Uzaktan Eğitim Ders Yönetim Sistemi İçin Anlamsal Tabanlı Kaynak Tarama Ajanı

Uzaktan Eğitim Ders Yönetim Sistemi İçin Anlamsal Tabanlı Kaynak Tarama Ajanı Duygu ÇELİK, Bilgisayar Müh.,Müh. Fak., İstanbul Aydın Üni.,İstanbul/TURKEY, 2 Atilla ELÇİ, Software Engineering Prog., Müh. Fak., Toros Üni., Mersin/TURKEY 3 Eray ELVERİCİ, Bilişim Destekli Öğr. Tek., Fen Bilimleri Ens., İstanbul Aydın Üni., İstanbul/TURKEY Necati İNAN, Bilişim Destekli Öğr. Tek., Fen Bilimleri Ens., İstanbul Aydın Üni., İstanbul/TURKEY Candan ÇELİK, Bilgisayar Müh.,Müh. Fak., İstanbul Aydın Üni.,İstanbul/TURKEY duygucelik@aydin.edu.tr, 2 atilla.elci@gmail.com, 3 erayelverici@gmail.com, necatiinan3@hotmail.com, candancelik@aydin.edu.tr Özet. Gelişen teknoloji ve bilgisayar kullanımının artması, interneti, uzaktan eğitimin ayrılmaz bir parçası yapmıştır. Fakat günümüzde, tüm Öğretim Yönetimi Sistemlerinde-ÖYS (Learning Management Systems-LMS) konu bazında ders içerikleri, statik tabanlı Web siteleri içine gömülmüştür. Bunun yanı sıra, ders içeriklerinin sorgulamalarında yine statik tabanlı geliştirilen ve sözdizimsel arama yapabilen ajanlar kullanılmış ve bu kullanılan teknoloji bu tür sistemlerde arama yaparken kullanıcının arama kriterlerini ve sonuçlarını kısıtlamıştır. Bu ders içeriklerinin sorgulanmalarında, semantik yaklaşımlı olması, ihtiyaca yönelik ders içeriklerinin tanınması hususunda çok büyük faydalar sağlayacağı düşünülmektedir. Anlamsal Web sayesinde sorgulamalar, anlam tabanlı olabilmekte ve buda sisteme, kullanıcının etkisine gerek duyulmadan çıkarsama yapmasına olanak sağlamaktadır. Bu makalede, anlamsal tabanda arama yapabilen ve kişiye yönelik aranılan bir eğitim dökümanını sunabilen, anlamsal-tabanlı arama ajan sisteminin mimarisi sunulmaktadır. OWL dili kullanılarak, uzaktan eğitim bileşenlerine ait ontoloji, bir veri tabanı olarak yaratılmış ve üzerinde gerekli sorgular yapılarak isteğe yönelik çıkarsama metodları kullanılmıştır. Bu makalede önerilen sistemin uygulamaya geçirilmesi ve kattığı değeri görmek maksadıyla İstanbul Aydın Üniversitesinin, Uzaktan Eğitim Yönetimi Sistemine uyarlanmıştır. Anahtar kelimeler: E-öğrenme, Ontoloji, Anlamsal Web, Anlamsal Kaynak Tarama Ajanı. Giriş Uzaktan Eğitimin ilk uygulamaları 700 lerin başlarında başlamıştı, ancak teknoloji tabanlı değildi. Görsel-işitsel cihazlar 900 lerde uzaktan eğitime katkı sağlamıştır. Günümüzdeki, uzaktan eğitim uygulamalarının gelişmesine medya araçları önemli katkıda bulunmuştur [-]. Uzaktan eğitimin başarısı; ) kullanılan teknolojiye, 2) uzaktan eğitim bileşenlerinin kalitesine, 3) LMS uygunluğuna, ) multi-medya temelli ders içeriğinin kalitesine, ) kurumsal kültüre ve 6) etkili geri bildirim mekanizmasına bağlıdır. Türkiye de uzaktan eğitim birçok üniversitede uygulanmaya başlamış bunun örneklerinden bir tanesi olan İstanbul Aydın Üniversitesi (IAU) Uzaktan Eğitim Enstitüsüdür. IAU uzaktan eğitim uygulamaları 2008-2009 eğitim-öğretim yılında Anadolu Bil Meslek Yüksekokulunun iki programıyla ve tam uzaktan eğitim bileşenleriyle başlatılmıştır. IAU uzaktan eğitim dersleri 38 farklı uzaktan eğitim tabanlı içerikle hazırlanmış ve haftalık bölümlerle öğrencilerine eğitim vermiştir. Uzaktan eğitim sistemleri üzerinde yapılan araştırmalar, uzaktan eğitim sisteminin etkinliğinin geliştirilmesi için birden fazla uzaktan eğitim bileşenin olması ve her bileşenin bir diğerini desteklemesi gerekmektedir [6]. Hatanaka ve arkadaşlarının bu argümanının sonucu olarak İstanbul Aydın Üniversitesinin uzaktan eğitim uygulamalarının birbirini destekleyen beş eğitim ve öğretim bileşeni vardır. Bu bileşenler, eşzamanlı eğitim, eşzamanlı olmayan eğitim, sınavlar, LMS-web sayfaları ve uzaktan eğitim canlı destek masasıdır. İstanbul Aydın Üniversitesi uzaktan eğitim bileşenleri İAUEM tarafından organize edilir, desteklenir ve izlenir. Eşzamanlı yada eşzamanlı olmayan eğitimde özellikle Adobe ürünleri olan yüksek teknoloji eğitim malzemelerini kullanır. Günümüzde uzaktan eğitimde sunulan ders içerikleri animasyonlar, grafikler, videolar ve diğer multimedya materyalleri Powerpoint sunumları üzerinden verilmektedir. Son Powerpoint slaytları sesli kayıt edilir

