االلكترونيتصميم وإدارة المعطيات في نظم التعليم *الدكتورة كندة أبو قاسم

**الدكتور بالل شيحا

م.هناء سلمى ***

ملخص البحث بن��اء محت��وى تعليمي إلى دراسة المعايير المس��تخدمة في أنظم��ة التعليم االلك��تروني, وإلى يهدف هذا البحث

التعليمي.SCORM (Sharable Content Object Reference Model)منسجم مع معيار بالمحتوى يهتم الذي تصميم وبناء الخوارزميات الالزمة لبناء المحتوى التعليمي ضمن قواع��د بيان��ات كائن��ات التعليمكما يهدف إلى

, ومن ثم وض��عimsmanifest.xmlباعتم��اد الخوارزمي��ات الش��جرية للمنهج التعليمي, وذل��ك انطالق��اً من مل��ف الخوارزميات الالزمة لعملية استرجاع ذلك المحتوى.

=====================================================

:الكلمات المفتاحية, حزمة المحتوى, الخوارزميات, قياس التشابه. SCORMالتعلم االلكتروني , مستودع كائن التعلم, معيار

=================================================================================

أستاذ مساعد في قسم هندسة الحاسبات والتحكم اآللي, كلية الهندسة الميكانيكية والكهربائية, جامعة *.تشرين, الالذقية, سورية

مدرس في قسم هندسة الحاسبات والتحكم اآللي, كلية الهندسة الميكانيكية والكهربائية, جامعة تشرين, **الالذقية, سورية

ماجستير, في هندسة الحاسبات والتحكم اآللي, كلية الهندسة الميكانيكية والكهربائية, جامعة تشرين, ***.الالذقية, سورية

مقدمة: القاء نظرة عامة على أهم المعايير العالمي��ة المتعلق��ة بأنظم��ة التعليمسعينا من خالل هذا البحث إلى

. SCORMاإللكتروني. والتركيز على أحد هذه المعايير وهو معيار 1

المحت��وى التعليمي إلى وقس��م metadata مفهوم حزمة المحت��وى, واهتم بمفه��وم SCORMتبنى معيار SCO و assetثالث��ة مس��تويات وهي (Sharable Content Objects)و Content Aggregationووض��ع ع��دداً من

.SCOsقواعد التسلسل والتصفح التي تحكم العالقة بين كائنات

ومن ثم تخزينهSCORMخاضع لمعيار التعليمي المحتوى الخوارزميات بناء ثم تم بناء وتصميم عدد من وهي تحوي��ل حزم��ة المحت��وى)عدداً من الخطواتضمن قاعدة بيانات كائن التعليم. وقد شملت هذه العملية

Content Package المشكلة وف��ق معي��ار )SCORM(( إلى ت��ركيب يش��به ش��جرة وي��دعى ش�جرة المحت��وى CT)Content Tree)( وذلك لتمثيل كل جزء من المادة التعليمية باالعتماد على مفهوم نموذج فضاء الحالة Vector Space Model وعلى قانون )TF×IDF(Term Frequency × Inverse Document Frequency)وعلى مفهوم

ومن ثم, وذلك لتمثيل كل عقدة محتوى بشعاع مميزة يعبر عن معلومات هذه العقدة الشجرية,خوارزمياتالsimilarity)تجميع عقد المحتوى في عناقيد باعتماد قانون قياس التشابه measure)بين كل عقدتين من عق��د

تم تع��ديل دق��ة العناقي��د من خالل قي��اس التش��ابه للعناقي��دق��د و,أشجار المحتوى ووفقاً لعتبة تش��ابه مح��ددةالناتجة.

معايير التعليم االلكتروني: لقد تعاون الباحثون في مجال التعليم االلك��تروني على وض��ع المع��ايير وال��بروتوكوالت وهندس��ة البن��اء

نس��قت منظم��ات توحي��د المقي��اس ال��تي تض��م كم��ا لك��تروني.إلتطوير محت��وى وخ��دمات ومنتج��ات التعليم ال وقاموا بجم��ع متطلب��ات المس��تخدم ومواص��فات,لكترونيإاالتحادات العالمية مع الباحثين في مجال التعليم ال

وثم حولوا المواص��فات,لكتروني وتطوير واختبار التطبيقات التي توافق متطلبات المستخدمإأنظمة التعليم ال نتج عن ذل��ك مجموع��ة من المع��ايير المتفاوت��ة بمس��توى التعقي��د وبوس��ائل وص��ف المخت��برة إلى مع��ايير.

