wird
vorausgesetzt, dass diese bei der Umsetzung Berücksichtigung gefunden haben. Im Folgenden
wird kurz auf die spezifischen Anforderungen abgehoben, die sich aus der konkreten Anwen-
dungssituation ergeben.
Bei den Benutzern des Systems kann zwischen zwei Rollen unterschieden werden: dem Lehren-
den, der Lernobjekte erstellt und katalogisiert sowie dem Lernenden, der auf den Bestand an
Lernobjekten zugreift. Dem Lehrenden muss ein Werkzeug zur Verfügung gestellt werden, das
die Erfassung und Modifikation des Metadaten Repositories ermöglicht. Dabei können die Lern-
objekte des Systems als auch extern vorliegende Lernobjekte beschrieben und integriert werden.
Voraussetzung ist, dass jedes Lernobjekt lediglich einen URI aufweisen muss, also über das
WWW adressierbar sein muss. Dadurch wird es möglich, vom jeweiligen Format eines Lern-
objekts zu abstrahieren und auch bereits bestehende Lernobjekte nahtlos in das Lernsystem zu
integrieren. Für den Lernenden muss das System adäquate Visualisierungen und Übersichten der
zur Verfügung stehenden Lernobjekte generieren. Die semantisch kodierten Lernobjekte müssen
zu diesem Zweck in ein für Browser darstellbares Format konvertiert werden. Hierzu müssen
Mechanismen für die automatisierte Transformation der LMML basierten Lernobjekte imple-
mentiert werden. Die Beschreibung kann dabei in mehreren Sprachen vorliegen, wodurch die
Güte der Metadaten steigt.
Direkt korreliert dazu ist der Aspekt der Suche innerhalb des Gesamtbestands der katalogisierten
Lernobjekte. Die Güte der Sucheergebnisse innerhalb des Lernsystems ist stark abhängig von der
Güte der Metadaten. Das Konzept liefert aber die Möglichkeit, die Lernobjekte sehr detailliert zu
beschreiben, so dass sehr gute und relevante Ergebnisse zu erwarten sind. Die detaillierten
Suchmöglichkeiten, die das LOM Schema bietet, kommen sowohl Lehrenden als auch Lernenden
zugute. Lehrende können aus der Gesamtheit zur Verfügung stehender Lernobjekte, diejenigen
wieder benutzen, die eine hohe Relevanz für den einen gewünschten Kontext aufweisen.
Eine weitere Anwendung findet das Metadaten Repository bei der Generierung verschiedener
Sichten auf den Bestand an Lernobjekten. Lernenden als auch Lehrenden sollen sowohl grafische
als auch textuelle Sichten auf die zur Verfügung stehenden Lernobjekte gewährt werden. Durch
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 142
die Generierung von entsprechenden Übersichten wird dem „lost in hyperspace“ Syndrom vor-
gebeugt. Die dazu nötigen Strukturinformationen stehen im Metadaten Repository zur
Verfügung.
Die Benutzungsoberfläche des Lernsystems sollte entsprechend einschlägigen Richtlinien für
web-basierte Userinterfaces einfach und intuitiv zu bedienen sein. Diese Anforderung ist kritisch,
da sie wesentlich die Akzeptanz des Lernsystems beeinflusst. Die Benutzerführung sollte weitest-
gehend selbsterklärend sein. Nicht jeder Lehrende ist mit dem LOM Schema vertraut. Bei der
Erstellung von Metadaten sollten kontextsensitive Hilfeinformationen zum LOM Schema ver-
fügbar sein, die Hilfestellung zu spezifischen Attributen des Schemas geben und die Bedeutung
dieser Attribute erläutern.
Die Metadaten stellen die zentrale Komponente des Systems dar. Um die Integrität der Meta-
daten zu sichern, ist ein regulierter Zugriff auf den Metadatenbestand vorzusehen. Eine Iden-
tifikation über Benutzername und Passwort des Benutzers sollte vorgenommen werden, um zu
gewährleisten, dass nur autorisierte Personen schreibenden Zugriff auf die Metadaten erhalten.
Im Laufe dieser Arbeit wurde besondere Aufmerksamkeit auf die Verwendung von Opensource
Komponenten gelegt. Diese Entscheidung wurde getroffen, um die Umsetzung der Ergebnisse
dieser Arbeit auch anderen Universitäten ohne zusätzliche Lizenzkosten, die durch Fremd-
komponenten entstanden wären, gewähren zu können. Gerade für Hochschulen ist die
Systematik und deren Umsetzung interessant, um Lernobjekte zu systematisieren. Opensource
Software bezeichnet Software, deren Quellcode offen gelegt wird und die in den meisten Fällen
frei, also unentgeltlich verfügbar ist. Eine Installation des Systems verursacht bei Verwendung
von Opensource-Produkten keine direkten Kosten, die auf den Erwerb von Softwareprodukten
zurückzuführen sind und erhöht damit die Attraktivität des Systems.
6.2 Gesamtarchitektur des Lernsystems
Im folgenden Abschnitt 6.2.1 wird zunächst ein Überblick über die Architektur des hyper-
medialen Lernsystems gegeben, welches aus der Persistenzebene (6.2.2), der Anwendungsebene
(6.2.3) und der Präsentationsebene (6.2.4) besteht.
6.2.1 Überblick über die Architektur
Die Systemarchitektur ist webbasiert und an ein 3-Schichtenmodell angelehnt. Die Schichten
(engl. tier) separieren dabei die Gesamtapplikation in drei Ebenen. In der Persistenzebene werden
die entsprechenden Dateisysteme und Datenbanken gekapselt, die zur Speicherung von Doku-
menten und Datenbeständen benutzt werden. In der Anwendungsebene wird die eigentliche
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 143
Logik des Systems gekapselt. In der Präsentationsebene werden schließlich sowohl Eingaben als
auch Ausgaben auf Endgeräten abgewickelt.
Die Trennung in diese Ebenen hat zwei wesentliche Vorteile. Die Ausgabegeräte können sehr
einfach gehalten werden, da die Logik alleine auf der Anwendungsebene und damit auf dem
Server abläuft. Damit ist ein üblicher Webbrowser ausreichend zur Darstellung der Inhalte. Es
fallen keine zusätzlichen Softwareinstallationen an. Weiterhin können Komponenten modular
gehalten werden, so dass diese ggf. einfach gewechselt werden können. Durch die Verwendung
standardisierter Schnittstellen zwischen den Ebenen ist es so relativ einfach, die verwendete
Datenbank gegen eine andere Datenbank auszutauschen, wenn dies durch eine Skalierung des
Gesamtsystems notwendig wird. In Abbildung 36 ist die Architektur der Implementierung des
Systems skizziert.
Abbildung 36: Dreischicht-Architektur: Einbettung der Komponenten (Quelle: Eigene
Darstellung)
Im Folgenden werden die drei Schichten und deren Realisierung in der Applikation näher be-
trachtet.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 144
6.2.2 Persistenzebene
In der Persistenzebene sind die relevanten Objekte des Systems abgelegt. Dazu gehören das
Metadaten Repository, das News Repository als auch die Lernobjekte, die innerhalb des Systems
verwaltet werden. Lernobjekte, die nicht direkt im System gespeichert sind, werden über das
WWW adressiert. In diesem Sinne kann das WWW als Teil der Persistenzebene betrachtet
werden.
Die Speicherung erfolgt dabei sowohl Datei-orientiert (für die Lernobjekte) als auch Datenbank-
orientiert (für das Metadaten Repository und das News Repository). Das Metadaten Repository
enthält die Beschreibungen der Lernobjekte und deren Komposition. Das News Repository ent-
hält Nachrichten für Lernende, die zentral in das System eingespeist werden können.
6.2.3 Anwendungsebene
Die Anwendungsebene stellt das Herzstück des Systems dar. Sie kapselt die gesamte Logik, die
zur Erfüllung der Funktionalität des Systems notwendig ist. Zentrale Komponenten auf der An-
wendungsebene sind Werkzeuge zur Beschreibung von Lernobjekten durch Metadaten als auch
zur Darstellung von Lernobjekten.
Der LOM Editor erlaubt die Erstellung und Modifikation der im Metadaten Repository ge-
speicherten Beschreibungen der Lernobjekte. Damit ist diese Komponente für Lehrende in-
tendiert, die Lernobjekte erstellen und zusammenfügen.
Die Darstellung der Lernobjekte ist in einem weiteren Werkzeug der Anwendungsebene ge-
kapselt, dem Portal. Die Darstellung des Wissensraums wird über diverse Visualisierungen vom
Portal übernommen. Die Visualisierungen sind dabei variabel gehalten. Es werden sowohl
grafische als auch textuelle Übersichten vom Portal generiert und auf der Präsentationsebene zur
Verfügung gestellt.
Die zugrunde liegende Programmiersprache ist JAVA. JAVA ist eine plattformunabhängige
Sprache, die durchgängig zur Abbildung der Logik auf der Anwendungsebene in den Kompo-
nenten eingesetzt wurde. JAVA ist für die Anwendung in web-basierten Applikationen optimiert
und bietet Möglichkeiten zur Anbindung der Persistenzebene über definierte Schnittstellen.
6.2.4 Präsentationsebene
Die Präsentationsebene dient als Vermittler zwischen dem Benutzer und dem eigtl. System auf
der Anwendungsebene. Auf der Präsentationsebene werden die Interaktionen des Benutzers re-
gistriert und an die Anwendungsebene weiter geleitet, die auf die Interaktion reagiert und eine
entsprechende Veränderung auf der Präsentationsebene bewirkt. Von der Anwendungsebene
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 145
werden die Benutzungsoberflächen für Lernende beim Zugriff auf Lernobjekte als auch die Dar-
stellung der Lernobjekte selbst generiert. Lehrende erhalten Formulare und grafische
Darstellungen für das Erstellen und die Modifikation von Metadaten.
Das Portal erkennt und berücksichtigt dabei das jeweilige Endgerät, mit dem innerhalb der Prä-
sentationsebene auf die Lernobjekte zugegriffen wird. Dadurch ist das Portal in der Lage,
adaptierte Darstellungen von Lernobjekten zu generieren und auf dem jeweiligen Endgerät anzu-
zeigen. In Abschnitt 6.6.6 wird ein konkretes Beispiel für dieses Vorgehen gegeben.
6.3 Lernobjekte
In diesem Abschnitt wird zum einen der Prozess der Erstellung von Lernobjekten erläutert
(6.3.1) und zum anderen werden eigens entwickelte interaktive Lernobjekte für die Domäne
OR/MS vorgestellt (6.3.2).
6.3.1 Erzeugung LMML kodierter Lernobjekte
Im Folgenden wird zunächst die originäre Erstellung und Editierung von Lernobjekten in LMML
diskutiert (6.3.1.1), ehe aufgezeigt wird, wie LMML Dokumente durch die Konvertierung aus be-
reits bestehenden HTML Dateien generiert werden können (6.3.1.2). In Abschnitt 6.3.1.3 wird
kurz die Transformation von LMML in andere Ausgabeformate umrissen ehe Abschnitt 6.3.1.4
die Möglichkeiten zur Umsetzung der Multilingualität in LMML Lernobjekten beschreibt.
6.3.1.1 Erstellung und Editierung von LMML Lernobjekten
Die Vorteile, die durch die konsequente Trennung zwischen Struktur und Darstellung ermöglicht
werden (siehe Abschnitt 4.1.2.2), werden durch gegenwärtige Nachteile bei der Erstellung von
LMML basierten Lernobjekten erkauft. Eine Schwierigkeit liegt darin, dass bei der Erstellung von
LMML Lernobjekten mehr Kenntnisse über die interne Struktur des Dokuments benötigt wer-
den, als bei reinen HTML-Seiten. Während für HTML derzeit Editoren existieren, die den
Benutzer völlig von der internen Struktur eines HTML Dokuments abkapseln und sog. „What
you see, is what you get“ Ansichten (WYSIWYG) bieten, sind generischen Werkzeuge zur Er-
stellung von XML Dokumenten derzeit i. d. R. auf eine reine Textdarstellung mit XML Tags
beschränkt.
Diese Entwicklungsstufe entspricht der der HTML Editoren der ersten Generation, die auch le-
diglich eine Textansicht auf den Inhalt boten. Die HTML Editoren durchliefen eine Evolution
bis zur derzeitigen Stufe, in der das Schreiben eines HTML Dokumentes der Benutzung einer
Textverarbeitung ähnelt. Der Autor wird von entsprechenden Kenntnissen über HTML entlastet,
er kann sich auf die Erstellung der Inhalte konzentrieren.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 146
Autoren sind in der Regel ohne aufwändige Schulungsmaßnahmen nicht in der Lage Lern-
materialien in XML zu erstellen. Die systemische Unterstützung von Autoren ist noch nicht als
zufrieden stellend zu bezeichnen. Derzeit bietet das System lediglich pragmatische Hilfestellung,
wie eine Übersicht über LMML für Autoren und diverse Vorlagen, die Autoren den Einstieg in
LMML erleichtern.
Für Dokumente, die einen stark formalisierten Aufbau aufweisen, ist es möglich, spezielle
Editoren zu entwickeln. Dabei wird eine grafische Oberfläche geboten, so dass der Autor sich
rein auf die Erstellung der Inhalte in Eingabefelder konzentrieren kann. Dies trifft für die
generelle Struktur auf den Lernobjekttyp der Fallstudien zu, der in Abschnitt 5.1.3 entwickelt
wurde. Fallstudien sind stark strukturiert bis semi-strukturiert, d. h. sie folgen einem relativ
starren Aufbau, der durch die einzelnen Schritte bei der Bearbeitung einer Fallstudie vorgegeben
wird. Ein Editor, mit dem Fallstudien im LMML Format verfasst werden können, steht zur Ver-
fügung. Der Aufbau ist dabei formular-orientiert, Der Autor verfasst die Fallstudie, indem er
Eingaben in entsprechende Textfelder der Applikation vornimmt. In Abbildung 37 ist die An-
sicht einer Fallstudie im Editor gezeigt.
Abbildung 37: Fallstudien Editor (Quelle: Eigene Darstellung)
Die Hauptsektionen der Fallstudie (Fallbeschreibung, Modellierung, Lösung, Literaturhinweise
sowie Hinweise zum Anwenden der Fallstudie für Lehrende (Teaching Notes)) werden als
Tabulatoreneinträge am oberen Bildschirmrand angezeigt. Jeder der Haupteinträge kann einen
oder mehrere Unterpunkte haben, z. B. gliedert sich die Einleitung der Fallstudie in die Ab-
schnitte „Organisatorischer Hintergrund“, „Interessen des Unternehmens“ sowie die Sektion
„Entscheidungsproblem“ (siehe Abbildung 37). Durch die Verwendung des Fallstudien Editors
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 147
wird der Autor zusätzlich geleitet. Der Editor berücksichtigt die Strukturvorschrift der Fallstudie
in Form einer DTD und warnt bei fehlenden, nicht-optionalen Abschnitten.
Bei allgemeinen Lernobjekten, die semi-strukturiert sind, ist die Erstellung eines Editors prin-
zipiell schwieriger, da der flexible Aufbau des Dokuments mit zahlreichen Kombinations-
möglichkeiten schlecht auf einen formularähnlichen Aufbau abgebildet werden kann. Erste gene-
rische Ansätze, wie sie z. B. das Werkzeug XML Spy von [Altova 2003] bietet, sind noch nicht
ausgereift. XML Spy kann mittels CSS eine annähernde WYSIWYG Ansicht darstellen, in der der
Autor seine Eingaben macht. Diese Unterstützung ist derzeit noch für formularbasierte Eingaben
optimiert. Weiterhin erfordert die Unterstützung dieser Ansicht noch speziell angepasste
Stylesheets und unterliegt einigen Einschränkungen. Die Entwicklung einer zunehmenden Zahl
von qualitativ hochwertigen Autorenwerkzeugen für XML sollte hier in Zukunft allerdings Ab-
hilfe schaffen.
Eine weitere Hilfestellung betrifft die Erstellung von LMML Tabellen. In der Regel verwenden
Autoren spezialisierte Werkzeuge wie Microsoft Excel, um Tabellen zu erstellen. Da die Tabellen
in diesem Format vorliegen, liegt es nahe, die Transformation in das LMML Format maschinell
zu unterstützen. Ein Visual Basic Makro liest einen Zellbereich aus Excel und generiert die
LMML Darstellung, die dann per Zwischenablage in ein LMML Dokument eingefügt werden
kann (siehe Abbildung 38).
Abbildung 38: Transformation von Excel Tabellen nach LMML (Quelle: Eigene Darstel-
lung)
Diese kleinen Hilfestellungen stellen erste Schritte dar, um die Erstellung von LMML Lern-
objekten zu vereinfachen. Es muss allerdings vermerkt werden, dass Entwicklungsbedarf für eine
generische Lösung besteht, die die Bearbeitung von XML Dokumenten in einer visuell orientier-
ten Form erlaubt.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 148
6.3.1.2 Konvertierung bestehender HTML Dokumente nach LMML
Viele Lernmaterialien liegen bereits in Form von HTML Dokumenten vor. Diese können zwar in
dieser Form bereits über den LOM Editor eingebunden werden (siehe Abschnitt 6.5), bieten
dann aber nicht die Möglichkeiten, die eine präsentationsneutrale Formulierung in LMML bietet.
Es ist wünschenswert, die bereits bestehenden Materialien zumindest teilweise automatisiert in
LMML zu überführen.
Eine gänzlich automatisierte Transformation von HTML nach LMML ist prinzipiell nicht mög-
lich, da HTML kein durchgängig semantisches Markup liefert. Deshalb kann für viele Strukturen
in HTML nicht automatisiert rekonstruiert werden, welche Semantik sie beinhalten. Teile der
Struktur eines HTML Dokuments lassen sich aber sehr wohl in LMML überführen. Zu diesem
Zweck wurde ein XSL Stylesheet entwickelt, das diese Transformation durchführt. Voraus-
setzung ist ein syntaktisch korrektes HTML Dokument, das im XHTML Standard vorliegt (vgl.
[XHTML 2002]). XHTML ist eine Formulierung von HTML, die syntaktisch den Anforderungen
von XML bzgl. Wohlgeformtheit genügt. Damit sind diese XHTML Dokumente mit XML
Standardwerkzeugen bearbeitbar, wie z. B. Stylesheet Prozessoren.
Durch das Stylesheet werden rudimentäre Elemente in ihr entsprechendes LMML Pendant über-
führt. Das Stylesheet legt Regeln fest, wie bestimmte HTML Elemente zu überführen sind. Die
transformierten HTML Elemente umfassen z. B. Paragraphen, Bilder, Tabellen und Listen, die in
ein LMML Dokument überführt werden. Nicht eindeutig überführt werden können z. B. Über-
schriften, die Sektionen in HTML nur andeuten, aber nicht eindeutig auszeichnen. Eine manuelle
Nachbearbeitung der Resultate ist unumgänglich, da die nicht vorhandenen sowie die während
der Transformation verlorenen Strukturen im resultierenden LMML Lernobjekt eingefügt wer-
den müssen. Das Stylesheet liefert aber ein Werkzeug, um einen Großteil der Inhalte in LMML
zu überführen.
6.3.1.3 Transformation von LMML Lernobjekten
Die Transformation von LMML Lernobjekten wird ausführlich im Abschnitt 6.6.6 in
Zusammenhang mit dem Portal behandelt. Wie dort ausgeführt wird, erfolgt die Transformation
von LMML Lernobjekten mit Hilfe von XSL Stylesheets. In Abbildung 39 ist das Ergebnis der
Transformation einer Fallstudie in HTML (Abbildung 39 a)) und PDF (Abbildung 39 b)) zu
sehen.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 149
a) HTML Darstellung einer Fallstudie b) PDF Darstellung einer Fallstudie
Abbildung 39: Darstellung des Lernobjektes „Red Brand Canners“ und begleitender
Metadaten (Quelle: Eigene Darstellung)
Die Darstellung der Regeln der XSL Stylesheets trägt auf dieser Detaillierungsstufe nicht zum
Verständnis der Arbeit bei. Aus diesem Grund wird an dieser Stelle darauf verzichtet.
6.3.1.4 Multilingualität in LMML Lernobjekten
Die Eignung von XML Dokumenten multilinguale Inhalte mit Unicode zu speichern wurde be-
reits erwähnt. In diesem Sinne partizipieren LMML Dokumente ebenfalls von der Uni-
codeunterstützung von XML. Die Erfahrung zeigt aber, dass peinlichst darauf geachtet werden
muss, dass alle Werkzeuge, die bei der Bearbeitung der LMML Lernobjekte zum Einsatz kom-
men, auch Unicode unterstützen. Die Bearbeitung eines in Unicode kodierten LMML
Dokuments z. B. mit einem Editor, der Unicode Kodierung nicht unterstützt, kann dazu führen,
dass alle Sonderzeichen verloren bzw. durch unsinnige Interpretationen ersetzt werden. Dieser
Vorgang ist nicht reversibel.
Derartige technische Probleme lassen sich aber noch relativ einfach beseitigen. Wichtiger sind die
organisatorischen Probleme, die sich z. B. bei Aktualisierungen für multilinguale Dokumente er-
geben. „Multilingual documents are never easy to handle. This is especially true for updates, when
the documents contain several languages but the source language is the newest one and the
others need to be updated” [Savourel 2001, 139].
6.3.2 Interaktive Lernobjekte für OR/MS
Algorithmen sind der Schlüssel zur Lösung von typischen Problemen im Bereich OR/MS.
Algorithmen sind wesentliches OR Handwerkszeug, eine solide Kenntnis der Methoden ist
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 150
notwendige Basis zur Lösung realer Problemstellungen. Zum Ausbau der individuellen
Problemlösefähigkeit ist allerdings weit mehr als nur die Kenntnis der grundlegenden Algo-
rithmen notwendig. Wie bereits ausgeführt, werden Fallstudien als geeignet erachtet, um in
situierte Kontexte eingebettet, die Anwendung von Algorithmen zu erproben (siehe 2.4.2). Die
dazu notwendigen Grundkenntnisse über Algorithmen müssen allerdings bereits vorhanden sein.
Interaktive Lernobjekte und Animationen werden zum Erwerb dieser Grundkenntnisse als be-
sonders geeignet erachtet.