ve tamamlanmış ürün, Adobe Presenter kullanılarak tekbir flash dosyasına dönüştürülür. Böylece eşzamanlı olmayan eğitim medyasının içeriğini hazırlanır ve sunulur. Fakat bu tür sistemlerde bileşenler daha kuvvetlendirilip daha akıllı sistemler elde edilebilir. Örneğin sistemde kayıtlı olan öğrencilerin seviyelerini akıllı bir ajan yoluyla bireysel olarak tespit edip kritik noktalarda öğrenciye feedback sağlayabilir. Bu tür bir yaklaşım için yeni internet teknolojilerinden olan Semantik Web in katkılarından faydalanmak mümkündür. Bu makalede, bu tür eğitim yönetim sistemlerinin Semantik Web ile nasıl desteklenebileceği ve bu tür sistemlerin nasıl verimli hale getirileceği ve böylece anlamlı sonuçlara nasıl ulaşılabileceğinden bahsedilmektedir. Bu araştırmada sistemin çalışılabilirliğini göstermek maksadıyla İAUEM nin veri tabanındaki ders içerikleri, öğrenci profillleri, ders materyalleri gibi gerekli parçalar, ontoloji veri tabanına dökülerek geliştirilmiştir ve bu ontolojiler sistemin başarısını test edebilmek için kullanılmıştır (örneğin, Materyaller, Öğrenci Profili, Dersler ve Sınav gibi ontoloji veri tabanları yaratılmıştır). Tüm ontolojiler Protégé. kullanılarak yaratılmıştır [7]. Ayrıca önerilen sistem ve onun merkezi olan Anlamsal Kaynak Tarama Ajanı (AKTA), JBuilder 2006 [8] yazılımını kullanılarak JAVA ortamına taşındı. Bu makalenin ikinci bölümünde teorik altyapıdan, üçüncü bölümünde sistem mimarisi ve bölümlerinden ve son bölümde de elde ettiğimiz sonuçlardan söz edeceğiz. 2. Anlamsal Web Günümüz Web in bir uzantısı olarak geliştirilmiş olan Anlamsal Web, Tim Berners -Lee ve arkadaşları tarafından ortaya atılmıştır [9]. Anlamsal Web, bilginin anlamını inceler, insanlar yerine, bilgisayarlar veya makineler tarafından da o bilginin okunup anlaşılmasını sağlar. Anlamsal Web yeni ve ayrı bir buluş olmayıp, bilgilere iyi tanımlanmış anlamların verildiği, bilgisayarların ve insanların birlikte çalışmalarına imkân veren bugünkü Web in bir uzantısı veya eklentisi olarak bilinmektedir [9]. Anlamsal Web teki temel amaç, yeteri derecede tanımlanmış ve birbiriyle ilişkilendirilmiş bilgilerin ve servislerin web ortamında kolay bir şekilde bilgisayarca anlaşılabilir olmasını sağlayacak standartların ve teknolojilerin geliştirilmesidir. Anlamsal Web'in sağlıklı bir şekilde işleyebilmesi için, bilgisayarlar, yapısal olarak organize edilmiş verilere ve otomatik yargılama (reasoning) için kullanılacak, anlam çıkarma kural kümelerine erişebilmelidir. Bu kümeleri de ontolojiler oluşturmaktadır [0]. Ontoloji, insanlar veya sistemler arasındaki iletişimin temel aldığı bir bilgi alanının, ilgili sistemler tarafından tanınan ortak anlamını ifade eder []. Bilgi sistemleri alanında kavramların detaylandırılmasıdır. Diğer bir deyişle ontoloji; bir ajan ya da ajan topluluğunun sahip olabileceği kavramların ve ilişkilerin tanımıdır [2 ve 3]. Anlamsal Web, Web ortamındaki verileri anlamlı bir şekilde yorumlayabilmek için standart bir Web ontoloji diline ihtiyaç duyar. Bu ihtiyacı karşılamak için W3C, 2002 yılında OWL u (Web Ontology Language) ortaya çıkmış ve bu dil 200 yılında W3C standartları arasına girmiştir []. Bu makalede e-öğrenme ve semantik Web in birleşiminden oluşan katkı [2], bunun yanısıra İstanbul Aydın Üniversitesinin Uzaktan Eğitim Uygulamaları konu anlatımı, animasyonlar, slâytlar ve sınavlar gibi eğitim malzemelerinin, OWL dili kullanılarak, ontoloji veritabanının nasıl oluşturulduğundan ve kapsamındaki ontolojilerin, sistemin merkezi olan Anlamsal Kaynak Tarama Ajanı (AKTA) üzerinden nasıl işlendiğinden bahsedildi. Aşağıdaki bölümde bu çalışma ile ilgili teorik bilgi verilecek ve örneklenecektir. 3. Anlamsal Kaynak Tarama Ajanı (AKTA) Mimari yapısı Önerilen sistemin mimari düzeni LMS sistemlerinin yapısını bozmayacak şekilde bir modül olarak geliştirilmesi düşünüldü. Bunun faydası, kullanılan LMS sistemlerinin düzen ve işleyişini bozmadan araya eklenebilecek ara bir sistem yada modül olarak tasarlanmış olmasıdır. AKTA sistemi parçaları: Kullanıcı, Uzaktan Eğitim (UE) VT ve Yönetim Modülü, Ontoloji Veri tabanı, Çıkarsama Modülü ve merkezinde bulunan Anlamsal Kaynak Tarama Ajanı dır. Gelecek bölümlerde sistemin bölümlerinden, amaç ve çalışma mekanizmasından detaylı olarak bahsedilmektedir. 3. Uzaktan Eğitim Veri Tabanı AKTA sisteminin öncellikle bir arayüz üzerinden öğrenci veya sistem yöneticileri tarafından kullanılabilmesi düşünülmüştür. Önerilen AKTA sistemine bir öğrenci kimliği ile girişte, o öğrenciye ait aldığı tüm dersler gözükmektedir. Sistem seçilen bir ders üzerinden, o öğrenciye yönelik yorum yapma, gerekli ise materyal sunma ve o öğrencinin dönemsel performansını inceleyip bir çalışma planı çıkarabilmektedir. Sistemin ilk giriş arayüzünden o öğrenci için seçilen bir dersin, uzaktan eğitim sisteminin veritabanından, içerdiği üniteler, o öğrencinin katıldığı sınavlar ve sonuçları, o öğrenci hakkında dönemsel performans bilgisi çıkarmasını sağlamaktadır (bkz. adım -3, Şekil ). Öğrenci hakkında elde edilen bilgiler ve o öğrencinin seviye tespit sonuçları bir eşik değeri ile kıyaslanmaktadır.