للتطبيقات التقنية. ومن أهمها:

1) IMS (Instructional Management System)

2) ARIADNE (Alliance of Remote Instructional Authoring & Distribution Network for Europe)

3) DC (Dublin Core)

4) IEEE/LOM (Institute of Electrical and Electronic Engineers/Learning Object Metadata)

5) ADL/SCORM (Advanced Distributed Learning/Sharable Content Object Reference Model)

6) AICC (Aviation Industry CBT Committee), where CBT stands for Computer Based Training

)التعليم المتقDDدم المDDوزع/النمDDوذج المDDرجعي لكDDائن المحتDDوى القابDDلADL/SCORMمعيDDار للتشارك(:

SCORM( للتشارك القابل المحتوى لكائن المرجعي النموذج ل� اختصار هو Shareable Content Object Reference Model.وقد أطلق من قبل شبكة التعليم الموزعة المتقدمة )

SCORMمن أجل تطوير وتحزيم هو عبارة عن مجموعة مواصفات ومعايير أتت من منظمات مختلفة وقد عدّلت وكيّفت لمنح المس��تخدموتسليم مواد التدريب والتعليم عالية المستوى أين ومتى تم الحاجة إليها,

أداة تعلم الكتروني تدعم قابلية التشغيل والوصول وإعادة االستخدام في محتويات الويب.

التعليم وهو يضمن أن المن��اهج الخاض��عة للمعي��ارو تطوير و تحزيم و تسليم مواد التدريب SCORMيصف :[1[]2[]3 " أي]RAIDهي "

Re-usable:أي معدّلة ومستخدمة من قبل أدوات تطوير مختلفة Accessible:يمكن أن تُبحث وتوفر عندما يحتاجها الطالب و مطورو المحت��وى التعليمي. حيث يمل��ك

القدرة على الوصول إلى المناهج وكائنات التعليم منLearning Management System (LMS) نظام2

وبذلك تسمح للعديد من المتعلمين بالوص�ول إلى محت��وى, و الحزمةmetadataخالل استخدام معايير التعليم المخزن عن بعد

Interoperable:.تعمل عبر تشكيلة واسعة من األجهزة وأنظمة التشغيل ومتصفحات الويب Durable: .ال تتطلب تعديالت مع النسخ الجديدة من برامج النظام

:SCORMمكونات نموذج المحتوى الخاضع لمعيار

المس��تخدمة لبن��اء تجرب��ة التعلم من مص��ادر التعلمSCORM مكون��ات SCORMيصف نموذج محتوى القابلة إلعادة االستخدام. وتم تخصيص مكونات نم��وذج المحت��وى بحيث تقاب��ل مص��ادر التعلم. يتك��ون نم��وذج

Sharable و Assets من المكون����ات التالي����ة: SCORMمحت����وى Content Objects(SCO) و Content Aggregations ش��ركة . كم��ا تتص��ورADLتخصص��ات أك��ثر لمص��ادر التعلم بحيث تك��ون ُمتض��منة في النس��خ

.SCORMالمستقبلية لمعيار

[:4 مواضيع وهي]ة من ثالثSCORMيتألف

Content Aggregation Model (CAM)Run-time Environment (RTE)Sequencing and Navigation

( من أربع مكونات وهي:CAMويتكون نموذج تجميع المحتوى )

( نموذج المحتوىContent Model)(حزمة المحتوىContent Packaging)Meta-data( التسلسل والتصفحSequencing and Navigation)

كDDائن قاعDDدة بيانDDاتالخوارزميات في بناء وتخزين حزمDDة محتDDوى تعليمي في :SCORM التعليم وفق معيار