Algorithmen können mit herkömmlichen Mitteln oft nur schwer dargestellt werden. Vielen
Studenten bereitet das Verstehen von Algorithmen Schwierigkeiten: „… an algorithm describes a
process that is abstract and dynamic, while the methods used to teach them are not“
[Hansen/Narayan/Schrimpsher 1998]. Animationen scheinen gut zur Visualisierung von
Algorithmen geeignet zu sein: „Animating an algorithm allows for better understanding of the
inner workings of the algorithm; furthermore it makes apparent its shortcomings and advantages,
thus allowing for further optimization“ [Gloor 1997, 229].
Im Folgenden sollen exemplarisch einige interaktive Lernobjekte für den Bereich Operations
Research dargestellt werden. Diese Lernobjekte sind sehr generisch gehalten und bieten sich
damit für die Wiederbenutzung in verschiedenen Kontexten an. Alle Beispiele sind in Tech-
nologien abgebildet, die über das WWW benutzt werden können. Es wird also keine zusätzliche
Softwareinstallation auf Seiten des Lernenden benötigt.
6.3.2.1 Lösen von Optimierungsproblemen - Solver
Problemstellungen aus der Betriebswirtschaftslehre können oft als mathematisches Opti-
mierungsmodell aufgestellt werden. So können Probleme als lineares Programm formuliert
werden. Eine Methode zur Lösung von Problemstellungen in der linearen Optimierung ist der
Simplexalgorithmus. Dabei modelliert der Nutzer ein lineares Programm und lässt es in der Regel
durch eine Optimierungssoftware lösen. In der Lehre werden dazu häufig kommerzielle
Produkte, wie Lindo, AMPL, CPlex oder ClipMOPS eingesetzt. Die Verwendung der oben
angesprochenen Werkzeuge erfordert jeweils eine Installation auf dem Computer des Lernenden,
weiterhin unterscheiden sich alle Produkte in ihrer Bedienung. Die hier auftretenden Modelle
sind relativ klein, sie bestehen in der Regel aus weniger als 20 Variablen und bis zu 30 Re-
striktionen.
Der Solver wurde als Lernobjekt zur Lösung von Optimierungsproblemen entwickelt, das die
oben angesprochene Installation vermeidet. Der Solver ist vollständig web-basiert und kann im
Browser integriert aufgerufen werden. Dadurch sind keine weiteren Installationen notwendig.
Das Programm ermöglicht das Lösen von linearen Programmen und es erlaubt detailliert den da-
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 151
bei angewendeten Simplex Algorithmus in den einzelnen Iterationen ablaufen zu lassen. Im
Gegensatz zu einer statischen Darstellung in einem Buch wird das Modell jeweils neu zur Lauf-
zeit gelöst. Durch die dynamische Arbeitsweise können Parameter und die Struktur eines Modells
beliebig variiert werden, so dass das Optimierungsproblem jeweils neu gelöst und die Lösung
vom Lernenden neu bewertet werden kann.
Das dargestellte Beispiel ist ein lineares Programm mit zwei Variablen und wurde
[Suhl/Mellouli 1997] entnommen. Die mathematische Formulierung des Modells lautet:
Max 2 x1 + 1,5 x2
s.t.
Res-L: x1 + x2 <= 800
Res G1 x1 <= 400
Res G2 x2 <= 700
Res Z 2 x1 + x2 <= 1000
Nichtnegativitätsbedingung x1, x2 >= 0
Die Eingabe des Modells erfolgt über eine grafische Oberfläche analog zu der mathematischen
Formulierung. Die Nichtnegativität kann bei der Anlage von Variablen festgelegt werden (siehe
Abbildung 40).
Abbildung 40: Optimierungsapplet - Formulierung des Modells (Quelle: Eigene Dar-
stellung)
Nach der Initialisierung des Modells kann der Benutzer die einzelnen Schritte des Simplex Algo-
rithmus nachvollziehen oder aber auch ganze Iterationen ausführen lassen (siehe Abbildung 41).
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 152
a) Ablauf des Simplex Algorithmus b) Simplex Tableau
Abbildung 41: Interaktive Darstellung des Simplex Algorithmus (Quelle: Eigene Dar-
stellung)
Im letzten Schritt wird die Lösung des Problems präsentiert (siehe Abbildung 42).
Abbildung 42: Optimierungsapplet - Darstellung der Lösung (Quelle: Eigene Darstellung)
Im zweidimensionalen Fall wird eine grafische Ansicht geliefert, in der der Lernende die
Visualisierung des Problems, die Restriktionen sowie das Finden der optimalen Lösung verfolgen
und nachvollziehen kann (siehe Abbildung 43).
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 153
a) 1. Iteration b) 2. Iteration c) 3. Iteration
Abbildung 43: Interaktive Darstellung des Simplex Algorithmus (Quelle: Eigene
Darstellung)
Lineare Programme können von vielen Systemen verarbeitet werden. Um eine höchstmögliche
Kompatibilität zwischen verschiedenen Systemen zu gewährleisten wurde das MPS-Format als
internationales Standardformat für die Spezifikation von Optimierungsproblemen eingeführt. Bei
diesem Format werden die Daten in einem festgelegten Aufbau in einer Datei gespeichert. Damit
die Kompatibilität mit anderen Systemen gewährleistet ist, kann das Optimierungsprogramm
MPS Daten sowohl lesen als auch schreiben.
Der Solver ist in der Lage, kleine Optimierungsprobleme zu lösen. Dabei können die einzelnen
Schritte des Solvers verfolgt werden, um diese manuell nachzuvollziehen. Dabei wird die
grafische Visualisierung angeboten, um im zweidimensionalen Fall die Vorgehensweise des
Algorithmus auch grafisch nachvollziehen zu können. Durch die generische Natur des Solvers als
allgemeines Werkzeug und die Möglichkeit zur Übergabe eines Modells durch das MPS Format
ist der Solver in hohem Maße wieder verwendbar.
6.3.2.2 Simulationen
Ein komplexeres Beispiel für eine interaktive Anwendung, die Lernenden zur Verfügung gestellt
wird, ist in Abbildung 44 zu sehen. Mit Hilfe dieses Lernobjektes, das in die begleitende Fall-
studie „Seat Allocation“ eingebettet ist, können Lernende diverse Parameterkombination
erproben und die Ergebnisse der Simulation sofort ermitteln.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 154
Abbildung 44: Simulation der Platzbelegung eines Flugzeuges (Quelle: Eigene Darstellung)
In diesem Beispiel liegt der Schwerpunkt darauf, dass Lernende die Auswirkung von Parameter-
änderungen auf das Ergebnis der Simulation kennen lernen.
6.3.2.3 Animationen (SVG)
Animationen werden in OR-World mit einer Steuerung bereitgestellt, die es erlaubt die Schritte
der Animation einzeln zu durchlaufen. Der Lernende behält die Kontrolle und kann sich vorhe-
rige Schritte nochmals ansehen. In Abbildung 45 a) ist die Animation abgebildet, wobei der
dynamische Charakter der Animation durch die Abbildung nur unzulänglich repräsentiert wird.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 155
a) Animation mit Animationssteuerung b) Vergrößerung der Animation
Abbildung 45: Animation eines Transportproblems durch SVG (Quelle: Eigene
Darstellung)
Die Animation ist in SVG verfasst (siehe 4.1.3.3). Basierend auf SVG ist die Animations-
steuerung direkt in die Animation eingebettet. In Abbildung 45 b) ist eine Vergrößerung eines
Ausschnittes der Grafik abgebildet, wobei die Vergrößerung auch von Lernenden während der
Animation erfolgen kann.
Die gezeigten Beispiele belegen, dass der Interaktionsgrad von Lernobjekten sich durchaus mit
den Interaktionsmöglichkeiten von proprietären Technologien messen kann. Lernobjekte bieten
darüber hinaus eine Verbesserung der Zugangsmöglichkeiten durch die Verwendung
standardisierter Technologien.
6.4 Metadaten Repository und News Repository
Das Metadaten Repository kapselt die Beschreibungen der Lernobjekte in einem relationalen
DBMS. Als Datenmodell dient dabei die relationale Modellierung des LOM Schemas (siehe Ab-
schnitt 5.4.3 zur Modellierung und Anhang 9.2.3 für das komplette Datenbankschema).
Das News Repository ist ebenfalls eine relationale Datenbank, in der Nachrichten und Neuig-
keiten für Lernende abgelegt werden können. Diese Daten werden auf der Anwendungsebene
vom Portal umgesetzt und können dort abgerufen werden.
Als Datenbank wurde hier MySQL ausgewählt, eine frei verfügbare Opensource-Datenbank.
MySQL bietet eine hohen Reifegrad sowie eine hohe Performanz beim Zugriff auf die Daten und
zeichnet sich dadurch durch eine hohe Zuverlässigkeit und hohe Geschwindigkeit aus. Diese
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 156
Eigenschaften sind umso wichtiger, da das Metadaten Repository die zentrale Informationsquelle
des Systems ist und dadurch oft auf sie zugegriffen werden muss. Durch die Kapselung auf der
Persistenzebene und die Verwendung von Java Database Connectivity Schnittstellen (JDBC) zum
Zugriff auf die Datenbank, ist es möglich, die Datenbank relativ leicht auszutauschen.
Die eigentliche Spezifikation des Metadaten Repositories ist bereits ausführlich in Abschnitt 5.4
erfolgt, weshalb an dieser Stelle auf weitere Details verzichtet werden kann.
6.5 Komponente LOM Editor
Nach der Beschreibung der Systemkomponenten in der Persistenzebene erfolgt im Weiteren die
Beschreibung der Komponenten der Anwendungs- und Präsentationsebene. Da die eigentliche
Logik zur Realisierung der Funktionen und die Visualisierung dieser Logik nicht trennbar sind,
wird auf eine künstliche Trennung in der Darstellung bewusst verzichtet.
Wie bereits in der Einführung in diesem Kapitel erläutert wurde, lassen sich die Benutzer des
Systems in zwei Rollen, den Lehrenden und den Lernenden unterscheiden. Der LOM Editor ist
eine Applikation, mit der Metadaten nach dem LOM Standard erfasst und verwaltet werden
können. Dieses wird typischerweise von Lehrenden vorgenommen. Der LOM Editor ist das
zentrale Instrument zur Erstellung und Manipulation von Metadaten für Lernobjekte und wird
deshalb im Folgenden ausführlich beschrieben.
Beginnend mit einem Überblick (6.5.1) wird im nächsten Schritt die Zugriffsregulierung auf die
Metadaten skizziert (6.5.2). Eine Erläuterung der Basisfunktionalitäten schließt sich an (6.5.3), ehe
wesentliche Merkmale der Benutzungsoberfläche skizziert werden (6.5.4). Ein zentraler Aspekt
beim Einsatz des LOM Editors ist die Komposition und Wiederbenutzung der Lernobjekte
(6.5.5). Abschnitt 6.5.6 beschreibt die ontologische Klassifikation von Lernobjekten mit Hilfe des
LOM Editors, während Abschnitt 6.5.7 auf die Interoperabilität von Lernobjekten fokussiert. Die
Unterstützung der Multilingualität durch den LOM Editor beschließt die Ausführungen (6.5.8).
6.5.1 Überblick über den LOM Editor
Der LOM Editor ist als web-basierte Anwendung konzipiert und in der plattformunabhängigen
Sprache JAVA implementiert, damit ist lediglich ein Browser zur Nutzung der Applikation not-
wendig. Die Logik des LOM Editors wird auf der Anwendungsebene ausgeführt, damit muss der
Client (der Browser, mit dem der Benutzer auf die Anwendung zugreift) nur minimale
Funktionalitäten aufweisen. Zur Nutzung der grafischen Visualisierungen ist noch eine JAVA
Umgebung (JAVA Runtime Environment – JRE) zusätzlich zum Browser notwendig, die aber
nur einmalig installiert werden muss. Der LOM Editor kann als web-basierte Anwendung über
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 157
[OR-World LE 2003] gestartet werden. Der LOM Editor wurde im Rahmen der Diplomarbeit
[Niedermowe 2003] implementiert.
6.5.2 Regulierung des Zugriffs auf die Metadaten
Der Zugriff auf die Metadaten ist reglementiert. Eine Kennung und ein Passwort sind notwendig,
um vollen Zugriff auf die Metadaten zu erhalten. Der Zugriff selbst ist wieder gestaffelt nach den
drei Rollen: Gast, Editor und Administrator. Je nach Rollenzuordnung werden Funktionen wie
Anzeigen, Schreiben von Metadaten, Löschen von Beschreibungen, Anlegen von Netzwerken
etc. zugelassen bzw. verwehrt. In Abbildung 46 sind der Anmeldebildschirm und der Bildschirm
zur Auswahl eines Netzwerkes abgebildet.
a) Anmeldung im LOM Editor b) Auswahl eines Netzwerkes
Abbildung 46: LOM Editor - Anmeldung und Auswahl eines Netzwerkes (Quelle: Eigene
Darstellung)
Die Funktionen am linken Rand der rechten Abbildung in Abbildung 46 sind kontextabhängig
von der Rolle „Administrator“. Nach der Anmeldung kann der Benutzer ein Netzwerk auswäh-
len, dem er dann neue Metadaten hinzufügen oder in dem er bestehende editieren kann.
6.5.3 Basisfunktionen zur Manipulation der Metadaten
Nach Authentifizierung und Auswahl eines Netzwerkes können bestehende Metadaten zu Lern-
objekten dieses Netzwerkes modifiziert sowie neue Metadaten angelegt werden. Zusätzlich ist es
möglich, Metadaten zu löschen oder diese einem anderen Netzwerk zuzuordnen.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 158
Bei steigender Anzahl von Lernobjekten in einem Netzwerk tritt das Problem der Unüber-
sichtlichkeit auf. Der Benutzer muss beim Zugriff auf Lernobjekte verschiedener Granularität
unterstützt werden. Hierzu bietet der LOM Editor Sortierungs- und Filtermechanismen an, um
schnell das gesuchte Lernobjekt auswählen zu können. In Abbildung 47 ist zu sehen, dass nach
den Merkmalen Titel, Beschreibung, Bearbeiter sowie nach dem Datum der letzten Änderung
sortiert sowie nach der Granularitätsebene gefiltert werden kann.
Abbildung 47: LOM Editor – Auswahl von Lernobjekten (Quelle: Eigene Darstellung)
Nach Auswahl und Öffnen der Metadaten eines Lernobjektes wird der Hauptbildschirm zur
Modifikation der Metadaten angezeigt. Zentrale Bereiche sind dabei in Abbildung 48 gesondert
gekennzeichnet.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 159
Abbildung 48: LOM Editor – Aufbau (Quelle: Eigene Darstellung)
Der linke Bereich in Abbildung 48 ist permanent sichtbar und beinhaltet einen zentralen Menü-
bereich (1. Menü) sowie Statusinformationen (2. Rolle). Der Menübereich beinhaltet Funktionen
zur Verwaltung und Steuerung der übergeordneten Netzwerke, eine Vorlagenverwaltung und die
Auswahl der externen Schnittstellen. Die Funktionen die Verwaltung von Netzwerken sind dabei
von der Rolle des angemeldeten Benutzers abhängig.
Innerhalb der Sektion 2. Rolle werden die Informationen über den angemeldeten Benutzer und
dessen Zugriffsrechte angezeigt. Zusätzlich ist eine Schaltfläche zur Abmeldung und damit zum
Beenden der Anwendung vorhanden.
Am oberen Bildschirmrand in Abbildung 48 werden das aktuell ausgewählte Netzwerk sowie der
Titel des geöffneten Lernobjektes angezeigt (3. Netzwerk). Am unteren Bildschirmrand werden
Funktionen angezeigt, die für die aktuell geöffneten Metadaten ausgeführt werden können (4.
Funktionen).
Die geschilderten Bereiche Menü und Funktionen bilden einen Rahmen, der um die Darstellung
der eigtl. Metadaten im mittig positionierten Inhaltsbereich gruppiert ist. Da die Anzahl der
Attribute des LOM Schemas die Darstellungsfläche bei Weitem übersteigen würde, wurden die
einzelnen Attribute innerhalb der LOM Kategorien gruppiert. Im Bereich 5. LOM Kategorien in
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 160
Abbildung 48 kann zwischen den einzelnen Kategorien von LOM gewechselt werden, so dass im
Inhaltsbereich jeweils die Attribute einer Kategorie angezeigt werden. Die Kategorie
MetaMetadata wurde explizit ausgeschlossen, da hier Informationen zum verwendeten
Metadatenschema gespeichert werden. Sobald Beschreibungen mit anderen Werkzeugen ausge-
tauscht werden, werden die Informationen für die Kategorie MetaMetadata durch den LOM
Editor generiert und dem Metadatensatz angehängt. Durch Auswahl des Gruppennamens mit der
Maus werden die zugehörigen Elemente angezeigt.
Zu einem Lernobjekt können multilinguale Beschreibungen angelegt werden. Die Darstellung der
verschiedenen Sprachausprägungen wurde so gelöst, dass im Bereich 6. Sprache der LOM
Instanz die Sprache der jeweils ausgewählten LOM Instanz angezeigt wird. Zusätzlich werden
links in diesem Bereich existierende Sprachausprägungen der Beschreibung angezeigt (in diesem
Fall Englisch (en) und Deutsch (de)).
Die Basisfunktionalität des LOM Editors zur Beschreibung von Lernobjekten mit Metadaten
wird durch die in Abbildung 48 illustrierte Funktionalität bereits abgedeckt. Das Erfassen der
Metadaten in einer formularbasierten Ansicht ist durch die Darstellung der Attribute in text-
basierter Form möglich.
6.5.4 Merkmale der Benutzungsoberfläche
Die Benutzungsoberfläche ist durch die klare Trennung in Menübereich, Funktionsbereiche und
Inhaltsbereich übersichtlich und die Darstellung auf dem Bildschirm wird nicht überfrachtet.
Vokabulare werden durch die Bereitstellung von Kombinationsfeldern unterstützt, so dass der
Benutzer hier nur Werte aus einem gegebenen Wertebereich auswählen kann. Das Feld „Element
Level“ ist ein Beispiel für solch ein Vokabular. Das LOM Schema sieht dieses Attribut nicht vor,
im Kontext dieser Arbeit muss das Attribut aber vermerkt werden, da die Granularität des zu be-
schreibenden Lernobjektes erfasst werden muss. In diesem Feld können die Ausprägungen
„Medien Element“, „Lernelement“, „Inhaltliches Modul“, „Kurs“ sowie „Thematisches
Netzwerk“ ausgewählt werden. Eine andere Eingabe kann der Benutzer nicht vornehmen.
Jedes Feld ist mit einem entsprechenden Hilfetext hinterlegt, so dass auch Autoren, die keine Er-
fahrung mit dem LOM Schema haben, in der Lage sind semantisch korrekte Informationen
einzupflegen. Das ist insbesondere wichtig, da lediglich aus den Beschriftungen der Felder nicht
immer die Semantik des erwarteten Wertes hervorgeht. So tritt z. B. das Feld „Sprache“ sowohl
in den der Kategorie „General“, als auch in der Kategorie „Educational“ auf. In der Kategorie
„General“ wird die Sprache, in der das Lernobjekt formuliert ist bezeichnet, wobei in der
Kategorie Educational, die Sprache bezeichnet wird, die der typische Lernende benutzt. Z. B.
könnte ein englischsprachiger Text, der für das Lernen der englischen Sprache für deutsche
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 161
Studierende gedacht ist, in „General“ als Englisch („en“) gekennzeichnet werden, während in
„Educational“ Deutsch („de“) die adäquate Auszeichnung wäre. Diese Unterscheidung ist vom
LOM Standard so vorgesehen, obwohl sie nur in sehr speziellen Fällen zur Anwendung kommt.
Der Editor unterstützt den Autor dabei durch kontextsensitive Informationen.
Zur weiteren Vereinfachung der Erfassung von Metadaten für den Benutzer wurde ein Vorla-
genmechanismus implementiert, der die Erstellung von Vorlagen (Templates) erlaubt, die be-
nutzerspezifisch im System zur Verfügung stehen. Bei der Beschreibung von Lernobjekten
müssen Teile der Metadaten oftmals wiederholt für mehrere Lernobjekte eingegeben werden. Ein
Beispiel dafür ist die Erfassung einer Reihe von Medienelementen, die alle einen identischen
Autor aufweisen. Hierfür könnte eine Vorlage mit diesen Angaben einmalig angelegt werden, die
wiederholt auf die Medienelemente angewendet wird, so dass die Angaben nicht iteriert händisch
eingeben werden müssen.
6.5.5 Komposition und Wiederbenutzung von Lernobjekten
Die Komposition von Lernobjekten wird in den Metadaten notiert. In der Kategorie Relation des
LOM Schemas werden nach der Systematik aus Abschnitt 5.2.3 Lernobjekte hierarchisch basie-
rend auf der Granularität komponiert. In Abbildung 49 ist die Kategorie Relation und deren
Darstellung innerhalb des LOM Editors dargestellt. Ein Benutzer kann hier ausgehend vom
aktuell geöffneten Lernobjekt die Beziehung zu anderen Lernobjekten herstellen.
Abbildung 49: LOM Editor - Kategorie Relation (Quelle: Eigene Darstellung)
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 162
In Abbildung 49 wird eine neue Beziehung ausgewählt und den bestehenden Beziehungen hinzu-
gefügt. Als Beziehungstypen sind alle Varianten, die im Abschnitt 5.2.3.1 eingeführt wurden,
zulässig. Da die Beziehungstypen jeweils eine inverse Beziehung aufweisen, wird die Inverse im
Ziellernobjekt ebenfalls eingetragen. D. h. dass bei Hinzufügen einer „IsPartOf“-Beziehung für
das aktuelle Lernobjekt auf das Lernobjekt „Basics of Optimization Systems“, in diesem die
inverse Relation „HasPart“ zu dem aktuellen Lernobjekt vermerkt wird. Durch diese redundante
Speicherung ergeben sich Geschwindigkeitsvorteile bei der Konstruktion der Beziehungen aus
der Datenbank.
Die Auswahl des Zielobjektes wird durch die bereits beschriebenen Filter und Sortierhilfen
unterstützt, die in Abschnitt 6.5.3 beschrieben und in Abbildung 47 illustriert wurden. Weiterhin
ist zu vermerken, dass eine Sequenzierung der Inhalte durch den Editor erfolgen kann. Diese
Eigenschaft ist wichtig für die Inklusion mehrerer Lernobjekte, die in eine Reihenfolge gebracht
werden müssen.
Die Komposition der Lernobjekte ist mit den beschriebenen Methoden bereits möglich, durch
die textuelle Darstellungsform entspricht die Darstellung aber nicht dem Hypertextcharakter, der
die zugrunde liegende Wissensbasis kennzeichnet. Eine grafische Darstellungsform repräsentiert
die zugrunde liegenden Strukturen wesentlich besser als die geschilderte textuelle Darstellung.