UE VT UE VT: Uzaktan Eğitim Veri Tabanı UE VTYM: Uzaktan Eğitim Veri Tabanı Yönetim Modülü ÖPT:Öğrenci Performans Tablosu AKTA: Anlamsal Konu Tarama Ajanlı Sistem ÇM: Çıkarsama Modülü OBT: Ontoloji Bilgi Tabanı Öğrenci/ Yönetim Öğrenci No 2 Aldığı Dersler Seçilen Ders 3 AKTA SİSTEM UE VTYM Öğ.No Ders Ünite BODD Performans... *BODD: Bağlı olduğu diğer dersler ÖPT 6 6 7 7 ÇM OBT Şekil. Anlamsal kaynak tarama ajanlı sistem mimarisi Öğrenci performansını gösterecek olan performans skoru; katıldığı sınavlardan aldığı puanlar, kaç kez dersi aldığı, devam-devamsızlık, sunduğu projeler, ödevler ve sonuçları, öğretmenin eğitim skoru v.s. birçok parametreden oluşmaktadır. Bu makalede, öğrenciye yönelik istatistiksel başarı puanının hesaplanması konu dışında kalabileceğinden ve konuyu dağıtmaması açısından ileriki bölümlerde bu konudan bahsedilmeyecektir. Bu noktada sistem, var olan LMS sisteminin veritabanından bu istatistiksel başarı puanının hesaplanması için gerekli olan parametreleri çekecek ve bir ortalama başarı puanı hesaplayacaktır. Buradaki amaç, sistem o öğrenci hakkında iyi / kötü / orta seviye gibi durum tespiti yapabilmesini sağlamaktır. Elde edilen veriler, Uzaktan Eğitim Veri Tabanı Yönetim Modülüne (UE VTYM) bir tablo haline gelecek ve üretilen bu Öğrenci Performans Tablosunda (ÖPT); öğrenci no, aldığı/seçilen ders, içerdiği üniteler, öğrencinin başarı puanı ya da performans, bağlı olduğu diğer dersler gibi bilgiler içermektedir (bkz. adım -, Şekil ). Şekil 2. Materyal.owl bir kesitinin grafiksel gösterimi

3.2 Ontoloji Bilgi Tabanı (OBT) Sistemin ontoloji veritabanı oluşturulurken Protégé. yazılımı kullanıldı [7]. Bunlardan en önemlisi Materyal.owl ontolojisidir. Materyal ontolojisi owl:thing sınıfıyla başlamaktadır. Bu sınıfın ait Materyal sınıfı altsınıf olarak tanımlanmıştır. Materyal sınıfının altında farklı altsınıf tanımlanmıştır. Bunlar, kitap, sunu, test ve video dur (Şekil 2). Günümüzdeki uzaktan eğitimde verilen ders materyallerinin çoğu MS Power Point, Adobe PDF veya MS Word dokümanı olup ve genellikle sunum ağırlıklı olduğundan biz bu bölümde sunum kısmı ile ilgileneceğiz. Fakat yaratılan materyal ontolojisinde her türde ders materyalini anlamsal olarak tanımlandırmasını yapabilmektedir. Bu ontolojide her materyal türü için ortak özellikler tanımladık. OWL dilinde var olan owl:objectproperty ve owl:dataproperty özellik tanımlamalarını kullanarak birçok ortak özellik tanımladık. Materyaller ontolojisinde kullandığımız owl:dataproperty tanımlamaları: kapsar, kapsanır, önceki materyal ve sonraki materyal dir. Bunun yanı sıra, owl:dataproperty tanımlamaları: materyal adresi, materyal dili, materyal yazarı, materyalin sayfa sayısı, materyalin sınıf seviyesi, materyaldeki soru sayısı, materyaldeki çözümlü soru sayısı ve multimedya özelliğidir (bkz. Tablo ). Ayrıca multimedya özelliği, beş farklı alt sınıftan oluşturulmuştur: etkileşimli içerik özelliği, metin içerik özelliği, görsel içerik özelliği, resim içerik özelliği ve ses içeriği özelliğidir. Tablo. Materyal ontolojisinde tanımlanan sınıflar, owl:dataproperty ve owl:objectproperty yoluyla sınıflar arası özellikler ve ilişkiler. 2 3 6 7 8 9 0 2 3 6 7 8 9 20 2 22 23 2 2 26 27 28 29 30 3 32 33 <?xml version=".0"?> Ontology xmlns=http://www.w3.org/2002/07/owl# xml:base="http://aydin.edu.tr/ontology/20/materyal.owl" <Class IRI="#Kitap"/> <Class IRI="#Materyal"/> <Class IRI="#Sunu"/> <Class IRI="#Test"/> <Class IRI="#Video"/> <ObjectProperty IRI="#Kapsanir"/> <ObjectProperty IRI="#Kapsar"/> <ObjectProperty IRI="#OncekiMateryal"/> <ObjectProperty IRI="#SonrakiMateryal"/> <DataProperty IRI="#Etkilesimli_Icerik_Ozelligi"/> 3 3 36 37 38 39 0 2 3 6 7 8 9 0 2 3 6 7 8 9 60 6 62 63 6 6 66 <DataProperty IRI="#Gorsel_Icerik_Ozelligi"/> <DataProperty IRI="#Materyal_Adresi"/> <DataProperty IRI="#Materyal_Dil"/> <DataProperty IRI="#Materyal_Yazarı"/> <DataProperty