فق��د تمك��ائن التعليم. قاع��دة بيان��اتض��من SCORM الخاض��ع لمعي��ار تعليميالمحتوى البناء بهدف تصميم وبناء عدد من الخوارزميات الشجرية, والتي تساعد في بناء هذا المحت��وى ض��من قاع��دة بيان��ات ك��ائن

وق�د دعيت ه��ذه, SCORM لحزمة المحتوى المشكلة وفقاً لمعيار imsmanifest.xmlانطالقاً من ملف التعلم)LCMSالطريق��ة بمخط��ط إدارة المحت��وى وف��ق نم��ط المس��توي ) �)Level-wise Content Management

Scheme .)[5وقد تضمنت عملية تصميم وبناء هذا المحتوى المراحل التالية]:

(CP2CT عملية تحويل حزمة المحتوى إلى شجرة محتوى )المرحلة األولى:

بفرض لدينا حزمة محتوى مؤلف��ة من ثالث��ة فص��ول. ومن أج��ل تحدي��د العالق��ات بين كائن��ات التعليم )LOs( �)learning objectsوفقاً ل��تركيب محت��وى الم��واد التعليمي��ة, تح��ول المعلوم��ات المنظم��ة في حزم��ة )

إلى تمثيل يشبه شجرة مع شعاع المميزة التمثيلي يدعى شجرة محت��وى )SCORMالمحتوى الخاضع لمعيار CT( )Content Tree).

(" وترتبط ببعضهاCN( )Content Node( كل عقدة تدعى " عقدة محتوى )CTفي أي شجرة محتوى )( مغلقة.cycles( ال يحتوى على حلقات )Hierarchical(, ومنظمة تنظيماً هرمياُ )linksبروابط )

3

river

booking

fishing

wild

mild

vacationtrips plan

( تم اعتم��اد نم��وذج فض��اء موج��ه )CNولتمثيل محتويات التعلم ) مستند نصي( في أي عقدة محتوى)VSM( )Vector Space Modelفي تعقب النص ) إلى حد ما( وقد اقترحً( والذي يعتبر النموذج األكثر انتشارا

وت��أتي قيم,. في ه��ذا النم��وذج مم��يزات المس��تند عب��ارة عن كلم��ات1975 وآخ��رون ع��ام Saltonمن قب��ل [:5[]6[]7المميزة من قوانين األوزان للتعابير المختلفة. يمكن توضيح هذا النموذج كالتالي]

: يمثل وزنwi حيث d = {w1, w2, …, wn} في فضاء التعبير مثل dكل مستند ) عقد محتوى ( يمثل بشعاع ,i=1القيم iفي المس��تند. ويأخ��ذ iالتعب��ير 2, …,n(يحس��ب وزن التعب��ير من خالل ت��ردد التعب��ير .Term

Frequency( في المستند )wi = tfi عدد المرات التي يظهر فيها التعبير ( )iفي المس��تند( أم��ا عام��ل ت��ردد IDFالمس��تند العكس��ي (Inverse Document Frequency) يعطى بالعالق��ة log(N/dfi) حيث تمث��ل Nع��دد إلى ق��انون ال��وزنًتمث��ل ع��دد المس��تندات ال�تي يظه��ر فيه��ا التعب��ير. بالت��الي اس�تناداdfi المس��تندات الكلي و

TF×IDF (Term Frequency × Inverse Document Frequency) ف��إن وزن TF×IDFللتعب��ير يعطى .wi = tfi × log(N/dfi). [7][6]بالعالقة:

. حيث يفهرسDIG (Document Index Graph)ولتمثيل المستند تم استخدام مخطط دليل المستند هذا النموذج المستندات مع المحافظة على تركيب الجملة في المستندات األصلية.

يعرف البيان لهذا المخطط كالتالي:

G = ( V , E )

,v1: مجموعة العقد } Vحيث v2, … , vn حيث تمثل كل عقدة }vكلمة مفردة في مجموعة المس��تندات الكلية.

