STRATEGIE DI IMPLEMENTAZIONE

L’implementazione  del  modello  ha  avuto  inizio  con  l’identificazione  dei  più  opportuni  formalismi  per  la  traduzione  dello  stesso  in  linguaggi  che  garantissero  una sufficiente espressività semantica e interoperabilità tra differenti applicazioni e  sistemi di e‐learning. 

Allo  stadio  attuale,  lo  schema  di  codifica  individuato  che  è  sembrato  meglio  corrispondere  agli  obiettivi  della  ricerca  è  lo  standard  ISO/IEC  13250:  Topic  Maps  (TM).  Esso,  come  detto  in  precedenza,  definisce  un  modello  formale  e  standardizzato  di  rappresentazione  della  conoscenza  sviluppato,  secondo  la  stessa  definizione  ISO,  per  “rendere  le  informazioni  più  facilmente  rintracciabili”;  al  contempo  specifica  un  vocabolario  e  una  grammatica,  tramite  l’XML  Topic  Maps  (XTM),  per  la  codifica  XML  delle  topic  maps.  Il  processo  d’implementazione  del  modello  ha  avuto,  pertanto,  avvio  con  la  traduzione  del  modello  in  XTM.  Lo  strumento  impiegato  è  stato  TM4L  (Topic  Maps  for  E‐learning),  un  ambiente  di  authoring  che  consente  la  creazione,  la  gestione  e  l’impiego  di  archivi  di  risorse 

didattiche, fondati su ontologie espresse tramite lo standard Topic Maps [Dicheva &  Dichev, 2006]. 

La traduzione in XTM non ha presentato particolari difficoltà. Dapprima sono  stati individuati, tra gli elementi che costituiscono il modello, i principali topic che  consentono  di  dare  un’organizzazione  logica  ai  contenuti:  Objective,  SubObjective,  SubjectMatter,  UnitOfLearning,  TopicType,  PrimaryTopic,  SecondaryTopic,  CourseRequirement. Successivamente si è proceduto alla strutturazione degli stessi  mediante  l’organizzazione  di  una  preliminare  tassonomia  e  l’uso  delle  association  che  li  mettono  in  relazione  (ad  esempio,  isPartOf,  isTopicOf,  isPrimaryTopicOf,  isRequirementOf, etc.). 

Una volta che il disegno è stato tradotto in XTM, si è potuto procedere a una  prima  fase  di  test  durante  la  quale  è  stato  modellato  uno  specifico  dominio  di  conoscenza  (rappresentato  nel  nostro  caso  dai  contenuti  di  un  corso  d’insegnamento universitario), associando ai topic le opportune occorrenze. 

Come  in  precedenza  detto,  lo  schema  ontologico  è  stato  disegnato  indipendentemente  da  specifici  formalismi.  Come  conseguenza,  è  possibile  implementare  il  medesimo  disegno  attraverso  la  sua  traduzione  in  linguaggi  differenti  da  XTM.  In  particolare,  allo  stato  attuale,  si  sta  procedendo  alla  sua  traduzione  in  OWL  (Web  Ontology  Language),  un  linguaggio  per  la  definizione  di  ontologie  strutturate  basate  sul  Web,  il  cui  sviluppo  è  sostenuto  dal  W3C.  Lo  strumento adottato per la traduzione in OWL è Protégé (Protégé), un software free  che fornisce un insieme di tool per la definizione di modelli e applicazioni basati su  ontologie. 

Rapportando il paradigma delle Topic Maps all’ambito della progettazione dei  contenuti didattici, potremmo generare una mappa che definisce i concetti chiave  di  un  corso  e  le  relazioni  tra  essi  e  associare  questa  a  un  archivio  di  materiali  didattici,  le cui  risorse  sono  associate  ai  concetti  espressi  dalla  mappa.  L’esistenza  dei  due  livelli  (knowledge  layer  e  information  layer),  infatti,  ci  consente  di  predisporre approcci  conoscitivi  differenti  e  personalizzati  (realizzati  in conformità  al processo di profilazione degli studenti) alla medesima struttura di risorse. 

In  un  tipico  contesto  formativo,  infatti,  ciascun  docente  e/o  esperto  dei  contenuti  crea  la  sinossi  del  proprio  insegnamento  in  cui  è  possibile  individuare  alcuni macro‐argomenti, i quali guidano la suddivisione del corso in lezioni e/o unità  didattiche. Questo scenario, riportato all’ambito della formazione in rete, prevede,  in fase di progettazione dei contenuti, la serializzazione dei materiali con l’obiettivo 

principale di ottenere unità di apprendimento, tipicamente LO in formato standard  SCORM, auto consistenti. 

Le  Topic  Maps,  pertanto,  potrebbero  essere  utilmente  intese  come  gli  indici  dei  contenuti  di  un  corso,  con  la  differenza  che,  mentre  gli  indici  possono  offrire  poco  più  che  un’organizzazione  gerarchica  dei  concetti,  esse  esprimono  anche  la  semantica  intrinseca  alla  struttura  dei  contenuti,  secondo  un  linguaggio  standardizzato,  formale  ed  esportabile  in  rete.  La  definizione  dei  contenuti  è  preceduta,  secondo  questo  approccio,  dalla  codifica  di  uno  schema  ontologico  basato sulle TM; schema che necessariamente, al fine della riusabilità, deve essere  basato su un vocabolario indipendente dallo specifico dominio di conoscenza in cui  viene applicato [Adorni, Coccoli, Vercelli, & Vivanet, 2008b]. 