IRI="#Metin_Icerik_Ozelligi"/> <DataProperty IRI="#MultiMedya_Ozelligi"/> <DataProperty IRI="#Resim_Icerik_Ozelligi"/> <DataProperty IRI="#Sayfa_Sayisi"/> <DataProperty IRI="#Ses_Icerigi_Ozelligi"/> <DataProperty IRI="#Sinif_Seviyesi"/> <DataProperty IRI="#Soru_Sayisi"/> Şekil 2 de görüldüğü üzere, ontoloji owl: thing sınıfıyla ile başlayıp materyal altsınıfı devam edip ve ardından gelen 8 farklı ünite sunularına ait owl: individual tanımlamaları gösterilmektedir. Şekil 3 de örnek olarak işaretlenmiş olan 0_Mat0_0_00 ünitesidir. Bunun anlamı birinci sınıf Matematik dersi birinci ünite 00 numaralı sunudur. Bu materyal üzerine pek çok anlamsal tanımlamalar bu ontoloji üzerinde yapılmıştır (bkz. Şekil-3 sağ alt Property Assertions penceresi). Odaklanılan 0_Mat0_0_00 ders materyalinin diğer ders materyalleri ile (individuals) olan anlamsal bağlantısı nelerdir görebiliriz. Örneğin 0_Mat0_0_00 materyali 0_Cal02_0_00 materyali tarafından kapsanır. DataTypeProperty Assertions bölümünde, bu materyalin içindeki soru sayısının 2 olduğunu, yazarının Prof. Dr. Ahmet Babanlı olduğunu veya sınıf seviyesinin birinci sınıfa ait olduğunu görebiliriz (bkz. satır - 9; Tablo 2 ya da Şekil 3(Protege)).

Şekil 3. Materyal.owl içinde tanımlı 0_Math0_0_00 ünitesine ait anlamsal bilgi. Bu materyallerin anlamsal olarak geliştirilmiş bir akıllı ajan tarafından aranılıp bulunabilmesi için yer bilgisi de tutulmuştur. Bu materyalin şu anki yer durumu LMS dersler altında Mat0 dosyası altında bulunduğunu gösteren bir URL bilgisi içermektedir (bkz. satır -9; Tablo 2 ya da Şekil 3). 2 3 6 7 8 9 0 2 3 6 7 8 9 20 2 22 23 2 2 26 27 28 29 Tablo 2. Ders ve ünitelerine ait var olan materyallerin yaratılması ve tanımlamaları <ClassAssertion> <Class IRI="#Sunu"/> </ClassAssertion> <DataPropertyAssertion> <DataProperty IRI="#Materyal_Adresi"/> <Literal datatypeiri="&xsd;anyuri">../lms/dersler/math0</literal> </DataPropertyAssertion> <DataPropertyAssertion> <DataProperty IRI="#Materyal_Dil"/> <Literal datatypeiri="&xsd;language">tr</literal> </DataPropertyAssertion> <DataPropertyAssertion> <DataProperty IRI="#Materyal_Yazarı"/> <Literal datatypeiri="&xsd;name">prof.dr. Ahmed Babanlı</Literal> </DataPropertyAssertion> <DataPropertyAssertion> <DataProperty IRI="#Resim_Icerik_Ozelligi"/> <Literal datatypeiri="&xsd;boolean">true</literal> </DataPropertyAssertion> <ObjectProperty IRI="#SonrakiMateryal"/> 30 3 32 33 3 3 36 37 38 39 0 2 3 6 7 8 9 0 2 3 6 <DataPropertyAssertion> <DataProperty IRI="#Soru_Sayisi"/> <Literal datatypeiri="&xsd;integer">2</literal> </DataPropertyAssertion> <AnnotationProperty abbreviatediri="rdfs:label"/> <IRI>#0_Math0_0_00</IRI> <Literal datatypeiri="&rdf;plainliteral">.sınıf Math 0 dersi.ünite 00 nolu powerpoint sunumlu ders materyali</literal> </AnnotationAssertion> <AnnotationAssertion> <AnnotationProperty abbreviatediri="rdfs:label"/> <IRI>#Etkilesimli_Icerik_Ozelligi</IRI> <Literal datatypeiri="&xsd;string">materyalin etkilesimli icerige sahip olup olmadigini gosterir.</literal> </AnnotationAssertion> <AnnotationAssertion> <AnnotationProperty abbreviatediri="rdfs:label"/> <IRI>#Gorsel_Icerik_Ozelligi</IRI> <Literal datatypeiri="&xsd;string">materyalde gorsel icerik olup olmadigini gosterir. </Literal> </AnnotationAssertion> <AnnotationAssertion> <AnnotationProperty abbreviatediri="rdfs:label"/> <IRI>#Materyal_Adresi</IRI> <Literal datatypeiri="&xsd;string">materyalin nerede bulundugunu gosterir.</literal> </AnnotationAssertion>