Der LOM Editor bietet eine grafische Darstellung der gebildeten Relationen zwischen Lern-
objekten mit Hilfe des LOM Graph. Die Implementierung des LOM Graph basiert dabei auf der
Basis von [Touchgraph 2002]. Der LOM Graph kann ausgehend von der Startseite des LOM
Editors gestartet werden und bietet eine grafische Übersicht über alle Lernobjekte eines Netz-
werkes.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 163
Abbildung 50: LOM Editor - LOM Graph (Quelle: Eigene Darstellung)
Die grafische Darstellung ist dabei nicht statisch, sondern bietet dem Benutzer vielmehr
dynamische Interaktionsmechanismen. Die Knoten des Graphen in Abbildung 50 repräsentieren
ein Lernobjekt respektive dessen Metadaten. Durch Verschieben der Knoten mit der Maus kann
der Benutzer innerhalb des Wissensraumes navigieren, also den Fokus der Betrachtung lenken.
Der Graph ist dabei selbstorganisierend ausgelegt.
Selbstorganisierenden Graphen liegen Regeln über das Layout der Knoten des Graphen
zugrunde. Sobald mit der Maus z. B. ein Knoten verschoben wird, resultiert aufgrund dieser
Regeln ein Ungleichgewicht. Der LOM Graph versucht dieses Ungleichgewicht graduell aus-
zugleichen, indem direkt benachbarte Knoten mit verschoben werden, deren Nachfahren werden
in geringerem Umfang verschoben etc. Der LOM Graph strebt nach einem stabilen Zustand, in
dem die Regeln des Layouts für alle Knoten erfüllt sind. Die Änderungen am Layout erscheinen
zunehmend gedämpft, ähnlich den Schwingungen einer gespannten Feder. Durch die graduelle
Änderung des Layouts entsteht der Eindruck einer kontinuierlichen Bewegung, der Benutzer er-
hält das Gefühl der Kontrolle. Zusätzlich verstärken vorhersehbare Effekte von Graphaktionen,
deren Wiederholbarkeit und auch die Rücknahme dieser Aktionen, das Gefühl der Kontrolle.
Die Granularitäten der Lernobjekte sowie die Art der Verknüpfungen zwischen den Lern-
objekten sind zur Unterscheidung farblich kodiert. Am oberen Bildschirmrand in Abbildung 50
ist eine Legende der farblichen Kodierung abgebildet. Durch diese Kodierung ist es dem
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 164
Benutzer möglich, Lernobjekte, deren Granularitäten und deren Relationen zu anderen Lern-
objekten im Kontext visuell zu erfassen.
Der Graph kann gezoomt und rotiert werden, weiterhin können die Abstände zwischen den
Knoten variiert werden. Diese Navigationshilfen dienen dazu, den Wissensraum individuell
erkunden zu können. Die Übersichtlichkeit der Darstellung wird durch graduelles Ein- bzw.
Ausblenden von Granularitäten sowie Beziehungstypen möglich. Diese Funktionalität steht über
ein Kontextmenü durch Betätigung der rechten Maustaste zur Verfügung.
a) Kontextmenü bei keiner
bestehenden Auswahl
b) Kontextmenü bei Auswahl eines
Lernobjektes
c) Kontextmenü bei Auswahl
einer Relation
Abbildung 51: LOM Editor - Kontextsensitive Menüs des LOM Graph (Quelle: Eigene
Darstellung)
In Abbildung 51 sind die Funktionalitäten, die durch kontextsensitive Menüs bereitgestellt wer-
den, abgebildet. Bestand bei Aufruf des Menüs keine Auswahl, werden Operationen zur
Erstellung einer neuen Metadateninstanz, und zum graduellen Ausblenden einzelner Granu-
laritäten und Beziehungstypen angezeigt (Abbildung 51 a)). Wird das Menü bei Auswahl eines
Lernobjektes aufgerufen, werden kontextspezifische Operationen, die die Metadaten betreffen,
offeriert (Abbildung 51 b)). Bei Auswahl einer Relation werden im Kontextmenü Operationen
zur Relaxierung bzw. Verminderung des Abstands zwischen den verbundenen Lernobjekten so-
wie zum Entfernen der Relation angezeigt (Abbildung 51 c)). Beim Entfernen der Relation
werden aus dem aktuell ausgewählten Lernobjekt die Relation und aus dem verbundenen Lern-
objekt die inverse Relation entfernt.
Alle Operationen aus den Kontextmenüs in Abbildung 51 ändern die Metadaten zu Lernobjekten
direkt im Metadaten Repository, d. h. die Änderungen werden auch persistent in der Datenbank
abgelegt. Das Kontextmenü in Abbildung 51 b) stellt die folgenden Operationen für das aktuell
ausgewählte Objekt zur Verfügung:
! Löschen (Delete): Endgültiges Löschen der Metadatenbeschreibung aus dem Metadaten
Repository
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 165
! Entfernen (Remove): Entfernen der Metadaten aus dem aktuellen Netzwerk. Der Unter-
schied zum Löschen besteht darin, dass die Metadatenzuordnung zum Netzwerk gelöscht
wird, die Metadaten selbst aber im Metadaten Repository erhalten bleiben.
! Umbenennen (Rename): Umbenennung des Lernobjektes in den Metadaten (Attribut Title
der Kategorie General).
! Editieren (Edit LOM Object): Hier wird in einem getrennten Fenster die bereits beschrie-
bene Ansicht aus Abbildung 48 zum Editieren für das aktuelle Lernobjekt aufgerufen.
! Lernobjekt öffnen (Open Document): Diese Operation öffnet das in den Metadaten be-
schriebene Lernobjekt in einem getrennten Fenster. Die Adressierung erfolgt dabei über
den URI des Lernobjektes (Attribut Location der Kategorie Technical)
! Navigation (Expand, Collapse, Hide): Hier können Lernobjekte expandiert, kollabiert sowie
ausgeblendet werden. Ausblenden bewirkt eine Kollabierung der direkt verknüpften Lern-
objekte in Bezug auf das aktuelle Lernobjekt.
! Relationen erzeugen (Create Relation): Über diese Operation können Beziehungen grafisch
zwischen Lernobjekten erzeugt werden. Diese Operation wird im Folgenden näher
erläutert.
! Granularität wählen (Choose Level): Diese Operation setzt die Granularität des Lernob-
jektes. Die Anzeige wird mit der entsprechenden farblichen Markierung aktualisiert
(Attribut ElementLevel der Kategorie General).
Die Komposition von Lernobjekten bezeichnet technisch gesehen das Erzeugen einer Relation
zwischen Lernobjekten. Diese Erzeugung wird vom LOM Graph durch deiktische Mechanismen
unterstützt, d. h. der Benutzer kann Relationen mit der Maus erzeugen. Dabei wird ausgehend
von einem aktuell selektierten Lernobjekt das Kontextmenü auf dem Ziellernobjekt aufgerufen
und der Typ der Verknüpfung ausgewählt (siehe Abbildung 52).
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 166
a) Lernobjekt Red Brand Canners ist selektiert,
Kontextmenü für Case Studies wird geöffnet
b) Anlage der Relation „Red Brand Canners“ IsPartOf
„CaseStudies“
Abbildung 52: LOM Editor - Erzeugen von Relationen im LOM Graph (Quelle: Eigene
Darstellung)
Auf diese Weise können schnell und intuitiv Relationen zwischen Lernobjekten angelegt werden.
Eine weitere Anwendung deiktischer Interaktionsformen ist die Zuordnung von Lernobjekten
aus anderen Netzwerken per Drag&Drop zu dem aktuellen Netzwerk. Ein Netzwerk beschreibt
eine Menge von Lernobjekten, die durch die Zuordnung zu diesem Netzwerk als zusammen-
gehörig gekennzeichnet werden. Auf dieser obersten Ebene, die eher administrativen Zwecken
als den ausgeführten Granularitätsebenen dient, wird eine Zugehörigkeit zu Projekten, Lern-
szenarien etc. angezeigt. Momentan existieren in dem implementierten Pilotsystem drei
Netzwerke:
! OR-World
! VORMS
! VAWI
Lernobjekte können einem oder mehreren Netzwerken zugehören. OR-World beschreibt als
Netzwerk die Lernobjekte, die innerhalb des [OR-World 2002] Projekts zur Verfügung stehen,
VORMS die Lernobjekte für das [VORMS 2003] Projekt und VAWI die für das Projekt [VAWI
2003] verfügbaren Lernobjekte. Für nähere Einzelheiten zu VORMS und VAWI siehe Abschnitt
7.1. Sämtliche Abbildungen innerhalb dieses Kapitels wurden dem Netzwerk OR-World
entnommen.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 167
Abbildung 53: LOM Editor - LOM Graph Drag&Drop zwischen Netzwerken (Quelle:
Eigene Darstellung)
In Abbildung 53 ist die Zuordnung eines Lernobjektes zu Aussagenlogik aus dem Netzwerk
VAWI zu dem aktuellen Netzwerk OR-World abgebildet. Hierdurch wird trotz der separaten
Zuordnung von Lernobjekten zu einem Netzwerk, eine Wiederbenutzbarkeit über Netzwerke
hinweg erzielt. Nach Ausführung der oben angesprochenen Operation steht das Lernobjekt zu
Aussagenlogik im Netzwerk OR-World als Kopie des ursprünglichen Lernobjekts zur Verfügung.
Die Bezeichnung direkt-manipulativ wurde von [Shneiderman 1983] für Systeme geprägt, die die
relevanten Objekte visuell anzeigen und deiktische Interaktionsformen bieten, um schnelle,
inkrementelle Operationen auf den Objekten durchzuführen. Der LOM Graph unterstützt
Komposition von Lernobjekten durch direkt-manipulative Methoden, Relationen können
zwischen Lernobjekten durch deiktische Aktionen mit der Maus direkt gezeichnet werden. Die
Distanz zwischen dem, was der Benutzer ausdrücken möchte (die Erstellung einer Relation
zwischen zwei Lernobjekten) und die Art und Weise wie er es ausdrückt (Zeichnen einer Linie
zwischen zwei Knoten) ist relativ gering. Damit ist der nötige Tranformationsaufwand, den der
Benutzer leisten muss, um seine Intention dem System verständlich mitzuteilen relativ gering im
Vergleich zu der textbasierten Komposition von Lernobjekten. In dieser Hinsicht leistet der
LOM Graph durch die direkt-manipulative Unterstützung bei der Komposition von Lern-
objekten einen wertvollen Beitrag zur Benutzbarkeit und Akzeptanz des Systems.
6.5.6 Klassifikation von Lernobjekten in der Ontologie
Die Zuordnung von Lernobjekten zu Konzepten der Ontologie wird in der Kategorie
„Classification“ notiert. Zur Klassifikation der Lernobjekte dient die formalisierte explizit vor-
liegende Modellierung der Wissensdomäne OR/MS, die in Form der Ontologie (siehe Abschnitt
5.3) entwickelt wurde.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 168
In Abbildung 54 ist die Umsetzung der Kategorie Classification im LOM Editor abgebildet. Für
jedes Lernobjekt können mehrere Zuordnungen zu Konzepten einer Ontologie vorgenommen
werden. Die Zuordnung kann dabei auch zu mehr als nur einer Ontologie erfolgen. Die jeweilige
Zuordnung des Lernobjekts zu Konzepten wird in Form von Taxonomiepfaden gespeichert.
Konkret bedeutet das, dass für ein Lernobjekt, das einem spezifischen Konzept, wie z. B. dem
Konzept „lineare Programmierung“ zugeordnet wird, der komplette Taxonomiepfad gespeichert
wird. Diese Vorgehensweise ist in Abbildung 54 für den aktuell ausgewählten Taxonomiepfad zu
sehen, der im rechten Bereich der Abbildung dargestellt ist.
Abbildung 54: LOM Editor – Kategorie Classification (Quelle: Eigene Darstellung)
Die Zuordnung von Lernobjekten ist für den Benutzer durch zwei Visualisierungen der On-
tologie möglich. Die erste Methode ist stark an die hierarchische Struktur der zugrunde liegenden
Taxonomie angelehnt. Die zweite Methode erlaubt eine grafisch aufbereitete Auswahl der
zugrunde liegenden Taxonomie.
In Abbildung 55 ist die hierarchische Darstellung der Taxonomie visualisiert. Die Darstellung ist
interaktiv gestaltet, der Benutzer kann die einzelnen Ebenen der Taxonomie öffnen und
schließen und auf beliebiger Ebene ein Konzept auswählen. Die Navigation innerhalb der
Taxonomie erfolgt also von generischen zu spezielleren Konzepten. Der komplette Pfad ist
durch die hierarchische Struktur der Taxonomie bei Auswahl eines Konzeptes auf beliebiger
Ebene vollständig determiniert, so dass der vollständige Pfad gesetzt wird.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 169
a) Taxonomie mit Konzepten der ersten drei Ebenen b) Taxonomie voll entfaltet
Abbildung 55: LOM Editor - Auswahl des Taxonomiepfades (Quelle: Eigene
Darstellung)
Die zweite Methode zur Konzeptauswahl setzt wie schon bei der Visualisierung der Lernobjekte
und deren Relationen einen selbstorganisierenden Graphen ein. In Abbildung 56 ist der Graph
mit der Taxonomie dargestellt. Der Übersichtlichkeit halber werden nur die Codes des jeweiligen
Konzeptes direkt im Knoten angezeigt, die vollständige Beschriftung wird als Popup bzw. im
unteren Bildschirmbereich angezeigt, sobald der Mauszeiger über einen Knoten bewegt wird.
Abbildung 56: LOM Editor – Auswahl des Taxonomiepfades (graphbasiert) (Quelle:
Eigene Darstellung)
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 170
Durch Kontextmenüs können Knoten entfaltet bzw. kollabiert werden, d. h. die enthaltenen
Unterkonzepte der Taxonomie werden angezeigt bzw. verborgen. Die Auswahl des zutreffenden
Konzepts für das zu klassifizierende Lernobjekt wird ebenfalls über das Kontextmenü vorge-
nommen.
Momentan ist nur die in Abschnitt 5.2 entwickelte Ontologie im System verfügbar. Das System
ist aber offen ausgelegt, in dem Sinne, dass Ontologien hinzugefügt werden können, ohne dass
der LOM Editor selbst dahingehend geändert werden muss. Die Ontologien sind über eine
definierte Schnittstelle des Systems austauschbar. Der Austausch ist sowohl für den Import als
auch den Export von Ontologien vorgesehen. Zum Austausch wird RDFS benutzt, das von den
meisten Ontologieeditoren, wie Protégé oder Ontoedit, importiert werden kann (vgl. Abschnitt
5.3.3). Auf diesem Wege ist eine Bearbeitung der Ontologie in einem der angesprochenen
Ontologieeditoren und ein anschließender Import in den LOM Editor möglich.
6.5.7 Wiederverwendbarkeit von Lernobjekten zwischen Systemen
Die Wiederverwendung von Lernobjekten bzw. genauer die Komposition von Lernobjekten ba-
sierend auf den beschreibenden Metadaten wurde bereits in Abschnitt 6.5.5 behandelt. Durch die
standardisierte Beschreibung gemäß dem LOM Standard ist ein einheitliches Beschreibungs-
modell für Lernobjekte gegeben. Zum Austausch von Lernobjekten zwischen Systemen ist damit
eine einheitliche semantische Grundlage vorhanden.
Der LOM Editor kann die Metadaten für Lernobjekte auf Basis der einheitlichen Semantik der
Beschreibung exportieren. Da a priori keine Aussage über die Ablageform der Metadaten im
Zielsystem vorhanden sind, bzw. selbst wenn sie vorhanden sind, die konkrete Umsetzung ein
sehr breites Spektrum an Variationen bzgl. der verwendeten Technik aufweisen kann, ist die
Reduktion auf ein einfaches Datenformat empfehlenswert. Ein Lösungsansatz besteht darin, die
Formulierung der Metadaten in Form von XML Daten vorzunehmen. XML ist rein text-basiert
und damit prinzipiell von allen Systemen lesbar.
Eine strukturelle Vorgabe für das LOM Schema wurde bereits in Abschnitt 5.4.2.1 vorgestellt.
Die Formulierung einer DTD determiniert die Struktur eines XML Dokuments für LOM
Metadaten (siehe dazu auch Anhang 9.2.2 für die komplette DTD). Damit sind die Voraus-
setzungen für einen Export in einem XML basierten Format gegeben.
Der Benutzer hat die Möglichkeit, die zu exportierenden Lernobjekte direkt manuell auszu-
wählen. Auch in diesem Fall kann die Gesamtsicht auf die Lernobjekte nach diversen Kriterien
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 171
gefiltert werden (siehe Abschnitt 6.5.3). Die zweite Alternative ist es, die Auswahl der
inkludierten Lernobjekte dem Lernsystem zu überlassen. Durch die explizite Ablage der
IsPartOf/HasPart-Relationen kann das Lernsystem zu einem gegebenem Lernobjekt alle inklu-
dierten Lernobjekte und die unmittelbaren Vaterelemente durch einen markierenden
Tiefensuchalgorithmus finden und in den Export mit einbeziehen. Der Algorithmus geht rekursiv
vor, um alle Ebenen in die Suche mit einzuschließen, unabhängig von der Granularität des zu
exportierenden Lernobjekts. Die Markierung dient dazu, einen möglichen Deadlock in der
Rekursion zu vermeiden.
Im Metadaten Repository kann aufgrund eindeutiger Identifikationen, die vom zentralen Daten-
bankmanagement generiert werden, eine eindeutige Zuordnung zwischen Lernobjekt und
verknüpftem Lernobjekt hergestellt werden. Außerhalb des Datenbankkontextes in der XML
Datei haben diese keine Gültigkeit mehr, deshalb werden die Relationen zu anderen Lern-
objekten zusätzlich durch Titel und URI der verknüpften Lernobjekte beschrieben. Die
Zeichenkodierung der resultierenden XML Datei kann eingestellt werden (Unicode oder
Codepage basiert). Dadurch ist ein verlustfreier Export bzgl. Sonderzeichen gewährleistet.
Der Import von Lernobjekten benötigt ein XML Dokument, das nach der DTD in Abschnitt
9.2.2 strukturiert ist. Der Benutzer kann also Lernobjekte isoliert, ohne Relationen zu bereits
existenten Lernobjekten in das Metadaten Repository importieren. Optional kann der LOM
Editor beim Import versuchen, die Relationen, die in der XML Datei vorhanden sind, in das
Metadaten Repository zu integrieren und die Relationen zwischen Lernobjekten nach dem
Import wieder herzustellen. Die Strategie dabei orientiert sich an dem URI als eindeutiges
Merkmal, mit dessen Hilfe versucht wird, ein Lernobjekt mit gleicher URI im Metadaten Re-
pository zu finden und darauf aufbauend die Relationen zwischen Lernobjekten wieder herzu-
stellen.
6.5.8 Unterstützung von Multilingualität durch den LOM Editor
Die gesamte Oberfläche des LOM Editors ist multilingual gehalten, d. h. die Benutzerführung
inkl. der Beschriftungen, Hilfetexte etc. kann zwischen mehreren Sprachen umgeschaltet werden.
Die Wahl der Sprache wird bei der Anmeldung am System getroffen. Derzeit werden Deutsch
und Englisch unterstützt.
Die Multilingualität bezieht sich aber nicht nur auf die Benutzerführung, vielmehr können mehr-
sprachige Metadatenbeschreibungen angelegt werden. Dieses erscheint sinnvoll, da obwohl
Benutzer mehrere Sprachen beherrschen, die Fachtermini von Sprache zu Sprache sehr unter-
schiedlich sein können und ggf. nicht geläufig sind. Bei der Suche nach Lernobjekten kann die
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 172
Existenz von mehrsprachigen Metadaten zu diesem Lernobjekt förderlich für einen Sucherfolg
sein.
Die obigen Ausführungen haben die Nutzung der Wissensbasis aus der Sicht des Lehrenden ver-
deutlicht. Der LOM Editor ist das zentrale Element zur Manipulation der Wissensbasis und
ermöglicht dem Lehrenden durch die konsequente Nutzung der in der Konzeption der Wissens-
basis verankerten Bausteine die Realisierung der mehrfach angesprochenen Potenziale.
6.6 Komponente Portal
Das Portal ist eine Applikation, mit der die Integration der Metadaten und Präsentation der
Lernobjekte vorgenommen wird. Typischerweise greifen Lernende, die Lernobjekte suchen oder
das Angebot an Lernobjekten erkunden wollen auf das Portal zu.
Wiederum ausgehend von einem Überblick (6.6.1) wird im ersten Schritt der Zugriff auf die
Lernobjekte über die Kursstruktur erläutert (6.6.2), ehe Zugriffsmöglichkeiten über grafische
Visualisierungen diskutiert werden (6.6.3). Die implementierten Suchfunktionalitäten (6.6.4), der
Zugriff auf die Metadaten (6.6.5) sowie eine technische Betrachtung der Portalarchitektur (6.6.6)
runden den Abschnitt ab, der durch eine Betrachtung der Unterstützung von Multilingualität be-
schlossen wird (6.6.7).
6.6.1 Überblick über das Portal
Das Portal ist als web-basierte Anwendung konzipiert. Damit ist lediglich ein Browser zur Nut-
zung der Applikation notwendig. Die Logik des Portals wird auf der Anwendungsebene ausge-
führt, so dass der Browser nur minimale Funktionalitäten aufweisen muss. Wie beim LOM
Editor ist zur Nutzung grafischer Visualisierungen die Installation eines JRE erforderlich. Die
Grundfunktionalität des Portals wurde in der Diplomarbeit [Klar/Tan 2002] implementiert. Das
Portal ist unter [OR-World Portal 2003] zugänglich.
Wenn Benutzer auf das Portal zugreifen, sehen sie zuerst einen Startbildschirm, der in Abbildung
57 dargestellt ist. Der linke Bereich des Bildschirms ist für Navigationselemente innerhalb des
Portals reserviert, während der rechts davon liegende Bereich zur Darstellung der Inhalte benutzt
wird.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 173
Abbildung 57: Überblicksdarstellung des OR-World Portals (Quelle: Eigene Darstellung)
Im Folgenden werden die Funktionalitäten des Portals dargestellt, die den Benutzern zur Ver-
fügung stehen.