E( مجموعة الحواف :edges{ )e1, e2, … , em حيث تمثل كل حافة }eزوج منظم من العقد

( vi, vj( حيث أن الحافة .)vi , vj هي من العقدة )vi إلى العقدة vj إذا وفقط إذا ظهرت الكلمة vj

في أي مستند.vi بشكل متعاقب للكلمة

وفقاً لهذا التعريف يكون عدد العقد في المخطط هو عدد الكلمات الفريدة في مجموع��ة المس��تندات.حيث تحمل العقد في المخطط المعلومات عن المستندات التي تظهر فيها ومعلومات عن مسار الجملة.

فإذا فرضنا وجود ثالث�ة مس�تندات وك�ل مس�تند يح�وي على ع�دد من العب�ارات م�ع بعض التواف�ق بينالمستندات.

4

DIGمخطط دليل المستند

(. 1-4{ ومعبر عنها وفق الجدول )mild, vacation, tripsفإذا كانت لدينا المفاهيم التمثيلية التالية: }

ضمن المستندات{ mild, vacation, trips} للكلمات IDF و TF حساب كل من (1-4الجدول)

عدد مرات ظهور الكلمة

mild

عدد مرات ظهور الكلمة

vacation

عدد مرات ظهور الكلمة

trips

عددالمستندات الكلي

N

عدد المستندات التي يظهرفيها التعبير

dfi

عامل تردد المستند العكسي

Log(N/dfi)

المس��تندW1 = tf1 = 1W2 = tf2 = 0W3 = tf3 = 13df1=10.477األول

المس��تندW1 = tf1 = 0W2 = tf2 = 1W3 = tf3 = 03df2=20.176الثاني

المس��تندW1 = tf1 = 0W2 = tf2 = 1W3 = tf3 = 23df3=20.176الثالث

بالنسبة للمستند األول: IDF × TFعندها يكون شعاع المميزة باستخدام قانون

Document 1 = <tf1 × idf1, tf2 × idf2, …, tfn × idfn>

= < tf1 × log(N/df1), tf2 × log(N/df2), tf3 × log(N/df3)>

<1×0.477, 0×0.176 , 1×0.176> = <0.477, 0, 0.176>

بالمثل نحصل على أشعة المميزة لبقية المستندات.

بتعميم ذلك على عقد المحتوى ألشجار النشاط نحصل على شجرة المحتوى ذات أش��عة مم��يزة لك��لعقدة محتوى.

في معظم األحيان عمق تركيب المحتوى مختلف لذا لجعل عملية التجمي��ع العنقودي��ة فعال��ة يتم جع��ل جميع أشجار النشاط لها العمق ذاته. فإذا كان عمق ورقة ما في شجرة محتوى قصيراً جداً عندها يتم إض��افة

)VNعقدة افتراضية ) �)Virtual Node( بشكل متكرر كعقدة فرعي��ة )child nodeح��تى ي��زول االختالف في ) العمق, وسيكون شعاع المميزة لكل عقدة افتراضية مماثل لشعاع المميزة الخاص بعقدة المحتوى األص��لية )

5

parent CNأو العق��دة االفتراض��ية الناش��ئة عنه��ا. أم��ا إذا ك��ان عم��ق الورق��ة كب��يراً ج��داً عن��دها س��يتم دمج ) المعلومات الخاصة بالعقد الفرعية بعقدة محتوى جدي��دة وس�تملك ه�ذه العق�دة ش�عاع مم��يزة يمث��ل مع��دل)

Average.األشعة المميزة للعقد الفرعية المشكلة للعقدة الجديدة )

من خالل وأك��بر عم��ق في الش��جرة ه��وL1أقصر فرع في الش��جرة ذات عمقنجد أن دراسة شجرة المحتوى السابقة

إي تص��بح جمي��ع2=2(/3+1, لذا نسعى إلى توحيد عمق الفروع بحث تص��بح جميعه��ا ذات عم��ق )L3العمق نجد: بتطبيق ذلك على المحتوى المفروض .L2الفروع في المستوي

Chapterإن الفرع الذي يحوي العقدة ) وذل��ك منL2 لذا يجب إنقاص بعده ح��تى يص��بح L3>L2( ذات بعد 3 ( كالتالي:3.1.2( والعقدة )3.1.1من العقدة) خالل أخذ المتوسط الحسابي ألشعة المميزة لكل