Il  Topic  Maps  Data  Model  prevede  dei  costrutti  predefiniti  per  la  rappresentazione  di  relazioni  classe‐sottoclasse  e  tipo‐istanza,  i  quali  possono  essere  utilmente  impiegati  per  definire  una  prima  struttura  gerarchica  dei  contenuti.  Tuttavia,  il  paradigma  impiegato  consente  di  andare  ben  oltre  la  definizione  di  un  semplice  albero  di  conoscenza;  il  vocabolario  delle  relazioni  può  essere  esteso  al  fine  di  aumentare  l’espressività  dello  schema  e  consentire  di  esprimere  anche  la  semantica  delle  relazioni  (una  prospettiva  particolarmente  interessante in previsione futura con lo sviluppo di materiali didattici fruibili sul web  con browser semantici). 

Nel corso della progettazione didattica si possono utilmente definire relazioni  rappresentative  di  condizioni  di  sequenzialità  e  propedeuticità  tra  i  concetti  della  disciplina,  con  la  dichiarazione  delle  conoscenze  in  ingresso  e  dei  prerequisiti  dei  singoli argomenti. Un simile primitivo vocabolario delle relazioni consente una certa  flessibilità  in  fase  di  modellazione  dei  contenuti  di  un  intervento  formativo  e,  combinato con le caratteristiche peculiari del paradigma delle TM (struttura a due  livelli  e  uso  degli  scope),  permettere  di  operare  adattando  la  programmazione  al  dominio  di  conoscenza,  al  contesto  di  applicazione  e  alla  tipologia  degli  utenti  [Adorni, Coccoli, Vercelli, & Vivanet, 2007b]. 

Come  anticipato,  l’esistenza  di  una  struttura  a  due  livelli  permette  di  ideare  mappe differenti per il medesimo archivio di risorse, e di conseguenza di progettare  percorsi diversificati mantenendo immutato il piano delle occorrenze, consentendo  approcci  conoscitivi  differenziati  e  personalizzati.  In  ciò  si  può  realizzare  lo  spostamento  del  livello  di  generalizzazione,  e  dunque  riusabilità,  alla  definizione  dello schema dei contenuti anziché ai contenuti stessi, come solitamente, non senza 

difficoltà,  avviene.  Così  le  stesse  mappe  definite  in  un  contesto  formativo  per  un  dato  insegnamento,  potrebbero  essere  economicamente  esportate  in  contesti  differenti  (la  codifica  in  un  linguaggio  standard  XML‐based  ne  garantisce  infatti  l’interoperabilità) [Adorni, Coccoli, Vercelli, & Vivanet, 2007a]. 

Il  modello  presentato  consente  in  modo  ricorsivo  la  gestione  di  risorse  di  differente granularità quali learning object e/o asset (le unità minime e irriducibili di  cui si compone un oggetto didattico digitale, quali le immagini, sezioni di testo, file  audio,  etc.).  La  determinazione  del  livello  di  granularità  dà  origine  a  due  diversi  scenari  applicativi.  In  un  primo  caso,  potremmo  associare  a  ciascun  topic  dei  LO  finiti e progettare percorsi didattici costituiti dall’erogazione degli stessi (archiviati  in  appositi  repository),  il  cui  ordine  di  presentazione  sarà  determinato  sulla  base  delle relazioni definite tra i topic. Questa ipotesi è stata oggetto di analisi nel case  study  presentato  nel  capitolo  successivo  e  che  ha  per  tema  la  progettazione  dei  contenuti di un corso universitario sul web semantico. 

In un secondo caso, il modello potrebbe essere sfruttato per la progettazione  e  realizzazione  di  singoli  learning  object,  associando  a  ciascun  topic  degli  asset  e  mettendo insieme questi ultimi (ad esempio, immagini e testi) attraverso la lettura  delle relazioni  tra  i  topic.  Si  tratta di  una  ipotesi  non  esemplificata  nel  case  study,  ma che appare quale promettente linea di sviluppo di questo studio. Prendendo in  considerazione la struttura che un LO assume in conformità allo standard SCORM,  osserviamo in particolare una sua Organization: 

  FIGURA 43 UNA ORGANIZATION ALL'INTERNO DI UN PACKAGE SCORM 

 [ADORNI, COCCOLI, VERCELLI, & VIVANET, 2007B]. 

La  struttura  ad  albero  composta  dalle  singole  item  è  la  stessa  struttura  che  assume  il  corrispondente  oggetto  didattico,  dove  le  gerarchie  sono  trasposte  in 

capitoli,  sezioni  e  sottosezioni  alle  quali  sono  associate  le  risorse.  La  struttura  qui  rappresentata  graficamente  è  implementata  all’interno  dei  LO  nei  loro  file  di  manifest  in  formato  XML.  Nel  rispetto  di  questa  struttura  standard  imposta,  il  processo  di  produzione  dei  materiali  didattici  può  essere  automatizzato  e  i  LO  costruiti  basandosi  esclusivamente  sulla  lettura  e  interpretazione  dei  file  di  descrizione  e  sulle  risorse  già  rese  disponibili  e  opportunamente  etichettate.  Tramite  le  Topic  Maps  e  XTM  e  l’osservazione  delle  association  si  possono  ricostruire e impostare le informazioni di sequenzialità delle occurrence e dei topic  inerenti, automatizzando  il  processo  di  creazione  non  solo  dei  materiali  ma  anche  delle parti descrittive dei Package SCORM. 

  FIGURA 44 DA UNA TOPIC MAP A UNA ORGANIZATION STANDARD SCORM.