6.6.2 Zugriff auf Lernobjekte über die Kursstruktur
Die Darstellung der Struktur der Lernobjekte im Portal basiert auf deren Gliederung. Auch das
Portal greift dabei zur Generierung von Übersichten auf das Metadaten Repository zurück. Der
Zugriff auf die Übersichten erfolgt über die Navigationsleiste des Portals (siehe Abbildung 57),
mit der strukturierte Lernobjekte im Inhaltsbereich angezeigt werden können.
Benutzer können die Exploration der Lernobjekte mit verschiedenen Sichten auf die Gesamtheit
der Lernobjekte vornehmen. Das Portal liefert hierarchische Sichten und grafische Sichten zur
Exploration der Lernobjekte.
Die hierarchischen Sichten werden über den Navigationsbereich des Portals aufgerufen. In
Abbildung 58 ist die kategorisierte Übersicht auf die Lernobjekte dargestellt. Die Gliederung der
Lernobjekte entspricht der Systematik, die in Abschnitt 5.2 entwickelt wurde. Die Lernobjekte
höchster Granularität, thematische Netzwerke, sind auf der ersten Ebene der kategorisierten
Übersicht angeordnet. Die dem Titel des jeweiligen Lernobjektes vorgestellten Symbole dienen
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 174
zur Anzeige der Lernobjekte der nächsten Granularitätsstufe. Dabei werden die Lernobjekte
untergeordneter Ebenen visuell leicht eingerückt dargestellt, um den hierarchischen Charakter der
Inklusion zu betonen. Auf diese Weise kann ein thematisches Netzwerk voll entfaltet werden,
wobei jeweils nur Elemente der nächsten Granularitätsstufe angezeigt werden. Die Unter-
scheidung der Granularitäten wird auch durch den individuellen Hintergrund jeder
Granularitätsstufe in Abbildung 58 unterstrichen, der von dunkelgrau (Thematisches Netzwerk)
auf hellgrau (Inhaltsmodul) wechselt
Abbildung 58: Portal - Kategorisierte Übersicht über Lernobjekte (Quelle: Eigene
Darstellung)
Zusätzlich zu der kategorisierten Übersicht ist eine sequentielle Variante dieser Übersichtsform
möglich, bei der jeweils nur die im aktuell ausgewählten Lernobjekt enthaltenen Lernobjekte
sichtbar sind. Zusätzlich werden die übergeordneten Lernobjekte am oberen Bildschirmrand an-
gezeigt, um dem Benutzer eine Orientierungshilfe zu geben. In Abbildung 59 ist die sequentielle
Übersicht abgebildet. Der Zugriff auf die Lernobjekte erfolgt in beiden Übersichten analog.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 175
Abbildung 59: Portal - Sequentielle Übersicht über Lernobjekte (Quelle: Eigene Dar-
stellung)
Rechts neben dem Titel in Abbildung 58 sind Symbole sichtbar, die auf Mausklick reagieren. Der
Zugriff auf das Lernobjekt selbst erfolgt über einen Mausklick auf den Titel des jeweiligen Lern-
objektes bzw. durch Betätigung des Symbols „LO“ (für Lernobjekt). Daraufhin öffnet sich ein
neues Fenster, in dem die Inhalte des Lernobjektes angezeigt werden. Als Darstellungsformat
wird dabei HTML verwendet. Für semantisch in LMML kodierte Elemente ergibt sich hier die
Problematik, dass die LMML basierten Lernobjekte durch Stylesheets erst in ein darstellbares
Ausgabeformat transformiert werden müssen. Diese Aufgabe wird vom Portal automatisiert
durchgeführt und in Abschnitt 6.6.6 näher behandelt. An dieser Stelle ist es ausreichend zu er-
wähnen, dass das Portal die Transformation automatisiert übernimmt. Die Transformation
erfolgt dabei in HTML. Zusätzlich dazu ist für Lernobjekte wie Fallstudien auch eine Transfor-
mation nach PDF verfügbar, die durch Betätigung des Symbols „PDF“ generiert und angezeigt
wird.
Die Betätigung von „MD“ ruft eine Darstellung der Metadaten des jeweiligen Lernobjektes auf,
diese wird in Abschnitt 6.6.5 behandelt. Die Betätigung von „HT“ ruft eine grafische Übersicht
der Lernobjekte in Form eines hyperbolischen Baumes auf.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 176
6.6.3 Zugriff auf Lernobjekte über grafische Visualisierungen
Hyperbolische Bäume („hyperbolic trees“) wurden von [Lamping/Rao 1994] erstmalig vorge-
stellt. Hyperbolische Bäume projizieren Hierarchien auf eine hyperbolische Ebene, bilden diese
auf einer Kreisfläche im euklidischen Raum ab und erzielen so eine sog. Fisheye Ansicht. In der
Fisheye Ansicht werden Knoten der Hierarchie mitsamt dem umgebenden Kontext angezeigt,
wobei die fokussierten Knoten in der Mitte klar zu erkennen sind, während die umgebenden
Knoten weniger detailliert ausgeprägt sind. Dieser Effekt verstärkt sich zu den äußeren Bereichen
hin, so dass außen liegende Knoten zwar noch wahrnehmbar sind, allerdings keine detaillierten
Informationen wie Beschriftungen mehr sichtbar sind. Auf diese Weise ist eine Darstellung selbst
großer Hierarchien möglich.
In Abbildung 60 ist die Anwendung eines hyperbolischen Baums für die Visualisierung der
Hierarchie von Lernobjekten abgebildet. Die Komponente wird im Folgenden als LOM
Hyperbolic Tree oder kurz LOM HT bezeichnet. Lernobjekte werden als Knoten dargestellt, die
Beziehungen zwischen den Lernobjekten werden durch Kanten zwischen den Knoten repräsen-
tiert. Die betrachteten Beziehungen beschränken sich auf die IsPart/HasPart Beziehungen
zwischen Lernobjekten, es wird also lediglich die Komposition von Lernobjekten über die Gra-
nularitätsstufen visualisiert.
Abbildung 60: Portal – LOM HT (Quelle: Eigene Darstellung)
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 177
Die Visualisierung durch den LOM HT ist dabei nicht statisch, sondern dynamisch angelegt und
kann zur Exploration der Lernobjekte benutzt werden. Die Knoten können per Maus verscho-
ben werden, so dass der Fokus innerhalb der Darstellung frei gewählt werden kann.
Prinzipbedingt wird jeweils das gesamte Netzwerk angezeigt, bei mangelndem Platz wird durch
die Zeichnung einer Kante ohne Endknoten (in Abbildung 60 oben zu sehen) angedeutet, dass
sich an dieser Stelle noch Lernobjekte befinden, die nicht mehr voll angezeigt werden können.
Durch Mausklick auf ein Lernobjekt wird dieses in die Mitte und damit in den Fokus verschoben.
Durch die Anzeige mehrerer Zwischenschritte entsteht der Eindruck einer kontinuierlichen Be-
wegung. Die Anzahl der Zwischenschritte kann über den Schieberegler am linken Rand in
Abbildung 60 eingestellt werden.
Die Granularitäten der Lernobjekte sind farblich unterschieden, eine Legende der Farbkodie-
rungen ist am oberen Rand in Abbildung 60 abgebildet. Die Übersichtlichkeit der Darstellung
kann weiterhin durch Ausblenden von Granularitätsstufen erhöht werden. Im Menü „Level“
kann diese Auswahl der anzuzeigenden Lernelemente z. B. auf Inhaltsmodule und alle größeren
Granularitäten eingeschränkt werden. Die in Inhaltsmodulen inkludierten Granularitäten werden
dann ausgeblendet.
Abbildung 61: Portal: LOM HT mit ausgeblendeten Granularitäten (Quelle: Eigene
Darstellung)
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 178
Zusätzlich sind Anpassungen bzgl. der Geometrie des Baumes möglich. Abbildung 62 zeigt, wie
sich die verschiedenen Abstände zwischen den Knoten auf die Darstellung auswirken.
a) kleinster Abstand b) mittlerer Abstand c) größter Abstand
Abbildung 62: Verschiedene Knotenabstände im LOM HT (Quelle: Eigene Darstellung)
Über das Menü Sprache kann die gewünschte Sprache des LOM HT eingestellt werden. Die An-
wendung ist voll lokalisiert, d. h. die Menüs, Meldungen etc. können zur Laufzeit in die zur
Verfügung stehenden Sprachen Deutsch und Englisch übersetzt werden. Zusätzlich werden,
wenn vorhanden, deutschsprachige Ausprägungen der Metadaten (Titel und Beschreibung) ange-
zeigt, falls diese im Metadaten Repository zu einem Lernobjekt vorhanden sind.
Durch Aufruf eines Kontextmenüs für ein mit der Maus ausgewähltes Lernobjekt im LOM HT
können Operationen für dieses Lernobjekt aufgerufen werden. In Abbildung 63 sind Opera-
tionen für die Navigation, wie das Anzeigen und Ausblenden der inkludierten Lernobjekte
(expand node, collapse node) sowie der Zugriff auf die Inhalte des Lernobjektes (Open
document) und die Metadatenbeschreibung des Lernobjekts (Open document metadata)
illustriert.
Abbildung 63: Portal – LOM HT und kontextsensitive Operationen für Lernobjekte
(Quelle: Eigene Darstellung)
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 179
Damit deckt der LOM HT die Basisfunktionalität zur Exploration der Lernobjekte ab. Der abge-
deckte Wissensraum kann navigiert werden und es ist ein direkter Zugriff auf das Lernobjekt als
auch auf die Metadaten möglich (siehe 6.6.5 zu einer ausführlicheren Beschreibung zur Einbin-
dung der Metadaten in das Portal). Der LOM HT ist voll lokalisiert, d. h. alle Menüs, Meldungen
etc. sind mehrsprachig vorhanden (derzeit Deutsch und Englisch). Bei der Anzeige der Meta-
daten (Titel und Beschreibung) wird versucht Metadaten in der ausgewählten Sprache
anzuzeigen, falls diese im Metadaten Repository angelegt wurden.
Die Baumstruktur des hyperbolischen Baumes entspricht nicht direkt der Basisstruktur, die durch
die IsPartOf/HasPart Relationen definiert wird. Zur Erzeugung einer solchen Baumstruktur für
den LOM HT sind zwei vorbereitende Schritte notwendig. Im ersten Schritt muss ein Hilfs-
knoten erstellt werden, der als Wurzel des Baumes dient. Dazu wird der Name des gruppierenden
Netzwerkes der Lernobjekte verwendet. In Abbildung 60 ist das der Knoten OR-World. Diesem
Wurzelknoten werden alle Lernobjekte der höchsten Granularität (thematische Netzwerke) als
direkte Nachfolger untergeordnet. Die Struktur der Lernobjekte kann nicht direkt der Wurzel
untergeordnet werden, da sie keinen Baum bildet. Ein Lernobjekt niedriger Granularität kann
nicht ein Lernobjekt höherer Granularität inkludieren, die HasPart Relation verläuft immer zu
einem Lernobjekt niedrigerer Granularität. Andererseits kann ein Lernobjekt niedriger
Granularität in mehreren höher granularen Lernobjekten inkludiert werden (IsPartOf). Dadurch
entsteht keine strenge Hierarchie im Sinne eines Baumes, sondern Knoten können mehrere Vor-
gänger haben (was direkt aus der Wiederverwendung von Lernobjekten folgt). Betrachtet man
nur die Richtung HasPart der Relationen, so ist die resultierende Datenstruktur ein gerichteter
azyklischer Graph (directed acyclic graph – DAG). In einem zweiten Schritt muss der DAG in
einen Baum transformiert werden. Da keine Zyklen auftreten, ist die Transformation einfach.
Alle Lernobjekte, die mehr als einen Vorgänger aufweisen, werden für jeden Vorgänger separat
als Nachfolger eingefügt. Dieses Kopieren und redundante Einfügen von Knoten in die Baum-
struktur wird rekursiv vorgenommen, so dass auch alle Nachfahren eines Knotens mit mehreren
Vorgängern mehrfach eingefügt werden.
Die resultierende Datenstruktur aus dem Hilfsknoten als Wurzel und der transformierten DAG
Struktur ist ein Baum. Dieser Baum kann im LOM HT dargestellt werden. Die mehrfache Dar-
stellung von Knoten im Baum, die wiederbenutzte Lernobjekte darstellen, ist für den Benutzer
transparent, da diese Knoten auf genau ein Lernobjekt bzw. dessen Metadatenbeschreibung ver-
weisen.
Der LOM HT wurde in der Diplomarbeit [Kantwerk 2003] implementiert. Zu weiteren
technischen Details zum LOM HT sei auf diese Arbeit verwiesen.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 180
Eine zweite Variante des grafisch basierten Zugriffs auf die Lernobjekte basiert auf dem LOM
Grapheditor, der bereits in Abschnitt 6.5.5 beschrieben wurde. Die Autorenfunktionen zum
Anlegen neuer Lernobjekte bzw. Relationen sind an dieser Stelle nicht verfügbar. Zur Unter-
scheidung zum LOM Grapheditor wird diese Visualisierungskomponente im Folgenden als LOM
Navigator bezeichnet. Im LOM Navigator werden nur IsPartOf/HasPart Relationen zwischen
Lernobjekten visualisiert. Die Navigationsmechanismen sind identisch zum LOM Graph, Knoten
können verschoben werden, inkludierte Lernobjekte angezeigt bzw. ausgeblendet, die Ansicht
kann skaliert und gedreht werden.
Die Implementierung des LOM Navigators basiert ebenfalls auf [Touchgraph 2002]. In
Abbildung 64 ist eine Darstellung des Graphen abgebildet.
Abbildung 64: Portal: LOM Navigator – Darstellung eines Lernnetzwerkes (Quelle:
Eigene Darstellung)
Der LOM Navigator weist bzgl. der Multilingualität identische Eigenschaften wie der LOM HT
auf. In Abbildung 64 ist die deutschsprachige Lokalisierung ausgewählt. Für das selektierte
Element wird die deutschsprachige Beschreibung angezeigt. (im Feld Beschreibung in Abbildung
64).
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 181
Mit den vorgestellten Mechanismen werden strukturorientierte Zugriffsweisen unterstützt. Die
textuell orientierten Übersichten (kategorisiert sowie sequentiell) führen Benutzer, indem sie von
allgemeinen Konzepten zu spezifischeren Konzepten geleitet werden. Diese Darstellung ist eng
an das Inhaltsverzeichnis eines Buchs angelehnt. Interdependenzen zwischen Lernobjekten wer-
den bei dieser Visualisierung nicht betrachtet. Die grafischen Visualisierungen LOM HT und
LOM Navigator geben eine gute Übersicht über die Lernobjekte und deren Aufbau.
Problematisch zu bewerten ist, dass bei einer wachsenden Anzahl von Lernobjekten die Über-
sichtlichkeit leiden kann. Durch Interaktionen kann sowohl beim LOM HT als auch beim LOM
Navigator der Fokus verschoben und dadurch die Perspektive auf die Lernobjekte geändert wer-
den kann. Der LOM HT bietet aufgrund der hyperbolischen Darstellung gute Vi-
sualisierungsmöglichkeiten gerade bei einer großen Anzahl von Lernobjekten. Der LOM Na-
vigator stellt die originäre Struktur der Lernobjekte inkl. der Mehrfachverwendung von Lern-
objekten dar. Die Übersichtlichkeit kann in beiden grafischen Visualisierungen durch Ausblenden
von Granularitätsstufen erhöht werden.
Eine zielgerichtete Suche nach Lernobjekten zu einem spezifischen Thema ist mit allen erläu-
terten Übersichten nicht möglich. Zu diesem Zweck bietet das Portal den Zugriff auf Lern-
objekte über eine Suchfunktion. Diese wird im folgenden Abschnitt vorgestellt.
6.6.4 Suche nach Lernobjekten
Das Portal unterstützt derzeit eine einfache und eine erweiterte Suche, um die Metadaten zu
Lernobjekten nach Suchtexten zu durchsuchen.
Bei einer einfachen Suche werden die Attribute Titel, Beschreibung und Schlüsselworte der
Kategorie General in die Suche mit einbezogen. Diese drei Attribute werden für alle Metadaten
eines Netzwerkes auf das Vorkommen sämtlicher Suchbegriffe überprüft. Die Suchbegriffe
müssen alle innerhalb der drei Attribute einer Metadatenbeschreibung vorkommen, damit diese
in die Ergebnisliste mit aufgenommen wird (Und-Verknüpfung der Suchbegriffe).
Während des Suchvorgangs wird eine Informationsseite eingeblendet, die den Benutzer über den
aktuellen Status der Suche informiert. In Abbildung 65 ist das Ergebnis der Suche nach dem
Begriff „Optimization“ dargestellt.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 182
Abbildung 65: Portal: Ergebnis einer Suche nach „Optimization“ (Quelle: Eigene
Darstellung)
Die Darstellung der Ergebnisse erfolgt in tabellarischer Form. Die Tabelle enthält die Merkmale
Sprache des Lernobjekts, Granularität, Titel, Beschreibung und Schlüsselworte. Die Tabelle kann
dabei nach den ersten drei Merkmalen sortiert werden. Der Bedienung und der Zugriff auf die
Lernobjekte selbst ist dabei wieder an die Bedienung der in Abschnitt 6.6.2 dargestellten
tabellarischen Übersichten angelehnt.
Die erweiterte Suche bietet dem Benutzer zusätzliche Möglichkeiten zur gezielten Suche nach
Lernobjekten. Dabei wird die Suchmaske aus Abbildung 66 als Formular verwendet.
Abbildung 66: Portal: Erweiterte Suchmaske (Quelle: Eigene Darstellung)
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 183
In dieser Suchmaske können Suchbegriffe in die jeweiligen Felder eingefügt werden. Die Auswahl
der Attribute des LOM Schemas wurden dabei anhand der praktischen Relevanz für Such-
anfragen getroffen. Prinzipiell können aber alle Attribute des LOM Schemas der Such-
funktionalität des Portals einfach hinzugefügt werden. Für Attribute wie Elementlevel, die ein de-
finiertes Vokabular verwenden, wird an Stelle einer Freitexteingabe ein Kombinationsfeld
benutzt. Die Suchkriterien können durch „und“ (analog zur einfachen Suche) oder durch „oder“
verknüpft werden. Bei der Oder-Verknüpfung der Suchkriterien reicht die Erfüllung eines Such-
kriteriums durch Metadaten bereits aus, um diesen in die Ergebnisliste mit zu übernehmen. Das
Ergebnis der Suche aus Abbildung 66 ist in Abbildung 67 dargestellt.
Abbildung 67: Portal: Ergebnis einer erweiterten Suche (Quelle: Eigene Darstellung)
Die Ergebnisliste in tabellarischer Form kann nach allen dargestellten Spalten sortiert werden.
Der Zugriff auf Lernobjekte und Metadaten erfolgt analog zu den in Abschnitt 6.6.2 beschrie-
benen Mechanismen.
Ausgehend von dem Ergebnis einer Suche kann direkt auf die Metadaten zugegriffen werden, um
detaillierter Informationen zu einem Lernobjekt anzuzeigen. Der Zugriff auf die Metadaten wird
im folgenden Abschnitt beschrieben.
6.6.5 Zugriff auf Metadaten
Der Zugriff auf die Metadaten kann aus verschiedenen Teilen des Portals erfolgen. Ausgehend
von einer tabellarischen oder grafischen Strukturübersicht oder als Ergebnis einer Suchanfrage
kann beim Benutzer das Bedürfnis entstehen, nähere Informationen zu einem Lernobjekt zu er-
halten. Zu diesem Zweck bietet das Portal Funktionen, um Metadaten zu Lernobjekten im
vollständigen Umfang des LOM Schemas darzustellen.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 184
Die Präsentation der Metadaten ist in Abbildung 68 dargestellt. Um die relativ große Anzahl an
Attributen, die innerhalb des LOM Schemas zur Verfügung stehen, handhabbar zu machen,
wurde die Präsentation der Metadaten wieder nach den Kategorien des LOM Schemas gegliedert.
In Abbildung 68 sind die einzelnen Kategorien direkt anwählbar, um so zu einer gruppierten An-
sicht der Metadaten innerhalb der Kategorie zu gelangen. Wie in Abbildung 68 zu sehen ist,
wurde eine Zusammenfassung der Attribute mit der häufigsten Nutzung generiert, die gesammelt
dargestellt werden.
Abbildung 68: Portal: Metadaten Darstellung (Quelle: Eigene Darstellung)
Die Metadaten werden nicht nur präsentierend zur Verfügung gestellt, es besteht auch die
Möglichkeit, diese in andere Formate zu überführen. Dazu sind entsprechende Symbole in die
Darstellung der Metadaten integriert (rechts oben in Abbildung 68). Derzeit werden Microsoft
Excel und PDF als Formate unterstützt. Der Export kann dabei jeweils für die aktuell ausge-
wählte Kategorie oder für die gesamten Metadaten des Lernobjekts ausgeführt werden. Dadurch
ist ein informaler Datenaustausch mit dem Metadaten Repository möglich. Gerade die
Exportierung der Metadaten in das Excel Format erlaubt eine Weiterverwendung der Metadaten
in einem informalen Kontext.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 185
Diese Wiederverwendung ist nicht in dem Maße formalisiert, wie der Austausch der Metadaten
über den LOM Editor, der in Abschnitt 6.5 vorgestellt wurde. Vielmehr ist der Export als
pragmatische Lösung für Benutzer gedacht, die die Metadaten eines Lernobjekts außerhalb des
Systems weiterverwenden möchten.
6.6.6 Technische Betrachtung der Architektur des Portals
Das Portal dient zur Präsentation und Visualisierung der Lernobjekte, deren Metadaten und der
über die Metadaten definierten Strukturen. Wie in Abschnitt 6.6.2 bereits angesprochen, wird die
Transformation von semantisch kodierten Lernobjekten vom Portal automatisiert übernommen.
Es ist prinzipiell denkbar, die Transformation der Lernobjekte auf der Präsentationsebene durch-
zuführen, was aber einen Browser voraussetzt, der entsprechende Funktionalitäten besitzt. Um
eine schlanke Architektur zu erhalten, die minimale Softwareinstallationen auf Seiten des
Benutzers voraussetzt, ist die Verlagerung der Transformation auf die Anwendungsebene
empfehlenswert.
Die Transformation der Lernobjekte in der Architektur erfolgt damit auf der Anwendungsebene
und wird vom Portal durchgeführt. Dabei transformiert das Portal die LMML basierte Kodierung
in Form einer XML Datei in eine für den Browser darstellbare Kodierung. Derzeit werden
HTML und PDF als Darstellungsformate unterstützt.