(<2.1.0> + <0.1.2>)/2 = <2.2.2>/2= =<1.1.1>

< الناتج عبارة عن المتوسط الحسابي للعقدين السابقتين وبالت��الي يتم اس��تبدال1.1.1ن شعاع المميزة >إ<. ثم نأخذ المتوسط الحس��ابي للعق��دة الناتج��ة م��ع العق��دة )1.1.1العقدتين بعقدة شعاع المميزة لها هو >

.L2< وبعد 1.1/2.1( نحصل على عقدة ذات شعاع مميزة >3.1

:(CP2CTخوارزمية عملية تحويل حزمة المحتوى إلى شجرة محتوى)

خطوات الخوارزمية:.1< في حزمة المحتوى قم بما يلي:item: من أجل كل مادة >1الخطوة

.TF×IDF الموازنة قانون أنشئ عقدة محتوى مع شعاع مميزة وذلك استناداً إلى 1.1

ثم قم بإدخاله في المستوي المقابل في شجرة المحتوى.2.1

( في شجرة المحتوى قم بما يلي: CNleaf: من أجل كل ورقة تابعة لعقدة محتوى)2الخطوة

(DCT( < العمق المرغوب لشجرة المحتوى)CNleafإذا كان عمق ورقة عقدة المحتوى )

( بش��كل متك��رر كعق��دة فرعي��ة منه��ا ح��تى يص��بح عم��قVNعن��دها س��يتم إدخ��ال عق��دة افتراض��ية )(DCTورقة عقدة المحتوى = العمق المرغوب لشجرة المحتوى)

(DCT( > العمق المرغوب لشجرة المحتوى)CNleafوإال: إذا كان عمق ورقة عقدة المحتوى)

وتقوم بعملية,عندها ستدمج عقدة المحتوى األصلية المعلومات الخاصة بالعقد الفرعية التابعةrollingالسحب لألعلى ) upوذلك لحساب معدل األش��عة المم��يزة لك��ل عق��دة فرعي��ة بحيث )

((DCTيصبح عمق العقدة األصلية مماثل للعمق المرغوب لشجرة المحتوى

( مع شعاع المميزة.CT: يتم الحصول على شجرة المحتوى )3الخطوة 6

)(LCCG DD) عملية التجميع العنقودي للمحتوى التعليمي وفق نمط المسDDتوي المرحلة الثانية:level-wise content clustering graph)

(, يمكن تطبيق التقنيةCTبعد أن يتم تحويل المعلومات المنظمة لحزمة المحتوى إلى شجرة محتوى ).CT( في شجرة المحتوى CNsالعنقودية لتحديد العالقات بين عقد المحتوى)

تم تقسيم العملية إلى ثالثة أطوار وهي:

(:Single Level Clustering Phaseطور التجميع العنقودي ذات المستوي المفرد ).1

(. وفقCTs( التي تنتمي للمستوي ذاته من أشجار المحتوى)CNsفي هذا الطور تجمع عقد المحتوى ) المستوي األدنى وتتق��دم باتج��اه المس��تويمنعتبة تشابه معينة. حيث تبدأ عملية التجميع العنقودي للمحتوى

. ويتم تجميع عق��د المحت��وى منLCCGاألعلى في شجرة المحتوى ثم تخزن نتائج التجميع في مخطط يدعى similarityخالل قي��اس التش��ابه ) measureالمس��تخدم على نط��اق واس��ع في مج��ال التجمي��ع العنق��ودي )

[. 6[]7[]8[]9للمستندات النصية]

Similarity = cosine (VA , VB) =

V A .V B|V A| |V B|

على التوالي.NB وNA عبارة عن أشعة المميزة للعقدتين VB و VAحيث

,NAإلى العق��دة NA1 و NA0 حيث تنتمي العقدتان CTB و CTAلتوضيح ذلك نفرض وجود شجرتي محتوى وهما . NBإلى العقدة NB1 و NB0وتنتمي العقدتان

. يتم قي��اس التش��ابه بين ك��لL0 باتج��اه المس��توي األعلى L1تب��دأ عملي��ة التجمي��ع وف��ق المس��توي األدنى كما يلي:B1 و B0 وA1 و A0عقدتين في المستوي األدنى الذي يحتوي على أربع عقد محتوى وفي