Bu anlamsal bilgiler ışığında akıllı arama ajanları, Matematik 0 dersine ait tüm özellikleri algılayabilir ve yorumlayabilir. Böylece bir öğrencinin performans bilgileri doğrultusunda bu materyale ihtiyacı olup olmadığı konusunda karar verebilir. Fakat sistem tek bu materyal ile sınırlı kalmayıp, ilişiksel üniteleri veya ilintili diğer derslerin var olan materyalleriyle çalışma planını kuvvetlendirebilir. Bunun için çeşitli özellik tanımlamaları kullanılabilmektedir. Şekil 3 de, verilen örnekte gördüğümüz gibi birinci sınıfa ait Mat0 dersinin beşinci materyalinin (0_Mat0_0_00), birinci sınıf mat0 dersinin ikinci ünitesi olan 00 materyali (0_Mat0_02_00), ile bağlantısı tanımlanmıştır. Bu bağlantı sonraki materyal ilişkisidir. Yani sonraki materyal :ObjectTypeProperty özelliği kullanarak arka arkaya gelmesi gereken materyalleri tanımlayabiliriz (bkz. satır 2-29, Tablo 2). Bu sayede, anlamsal tabanda geliştirilmiş arama ajanları da, birbirini takip eden ünite materyallerini tanıyabilir ve bu konulara gereksinim duyulduğunda önermeler yapabilme yetisine sahip olabilir. Materyal ontolojisi benzer olarak, dersler ontolojisi ve öğrenciler ontolojisi de Protege de hazırlanmıştır. Ancak bu makale çalışmamızda, öğrenciye yönelik gerekli materyal taramasında, akıllı bir anlamsal arama ajanın rolü nedir konusuna odaklandığımızdan dolayı materyal ontolojisi üzerine ağırlık verdik. Aşağıda materyal ontolojisine ait bir parça yukarıdaki örnekler doğrultusunda verilmiştir. 3.3 Çıkarsama Motoru Armstrong un Aksiyomları (Armstrong s Axioms-AA) bir aksiyomlar/çıkarsama kuralları kümesidir[]. AA ları, İlişiksel Veritabanları(Relational Database) nda rastlanan Fonksiyonel Bağlılıkları (functional dependencies-fds) çıkarsamak için kullanılmaktadır. Tablo-3 de görüldüğü üzere yedi farklı çıkarsama kuralı vardır: Reflexivity, Augmentation, Transitivity, Pseudo Transitivity, Additivity, Accumulation, ve Projectivity. Daha önceki çalışmalarımızda Anlamsal Birleştirme Ajan tabanlı sistemler (SCA-Semantic Composition Agent-based System) üzerine yaptığımız çalışmamızda önerdiğimiz sistem, elde varolan Web servislerine ait iş süreçlerinin tanımlarını ele alıp birleştirebilmesi ve amaca uygun yeni bir kompleks iş süreci oluşumu sağlanmasıydı [6]. Diğer bir deyişle, ortamda var olmayan ve kullanıcı tarafından gereksinim duyulan yeni bir kompleks iş sürecinin, elde var olan süreç tanımlarından birleştirilip oluşturulması hedeflenmişdir [6-20]. Fakat anlamsal bir iş akışı planı tanımlamak için uygun ve doğru çıkarsama kurallarına ihtiyaç vardır. Önceki çalışmamızda [6], Armstrong un Aksiyomları nı iş süreçleri arasında ki ilişkileri yakalamak ve yeni iş süreçleri elde etmek için kullandık. Yukarıda verdiğimiz tabloda Reflexivity ve Augmentation çıkarsama kurallarını kombine etmeyi önerdik, böylece Pseudo Factorization aksiyomunu meydana getirdik. Tablo 3. Armstrong un Aksiyomları ve Revize Armstrong un Aksiyomları. AA. Reflexivity Kuralı: Y, X in bir alt kümesiyse X Y fonskiyonel bağımlılığı vardır: Biçimsel ifadeyle, X Y if Y X. 2. Augmentation Kuralı: Eğer X Y ise, X Z Y Z fonksiyonel bağımlılığı vardır. Biçimsel ifadeyle, eğer X Y öyleyse X Z Y Z herhangi Z için. 3. Transitivity Kuralı: Eğer X Y ve Y Z ise X Z fonksiyonel bağımlılığı vardır. Biçimsel ifadeyle, eğer {(X Y) ve (Y Z)}, öyleyse X Z.. Pseudo transitivity: Eğer X Y ve Y Z W ise X Z W fonksiyonel bağımlılığı vardır. Biçimsel ifadeyle, eğer {(X Y) ve (Y Z W)} öyleyse (X Z W).. Additivity Kuralı: X Y ve X Z ise X Y Z fonksiyonel bağımlılığı vardır. Biçimsel ifadeyle, eğer {(X Y) ve (X Z)} öyleyse (X Y Z). 6. Accumulation Kuralı: X Y Z ve Z C W ise X Y C W fonksiyonel bağımlılığı vardır. Biçimsel ifadeyle, eğer {(X Y Z) ve (Z C W)} öyleyse (X Y C W). 7. Projectivity Kuralı: Eğer X Y Z ise X Y ve X Z fonksiyonel bağımlılığı vardır. Biçimsel ifadeyle, eğer (X Y Z) öyleyse X Y ve X Z. RAA.Pseudo factorization Kuralı: Eğer {(X Y Z),(T Z W)} ve eğer (Z T Z ve T X or T Y) öyleyse X Y W. 2.Transitivity Kuralı: Eğer {(X Y) ve (Y Z)} öyleyse (X Z). 3.Pseudo transitivity Kuralı: Eğer {(X Y) ve (Y Z W)} öyleyse (X Z W).. Additivity Kuralı: Eğer {(X Y) ve (X Z)} öyleyse (X Y Z).. Accumulation Kuralı: Eğer {(X Y Z) ve (Z T W)} öyleyse (X Y T W). 6.Dissection Kuralı: Eğer (X Y Z) öyleyse X Y ve X Z.