Das Opensource System [Cocoon 2003] bietet die Funktionalität zur Transformation von XML
basierten Lernobjekten. Cocoon wurde Anfang 1999 von Stefano Mazzocchi initiiert und wird
mittlerweile als Opensource Produkt im XML Apache Projekt weiterentwickelt. Cocoon ist ein
JAVA basiertes System, das in einer Servlet Engine wie z. B. [Tomcat 2003] auf der An-
wendungsebene ausgeführt wird. Damit weist Cocoon eine hohe Portabilität bzgl. des
verwendeten Betriebssystems auf. Ab der Version 2 ist die Stabilität von Cocoon auch für
produktiven Einsatz als ausreichend zu bezeichnen.
Die Trennung zwischen Inhalt und Struktur von Lernobjekten erlaubt es theoretisch, Lern-
objekte in verschiedene Darstellungsformen zu transformieren. Cocoon bietet Mechanismen, um
diese Transformation praktisch durchzuführen. Die prinzipielle Vorgehensweise zur Trans-
formation von XML Lernobjekten in andere Darstellungsformate wurde bereits erläutert. Die
Umsetzung mit Cocoon soll anhand von Abbildung 69 näher illustriert werden. Cocoon bündelt
die benötigten Werkzeuge wie Parser, Stylesheet Prozessoren und FO-Prozessoren und integriert
sie in einem steuernden Rahmenwerk (vgl. [Langham/Ziegler 2002]).
Die Anfrage eines Benutzers zur Darstellung eines Lernobjektes wird in Form einer URI an
Cocoon geleitet, woraufhin Cocoon anhand von Regeln entscheidet, auf welches Lernobjekt
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 186
(LMML Dokument) welches Stylesheet angewendet werden soll. Diese Regeln sind zentral in der
sog. Sitemap abgelegt (siehe Abbildung 69). Eine simple Regel könnte lauten, dass die Anforde-
rung eines Lernobjektes rbc.html die Anwendung des HTML Stylesheets, die Anforderung von
rbc.pdf die Anwendung des PDF Stylesheets auf die semantische Kodierung in rbc.xml induziert.
Die angeforderten Dateien rbc.html und rbc.pdf existieren nicht physikalisch, sondern werden
für den Benutzer durch die Transformation generiert.
Abbildung 69: Portal: Transformationsprozess durch Cocoon (Quelle: Eigene Dar-
stellung)
In der weiteren Bearbeitung wird das jeweilige Stylesheet auf das LMML Dokument angewendet
und das Ergebnis der Transformation nach der Serialisierung an den Benutzer zurückgegeben. Im
Falle der Generierung von PDF muss dabei noch ein FO-Prozessor (Formatting Objects
Prozessor) ausgeführt werden, der das generische Ergebnis der Transformation in das binäre
PDF Format überführt.
Das geschilderte Grundprinzip der Transformation semantisch kodierter Einheiten wird nicht
nur auf Lernobjekte angewendet, sondern auch für die Ausgabe der Metadaten im Excel und
PDF Format und die Darstellung der HTML Seiten des Portals. Folglich müssen die Inhalte des
Portals ebenfalls semantisch kodiert sein bzw. werden für die Transformation in eine inter-
mediäre XML Struktur gebracht. Der letzte Ansatz wird für die Transformation der Metadaten
benutzt, die im Metadaten Repository abgelegt sind, indem für die Metadaten ein sog. XML
Stream erzeugt wird, der dann in den Transformationsprozess durch Cocoon überführt werden
kann. Diese Vorgehensweise bietet den Vorteil, dass alle Ausgaben des Portals in einer
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 187
konsistenten, erwartungskonformen Form erfolgen, was die Aspekte Aufbau und Formatierung
der Seiten betrifft.
Cocoon kann anhand der Anfrage von Seiten des Benutzers den Typ des anfragenden Geräts
über eine sog. User-Agent-Kennung ermitteln. Diese Information kann für eine individualisierte
Transformation nach dem in Abbildung 69 gezeigten Schema genutzt werden. Die Bedeutung ei-
ner derartigen Adaptivität bei der Generierung von Darstellungsformaten steigt, da die Anzahl
der Endgeräte mit variierenden Darstellungsmöglichkeiten und der daraus i. d. R. resultierenden
Nachfrage nach variierenden technischen Kodierungen ebenfalls steigt. Ein Ansatz, um
spezialisierte Ausgaben für Endgeräte händisch anzufertigen und bei inhaltlichen Änderungen alle
Varianten manuell anzupassen, scheidet aufgrund des enormen Aufwands aus. Es ist kaum mög-
lich, zu antizipieren, welche Anforderungen an das Darstellungsformat kommende Endgeräte
stellen werden. Der generische Ansatz der Transformation semantisch kodierter Informationen
wurde mit Bezug auf variierende Endgeräte anhand der Sektion Aktuelles des Portals
exemplarisch umgesetzt.
In der Sektion Aktuelles werden dem Benutzer Neuigkeiten präsentiert. Der Zugriff auf diese
Sektion erfolgt i. d. R. über einen Webbrowser. Darüber hinaus wurden Stylesheets für die End-
geräte Handy mit Wireless Application Protocol (WAP) und Personal Digital Assistants (PDA)
erstellt, die jeweils individualisierte Formate an die Endgeräte liefern.
a) Darstellung HTML für Browser b) Darstellung WML für Handy c) Darstellung HTML für PDA
Abbildung 70: Portal: Darstellung der Sektion Aktuelles auf Endgerät Browser, WAP
Handy, PDA (Quelle: Eigene Darstellung)
Beim Zugriff auf die eine entsprechende URI, die den Zugriff auf die News signalisiert, stellt
Cocoon den Typen des anfragenden Endgerätes fest und wendet das für jeden Typen vor-
bereitete Stylesheet an, so dass im Falle eines Browser Zugriffs die Darstellung in HTML, beim
Zugriff mit dem Handy eine Seite in der Wireless Markup Language (WML) und im Falle des
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 188
PDA ebenfalls HTML in einer vereinfachten Variante ohne Navigationsmechanismen erstellt
wird.
Diese Vorgehensweise ist auch für Lernobjekte anwendbar. Zur Bereitstellung eines neuen Dar-
stellungsformates für die Lernobjekte, ist lediglich die Erstellung einer Transformationsvorschrift
in Form eines Stylesheets sowie die Erweiterung der Sitemap um eine Regel, für welche Lern-
objekte diese Transformation durchgeführt werden soll, notwendig. Die semantisch kodierten
Lernobjekte müssen in keiner Weise modifiziert werden. Dadurch ist die Nachhaltigkeit des ge-
wählten Architekturansatzes für die Zukunft gesichert.
6.6.7 Unterstützung von Multilingualität im Portal
Das Portal wurde im Hinblick auf eine spätere Lokalisierung konzipiert (siehe 4.4.3). Das Portal
unterstützt momentan die Sprachen Deutsch und Englisch, zwischen denen zur Anzeige in der
Benutzungsoberfläche gewechselt werden kann. Durch die Einbeziehung von Internationali-
sierungsmechanismen bei der Konzeption ist es aber leicht möglich neue Sprachen für die
Benutzungsoberfläche hinzuzufügen. In Abbildung 71 sind die Englische und Deutsche Lokali-
sierung des Portals gegenüber gestellt.
a) Englische Version des Portals b) Deutsche Version des Portals
Abbildung 71: Portal: Multilingualität des Portals (Quelle: Eigene Darstellung)
Dabei werden die zu übersetzenden Elemente des Portals unterschieden in vollständige Text-
abschnitte wie z. B. die Startseite des Portals in Abbildung 71 und isolierte, kurze Textfragmente
wie Beschriftungen von Abschnitten, Namen von Kategorien, Menünamen etc. Für die
Internationalisierung werden zwei Ansätze verfolgt.
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 189
Eine Möglichkeit besteht darin, die Textseiten in relativ einfach aufgebauten XML Dokumenten
abzulegen, wobei für jede Lokalisierung ein eigenes XML Dokument erstellt werden muss. Durch
ein Suffix je nach Sprache ist eine Namenskonvention gegeben, um die XML Dokumente zu
unterscheiden. Die deutschsprachige Variante würde für die Startseite als „info_de.xml“, die
englischsprachige als „info_en.xml“ benannt werden. Cocoon erhält beim Zugriff einen
Parameter, z. B. „locale=de“ für die ausgewählte Sprache und wählt durch eine Regel in der
Sitemap das entsprechende Dokument aus. Im Folgenden ist ein Auszug des deutschsprachigen
XML Dokumentes für die Startseite aus Abbildung 71 abgebildet.
<?xml version="1.0" encoding="UTF-8"?>
<page xmlns:i18n="http://apache.org/cocoon/i18n/2.1">
<head>
<title>Was ist OR-World</title>
<navigation>
<element>
<i18n:text>info_navigation_info</i18n:text>
</element>
<element>
<i18n:text>info_navigation_what_is_or_world</i18n:text>
</element>
</navigation>
<headline>
<element>
<i18n:text>info_navigation_what_is_or_world</i18n:text>
</element>
</headline>
</head>
…
<subpoint>
OR-World ist ein Joint Venture aus drei Universitäten und Unternehmen
aus Deutschland, Finnland und den Niederlanden
</subpoint>
….
</page>
Die XML typische Struktur kann dabei entweder mit statischen Texten gefüllt werden (wie für
das Element „title“ oder es wird über ein „i18n“-Element auf eine zentrale Lokalisierung ver-
wiesen.
Das direkte Setzen von Elementen ist für Fließtext, der sehr individuell ist, angebracht. Elemente,
die mehrfach verwendet werden, sollten aus Konsistenzgründen über den sog. Transformer i18n
kodiert werden. In diesem Beispiel wird ein Schlüssel „info_navigation_what_is_or_world“ zur
Kennzeichnung eines lokalisierten Ausdrucks benutzt, der in sog. Katalogen in mehreren
Sprachen bereitgestellt wird. Ein Katalog hat dabei den folgenden Aufbau:
<?xml version="1.0"?>
<catalogue xml:lang="de">
<message key=" info_navigation_what_is_orworld ">Was ist OR-World</message>
6 IMPLEMENTIERUNG EINES HYPERMEDIALEN LERNSYSTEMS FÜR OR/MS
Seite 190
...
</catalogue>
Bei der Transformation der Seiten in ein darstellbares Format werden durch den Transformer
i18n die Werte mit den jeweiligen Texten aus dem Katalog für die ausgewählte Sprache ersetzt.
Auf diese Weise können Meldungen getrennt vom Portal erstellt sowie bearbeitet werden, ohne
dass Änderungen am Portal selbst notwendig sind.
Neben der reinen Übersetzung bietet der Transformer i18n eine automatische Konvertierung
von Datums- und Zeitangaben in die Darstellung eines Landesformates. Beim Auslesen z. B.
eines Datumswertes aus dem Metadaten Repository kann die Interpretation des Datumswertes
durch einen Ausdruck der Form „yyyy-MM-dd“ fixiert werden. So ist in jedem Fall eine korrekte
Interpretation durch Cocoon sichergestellt (siehe 4.4.1).
Da die Seiten des Portals XML basiert sind, können sie in der Zeichenkodierung Unicode abge-
legt sein (siehe 4.4.2). Cocoon bietet eine komplette Unterstützung von Unicode, so dass hier
eine vollständige Abdeckung zu erwartender Sonderzeichen sichergestellt ist.
Die Kombination aus der Internationalisierung bzw. Lokalisierung des Portals in Deutsch und
Englisch, die Einbindung des Transformers i18n sowie die Konformität zu Unicode garantiert
die vollständige Erfüllung multilingualer Anforderungen durch das Portal.
7 KRITISCHE WÜRDIGUNG UND AUSBLICK
Seite 191
7 Kritische Würdigung und Ausblick
Nichts ist beständiger als der Wandel.
Heraklit
In diesem Kapitel werden abschließend die Ergebnisse der Arbeit in Abschnitt 7.1 zusammen-
gefasst und einer kritischen Würdigung unterzogen. Aus den Ergebnissen lassen sich weitere
Forschungs- und Entwicklungsbedarfe ableiten, die in einem Ausblick in Abschnitt 7.2 skizziert
werden.
7.1 Ergebnisse der Arbeit und deren kritische Würdigung
Die Arbeit beginnt mit einer Abgrenzung des Problemfelds, das durch die drei Eckpfeiler Lern-
prozess (Determinierung der Art der Wissensvermittlung), zu erschließende Wissensbasis (Lern-
objekte und Strukturen zwischen diesen) und Lernsysteme (Unterstützung der Erschließung der
Wissensbasis) aufgespannt wird. Nach einer Betrachtung des state of the art von Lernsystemen
im OR/MS wurden Defizite aufgezeigt und daraus systematisch die Ziele der vorliegenden
Forschungsarbeit entwickelt.
Die formulierte Zielsetzung bestand in der (1) Erstellung eines Konzeptes zur Beschreibung und
Systematisierung multilingualer Lernobjekte im Bereich OR/MS, um eine verbesserte Wieder-
verwendbarkeit dieser Lernobjekte zu ermöglichen. Lernobjekte stellen digital verfügbare
Objekte dar, die in einem Lernprozess direkt unterstützend eingesetzt und wieder benutzt werden
können. Die Zielsetzung bestand weiterhin (2) in der informationstechnischen Umsetzung des
entwickelten Konzepts und dessen Einbettung in ein hypermediales Lernsystem, um Rück-
schlüsse auf die Praktikabilität des entwickelten Konzepts zu ermöglichen.
Aufbauend auf der Zielsetzung wurden grundlegende Begriffe und Definitionen, die zur Formu-
lierung des Konzeptes notwendig sind, eingeführt. Das Potenzial zur Wiederbenutzung von
Lernobjekten wurde diskutiert und relevante Faktoren bzgl. der Wiederbenutzung (insbesondere
im Hinblick auf Kodierung) wurden aufgezeigt. Die Abwägung verschiedener Kodierungsformen
führte zu dem Ergebnis, dass semantische Kodierung sich trotz eines anfänglich erhöhten Auf-
wands auf lange Sicht gegenüber einer rein prozeduralen Kodierung auszahlt und damit
entscheidende prinzipielle Vorteile für die Wiederverwendbarkeit aufweist. Als konkretes Beispiel
für semantische und damit präsentationsneutrale Kodierung von Lernobjekten wurde dabei
LMML genannt. Als weitere Voraussetzungen für die Wiederverwendbarkeit wurden die Verfüg-
barkeit geeigneter Beschreibungsmethoden durch Metadaten (LOM) sowie eine formalisierte
7 KRITISCHE WÜRDIGUNG UND AUSBLICK
Seite 192
Beschreibung der Wissensdomäne in Form einer Ontologie ausgeführt und grundlegend erörtert.
Abgerundet wurden die Grundlagen durch eine Betrachtung der Aspekte zur Behandlung multi-
lingualer Werkzeuge und Inhalte sowie deren Relevanz für Lernobjekte und Metadaten.
Nach der Darlegung der grundlegenden Bausteine wurden diese in einem integrativen Konzept
kombiniert, das Lernobjekte, Metadaten und Ontologien zusammen führt. Die präsentations-
neutrale Kodierung von Lernobjekten auf Basis einer semantischen LMML Kodierung diente zur
Abbildung der Inhalte. Mechanismen zur Abbildung spezieller Lernobjektstrukturen sowie deren
Integration in das LMML Grundmodell wurden anhand von Fallstudien demonstriert. Die Basis
für das Konzept stellt eine Systematisierung für Lernobjekte auf Grundlage der Granularität dar,
die die Lernobjekte anhand einer Kategorisierung in die grundlegenden Typen Medienelement,
Lernelement, Inhaltsmodul, Kurs und thematisches Netzwerk einteilt. Aufbauend auf dieser
Klassifikation nach der Granularität wurden relevante Verknüpfungstypen identifiziert und in die
Systematik integriert, um einen grundlegenden Mechanismus für die Verknüpfung von Lern-
objekten verschiedener Granularitäten zu erhalten. Die Wiederverwendung von Lernobjekten
kann so formalisiert beschrieben werden. Eine Abbildung der Konzepte des OR/MS erlaubt die
domänenspezifische Systematisierung der Lernobjekte. Grundlage für die Modellierung stellte
eine etablierte Taxonomie, die formalisiert in die Ontologie integriert und durch Hinzufügen
weiterer Relationen erweitert wurde. Die Ontologie bildet damit in formalisierter Form die
Konzepte der betrachteten Domäne OR/MS ab. Die Beschreibung der Lernobjekte inkl. der
Verknüpfungen zwischen ihnen sowie die Zuordnung zu Konzepten der Ontologie erfolgt in
Metadaten. Die Metadaten bündeln dabei individuelle und strukturelle Informationen zu Lern-
objekten in standardisierter Form und liefern damit die zentrale Beschreibung einer Wissensbasis,
die durch die Lernobjekte repräsentiert wird. Dabei werden multilinguale Beschreibungen von
Lernobjekten voll unterstützt. LOM stellt nur ein konzeptionelles Schema. Dieses wurde als Basis
für die spätere Implementierung in Form eines relationalen Schemas operationalisiert.
Die Systematisierung der Lernobjekte liefert eine theoretische Basis für eine formalisierte Be-
schreibung struktureller Verknüpfungen zwischen Lernobjekten. Die Abbildung der Verknüp-
fungen in Metadaten erlaubt auch die Integration von Lernobjekten, die in anderen Kodierungen
neben LMML vorliegen und sichert so eine nachhaltige zentrale Erfassung von relevanten In-
formationen zu diesen Lernobjekten. Umfasst werden ebenso Medialitäten, die von sich aus
keine Möglichkeiten zur Verknüpfung bieten. Die fachspezifische Abbildung der Konzepte der
Wissensbasis erlaubt eine konsistente Kategorisierung von Lernobjekten und ist durch die expli-
zite Formulierung als Informationsbasis für weitergehende Anwendungen interessant (siehe dazu
Abschnitt 7.2).
7 KRITISCHE WÜRDIGUNG UND AUSBLICK
Seite 193
Das entwickelte Konzept wurde abschließend als Prototyp implementiert und befindet sich der-
zeit in der Pilotierungsphase. Die Umsetzung fokussiert als zentrale Wissensbasis die Metadaten
angereichert durch die Ontologie als strukturelle Komponente in Form eines Repositories.
Methoden zur Manipulation des Metadaten Repositories wurden mit dem LOM Editor
implementiert. Eine Generierung sowohl textueller als auch grafischer, hochinteraktiver An-
sichten auf die Wissensbasis sichert dabei gute Recherchier-, Navigations- und Modifika-
tionsmöglichkeiten für Autoren in Bezug auf inhaltliche und strukturelle Kohärenz von Lern-
objekten. Ein Portal bündelt den Zugriff auf Lernobjekte und Metadaten. Lernende recher-
chieren, navigieren und greifen über das Portal auf die abgebildete Wissensbasis zu. Hierbei wer-
den sie durch die Generierung textueller und grafischer Ansichten auf die Wissensbasis
unterstützt. Die relevanten Werkzeuge als auch die Beschreibungen der Inhalte sind durchgängig
mehrsprachig verfügbar.
Die Implementierung erfolgte mit Opensource Produkten auf Basis einer offenen Architektur,
die sowohl die Einbindung von neuen Technologien erlaubt, als auch die Bereitstellung von Teil-
komponenten nach außen. Die Validation des Konzepts durch die prototypische Umsetzung
weist nach, dass die Wiederbenutzbarkeit von Lernobjekten möglich und auch praktisch durch-
führbar ist. Die Praktikabilität des Konzepts und der entwickelten Werkzeuge wurde wie im
Kapitel 6 dargestellt im Projekt OR-World erprobt (siehe [OR-World Projekt 2002]). Die grund-
legenden Datenstrukturen sowie die präsentationsneutrale Formulierung der Lernobjekte werden
aber auch in anderen Projekten eingesetzt. Virtual OR/MS stellt den Aufbau eines virtuellen
Studienfachs zum Themengebiet OR/MS dar und bietet Studierenden ein umfassendes, qualitativ
hochwertiges und inhaltlich differenziertes Angebot an Lernobjekten an (vgl. [VORMS 2003]).
Die Lernobjekte werden innerhalb von VORMS mit LMML kodiert und durch den LOM Editor
mit Metadaten versehen. In Abbildung 72 ist die Kursansicht auf das Angebot an Lernobjekten
über [VORMS 2003] abgebildet. Die tabellarische Übersicht in der Mitte der Abbildung 72
stammt aus dem in Abschnitt 6.6 beschriebenen Portal.
7 KRITISCHE WÜRDIGUNG UND AUSBLICK
Seite 194
Abbildung 72: Virtual OR/MS – Kursansicht (Quelle: [VORMS 2003])
Ein Beispiel für eine nachhaltige Wiederverwendung von Lernobjekten wurde für das Programm
Virtuelle Aus- und Weiterbildung Wirtschaftsinformatik (VAWI) realisiert. VAWI bietet einen
semi-virtuellen Studiengang, der auf der Kombination aus kurzen Präsenzphasen und multimedial
unterstützten Fernlernphasen beruht (siehe [VAWI 2003]). Ein Kurs des Programms beinhaltet
OR/MS Inhalte, die vom Lehrstuhl DS&OR Lab der Universität Paderborn für VAWI bereit-
gestellt wurden. Die bereitgestellten Lernobjekte waren teilweise bereits aus dem VORMS
Kontext vorhanden und konnten durch die LMML Kodierung relativ einfach innerhalb von
VAWI integriert werden. Für eine ausführliche Beschreibung von VAWI siehe
[Adelsberger/Körner/Pawlowski 2003].
Die Ausführungen zeigen bereits, dass das Konzept der Arbeit und dessen technologische Um-
setzung erfolgreich auf Folgeprojekte übertragen werden konnten. Der derzeitige Stand der
Implementierung ist als voll funktionsfähig zu bezeichnen. Das System erlaubt die systematische
Erfassung, Beschreibung und Wiederbenutzung von Lernobjekten. Wissensbasen können mit
Hilfe von Lernobjekten inhaltlich abgedeckt und durch Ontologien strukturell beschrieben wer-
den. Erweiterungen des Systems sind im Hinblick auf die weitergehende Nutzung der
Wissensbasis und der formalisierten Ontologie wünschenswert. Hierzu wird im nächsten Ab-
schnitt ein Ausblick gegeben.