قياس التشابه بين العقدتينA0 و A1:

Similarity = cosine (VA0 , VA1) =

V A0 .V A 1|V A 0| |V A1|

= 3∗3+3∗2+2∗4

√ (32+32+22 ) (32+22+42)= 2325.2259

= 0 .91<T

وهي تمثل عتبة التشابه.T=1حيث

7

VA1 والعق��دة C11 إلى العنقود VA0 تنتمي العقدة عندهانتميان إلى العنقود ذاته. ت ال VA1 و VA0أي أن العقدتين

.T=1. وبالمثل نحدد العناقيد وفق عتبة التشابه C12إلى العنقود

لتسهيل التجميع العنقودي للمحتوى يجب أن يكون عدد مراحل عملية التجميع العنقودي مس��اوٍ لعم��ق شجرة المحتوى, وتعالج كل مرحلة نتيجة التجميع العنقودي لعقد المحت��وى في المس��تويات المقابل��ة ألش��جار

)CFالمحتوى. حيث تخزن المم��يزة العنقودي��ة ) �)Cluster Featureالمعلوم��ات المرتبط��ة ب��العنقود. وه��ذه ) : [2معرفة كالتالي]( CF)المميزة

CF=(N , VS , CS )

( في العنقود.CNs: عدد عقد المحتوى )Nحيث

VS=∑

i=1

N

V i مجموع أشعة المميزة :V.لعقد المحتوى

CS =|∑

i=1

N

V i /N|= |VS/N|VS: قيمة معدل مجموع أشعة المميزة في العنقود. تمثل ) /Nمركز )

(.CC( )Cluster Center العنقود)

خوارزمية التجميع العنقودي وفق المستوي المفرد

:خطوات الخوارزمية : مجموع��ةCNset. حيث LCC-Node في عنقود ضمن CNset n0 Є قم بإدخال عقدة المحتوى :1الخطوة

(.CTs( من أشجار المحتوى )L( في المستوي ذاته )CNsعقد المحتوى )

∀ :2الخطوة ni∈CN set.

(.T إذا وجد عنقود ما بقيمة تشابه > عتبة التشابه )1.2

( فيCF في هذا العنقود ومن ثم قم بتحديث مميزة العنقود )ni عندها ادخل هذه العقدة

LCC-Node.

جديدة.LCC-Node في عنقود جديد مخزن في ni وإال ادخل العقدة

.LCC-Nodes إرجاع مجموعة العقد الناتجة عن تجميع المحتوى وفق نمط المستوي) ):3الخطوة

(:Content Cluster Refining Phaseطور تصفية عنقود المحتوى )(1 بهدف تعديل دقة العناقيد يحسب التشابه بين عنقودين بقياس التشابه بين مركزي كل عنقودين وف��ق

القانون التالي:

Similarity = cos(CCA .CCB) =CC A .CCB

|CCA| |CCB|=

(VS /N A ). (VS /N A)CSA .CSB

ن ينبغي دمجهم�ا في عنق�ود جدي�د, عن�دها تك�ون مم��يزةاوبعد حساب التش�ابه إذا ك�ان هن�اك عنق�ود( لهذا العنقود الجديد هي:CFالعنقود )

CF new =(N A +NB , VS A + VSB , |(VS A + VSB )/ (N A + N B)| ).

8

(:Concept Generalizing Phaseطور تعميم المفهوم )(2 في هذه المرحلة يتم حساب ش��عاع المم��يزة للعق��دة الج��ذر ال��تي تنتمي إلى ش��جرة محت��وى بعملي��ة

( ألشعة المميزة للعقد الفرعية الخاصة بهذه الشجرة وذلك انطالقاً من أشعة المميزةrollupالسحب لألعلى )للمراكز العنقودية التي تنتمي لها عقد شجرة المحتوى.