Bu aksiyomu geliştirmemizdeki amaç, Reflexivity ve Augmentation aksiyomlarının, yeni süreçlerin türetimini daha kompleks hale getirmesini, ilaveten uyumsuz süreç türetimlerini engellemekti. Ayrıca, Projectivity aksiyomunu, Dissection şeklinde yeniden adlandırdık. Revize Armstrong Aksiyomları (Revised Armstrong s Axioms-RAA), AA aksiyomlarının eşdeğeri dönüşümlerle yapılandırılmış ve bu dönüşümler esnasında AA aksiyomlarının doğruluğu ve bütünlüğü bozulmamıştır. Tablo- ün ilk sütununda, AA aksiyomları, ikinci sütununda da RAA aksiyomları verilmiştir. OWL biçimsel anlamları çeşitli özellik karakterleri sağlıyabilmektedir: geçişli (transitive), simetrik (symmetric), fonksiyonel (functional), tersi (inverseof), tersfonksiyonlu (inversefunctional) vs. Örneğin, eğer bir özellik geçişli(transitive) ise herhangi X, Y, ve Z materyalleri için: P(X,Y) ve P(Y,Z) nin özellik geçişi P(X,Z) anlamına doğurmaktadır. Kang ve grubu [2] anlamsal tanımlanmış iş süreçlerini monitorize etme ve sıralama yani planlama amaçlı varolan owl: ObjectProperty tanımlarına uygulanıp, o iş süreçleri arasında yeni özellik tanımları çıkarsamayı önermiştir. Fakat biz bu çalışmada, RAA ları owl:objectproperty özelliği şeklinde tanımlandırarak materyaller arasında uygun olan özellik ilişkilerini çıkarsamak için kullanmayı önerdik. Geçişli (transitive-based) özellik tanımlamaları Tablo de (bkz. satır 2, 7, 2, ve 22) gösterilmiş ve çalışma planı çıkarırken materyaller arası ilişkilerin kurulmasında aşağıdaki çıkarsama kurallarının kullanılması planlanmıştır. Tablo. Revize edilmiş Armstrong Aksiyomlarının ontolojik tanımlanması <!-- Object Properties of Tasks.Owl--> <owl:objectproperty rdf:id="hastransitivity"> 2 <rdf:type rdf:resource="&owl;transitiveproperty"/> 3 <rdfs:domain rdf:resource="#materyal"/> <rdfs:range rdf:resource="# Materyal "/> </owl:objectproperty> 6 <owl:objectproperty rdf:id="hasadditivity"> 7 <rdf:type rdf:resource="&owl;unionproperty"/> 8 <rdfs:domain rdf:resource="#materyal"/> 9 <rdfs:range rdf:resource="# Materyal "/> 20 </owl:objectproperty> 6 <owl:objectproperty rdf:id="haspseudofactorization"> 7 <rdf:type rdf:resource="&owl;transitiveproperty"/> 8 <rdfs:domain rdf:resource="#materyal"/> 9 <rdfs:range rdf:resource="# Materyal "/> 0 </owl:objectproperty> <owl:objectproperty rdf:id="haspseudotransitivity"> 2 <rdf:type rdf:resource="&owl;transitiveproperty"/> 3 <rdfs:domain rdf:resource="#materyal " /> <rdfs:range rdf:resource="#materyal" /> </owl:objectproperty> 2 <owl:objectproperty rdf:id="hasaccumulation"> 22 <rdf:type rdf:resource="&owl;transitiveproperty"/> 23 <rdfs:domain rdf:resource="#materyal"/> 2 <rdfs:range rdf:resource="# Materyal "/> 2 </owl:objectproperty> 26 <owl:objectproperty rdf:id="hasdissection"> 27 <rdfs:domain rdf:resource="#materyal"/> 28 <rdfs:range rdf:resource="# Materyal"/> 29 </owl:objectproperty> Bu çalışmamızda, Revize Armstrong Aksiyomları nı iş süreçleri yerine materyaller arasındaki sıra ilişkilerini yakalamak ve öğrenci ihtiyacını karşılayacak bir materyal tabanlı çalışma planı oluşturmak için aşağıdaki şekilde görüldüğü üzere tanımlanan owl:objectproperty türlerine uygulanmıştır. Şekil. Materyal.owl içinde tanımlanmış owl: ObjectProperty türleri: Kapsanır, Kapsar, ÖncekiMateryal ve SonrakiMateryal Olası bir senaryoya göre; bir LMS kullanıcısı sisteme öğrenci numarasıyla girmektedir ve çalışma planı istediği dersin kodunu seçmektedir. Sistem seçilen dersin ve o öğrencinin varitabanından ilgili tüm bilgisine erişebilmektedir. Seçilen ders için öğrencinin ünite bazlı performans sonuçlarına göre sistem materyal tarama işlemi yapacaktır. Örneğin.sınıf Math 0 dersinin ünite den öğrencinin dönem performansı eşik değerinden oldukça düşük dönmüş olsun. Sistem bu üniyete ait materyalleri ve bu ünitenin bağlı olduğu ilgili diğer ünite konularını tarayacaktır. Bunun yanısıra, diğer ders materyallerinden aynı üniteyi işleyen materyalleride elegeçirecektir. Fakat sistem öncellikle bu materyallerin ilgili olanlarını anlayabilmek için materyal.owl üzerinde gerekli alanları tarayacak ve bilgiyi çıkarsama (inferencing) işlemi için elegeçirecektir.