7.2 Ausblick
Die derzeitige Implementierung deckt die Basisfunktionalitäten zur Systematisierung von Lern-
objekten ab. Durch die formalisierte Darstellung sind die Metadaten für Lernobjekte sowie die
7 KRITISCHE WÜRDIGUNG UND AUSBLICK
Seite 195
Struktur der Wissensbasis prinzipiell durch Maschinen verarbeitbar. Eine denkbare Anwendung
ist die automatisierte Suche und Komposition von Lernobjekten auf Basis von Inferenz-
mechanismen. Inferenzmechanismen werden eingesetzt, um aus der formulierten Struktur der
Ontologie Schlüsse für Lernobjekte, die diesen Strukturen zugeordnet sind, zu ziehen.
Potenzielle Anwender sind Lehrende, denen das System im Sinne eines Entscheidungs-
unterstützungssystems Vorschläge bei der Komposition von Lernobjekten unterbreitet oder auch
Lernende, die Zusammenstellungen von Lernobjekten zu bestimmten Konzepten der Wissens-
basis suchen. Die Informationsbasis steht mit dem Metadaten Repository und der formalisierten
Ontologie zur Verfügung. Diese Anwendung würde dabei geschlossen innerhalb des Systems
ablaufen. In einem größeren Maßstab tritt die skizzierte automatisierte Verarbeitung von
Informationen im sog. Semantic Web, einer Weiterentwicklung des WWW, auf.
Seit der Etablierung ca. Mitte der 90er Jahre ist das WWW für eine vorwiegend prozedurale Dar-
stellung von Daten und Informationen optimiert, Semantik spielte und spielt auch heute noch
eine untergeordnete Rolle. In der Diskussion um das Semantic Web, die von Tim Berners-Lee
initiiert wurde, spielen Mechanismen der Informationsauszeichnung, wie Taxonomien und
Ontologien eine entscheidende Rolle, um ein weltweites Informationsnetz zu schaffen, das nicht
nur der Darstellung von Informationen, sondern auch als Basis maschineller Verarbeitung dient.
Die Basistechnologien zur Etablierung des Semantic Web (Unicode, URI, XML und RDF)
dienen als Grundlage für aufbauende Konstrukte wie Ontologien und Inferenzmechanismen.
Genau diese Technologien werden auch in dem in dieser Arbeit konstruierten System verwendet.
Das Semantic Web wird voraussichtlich noch Jahre bis zu seiner umfassenden Realisierung in
Anspruch nehmen. Gartner rechnet ab 2007 bis 2012 mit produktiven Anwendungen. Die Ein-
ordnung im Technology Hype Cycle der Gartner Group zeigt, dass die Semantic Web
Technologie den Produktivstatus noch nicht erreicht hat (siehe Abbildung 73, Stand der Dar-
stellung 05/2002).
7 KRITISCHE WÜRDIGUNG UND AUSBLICK
Seite 196
Automatische Erstellung
von Taxonomien
Zeitraum bis zum Erreichen des Plateaus
Reife
Sichtbarkeit
Semantic Web/
Ontologien
Informations-
extraktion
Suchen mit
natürlicher Sprache
computerunterstütztes
Finden von Experten
Personalisierung
automatische
Kategorisierungvon Texten
Visualisierung
von Dokumenten
vertikale spezialisierte Portale Taxonomien
Hypertext
What's related Abfragen
manuelle Indizierung
Expertensysteme
soziale Netzwerke
Aufkommen der
Technologie Gipfel des Hype Tal der
Desillusionierung
Hügel der
Erleichterung
Plateau der
Produktivität
zwei bis fünf Jahre
fünf bis zehn Jahre mögliches Scheitern
weniger als zwei Jahre
Agenten
Abbildung 73: Hype-Zyklus von Technologien zur Informationsauswertung (Quelle: vgl.
[CZ 20/2002])
Der Technology Hype Cycle klassifiziert Technologien bzgl. ihres Reifegrades und der Sicht-
barkeit bzw. ihrer Marktdurchdringung. Technologien folgen einem gewissen Muster im Laufe
ihrer Entwicklung. Das sog. „Tal der Desillusionierung“ ist eine kritische Phase in der Ent-
wicklung der Technologie; entweder sie erreicht durch graduelle Verbesserung einen Reifegrad,
der letztendlich zum produktiven Einsatz führt, oder sie scheitert.
Die Etablierung des Semantic Web könnte ähnlich wie das WWW einen fundamentalen tech-
nologischen Wandel bewirken. Die breite Verfügbarkeit von Informationen und der formalisierte
Zugang zur semantischen Interpretation dieser, eröffnet eine neue Qualität für verteilte Applika-
tionen, die auf einer gemeinsamen weltweiten Informationsbasis operieren. Die Anwendung von
Ontologien und Inferenzmechanismen innerhalb des begrenzten Rahmens des in dieser Arbeit
implementierten Systems erlaubt die Entwicklung und Erprobung von Methoden, die aufgrund
der Verwendung identischer Technologien und Datenstrukturen sowohl innerhalb des Systems
als auch für das Semantic Web verwendet werden können. Die Verwendung der standardisierten
Technologien und Konzepte des Semantic Web bietet Synergiepotenziale sowohl für das System
als auch für das Semantic Web. (1) Entwickelte Inferenzmechanismen auf Basis der Ontologie
können auf das Semantic Web übertragen werden. (2) Das System kann prinzipiell ohne um-
fassende Modifikationen der Basismechanismen in die Architektur des Semantic Web skaliert
werden.
7 KRITISCHE WÜRDIGUNG UND AUSBLICK
Seite 197
In diesem Sinne kann das System schon heute als grundlegende Umgebung für die Anwendung
und Erprobung der Technologien und Architekturen von morgen betrachtet werden. Es bietet
weiterhin das Potenzial, in Zukunft ein Teil dieser Architektur zu werden.
8 LITERATURVERZEICHNIS
Seite 198
8 Literaturverzeichnis
[Aamodt/Nygård 1995] Aamodt, A., Nygård, M.: Different roles and mutual dependencies of
data, information and knowledge, Data & Knowledge Engineering, 16(3), 191-222,
verfügbar unter http://dx.doi.org/10.1016/0169-023X(95)00017-M, letzter Zugriff:
2003-12-08, 1995.
[Adelsberger/Körner/Pawlowski 2003] Adelsberger, H.H., Körner, F., Pawlowski, J.: E-Learning
in der wissenschaftlichen Weiterbildung: „Lessons Learned“ im virtuellen
Weiterbildungsstudiengang Wirtschaftsinformatik, In: Suhl, L., Voß, S. (Hrsg.): E-
Learning in Wirtschaftsinformatik und Operations Research, DSOR Beiträge zur
Wirtschaftsinformatik, Band 1, 11-29, DS&OR Lab, Universität Paderborn, Paderborn,
2003.
[Ahronheim 1998] Ahronheim, J. R.: Descriptive metadata: Emerging standards, Journal of
Academic Librarianship, 24 (5), 1998.
[AICC 2003] Aviation Industry CBT Committee Webseite, http://www.aicc.org, letzter Zugriff
2003-11-13, 2003.
[Alesi/Kehm 2000] Alesi, B., Kehm, B.M.: The Status of Lifelong Learning in German
Universities, European Journal of Education, 35(9), 285-300, 2000.
[Altova 2003] Altova XML Spy, http://www.altova.com/, letzter Zugriff 2003-10-03, 2003.
[Amelingmeyer 2002] Amelingmeyer, J.: Wissensmanagement – Analyse und Gestaltung der
Wissensbasis von Unternehmen, 2., aktualisierte Auflage, Gabler: Edition Wissenschaft:
Strategisches Kompetenz Management, Dt. Universitäts-Verlag, Wiesbaden, 2002.
[AMMTF 2001] American Mathematical Task Force, Taxonomies,
http://mathmetadata.org/ammtf/taxonomies/, letzter Zugriff 2003-03-04, 2001.
[AMS 2000] AMS 2000 Mathematics Subject Classification, http://www.ams.org/msc/, letzter
Zugriff 2001-13-11, 2000.
[Animal 2001] Animal Webseite, http://www.animal.ahrgr.de, letzter Zugriff: 2003-11-18, 2001.
[Animal Opt 2001] Animal – Animationen für Optimierung,
http://www.animal.ahrgr.de/en/AnimList_optim.html, letzter Zugriff: 2003-11-18,
2001.
[Baumgartner 2002] Baumgartner, P.: Pädagogische Anforderungen für die Bewertung und
Auswahl von Lernsoftware, In: Issing, L. J., Klimsa, P. (Hrsg.): Information und Lernen
mit Multimedia, 427-442. Psychologie Verlags Union, Weinheim, 1995.
[Baumgartner/Häfele 2002] Baumgartner, P., Häfele, K., Häfele, H.: E-Learning: Didaktische
und technische Grundlagen, cd austria; CDA Verlags- und HandelsgesmbH; Österreich,
Perg; Sonderheft des bm:bwk; 5/2002;
http://www.peter.baumgartner.name/Filer/filetree/peter/material/e-learning.pdf;
2002.
[Baumgartner/Payr 1994] Baumgartner, P., Payr, S.: Lernen mit Software, Reihe Digitales Lernen,
Österreichischer Studien Verlag, Innsbruck, 1994.
[Behme/Mintert 2000] Behme, H., Mintert, S.: XML in der Praxis, 2., erweiterte Auflage,
Addison-Wesley, München, Boston, San Francisco, Harlow, 2000.
[Berners-Lee 1999] Berners-Lee, T.: Der Web-Report, Econ – Verlagshaus Goethestraße GmbH
& Co. KG, München, 1999.
8 LITERATURVERZEICHNIS
Seite 199
[BLK 2001] Bund Länder Kommission: Neue Lern- und Lehrkultur – Vorläufige Empfehlung
und Expertenbericht, Band 10, http://www.blk-bonn.de/papers/forum-
bildung/band10.pdf, letzter Zugriff: 2003-12-17, 2003.
[Blumstengel 1998] Blumstengel, A.: Entwicklung hypermedialer Lernsysteme, Dissertation,
Universität Paderborn, Wissenschaftlicher Verlag, Berlin, auch verfügbar unter
http://dsor.upb.de/de/forschung/publikationen/blumstengel-diss/, letzter Zugriff:
2003-12-11, 1998.
[BMBF 2001] Klatt, R., Gavriilidis, K., Kleinsimlinghaus, K., Feldmann, M., et al..: Nutzung
elektronischer wissenschaftlicher Information in der Hochschulausbildung Barrieren
und Potenziale der innovativen Mediennutzung im Lernalltag der Hochschulen –
Endbericht, http://www.bmbf.de/presse01/405.html, 2001.
[Bock 1983] Bock, M.: Zur Repräsentation bildlicher und sprachlicher Informationen im
Langzeitgedächtnis - Strukturen und Prozesse, In: Issing, L. J. , Hannemann, J. (Hrsg.),
Lernen mit Bildern, Audiovisuelle Unterrichtsmedien in der
erziehungswissenschaftlichen Forschung, Bd. 25, 61-94. Institut für Film und Bild in
Wissenschaft und Unterricht, 1983.
[Bodendorf 1990] Bodendorf, F.: Computer in der fachlichen und universitären Ausbildung,
Handbuch der Informatik, Bd. 15.1. München, Wien: Oldenbourg, 1990.
[Bodendorf 1993] Bodendorf, F.: Typologie von Systemen für die computergestützte
Weiterbildung, In: Bodendorf, F., Hofmann, J. (Hrsg.). Computer in der betrieblichen
Weiterbildung, Handbuch der Informatik, Bd. 15.2, 63-82. München, Wien:
Oldenbourg, 1993.
[Bourret 2001] Bourret, R.: Mapping DTDs to Databases,
http://www.xml.com/pub/a/2001/05/09/dtdtodbs.html, letzter Zugriff 2003-12-08,
2001.
[Bransford et al. 1990] Bransford, J. D., Sherwood, R. D., et al.: Anchored instruction : Why we
need it and how technology can help, In: Nix, D., Spiro, R. (Hrsg.), Cognition,
education and multimedia : Exploring ideas in high technology, 115-139. Hillsdale, NJ:
Lawrence Erlbaum Associates Ltd., 1990.
[Brogden/D’Cruz/Gaither 2002] Brogden, Bill, D’Cruz, Conrad, Gaither, Mark, Cocoon 2
Programming: Web Publishing with XML and Java, Sybex, San Francisco, London,
2002.
[Bühl 2000] Bühl, A.: Die virtuelle Gesellschaft – Sozialer Wandel im digitalen Zeitalter,
Westdeutscher Verlag GmbH, Wiesbaden, 2000.
[Bush 1945] Bush, V: As we may think, Atlantic Monthly, (1) 176, 101-108, 1945.
[Carrara 1999] Carrara M.: Formal Ontology and Conceptual Analysis: A Structured Bibliography,
http://www.ladseb.pd.cnr.it/infor/ontology/Papers/Ontobiblio/TOC.html, letzter
Zugriff 2003-10-03, 1999.
[Cocoon 2003] Cocoon Webseite, http://cocoon.apache.org/, letzter Zugriff 2003-12-16, 2003.
[Conklin 1987] Conklin, J.: Hypertext - an introduction and a survey, IEEE Computer, 20 (9), 17-
41, 1987.
[Cover 2001] Cover, R., Language Identifiers in the Markup Context,
http://xml.coverpages.org/languageIdentifiers.html, letzter Zugriff 2001-01-10, 2001.
[CZ 20/2002] Computer Zeitung, Interview mit Alexander Linden, Gartner Group, 2002(20),
letzter Zugriff 2002-05-13, 2002.
8 LITERATURVERZEICHNIS
Seite 200
[Dahn 2001] Dahn, I.: Automatic Textbook Construction and Web Delivery in the 21st Century,
Journal of Structural Learning and Intelligent Systems, 14(4), 2001, 401-413,
http://www.uni-koblenz.de/~dahn/articles/aera.pdf, letzter Zugriff 2003-12-01, 2001.
[DAML 2003] DARPA Agent Markup Language Webseite, http://www.daml.org/, letzter
Zugriff 2003-12-11, 2003.
[Davenport/Prusak 1998] Davenport, T. H., Prusak, L.: Working knowledge: how organizations
manage what they know, Harvard Business School Press, 1998.
[DCMI ED 2003] DCMI Education Working Group, http://dublincore.org/groups/education/,
letzter Zugriff 2003-11-12, 2003.
[DCMI ES 2003] Dublin Core Metadata Element Set, Version 1.1: Reference Description,
http://dublincore.org/documents/2003/02/04/dces/, letzter Zugriff 2003-11-12,
2003.
[DCMI MT 2003] DCMI Metadata Terms,
http://dublincore.org/documents/2003/03/04/dcmi-terms/, letzter Zugriff 2003-11-
12, 2003.
[Dichanz/Ernst 2001] Dichanz, H., Ernst, A.: E-Learning – Begriffliche, psychologische und
didaktische Überlegungen zum „electronic learning“, MedienPädagogik, Online
Zeitschrift für Theorie und Praxis der Medienbildung, Theoriebildung in
Mediendidaktik und Wissensmanagement, 02-2, http://www.medienpaed.com/00-
2/dichanz_ernst1.pdf, letzter Zugriff 2003-10-04, 2001.
[Dittler 1996] Dittler, U.: Von Computerspielen zu Lernprogrammen : empirische Befunde und
Folgerungen für die Förderung computergestützten Lernens, Lang, Frankfurt am Main,
1996.
[Downes 2001] Downes, S.: Learning objects. International Review of Research in Open and
Distance Learning, 2(1), http://www.irrodl.org/content/v2.1/downes.html, letzter
Zugriff: 2003-11-12, 2001.
[Druin/Solomon 1996] Druin, A., Solomon, C.: Designing Multimedia Environments for
Children, Wiley, New York, Chichester, 1996.
[DSOR 2001] Lehrstuhl Decision Support und Operations Research, Universität Paderborn:
http://dsor.upb.de, letzter Zugriff 2003-01-30, 2001.
[Duden 2000] Duden-Fremdwörterbuch, Dudenverlag, Mannheim, Leipzig, Wien, Zürich, 2000.
[Dürr/Kleibohm 1992] Dürr, W., Kleibohm, K.: Operations Research – Lineare Modelle und
ihre Anwendungen, 3., vollständig durchgesehene und verbesserte Auflage, Carl Hanser
Verlag, München, Wien, 1992.
[Dussart 1998] Dussart, G.B.J.: Student use of the internet. Biologist, 45(4) 177-180, Teile daraus
verfügbar unter http://www.cant.ac.uk/depts/acad/science/web.htm letzter Zugriff
2000-11-27, 1998.
[Duval 2001] Duval, E.: Standardized Metadata for Education: a Status Report. In: Proceedings
of EDMEDIA 2001, World Conference on Educational Multimedia, Hypermedia &
Telecommunications, AACE, Charlottesville, VA 2001.
[Edelmann 1996] Edelmann, W.: Lernpsychologie. 5., vollst. überarbeitete Auflage, Beltz
Psychologie-Verlags-Union, Weinheim, Basel, 1996.
[EML 2003] Educational Modelling Language Webseite, http://eml.ou.nl/, letzter Zugriff 2003-
12-17, 2003.
8 LITERATURVERZEICHNIS
Seite 201
[EU LLL 2001] Mitteilung der Europäischen Kommission: Einen europäischen Raum des
lebenslangen Lernens schaffen, http://europa.eu.int/comm/education/life/, letzter
Zugriff: 2002-06-05, 2001.
[Fickert 1992] Fickert, T.: Multimediales Lernen : Grundlagen, Konzepte, Technologien,
Deutscher Universitätsverlag DUV, Wiesbaden, 1992.
[Fluit/Sabou/van Harmelen 2003] Fluit, C., Sabou, M., van Harmelen, F.: Ontology-based
Information Visualization, In: Geroimenko, V., Vhen, C. (Hrsg.): Visualizing the
Semantic Web: XML-based Internet and Information Visualization, 36-48, Springer,
London, 2003.
[Gemmerich/Stratmann 1998] Gemmerich, M., Stratmann, J.: Wissensmanagement in der Praxis,
In: Technologie & Management, 47(1), 24-27, 1998.
[Geroimenko/Geroimenko 2003] Geroimenko, V., Geroimenko, L.: SVG and X3D: New XML
Technologies for 2D and 3D Visualization, In: Geroimenko, V., Vhen, C. (Hrsg.):
Visualizing the Semantic Web: XML-based Internet and Information Visualization, 90-
96, Springer, London, 2003.
[Gerstenmaier/Mandl 1995] Gerstenmaier, J., Mandl, H.: Wissenserwerb unter
konstruktivistischer Perspektive, Zeitschrift für Pädagogik, 41 (6), 867-888, 1995.
[Gloor 1990] Gloor, P.: Hypermedia-Anwendungsentwicklung : eine Einführung mit HyperCard-
Beispielen, Leitfäden der angewandten Informatik, Teubner, Stuttgart, 1990.
[Gloor 1997] Gloor, P.: Elements of Hypermedia Design: Techniques for Navigation and
Visualization in Cyberspace , Birkhäuser, Boston, Basel, Berlin, 1997.
[Gruber 1993] Gruber, T. R.: Toward Principles for the Design of Ontologies Used for
Knowledge Sharing. In Guarino, N., Poli, R. (Hrsg.): Formal Ontology in Conceptual
Analysis and Knowledge Representation, Kluwer Academic Publishers, 1994
[Haehling von Lanzenauer/Trela 2003] Haehling von Lanzenauer, C.,Trela, J.: Fallstudien und E-
Learning: Möglichkeiten und Grenzen der Interaktivität, In: Suhl, L., Voß, S. (Hrsg.): E-
Learning in Wirtschaftsinformatik und Operations Research, DSOR Beiträge zur
Wirtschaftsinformatik, Band 1, 117-132, DS&OR Lab, Universität Paderborn,
Paderborn, 2003.
[Hansen/Narayanan/Schrimpsher 1998] Hansen, S. R., Narayanan, N.H., Schrimpsher, D.:
Rethinking Algorithm Animation: A Framework for Effective Visualizations,
Proceedings of ED-MEDIA/ED-TELECOM 1998.
[Harold 1999] Harold, E.R.: XML Bible, IDG Books Worldwide, 1999.
[Hasebrook 1995] Hasebrook, J.: Multimedia-Psychologie: Eine neue Perspektive menschlicher
Kommunikation, Spektrum Verlag, Heidelberg, Berlin, Oxford, 1995.
[Heinrich/Roithmayr 1995] Heinrich, L. J., Roithmayr, F.: Wirtschaftsinformatik Lexikon, 5.
korrigierte und erweiterte Auflage, Oldenbourg, München, Wien, 1995.
[Hesse 2002] Hesse, W.: Ontologie(n), Informatik-Spektrum, 25(6), December 2002, 477-480,
Springer, Heidelberg, 2002.
[Hiddink 2000] Hiddink, G.: Using XML to Solve Reusability Problems of Online Learning
Materials. Presented at the Special Session on reusability in web-based learning
environments, Wolongong, December 12-15,
http://wwwhome.ctit.utwente.nl/~hiddinkg/professional/papers/icc2000.ps , letzter
Zugriff 2002-6-23, 2000.
8 LITERATURVERZEICHNIS
Seite 202
[Hiddink 2001] Hiddink, G.: ADILE: Architecture of a Database-Supported Learning
Environment, Journal of Interactive Learning Research (2001) 12(2/3), 297-315, 2001.
[Hillmann 2003] Hillmann, D.: Using Dublin Core,
http://dublincore.org/documents/2003/08/26/usageguide/, letzter Zugriff: 2003-11-
12, 2003.
[Hitzges et al. 1994] Hitzges, A., Betzl, K. et al.: Chancen und Risiken von interaktiven
Multimedia Systemen in der betrieblichen Aus- und Weiterbildung. Forschungsbericht
Technikfolgenabschätzung des BMFT, IRB-Verlag, Stuttgart, 1994.
[IMS MD 2003] IMS Metadata, http://www.imsglobal.org/metadata/index.cfm, letzter Zugriff
2003-11-12, 2003.
[IMS MD1.2.1 2001] IMS Learning Resource Meta-Data Best Practice and Implementation
Guide - Version 1.2.1 Final Specification, erreichbar über [IMS MD 2003], 2001.
[IMS MD1.2.1 BI 2001] IMS Learning Resource Meta-Data XML Binding - Version 1.2.1 Final
Specification, erreichbar über [IMS MD 2003], 2001.
[Informs RP 2003] Informs Resource Page - (ehemals Michael Trick's Operations Research
Page), http://www.informs.org/Resources/, letzter Zugriff: 2003-11-06, 2003.