(. L0, L1 )لعدد مستويات شجرة المحتوى( مساو S0, S1حيث نجد أن عدد مراحل عملية التجميع )

مخطط تجميع المحتوى وفق نمط المستوي

الخوارزمية الكلية للتجميع العنقودي للمحتوى وفق نمط المستوي

:خطوات الخوارزمية.4 وحتى 2 قم بإجراء الخطوات L0 إلى i = LD-1 من أجل :1الخطوة

(:Single Level Clusteringالمستوي المفرد)وفق جميع الت :2الخطوة

2.1CNset تنتمي إلى التي = عقد المحتوى CTset في Li. ذاتCNset( من أج��ل SLCAlgتش��غيل خوارزمي��ة تجمي��ع المس��توي المف��رد )2.2

.Tiالعتبة تصفية عنقود المحتوى::3الخطوة

( بش��كل متك��رر ح��تى ينع��دم االختالف بين3.4-�� 3.2 نفذ الخط��وات الثانوي��ة التالي��ة)3.1تكرارين.

3.2 CNset( العقد في مركز العنقود = CCمجموع العقد الخاصة بتجميع المحتوى وفق .) .Si( في LCC-Nodesالمستوي)

.Ti بعتبة CNset( من أجل SLCAlg تشغيل خوارزمية تجميع المستوي المفرد)3.3 تخ��زين العناقي��د الناتج��ة في العق��د الخاص��ة بتجمي��ع المحت��وى وف��ق المس��توي من3.4

.Si( في المرحلة LCCGخوارزمية تجميع المحتوى وفق المستوي) تعميم المفهوم::4الخطوة

i ≠ L0 إذا كان 4.1 ( وذل��ك لحس��اب أش��عة المم��يزة لعق��دroll-upعندها قم بإنجاز عملية السحب لألعلى )

.Li-1المحتوى من المستوي

ناتج مخطط التجميع العنقودي للمحتوى وفق نمط المستوي.:5الخطوة

الخوارزميات المستخدمة في عملية البحث

9

(Information Retrieval )مفهوم استرجاع المعلومات ه��و العلم المختص ب�البحث عن المعلوم��ات داخ�ل المس�تندات أو(� IRمفه��وم اس�ترجاع المعلوم��ات )

. ويختص هذا العلم بالبحث داخل قواعد البيانات أيضاً سواء أكانتMetadataالبحث عن الوثائق نفسها أو عن مثل الويب.Hypertextually-Networked( أو متشعبة النص متصلة بالشبكةRationalعالئقية )

الفهرسة:مفهوم

ويرافق ذلك,من غير المعقول الوصول إلى المستندات عن بعد عند إنجاز البحث في الزمن الحقيقي بطء وعدم وثوقية المعلومات. وهنا تأتي أهمية إنشاء فهرس محلي يخ��دم محرك��ات البحث. ه��ذا الفه��رس ال يحتوي المستندات بأكملها بل يتم تخ��زين تمثي��ل التع��ابير ذات الص��لة بالمس��تند. وه��ذا يع��ني أن��ه يتم تحض��ير المستند الخ��ام وف��ق تمثي��ل يس��اعد في الوص��ول الس��ريع إلي��ه وذل��ك عن��د اس��تخدامه في أنظم��ة اس��ترجاع

المعلومات.

[:10يتضمن نقل المستند إلى شكل مفهرس مايلي]

(.a library or set of regular expressionsمكتبة أو مجموعة من التعابير المنظمة ).1(parsersعربة )ٌكلمات م.2 (.a library of stop words (a stop list)مكتبة كلمات التوقف )قائمة توقف( ).3(.other miscellaneous filtersمرشحات متنوعة أخرى ).4

وهذا يتم وفق خمس مراحل وهي:

(format) ( والصيغةmarkup) إزالة الزيادة.12.tokenization(filtration) الترشيح.3(stemming) االستئصال.4(weighting) الوزن.5

:Document Linearization مفهوم

( عبارة عن العملية التي من خالله��ا يتم إنق��اص المس��تند إلى ت��دفق منLinearizationإن خطية المستند )(. ويتم ذلك عادة وفق خطوتين:stream of termsالتعابير)

1.Markup and Format Removal: 2.Tokenization:

للمستند: (Linearizationيجب بعد إجراء الخطية )أن يصف التدفق الفعال للنص التدفق المتماسك للتعابير..1 (( هذا التدفق للنص على معاني األلفاظ والموضوع والمواضيع الفرعية ..الخ التيcaptureأن يستحوذ .2

يقصدها المستند. التعابير في ت��دفق النص مح��دد من خالل كيفي��ة التص��ريح عن خط��وط الزي��ادة )(positionإن ترتيب ).3

markup) مثال على ذلك أوسمة ( HTML.في شفرة المصدر ) ( على طريق��ة محرك��ات البحث في "رؤي��ة" و"ق��راءة" و"الحكم" على محت��وىLinearizationت��ؤثر الخطي��ة )

الويب.