Şekil. Materyal.owl içinde tanımlanmış iki materyal (individual) için tanımlanmış SonrakiMateryal owl:objectproperty özelliği Yukarıdaki Şekil- de görüldüğü üzere.sınıf Math 0 dersinin ünite e ait 00 nolu materyalin owl: ObjectProperty SonrakiMateryal özelliği.sınıf Math 0 dersinin ünite 2 e ait 00 materyaline bağlanmıştır. Bu ilişki aşağıdaki Tablo de 6-.nci satırlar arasında anlamsal bağlamda ilişkilendirilmiştir. Fakat aynı özellik.sınıf Math 0 dersinin ünite 2 e ait 00 nolu materyali ile yine.sınıf Math 207 dersinin ünite e ait 00 nolu materyal arasında aynı anlamsal ilşki tanımlanmıştır (7-2, Tablo-). Bu durumda iki farklı dersin ortak üniteleri olduğunu ve birbirleri arasındaki konu bazlı bağlılıkları anlamsal olarak tanımlanmıştır. Anlamsal materyal tarama ajanı, 0_Math0_0_00 materyalinden sonra 0_Math0_02_00 materyalinin işlenmesi gerektiğini anlayabilecek, ve sonrasında 0_Math0_02_00 materyalinden sonra 0_Math207_0_00 gerekli olduğunu düşünerek bir çalışma planı çıkarabilecektir. Bunun için geçişli bir çıkarsama kuralına ihtiyaç duyacaktır, burada materyal sırasını belirlemek için P(X,Y) ve P(Y,Z) P(X,Z) : geçişli(transitive) aksiyomunu kullanacaktır. [SonrakiMateryal(0_Math0_0_00, 0_Math0_02_00)] [SonrakiMateryal(0_Math0_0_00, 0_Math0_02_00)] [SonrakiMateryal(0_Math0_0_00, 0_Math207_0_00)] 2 3 6 7 8 9 0 2 3 6 7 8 9 20 2 22 23 2 Tablo. Çeşitli materyal kaynakları için tanımlanmış dokuz farklı ObjectPropertyAssertion <ObjectProperty IRI="#Kapsanir"/> <NamedIndividual IRI="#0_Calc02_0_00"/> <ObjectProperty IRI="#SonrakiMateryal"/> <ObjectProperty IRI="#Kapsanir"/> <NamedIndividual IRI="#0_Math0_0_0"/> <NamedIndividual IRI="#02_Math207_0_00"/> <ObjectProperty IRI="#SonrakiMateryal"/> <NamedIndividual IRI="#0_Math207_0_00"/> <ObjectProperty IRI="#Kapsanir"/> 2 26 27 28 29 30 3 32 33 3 3 36 37 38 39 0 2 3 6 7 <NamedIndividual IRI="#02_Math207_0_00"/> <ObjectProperty IRI="#Kapsar"/> <ObjectProperty IRI="#OncekiMateryal"/> <NamedIndividual IRI="#0_Math0_0_0"/> <ObjectProperty IRI="#Kapsanir"/> <NamedIndividual IRI="#0_Math0_02_002"/> <NamedIndividual IRI="#02_Math207_0_02"/> <ObjectProperty IRI="#OncekiMateryal"/> <NamedIndividual IRI="#0_Math0_02_002"/>

Birçok aksiyom uygun yerlerde ontoloji içinde tanımlanıp, materyaller arasındaki sıralama hakkında bilgi verecek ve çalışma planında sıralamada etkin olarak yorum yapabilmeye olanak sağlıyacaktır. Ontolijilerden bilgi çıkarımı için geliştirilen ve Anlamsal Web teknolojilerinden olan JENA (RDF API) yaygın olarak kullanılmaktadır [22]. Eldeki gerçeklerden yola çıkıp yeni gerçekler veya sonuç çıkarma (reasoner) işlemi için yine Anlamsal Web teknolojilerinden birtanesi olan PELLET OWL DL Reasoner yaygın olarak kullanılmaktadır [23]. Bu tür bilgi erişim sistemin geliştirilmesinde yaygın olarak benzeri araçlardan faydalanmak mümkündür. Şimdiye kadar sadece owl:objectproperty özellikler için RAA aksiyomlarını düşündük ve tartıştık. Ayrıca aranılıp bulunan materyalin kalitesi hakkında konuşurken, o materyallerin owl:dataproperty özelliklerini inceleyip, materyaller hakkında içerdikleri soru sayısı, çözümlü örnek sayısı, materyali hazırlayan kişi hakkında bilgi, konu anlatım kalitesi, resim, video, text veya ses içerikleri hakkında çeşitli bilgiler üzerinden materyal hakkında bir rank değeri hesaplanıp çalışma planında sıralamada üst tarafa taşınması öğrenci memnuniyeti ve başarısını arttıracaktır. Böylece derslere ait ünite bazlı materyaller arasındaki bağlılıkları anlamsal betimlemeler yolu ile ontoloji dosyalarına tanımlayıp, bu tanımlar üzerinden çıkarsama yoluyla ihtiyaca yönelik kaliteli bir çalışma planı oluşturmak için gerekli sıralama ve filtreleme yapılarak, kullanıcının ihtiyacı olan ders çalışma planını sunmak mümkün olabilmektedir.. Sonuçlar Bu makalede bir LMS sistemindeki ders materyallerinin sözdizimsel yerine anlamsal tabanda taranıp öğrencinin ihtiyacı olan ders çalışma planını üreten, Anlamsal Kaynak Tarama Ajanı (AKTA) diye isimlendirdiğimiz bir sistem önerdik. Bu sistemi yapılandırırken İstanbul Aydın Üniversitesinin, Uzaktan Eğitim Yönetim Sistemini model olarak ele aldık. Önerilen AKTA sisteminin parçaları: Kullanıcı, Uzaktan Eğitim (UE) VT ve Yönetim Modülü, Ontoloji Veri tabanı, Çıkarsama Modülü ve merkezinde bulunan Anlamsal Kaynak Tarama Ajanı dır. AKTA, kendi çıkarsama kurallarını, yani revize edilmiş Armstrong un Çıkarsama Kuralları (RAA), planlama ve çıkarsama işlevlerinde kulanır. AKTA nın çıkarsama modülünde, tanımlanan owl:objectproperty özelliklere yönelik RAA çıkarsama kuralları düşünülmüş ve konu sıralamasının bu sayede bir ajan tarafından yapılabileceği planlanmıştır. Bunun yanısıra, materyaller arası kalite seçimi yapabilmek için de owl:dataproperty özellikleri anlamsal olarak tanımlanmıştır. Bu sistemin ve yaratılan ontoloji veritabanlarının en büyük avantajı geliştirilmeye/eklentiye açık olmasıdır. Kısacası, kompleks bir çalışma planı meydana getirebilmek ve bunun için doğru materyalleri yakalamak ontolojiler ile mümkün olmaktadır.. Teşekkür Bu çalışmaya yaptığı katkılardan dolayı Prof. Dr. Ali Güneş ve Yük. Lis. Öğr. Ergin Karakoç a teşekkür ederiz. 