[Innes/McGreal 2002] Innes, J., McGreal, R.: Metadata Specifications, In: Adelsberger, H.H.,
Vollis, B., Pawlowski, J. (Hrsg.): Handbook on Information Technologies for Education
and Training, Springer, Berlin, Heidelberg, New York, 2002.
[ISO639 1988] Code for the Representation of Names of Languages. First edition, 1988-04-01.
Reference number: ISO 639:1988 (E/F). Geneva: International Organization for
Standardization,
http://www.iso.org/iso/en/CatalogueDetailPage.CatalogueDetail?CSNUMBER=4766
&ICS1=1&ICS2=140&ICS3=20, 1988.
[ISO639/2 1991] Code for the Representation of Names of Languages: alpha-3 Code. ,
International Organization for Standardization,
http://www.iso.org/iso/en/CatalogueDetailPage.CatalogueDetail?CSNUMBER=4767
&ICS1=1&ICS2=140&ICS3=20, 1991.
[ISO8601 2000] Data elements and interchange formats -- Information interchange --
Representation of dates and times, International Organization for Standardization,
http://www.iso.org/iso/en/CatalogueDetailPage.CatalogueDetail?CSNUMBER=2678
0&ICS1=1&ICS2=140&ICS3=30, 2000.
[ISO8879 1986] Information processing -- Text and office systems -- Standard Generalized
Markup Language (SGML),
http://www.iso.org/iso/en/CatalogueDetailPage.CatalogueDetail?CSNUMBER=1638
7&ICS1=35&ICS2=240&ICS3=30, 1986.
[Issing 1993] Issing, L. J.: Wissenserwerb mit bildlichen Analogien“. In: Weidenmann, B. (Hrsg.).
Wissenserwerb mit Bildern : instruktionale Bilder in Printmedien, Film/Video und
Computerprogrammen, 149-176, Huber, Bern, Göttingen, Toronto, Seattle, 1993.
[Issing 2002] Issing, L. J.: Instruktions-Design für Multimedia, In: Issing, L. J., Klimsa, L. J.
(Hrsg.), Information und Lernen mit Multimedia, 3. vollständig überarbeitete Auflage,
Psychologie Verlags Union, Weinheim, 2002.
[Jonassen/Grabinger 1990] Jonassen, D. H., Grabinger, R. S.: Problems and Issues in Designing
Hypertext/Hypermedia for Learning, In: Jonassen, D. H. Mandl, H. (Hrsg.) Designing
8 LITERATURVERZEICHNIS
Seite 203
Hypermedia for Learning, NATO ASI Series, Vol. F 67, 3-26, Springer, Berlin,
Heidelberg, 1990.
[Kantwerk 2003] Kantwerk, B.: Interaktive Visualisierung von Netzwerken am Beispiel von
Lernobjekten, unveröffentlichte Diplomarbeit, Universität Paderborn, Decision Support
& OR Lab, Paderborn, 2003.
[Karagiannis/Telesko 2001] Karagianis, D., Telesko, R: Wissensmanagement: Konzepte der
künstlichen Intelligenz und des Softcomputing, Oldenbourg, Wien, München, 2001.
[Kay 2001] Kay, M.: XSLT – Programmer’s Reference, 2nd edition, Wrox Press, Birmingham,
2001.
[Kazakos/Schmidt/Tomczyk 2002] Kazakos, W., Schmidt, A., Tomczyk, P.: Datenbanken und
XML: Konzepte und Anwendungen, Springer, Berlin, Heidelberg, New York, 2002.
[Kerres 2000] Kerres, M.: Computerunterstütztes Lernen als Element hybrider
Lernarrangements, In: Kammerl, R.: Computergestütztes Lernen, Oldenbourg,
München, 2000.
[Kerres 2001] Kerres, M.: Multimediale und telemediale Lernumgebungen: Konzeption und
Entwicklung, 2., vollständig überarbeitete Auflage, Oldenbourg, München, Wien, 2001.
[Klar/Tan 2002] Klar, M., Tan, D.: Konzeption und Implementierung eines Portals für eine
Lernplattform auf Basis eines Single Source Publishing Frameworks, unveröffentlichte
Diplomarbeit, Universität Paderborn, Decision Support & OR Lab, 2002..
[Kuhlen 1991] Kuhlen, R.: Hypertext: Ein nichtlineares Medium zwischen Buch und
Wissensdatenbank. Edition SEL Stiftung, Springer-Verlag, Berlin, Heidelberg, New
York, London, 1991.
[Kuhlen 1999] Kuhlen, R.: Die Konsequenzen von Informationsassistenten: Was bedeutet
informationelle Autonomie oder wie kann Vertrauen in elektronische Dienste in offenen
Informationsmärkten realisiert werden?, Suhrkamp, Frankfurt am Main, 1999.
[Lamping/Rao 1994] Lamping, J., Rao, R.: Laying Out and Visualizing Large Trees Using a
Hyperbolic Space, Proceedings of the ACM Symposium on User Interface Software and
Technology, November 1994, ACM Press, 13-14, 1994.
[Langham/Ziegler 2002] Langham, M., Ziegler, C.: Cocoon: Building XML Applications, New
Riders Publishing, Boston, Indianapolis, 2003.
[LaTeX 2003] LaTeX Webseite, http://www.latex-project.org/, letzter Zugriff 2003-11-13, 2003.
[LCC 2002] Library of Congress Classification Outline,
http://lcweb.loc.gov/catdir/cpso/lcco/lcco.html, letzter Zugriff 2002-12-23, 2002.
[LOM 2003] LOM Webseite, http://ltsc.ieee.org/wg12/index.html, letzter Zugriff: 2003-12-09,
2003.
[LOM DOC 2002] LOM final draft,
http://ltsc.ieee.org/wg12/files/LOM_1484_12_1_v1_Final_Draft.pdf, letzter Zugriff:
2003-11-12, 2003.
[LTSC 2003] Learning Technology Standards Committee Webseite, http://ltsc.ieee.org/, letzter
Zugriff: 2003-11-12, 2003.
[Lyman/Varian 2003] Lyman, P., Varian, H.: How much Information 2003?, School of
Information Management and Systems at the University of California at Berkeley,
research report, http://www.sims.berkeley.edu/research/projects/how-much-info-
2003/, 2003.
8 LITERATURVERZEICHNIS
Seite 204
[Lynn 1999] Lynn, L. E.: Teaching and learning with cases: a guidebook, Chatham House
Publishers, Seven Bridges Press, LLC, New York, 1999.
[Mandl, Friedrich, Hron 1993] Mandl, H., Friedrich, H. F., Hron, A.: Psychologie des
Wissenserwerbs, In: Weidenmann, B. et al. (Hrsg.): Pädagogische Psychologie, 2.,
neubearbeitete Auflage, S. 143-218, Weinheim, Basel: Beltz, Psychologie Verlags Union,
1995.
[Mandl/Gruber/Renkl 2002] Mandl, H., Gruber, H., Renkl, A.: Situiertes Lernen in
multimedialen Lernumgebungen. in: Issing, L., Klimsa, P. (Hrsg.): Information und
Lernen mit Multimedia, 3. überarbeitete Auflage; 139-148; Beltz Psychologie-Verlags-
Union; Weinheim, Basel; 1997
[Maple 2003] Maple Webseite, http://www.maplesoft.com/, letzter Zugriff 2003-11-13, 2003.
[Maruyama et al. 1999] Maruyama, H., Uramato, N., Tamura, K.: XML and Java: developing web
applications, Addison-Wesley, Boston, San Francisco, 1999.
[Mathematica 2003] Mathematica Webseite, http://www.wolfram.com/, letzter Zugriff 2003-11-
13, 2003.
[MathML 2003] Mathematical Markup Language (MathML) Version 2.0 (second edition),
http://www.w3.org/TR/2003/REC-MathML2-20031021/, letzter Zugriff 2003-11-13,
2003.
[Maturana/Varela 1987] Maturana, H., Varela, F.: Der Baum der Erkenntnis: Die biologischen
Wurzeln des menschlichen Erkennens, Scherz Verlag, Bern, München, Wien, 1987.
[Mayer 1999] Mayer, R.E.: Multimedia aids to problem-solving transfer. International Journal of
Educational Research (31) 7, p. 611-623, Elsevier, (auch verfügbar unter:
http://www.sciencedirect.com/science/article/B6VDF-3XR2V66-
5/2/0111360165dea654e23b7377728d5ec0), 1999.
[McAleese 1989] McAleese, R.: Navigation and Browsing in Hypertext“. In: McAleese, R. (Hrsg.),
Hypertext: Theory into Practice, 6-44. Oxford: Blackwell Scientific Publications Ltd.,
1989.
[McClelland 2003] McClelland, M.: Metadata Standards for Educational Resources, Computer –
Innovative Technology for Computer Professionals, IEEE Computer Society,
Washington DC, 36(11), 107-109, 2003.
[Mentor 2001] Mentor Computer Based Learning, Department of Management Science at the
University of Strathclyde, Glasgow,
http://www.managementscience.org/mentor/mentor.asp, letzter Zugriff: 2003-06-09,
2001.
[Miller 1999] Miller, E.: RDF Schema Declaration of Relation Types ,
http://dublincore.org/documents/rdf-relation-types/index.shtml, letzter Zugriff: 2003-
12-12, 1999.
[MIME 2003] IANA. MIME Media Types, http://www.iana.org/assignments/media-types/,
letzter Zugriff: 2003-11-13, 2003.
[MuPad 2003] MuPad Webseite, http://www.mupad.de/, letzter Zugriff 2003-11-13, 2003.
[Niedermowe 2003] Niedermowe, René: Konzeption und Implementierung für die Visualisierung
und Editierung von Ontologien in einer virtuellen Lernumgebung, unveröffentlichte
Diplomarbeit, Universität Paderborn, Decision Support & OR Lab, 2003.
8 LITERATURVERZEICHNIS
Seite 205
[Niegemann 1995] Niegemann, H.M.: Computergestützte Instruktion in Schule, Aus- und
Weiterbildung : theoretische Grundlagen, empirische Befunde und Probleme der
Entwicklung von Lernprogrammen, Lang, Frankfurt am Main, Berlin, Bern, New York,
Paris, Wien, 1995.
[Niegemann et al. 2000] Niegemann H.M., Hofer M., Gronki-Jost E.-M. & Neff, O.:
Abschlussbericht zum Projekt "Förderung des Aufbaus integrierter Wissensstrukturen
durch selbständig zu bearbeitende arbeitsanaloge Lernaufgaben zur Kostenrechnung in
einer computerbasierten komplexen Lernumgebung". http://www-ifmk.tu-
ilmenau.de/mk/download/doc_niegemann/aala_abschluss.pdf, letzter Zugriff 2003-10-
23, 2000.
[Nielsen 1995] Nielsen, J.: Multimedia Hypertext: the Internet and beyond, Academic Press,
Cambridge, 1995.
[Nonaka/Takeuchi 1997] Nonaka, I., Takeuchi, H.: Die Organisation des Wissens. Wie
japanische Unternehmen eine brachliegende Ressource nutzbar machen, Aus dem
Englischen von Friedrich Mader, Campus Verlag. Frankfurt/New York, 1997.
[OIL 2003] Ontology Interchange Language Webseite, http://www.ontoknowledge.org/oil/, ,
letzter Zugriff 2003-12-11, 2003.
[OilEdit 2003] OilEdit Webseite, http://img.cs.man.ac.uk/oil/, letzter Zugriff 2003-11-19, 2003.
[OntoEdit 2003] OntoEdit Webseite, http://www.ontoprise.de/, letzter Zugriff 2003-11-19,
2003.
[Ontoviz 2003] OntoViz Tab: Visualizing Protégé Ontologies Webseite,
http://protege.stanford.edu/plugins/ontoviz/ontoviz.html, letzter Zugriff: 2003-12-14,
2003.
[OR-Objects 2003] OR-Objects Webseite, http://opsresearch.com/OR-Objects/index.html,
letzter Zugriff: 2003-11-18, 2003.
[OR-Welt 2001] OR-Welt Webseite, http://dsor.upb.de/de/forschung/OR-Welt/, letzter
Zugriff: 2003-11-13, 2001.
[OR-World 2002] OR-World Webseite: http://www.or-world.com, letzter Zugriff: 2003-10-24,
2002.
[OR-World LE 2003] LOM Editor Startseite, http://orworld.upb.de:8081/Lomweb/, letzter
Zugriff 2003-12-15, 2003.
[OR-World Portal 2003] OR-World Portal Startseite,
http://orworld.upb.de:8180/cocoon/orw/index.html, letzter Zugriff 2003-12-15, 2003.
[OR-World Projekt 2002] OR-World Projekt Webseite:
http://orworld.upb.de/index_project.html, letzter Zugriff: 2003-11-17, 2002.
[Österle 2000] Österle, H.: Business Model of the Information Age, In: Business Knowledge
Management in der Praxis, herausgegeben von Bach, V., Österle, H., Vogler, P., 11-51,
Springer, Berlin, Heidelberg, New York, 2000.
[Ott 1999] C. Ott: Global Solutions for Multilingual Applications – Real World Techniques for
Developers and Designers; Wiley; New York, Chichester, Weinheim, 1999.
[Pawlowski 2001] Pawlowski, J.M.: Das Essener-Lern-Modell (ELM): Ein Vorgehensmodell zur
Entwicklung computerunterstützter Lernumgebungen, Dissertation, Universität Essen,
http://beta1.wi-inf.uni-essen.de/research/publications/JanEDISS.pdf, 2001.
8 LITERATURVERZEICHNIS
Seite 206
[Pohl 1995] Pohl, C.: Transparente Navigation in einem hypermedialen Lehr/Lernsystem, In:
Schoop, E., Witt, R., Glowalla, U. (Hrsg.). Hypermedia in der Aus- und Weiterbildung,
Schriften zur Informationswissenschaft, Bd. 17, 155-163. Universitätsverlag Konstanz,
Konstanz, 1995.
[Protégé 2003] Protégé Webseite, http://protege.stanford.edu/, letzter Zugriff 2003-12-11, 2003.
[Rada 1991] Rada, R.: Hypertext: from Text to Expertext, McGraw-Hill: London, England, auch
als Hypertext verfügbar http://research.umbc.edu/~rada/cv/pubs/hypertextbook/,
letzter Zugriff: 2003-12-17, 1991.
[RDF 1999] Resource Description Framework (RDF) Model and Syntax Specification,
http://www.w3.org/TR/1999/REC-rdf-syntax-19990222/, letzter Zugriff 2003-12-13,
1999.
[RDFS 2002] RDF Vocabulary Description Language 1.0: RDF Schema,
http://www.w3.org/TR/2002/WD-rdf-schema-20021112/, letzter Zugriff 2003-12-13,
2002.
[Reinmann-Rothmeier 1994] Reinmann-Rothmeier, G.: Computerunterstützte Lernumgebungen :
Planung, Gestaltung und Bewertung, Publicis-MCD-Verlag, München, 1994.
[Reinmann-Rothmeier 2002] Reinmann-Rothmeier, G.: Mediendidaktik und
Wissensmanagement, MedienPädagogik, Online Zeitschrift für Theorie und Praxis der
Medienbildung, Theoriebildung in Mediendidaktik und Wissensmanagement, 02-2,
http://www.medienpaed.com/02-2/reinmann1.pdf, letzter Zugriff 2003-10-04, 2002.
[RFC 1345] Simonsen, K.: Character Mnemonics and Character Sets
http://www.faqs.org/rfcs/rfc1345.html, letzter Zugriff 2003-11-13, 1992.
[RFC 1521] Borenstein N., Freed, N.: MIME (Multipurpose Internet Mail Extensions) Part One:
Mechanisms for Specifying and Describing the Format of Internet Message Bodies",
RFC 1521, Bellcore, Innosoft, http://www.faqs.org/rfcs/rfc1521.html, letzter Zugriff
2003-11-13, 1993.
[RFC 1590] Postel, J.: Media Type Registration Procedure,
http://www.faqs.org/rfcs/rfc1590.html, letzter Zugriff 2003-11-13, 1994.
[RFC 2046] Borenstein N., Freed, N.: Multipurpose Internet Mail Extensions (MIME) Part Two:
Media Types, RFC 1521, Bellcore, Innosoft, http://www.faqs.org/rfcs/rfc2046.html,
letzter Zugriff 2003-11-13, 1996.
[RFC 2396] Berners-Lee, T., et al.: Uniform Resource Identifiers (URI): Generic Syntax, RFC
2396, http://www.faqs.org/rfcs/rfc2396.html, letzter Zugriff 2003-12-09, 1998.
[Rothfuss/Ried 2001] Rothfuss, G., Ried, C. (Hrsg.): Content Management mit XML –
Grundlagen und Anwendungen, mit Beiträgen von Jörg Eisenbiegler et al., Springer,
Berlin, Heidelberg, New York, 2001.
[Runzheimer 1995] Runzheimer, B.: „Operations Research I – Lineare Planungsrechnung und
Netzplantechnik – Simplexmethode – Strukturplanung – Zeitplanung – Zeit-
Kostenplanung – Anwendungsmöglichkeiten“ Gabler Verlag, Wiesbaden, 5. Auflage,
1995.
[Rusch-Feja 1997] Rusch-Feja, D.: Mehr Qualität im Internet - Entwicklung und
Implementierung von Metadaten, http://www.mpib-
berlin.mpg.de/dok/full/rf/metaifbs.htm, letzter Zugriff: 2003-12-14, 1997.
[Savourel 2001] Savourel, Y.: XML Internationalization and Localization, Sams, Indiapolis,
Indiana, 2001.
8 LITERATURVERZEICHNIS
Seite 207
[Schank/Cleary 1995] Schank, R.C., Cleary, C.: Engines for Education, Erlbaum, Hillsdale, NJ,
auch online verfügbar: http://www.engines4ed.org/hyperbook/, letzter Zugriff: 2003-
12-15, 1995.
[Scheubrein 2000] Scheubrein, R.: Computerunterstütztes Lernen und Lehren, OR News, 10,
November 2000.
[Schnotz 1993] Schnotz, W.: Wissenserwerb mit logischen Bildern“, In: Weidenmann, B. (Hrsg.).
Wissenserwerb mit Bildern : instruktionale Bilder in Printmedien, Film/Video und
Computerprogrammen, Huber, Bern, Göttingen, Toronto, Seattle, 1993.
[Schnupp 1992] Schnupp, P.: Hypertext, Handbuch der Informatik, Bd. 10.1., Oldenbourg,
München, Wien, 1992.
[Schoop 1995] Schoop, E.: Benutzernavigation in hypermedialen Lernsystemen, In: Schoop, E.,
Witt, R., Glowalla, U. (Hrsg.). Hypermedia in der Aus- und Weiterbildung, Schriften zur
Informationswissenschaft, Bd. 17, 151-154, Universitätsverlag Konstanz, Konstanz,
1995.
[Schoop/Glowalla 1992] Schoop, E., Glowalla, U.: Computer in der Aus- und Weiterbildung :
Potentiale, Problem und Perspektiven, In: Glowalla, U., Schoop, E. (Hrsg.). Hypertext
und Multimedia. Neue Wege in der computergestützten Aus- und Weiterbildung, 4-20,
Springer, Berlin, Heidelberg, 1992.
[Schulmeister 1997] Schulmeister, R.: Grundlagen hypermedialer Lernsysteme: Theorie - Didaktik
- Design, 2., aktualisierte Auflage, Oldenbourg, München, 1997.
[Schulmeister 2001] Schulmeister, R.: Virtuelle Universität - Virtuelles Lernen, Oldenbourg,
München, 2001.
[SCORM 2001] Advanced Distributed Learning Sharable Content Object Reference Model
Version 1.1, ADL, 2001, http://www.adlnet.org, letzter Zugriff 17.06.2003.
[Shannon 1948] Shannon, C. E.: A mathematical theory of communication, Bell System
Technical Journal, vol. 27, 379-423 and 623-656, July and October, 1948.
[Shneiderman 1983] Shneiderman, B. Direct Manipulation: A Step Beyond Programming
Languages, IEEE Computer, August 1983, 57-69, 1983.
[Simpson 2001] Simpson, John E.: Just XML, 2nd edition, Prentice Hall, 2001.
[Sottong/Müller 1998] Sottong, H., Müller, M.: Zwischen Sender und Empfänger – Eine
Einführung in die Semiotik der Kommunikationsgesellschaft, Erich Schmidt Verlag,
Berlin, 1998.
[Soukup 2001] Soukup, C.: Wissensmanagement – Wissen zwischen Steuerung und
Selbstorganisation, Gabler, Wiesbaden, 2001.
[Sowa 1999] Sowa, J.F.: Knowledge Representation: Logical, Philosophical, and Computational
Foundations, http://www.jfsowa.com/krbook/index.htm, letzter Zugriff 2003-12-14,
1999.
[Spiro/Jehng 1990] Spiro, R., Jehng, J.-C.: Cognitive Flexibility and Hypertext: Theory and
Technology for the Nonlinear and Multidimensional Traversal of Complex Subject
Matter, In: Nix, D., Spiro, R. (Hrsg.): Cognition, Education and Multimedia: Exploring
Ideas in High Technology; 163-206; Lawrence Erlbaum; Hillsdale NJ; 1990.
[Staab 2002] Staab, S.: Wissensmanagement mit Ontologien und Metadaten, Informatik
Spektrum, 25(3), 194-209, Springer, Heidelberg, 2002.
8 LITERATURVERZEICHNIS
Seite 208
[Steinmetz/Rückert/Racke 1990] Steinmetz, R., Rückert, J., Racke, W.: Multimedia-Systeme,
Informatik-Spektrum, 13, 280-282, 1990.
[Suhl/Mellouli 1997] Suhl, L., Mellouli, T.: Optimierungssysteme (Skript zur Veranstaltung
Grundlagen von Optimierungssystemen), Universität Paderborn; ohne Verlag ; 1997.
[Süß 2000] Süß, C., Freitag, B.: Entwicklung und Nutzung von Teachware, In: Kammerl, R.
(Hrsg.): Computergestütztes Lernen, Oldenbourg, München, 2000.
[Süß/Freitag/Brössler 1999] Süß, C., Freitag, B., Brössler, P.: Metamodeling for Web-Based
Teachware Management. In: Proc. Intl. WWWCM'99 Workshop on the World-Wide
Web and Conceptual Modeling in conjunction with ER'99, Nov. 15-18, Paris, France,
1999.
[SVG 2003] Scalable Vector Graphics (SVG) 1.1 Specification,
http://www.w3c.org/TR/SVG11/, letzter Zugriff: 2003-11-18, 2003.
[SVG View 2003] SVG Viewer Plugin, http://www.adobe.com/svg/viewer/install/, letzter
Zugriff: 2003-11-18, 2003.
[Tenor 2003] Tutorial Environment for Operations Research; Fachgebiet Operations Research;
Technische Universität Darmstadt; http://www.bwl.tu-
darmstadt.de/bwl3/forsch/projekte/tenor/, letzter Zugriff: 2003-11-18, 2003.
[Tergan 2002] Tergan, S.-O.: Hypertext und Hypermedia. In: Issing, L.J., Klimsa, L. J. (Hrsg.),
Information und Lernen mit Multimedia, 3. vollständig überarbeitete Auflage,
Psychologie Verlags Union, Weinheim, 2002.
[TeX 2003] TeX Users Group Webseite http://www.tug.org/, letzter Zugriff 2003-11-13, 2003.
[TGViz 2003] TGViz Tab: A TouchGraph Visualization Tab for Protégé 2000,
http://www.ecs.soton.ac.uk/~ha/TGVizTab/TGVizTab.htm, letzter Zugriff: 2003-12-
14, 2003.
[Thuraisingham 2002] Thuraisingham, B.M.: XML Databases and the Semantic Web, CRC Press,
Boca Raton, FL, USA, 2002.
[Tomcat 2003] Tomcat Servlet Engine, http://jakarta.apache.org/tomcat, letzter Zugriff: 2003-
12-17, 2003.
[Touchgraph 2002] Touchgraph, http://www.touchgraph.com/, letzter Zugriff, 2002-11-07,
2002
[Trial-Solution 2003] Trial-Solution Webseite, http://www.trial-solution.de, letzter Zugriff: 2003-
12-04, 2003.
[TutOR 1999] Department of Mathematics and Statistics; University of Melbourne; Australia;
http://www.tutor.ms.unimelb.edu.au/, letzter Zugriff: 2003-11-18, 2001.
[Unicode 2003] Unicode Webseite, http://www.unicode.org/, letzter Zugriff 2003-11-01, 2003.
[Unicode4 2003] The Unicode Consortium. The Unicode Standard, Version 4.0, Addison-
Wesley, Boston, MA, 2003.
[URI 2001] ohne Verfasser: Naming and Addressing: URIs, URLs, ...,
http://www.w3.org/Addressing/, letzter Zugriff: 2001-19-29, 2001.
[Uschold/Gruninger 1996] Uschold, M., Gruninger, M., Ontologies: Principles, Methods and
Application", Knowledge Engineering Review, 11(2), 1996.
[VAWI 2003] Virtuelle Aus- und Weiterbildung Wirtschaftsinformatik Webseite,
http://www.vawi.de/, letzter Zugriff: 2003-11-13, 2003.
8 LITERATURVERZEICHNIS
Seite 209
[VORMS 2003] Das virtuelle Studienfach Operations Research/Management Science Webseite,
http://www.vorms.net/, letzter Zugriff: 2003-11-13, 2003.
[Walsh/Muellner 1999] Walsh, N., Muellner, L.: DocBook - The Definitive Guide, O'Reilly,
Sebastopol, CA, 1999.
[Weidenmann 1993] Weidenmann, B.: Informierende Bilder, In: Weidenmann, B. (Hrsg.).
Wissenserwerb mit Bildern : instruktionale Bilder in Printmedien, Film/Video und
Computerprogrammen. Huber, Bern, Göttingen, Toronto, Seattle, 1993.
[Weidenmann 2002] Weidenmann, B.: Multikodierung und Multimodalität im Lernprozess, In:
Issing, L. J., Klimsa, P. (Hrsg.): Information und Lernen mit Multimedia, 45-62,
Psychologie Verlags Union, Weinheim, 2002.
[Wersig 1996] Wersig, G.: Die Komplexität der Informationsgesellschaft, Schriften zur
Informationswissenschaft, Band 26, Hochschulverband für Informationswissenschaft,
Konstanz, 1996.
[Wiley 2001] Wiley, D.A.: Connecting learning objects to instructional design theory: A
definition, a metaphor, and a taxonomy. In D. A. Wiley (Ed.), The Instructional Use of
Learning Objects, 3-24, Online Version. http://reusability.org/read/chapters/wiley.doc
, letzter Zugriff: 2003-12-09, 2001.
[Willke 2001] Willke, H.: Systemisches Wissensmanagement, 2., neubearbeitete Auflage, Lucius
und Lucius, Stuttgart, 2001.
[Witt 1995] Witt, R.: Strukturierte Navigation in mehrdimensionalen Lernobjekträumen, In:
Schoop, E., Witt, R., Glowalla, U. (Hrsg.). Hypermedia in der Aus- und Weiterbildung,
Schriften zur Informationswissenschaft, Bd. 17., 161-164, Universitätsverlag Konstanz,
Konstanz, 1995.
[Wolf/Wicksteed 1997] Wolf, M., Wicksteed, C.: Date and Time Formats,
http://www.w3.org/TR/NOTE-datetime, letzter Zugriff: 2003-11-13, 2003.
[Wolter/Dahn 2000] Wolter, H.; Dahn, B.I.: Analysis Individuell. Kompakt zum Prüfungserfolg.
Mit CD-ROM und Online Komponente, Springer, , Berlin, Heidelberg, New York,
2000.
[XHTML 2002] XHTML Spezifikation, http://www.w3.org/TR/xhtml1/, letzter Zugriff: 2003-
12-17, 2002.
[XML 2000] Extensible Markup Language (XML) 1.0 (Second Edition),
http://www.w3.org/TR/REC-xml, letzter Zugriff: 2003-11-18, 2000.
[XML Schema 2003] XML Schema, http://www.w3c.org/XML/Schema, letzter Zugriff 2003-
12-14, 2003.
[Yahoo 2002] Yahoo Portal Deutschland, http://de.yahoo.com/, letzter Zugriff 2002-12-01,
2002.
[Yahoo Ed 2003] Yahoo Portal - Ausbildungsinhalte,
http://www.yahoo.com/Education/By_Subject/, letzter Zugriff 2002-12-01, 2002.
9 ANHANG
Seite 210
9 Anhang
9.1 Verwendete Software zur Implementierung des Lernsystems
Name URI und Beschreibung
Cocoon http://cocoon.apache.org/
Singe Source Publishing Framework Cocoon
Cooktop http://www.xmlcooktop.com/
XML Editor
FOP http://xml.apache.org/fop/
Formatting Objects Processor
JBoss http://www.jboss.org/
JBoss Applikationsserver
mySQL http://www.mysql.com/
mySQL Datenbank
mySQL JDBC Treiber http://www.mysql.com/Downloads/Contrib/mm.mysql.jdbc-1.2c.tar.gz
JDBC Treiber zum Zugriff auf mySQL Datenbanken
OpenWave SDK http://developer.openwave.com/
Software Development Kit zur Emulation von Mobiltelefonen
Pollo http://pollo.sourceforge.net/
Java basierter XML-Editor für XML-Dokumente. Direkte Unterstützung von Cocoon
2 Sitemaps.
Tomcat http://jakarta.apache.org/tomcat/
Servlet Engine Tomcat
Xalan http://xml.apache.org/xalan/
XML Parser Xalan
Xerces http://xml.apache.org/xerces/
XSL Processor Xerces
XMLSpy http://www.altova.com/
XML Editor
9.2 Learning Objects Metadata (LOM)
In Abschnitt 9.2.1 wird eine grafische Darstellung der Gesamtstruktur des LOM Schemas
gegeben. Da das Schema sehr umfangreich ist, wird die grafische Darstellung in zwei Teile
aufgeteilt. Der erste Teil umfasst die Kategorien general, lifecycle, metameta und technical (siehe
Abbildung 74). Der zweite Teil der Darstellung umfasst die Kategorien educational, rights,
relation, annotation und classification (siehe Abbildung 75). In Abschnitt 9.2.2 wird eine
formalisierte Darstellung des LOM Schemas in Form einer DTD gegeben. In Abschnitt 9.2.3 ist
eine relationale Modellierung für das LOM Schema dargestellt.
9 ANHANG
Seite 211
9.2.1 LOM - Struktur
Abbildung 74: LOM Gesamtstruktur – Teil 1
9 ANHANG
Seite 212
Abbildung 75: LOM Gesamtstruktur – Teil 2
9.2.2 LOM – DTD
<!ELEMENT lom (general?, lifecycle?, metametadata?, technical?, educational?, rights?,
relation*, annotation*, classification*)>
<!ELEMENT general (title?, catalogentry*, language*, description*, keyword*, coverage*,
structure?, aggregationlevel?)>
<!ELEMENT title (langstring?)>
<!ELEMENT langstring (string*)>
<!ELEMENT string (#PCDATA)>
<!ATTLIST string
xml:lang NMTOKEN #IMPLIED
>
<!ELEMENT catalogentry (catalogue?, entry?)>
<!ELEMENT catalogue ANY>
9 ANHANG
Seite 213
<!ELEMENT entry (langstring?)>
<!ELEMENT language (#PCDATA)>
<!ELEMENT description (langstring?)>
<!ELEMENT keyword (langstring?)>
<!ELEMENT coverage (langstring?)>
<!ELEMENT structure (vocabulary?)>
<!ELEMENT vocabulary (source?, value?)>
<!ELEMENT source (langstring?)>
<!ELEMENT value (langstring?)>
<!ELEMENT aggregationlevel (vocabulary?)>
<!ELEMENT lifecycle (version?, status?, contribute*)>
<!ELEMENT version (langstring?)>
<!ELEMENT status (vocabulary?)>
<!ELEMENT contribute (role?, centity*, date?)>
<!ELEMENT role (vocabulary?)>
<!ELEMENT centity (vcard?)>
<!ELEMENT vcard ANY>
<!ELEMENT date (datestructure?)>
<!ELEMENT datestructure (datetime?, description?)>
<!ELEMENT datetime (#PCDATA)>
<!ELEMENT metametadata (catalogentry*, contribute*,metadatascheme*,language?)>
<!ELEMENT metadatascheme (#PCDATA)>
<!ELEMENT technical (format*, size?, location*, requirement*, installationremarks?,
otherplatformrequirements?, duration?)>
<!ELEMENT format (#PCDATA)>
<!ELEMENT size (#PCDATA)>
<!ELEMENT location ANY>
<!ATTLIST location
type (URI | TEXT) "URI"
>
<!ELEMENT requirement (type?, name?, minimumversion?, maximumversion?)>
<!ELEMENT type (vocabulary?)>
<!ELEMENT name (vocabulary?)>
<!ELEMENT minimumversion ANY>
<!ELEMENT maximumversion ANY>
<!ELEMENT installationremarks (langstring?)>
<!ELEMENT otherplatformrequirements (langstring?)>
<!ELEMENT duration (datestructure?)>
<!ELEMENT educational (interactivitytype?, learningresourcetype*, interactivitylevel?,
semanticdensity?, intendedenduserrole*, context*, typicalagerange*, difficulty?,
typicallearningtime?, description?, language*)>
<!ELEMENT interactivitytype (vocabulary?)>
<!ELEMENT learningresourcetype (vocabulary?)>
<!ELEMENT interactivitylevel (vocabulary?)>
<!ELEMENT semanticdensity (vocabulary?)>
<!ELEMENT intendedenduserrole (vocabulary?)>
<!ELEMENT context (vocabulary?)>
<!ELEMENT typicalagerange (langstring?)>
<!ELEMENT difficulty (vocabulary?)>
<!ELEMENT typicallearningtime (datetime?)>
<!ELEMENT rights (cost?, copyrightandotherrestrictions?, description?)>
<!ELEMENT cost (vocabulary?)>
<!ELEMENT copyrightandotherrestrictions (vocabulary?)>
<!ELEMENT relation (kind?, resource?)>
<!ELEMENT kind (vocabulary?)>
<!ELEMENT resource (description?, catalogentry?)>
<!ELEMENT annotation (centity?, date?, description?)>
<!ELEMENT classification (purpose?, taxonpath*, description?, keyword*)>
9 ANHANG
Seite 214
<!ELEMENT purpose (vocabulary?)>
<!ELEMENT taxonpath (source?, taxon*)>
<!ELEMENT taxon (id?, entry?)>
<!ELEMENT id (#PCDATA)>
9.2.3 LOM - Relationales Datenbankschema
educational
PK_Educational
PK_Lom (FK)
lang
interactivitytype
learningresourcetype
interactivitylevel
semanticdensity
difficulty
typicallearningtime
intendedenduser
context
typicalagerange
language
description
taxon
PK_Taxon
entry
taxon_path
PK_Taxon_Path
source
PK_Taxon (FK)
network_user
PK_Network (FK)
UserID (FK)
general
PK_General
PK_Lom (FK)
lang
identifier
title
language
description
keyword
coverage
structure
aggregationlevel
catalog1
entry1
catalog2
entry2
catalog3
entry3
relation
PK_Relation
PK_Lom (FK)
PK_Relation_Kind (FK)
PK_LomTarget
description
position
technical
PK_Technical
PK_Lom (FK)
lang
format
size
location
language
lang_key
lang
classification
PK_Classification
PK_Lom (FK)
purpose
keyword
description
lang
PK_Taxon_Path (FK)
relation_kind
PK_Relation_Kind
Kind
lom
PK_Lom
last_modifier
last_modified
status
PK_Lom_Level (FK)
lifecycle
PK_Lifecycle
PK_Lom (FK)
lang
version
status
role1
entity1
date1
role2
entity2
date2
role3
entity3
date3
requirement
PK_Requirement
PK_Lom (FK)
type
requirementname
minimum_version
maximum_version
installationremarks
duration
otherplatformreq
annotation
PK_Annotation
PK_Lom (FK)
lang
entity1
description1
date1
entity2
description2
date2
entity3
description3
date3
rights
PK_Rights
PK_Lom (FK)
lang
cost
copyright
description
lom_level
PK_Lom_Level
elementlevel
classification_structure
PK_Taxon
child
source
user
UserID
Passwd
Try
Role
Last_IP
Valid
SecretQuestion
SecretAnswer
Last_Login
firstname
username
institution
network
PK_Network
networkname
description
base_url
ht_url
tg_url
entries
schemata
field
field_key
field_lang
field_value
field_order
network_lom
PK_Network (FK)
PK_Lom (FK)
Abbildung 76: LOM - relationales Datenbankschema
9.3 LMML DTD
In diesem Abschnitt ist die LMML DTD abgebildet. Dabei wird nicht eine vollständige
Modellierung wiedergegeben, sondern es sind nur die relevanten Änderungen zum LMML
Grundmodell abgebildet.
9 ANHANG
Seite 215
<!-- LMML 10 OR Specifics Module .................................... -->
<!-- file: LMML11-OR-spec-10.mod .....................................-->
<!--
This is an adaption of LMML-CS to the specific needs of the project OR-World.
http://www.or-world.com
Please use this formal public identifier to identify it:
"-//DE.or-world//DTD LMML-ORW 1.1//EN"
Please use this formal system identifier to identify it:
"LMML-ORW.dtd"
-->
<!--
OR World Specifics
-->
<!--================ imported entities ===================-->
<!-- from module LMML11-cmodel-10.mod -->
<!ENTITY % Incontentobject.class "#PCDATA">
<!ENTITY % Section.content "#PCDATA">
<!-- from module LMML11-metadata-10.mod -->
<!ENTITY % Moduleproperties.attrib "">
<!--================== ORW specific ContentModules =========-->
<!ELEMENT org_background (%Incontentobject.class;)*>
<!ATTLIST org_background
%Moduleproperties.attrib;
>
<!ELEMENT area_of_interest (%Incontentobject.class;)*>
<!ATTLIST org_background
%Moduleproperties.attrib;
>
<!ELEMENT decision_problem (%Incontentobject.class;)*>
<!ATTLIST decision_problem
%Moduleproperties.attrib;
>
<!-- objectives could become LMML core element -->
<!ELEMENT objectives (%Incontentobject.class;)*>
<!ATTLIST objectives
%Moduleproperties.attrib;
>
<!--===ORW specific ContentModules: subclasses of ContentModule Exercise -->
<!ENTITY % Exercise.content "task, hint?, solution">
<!ELEMENT decision_var (%Exercise.content;)>
<!ATTLIST decision_var
%Moduleproperties.attrib;
>
<!-- hint could become LMML core element -->
<!ELEMENT hint (%Incontentobject.class;)*>
<!ELEMENT logical_var (%Exercise.content;)>
<!ATTLIST logical_var
%Moduleproperties.attrib;
>
<!ELEMENT obj_function (%Exercise.content;)>
<!ATTLIST obj_function
%Moduleproperties.attrib;
>
<!ELEMENT constraints (%Exercise.content;)>
9 ANHANG
Seite 216
<!ATTLIST constraints
%Moduleproperties.attrib;
>
<!ELEMENT csmod_solution (%Exercise.content;)>
<!ATTLIST csmod_solution
%Moduleproperties.attrib;
>
<!--================== ORW specific StructureModules ========-->
<!-- remark are for teachers only, thus use attribute audience='teachers' -->
<!ELEMENT casestudy (cs_verbal, cs_model, cs_solution, bibliography, objectives,
remark)>
<!ATTLIST casestudy
%Moduleproperties.attrib;
>
<!ELEMENT cs_verbal (org_background?, area_of_interest?, decision_problem,
illustration*)>
<!ATTLIST cs_verbal
%Moduleproperties.attrib;
>
<!ELEMENT cs_model (decision_var, logical_var?, obj_function, constraints,
csmod_solution)>
<!ATTLIST cs_model
%Moduleproperties.attrib;
>
<!--===Adaption Stephan Kassanke, 2001-11-15 ========-->
<!--Definition was too broad, replace %Section.content by %Incontentobject.class >
<!ELEMENT cs_solution (%Incontentobject.class;)*>
<!--==End of Modfication==========================-->
<!ATTLIST cs_solution
%Moduleproperties.attrib;
>
<!-- end of LMML11-OR-spec-10.mod -->
9.4 Kürzel zur Kennzeichnung von Sprachen (ISO 639)
Die International Organization for Standards (ISO) hat eine Liste von Sprachbezeichnern für die
Repräsentation von Sprachen unter der Referenznummer ISO 639 herausgegeben. Die Ausgabe
von 1988 wurde 1991 um weitere Sprachen erweitert (siehe [ISO639 1988] und [ISO639 1991]).
Zur weiteren Differenzierung können Suffixe nachgestellt werden, z. B. „en-GB“ für Britisches
und „en-US“ für Amerikanisches Englisch (siehe hierzu [Cover 2001]).
Tabelle 12: ISO 639 Sprachcodes
Sprache Language Name (English)
aa Afar
ab Abkhazian
ae Avestan
af Afrikaans
Sprache Language Name (English)
am Amharic
ar Arabic
as Assamese
ay Aymara
9 ANHANG
Seite 217
Sprache Language Name (English)
az Azerbaijani
ba Bashkir
be Belarusian
bg Bulgarian
bh Bihari
bi Bislama
bn Bengali
bo Tibetan
bo Tibetan
br Breton
bs Bosnian
ca Catalan
ce Chechen
ch Chamorro
co Corsican
cs Czech
cs Czech
cu Church Slavic
cv Chuvash
cy Welsh
cy Welsh
da Danish
de German
dz Dzongkha
el Greek, Modern (1453-)
en English
eo Esperanto
es Spanish; Castilian
et Estonian
eu Basque
eu Basque
fa Persian
fa Persian
fi Finnish
fj Fijian
fo Faroese
fr French
fr French
Sprache Language Name (English)
fy Frisian
ga Irish
gd Gaelic; Scottish Gaelic
gl Gallegan
gn Guarani
gu Gujarati
gv Manx
ha Hausa
he Hebrew
hi Hindi
ho Hiri Motu
hr Croatian
hr Croatian
hu Hungarian
hy Armenian
hy Armenian
hz Herero
ia Interlingua (International Auxiliary
Language Association)
id Indonesian
ie Interlingue
ik Inupiaq
is Icelandic
is Icelandic
it Italian
iu Inuktitut
ja Japanese
jv Javanese
ka Georgian
ka Georgian
ki Kikuyu; Gikuyu
kj Kuanyama
kk Kazakh
kl Kalaallisut
km Khmer
kn Kannada
ko Korean
ks Kashmiri
ku Kurdish
9 ANHANG
Seite 218
Sprache Language Name (English)
kv Komi
kw Cornish
ky Kirghiz
la Latin
lb Letzeburgesch
ln Lingala
lo Lao
lt Lithuanian
lv Latvian
mg Malagasy
mh Marshall
mi Maori
mi Maori
mk Macedonian
mk Macedonian
ml Malayalam
mn Mongolian
mo Moldavian
mr Marathi
ms Malay
ms Malay
mt Maltese
my Burmese
my Burmese
na Nauru
nb Norwegian Bokmål; Bokmål, Norwegian
nd Ndebele, North
ne Nepali
ng Ndonga
nl Dutch
nl Dutch
nn Norwegian Nynorsk; Nynorsk, Norwegian
no Norwegian
nr Ndebele, South
nv Navajo
ny Chichewa; Nyanja
oc Occitan (post 1500); Provençal
om Oromo
Sprache Language Name (English)
or Oriya
os Ossetian; Ossetic
pa Panjabi
pi Pali
pl Polish
ps Pushto
pt Portuguese
qu Quechua
rm Raeto-Romance
rn Rundi
ro Romanian
ro Romanian
ru Russian
rw Kinyarwanda
sa Sanskrit
sc Sardinian
sd Sindhi
se Northern Sami
sg Sango
si Sinhalese
sk Slovak
sk Slovak
sl Slovenian
sm Samoan
sn Shona
so Somali
sq Albanian
sq Albanian
sr Serbian
sr Serbian
ss Swati
st Sotho, Southern
su Sundanese
sv Swedish
sw Swahili
ta Tamil
te Telugu
tg Tajik
9 ANHANG
Seite 219
Sprache Language Name (English)
th Thai
ti Tigrinya
tk Turkmen
tl Tagalog
tn Tswana
to Tonga (Tonga Islands)
tr Turkish
ts Tsonga
tt Tatar
tw Twi
ty Tahitian
ug Uighur
Sprache Language Name (English)
uk Ukrainian
ur Urdu
uz Uzbek
vi Vietnamese
vo Volapük
wo Wolof
xh Xhosa
yi Yiddish
yo Yoruba
za Zhuang; Chuang
zh Chinese
zu Zulu