6. Kaynakça [] Lockee B, Moore M, Burton J, Measuring Success: Evaluation Strategies for Distance Education, Educause Quarterly,, pp. 20-26, 2002. [2] The Institute for Higher Education Policy, Quality On The Line: Benchmarks for Success in Internet- Based Distance Education, supported by the National Education Association (NEA) and Blackboard, Inc., April 2000. [3] Wagner, Ellen D., Distance Education Success Factors, Adult Learning, V. 7,, 99, pp. 8-9, 99. [] Stella, A., Gnanam A., Quality assurance in distance education: The challenges to be addressed. Higher Education, 7, N 2, 200, pp. 3-60, 7(2), 3-60, 200. [] Isman, A., Barkan, M., Demiray, U., Distance Education: The Winds of Change. Ankara: Pegem Akademi Publication, 200. [6] Hatanaka A, Okada A, Yuriyama M, Tarumi H, Kambayashi Y, Functions of Distance Learning System: View Classroom, http://www.ineer.org/events/icee2000/proceedings/papers/mc2-.pdf, Accessed June 2009. [7] Protégé, OWL-S Ontology Editor CS/AI Department, University of Malta (200), http://owlseditor.semwebcentral.org/, Last accessed November 2009. [8] JBuilder software package, Borland JBuilder 2006, http://www.borland.com/jb2006, 2006. [9] T. Berners-Lee, J. Hendler, O. Lassila, The Semantic Web, Scientific American, 28(), 3-3, 200. [0] Kaya, G., E-Öğrenme Ortamları için Özlü Sözler Ontolojisinin Tasarımı ve Uygulaması (Yayımlanmamış Yüksek Lisans Tezi). Ankara: Hacettepe Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar ve Öğretim Teknolojileri Eğitimi Anabilim Dalı, 2008.

[] Ullrich, C., Description of an Instructional Ontology and its Application in Web Services for Education. Proceedings of Workshop on Applications of Semantic Web Technologies for E-learning SW-EL'0, 7-23,200. [2] Gruber, T. (n.d.). What is an ontology?. Retrieved June, 2007, from, http://wwwksl.stanford.edu/kst/what-is-an-ontology.html [3] Türksoy, H., Ontoloji Tabanlı Etkinlik ve Öğrenme Nesnesi Paylaşımı Sistemi (Yayımlanmamış Yüksek Lisans Tezi) Hacettepe Üniversitesi Lisansüstü Eğitim Öğretim ve Sınav Yönetmeliğinin, Bilgisayar ve Öğretim Teknolojileri Eğitimi Anabilim Dalı, 2007. [] OWL Web Ontology Language Overview, W3C Recommendation, Online: http://www.w3.org/tr/owl-features/, accessed November 2009. [] Armstrong, W. W., "Dependency Structures of Data Base Relationships", Information Processing, 7, North Holland, 97. [6] Çelik, D., Elçi, A., Towards a semantic-based workflow model to composition of OWL-S based atomic processes through process similarity matching and inferencing techniques, J. of Internet Technology, ISSN: 607-926, Published by: Taiwan Academic Network Executive Committee, 200. [7] Çelik, D., Elçi, A., Akıllı Anlamsal Ağ Servisi Arayıcısı, Türkiye Bilişim Vakfı Bilgisayar bilimleri ve mühendisliği Dergisi (TBV BBMD),Vol 2,3-2, 2006. [8] Çelik, D., Elçi, A., A Semantic Search Agent Discovers Suitable Web Services According to an E- Learning Client Demand, 6th International educational Technology Conference, IETC 2006, Gazimagusa, TRNC, pp. 6-2, 2006. [9] Çelik, D., Elçi, A., "Provision of Semantic Web Services through an Intelligent Semantic Web Service Finder", Multiagent and Grid Systems - An International Journal, IOS Press, ISSN 7-702, (3), 3-33, 2008. [20] Çelik, D. & Elçi, A., "Ontology-based QoS Model for Appropriate Selection and Composition of Web Services", IRECOS-Journal of International Review on Computers and Software, ISSN 828-6003, 76-8, 2008, http://www.praiseworthyprize.com/irecos_latest.html. [2] Kang, D., Lee, S., Kim, K., & Lee, J.Y., An OWL-based semantic business process monitoring framework, Journal of Expert Systems with Applications, 097-7, Vol. 36, Issue, 776-780, 2009. [22] Jena RDF API, Hewlett-Packard Development Company (200), http://www.hpl.hp.com/semweb/jena.htm, accessed November 2009. [23] E. Sirin, B. Parsia, PELLET, An OWL DL Reasoner, In International Workshop on description Logics (DL200), Whistler, Canada (200). [2] Elçi, A., A Metadata Model For E-Learning Coordination Through Semantic Web Languages, The Turkish Online Journal of Educational Technology TOJET, ISSN: 303-62 volume Issue 3 Article 3, pp: 2-7, July 200.