5-2-2 Filtration:

Filtration يك��ون باإلمك��انل يجب أن تس��تخدم لتمثي��ل المس��تندات ال��تي التع��ابيرتحديد تشير إلى عملية استخدامها من أجل:

وصف محتوى المستند.1تمييز المستند من بين المستندات األخرى في المجموعة..2

10

stopwordsزال من ت��دفقات النص التع��ابير المس��تخدمة بك��ثرة أو ُ��ت (stopwordsهي عب��ارة عن قائم��ة * machine-readableبالكلمات القابل��ة للق�راءة آلي��اً ) list .إن( وال��تي ال يمكن أن يتم اختياره��ا كتع��ابير فهرس��ة

من مستند واحد في كل مرة هو استهالك للوقت, ل��ذا لتقلي��ل التكلف��ة يتم إزال��ة ك��لstopwords إزالة عملية ,* وه�ذا المرغوبةالتعابير التي تظهر بش�كل ع�ام في مجموع�ة المس�تند وال�تي لن تحس�ن اس�ترجاع الم��ادة

يساعد في الحصول على فهرسة فعّالة كما ينقص من مساحة التخزين لتعابير الفهرسة.

Stemming:

Stemming" :تشير إلى عملي��ة إنق��اص التع��ابير إلى ج��ذرهم أو أص��لهم. إي أن الكلم��ات التالي��ة computerو "computing" و ""compute" تنقص إلى "comput" كم��������ا أن "walks" و "walking" و "walker" تنقص إلى "

walk( (ليست كل األنظمة تستخدم نمط الجذر ."stemmer .ذاته

وقد تم وضع الخوارزميات التي تدور حول��ه ومن بينه��اstemmingوقد نشأ عدد من النماذج التي تهتم بمفهوم .Martin Porter من قبل 1980 التي نشأت عام Porterخوارزمية

Porterإن فكرة Stemmer ً( في معظمه��ا1200 مستندة على أن اللواحق في اللغة اإلنكليزية) تقريبا مشكلة من مجموعة من اللواحق الصغيرة والبسيطة. وهي مؤلفة من خمس خطوات تطب��ق القواع��د ض��من

كل خطوة, وضمن كل خطوة هناك عدد من القواعد.

Weighting:

Weighting تعتبر المرحلة األخيرة في معظم تطبيقات فهرسة IRتوزن المعلومات تبعاً لنم��وذج وزني . والذي قد يتضمن الوزن المحلي أو الوزن الشامل أو كليهما. فإذا تم استخدام األوزان المحلية عن��دها,معطى

. إما إذا تم استخدام األوزان العالمية عندها وزن التعبير يعطى بقيمtfأوزان التعبير يعبر عنها كترددات التعبير IDFإن المخطط ال��وزني األك��ثر ش��يوعاً ) واألساس��ي( ه��و المخط��ط ال��ذي من خالل��ه يتم اس��تخدام األوزان .

. وقد تم مناقشة سابقاً.tf*IDF(. وهذا مشار إليه بشكل شائع بوزن tf*IDFالمحلية والعالمية )وزن تعبير =

خوارزمية البحث: (. حيث تح��وي ك��لLCCGمخطط تجميع المحتوى وفق المستوي )على م تطبيق مفاهيم استرجاع المعلومات ت

( فيCNs( على ع��دّة عق��د محت��وى متش��ابهة )LCC-Nodeعقدة ناتجة عن تجمي��ع المحت��وى وف��ق المس��توي ). SCORM( والتي تحولت من حزمة المحتوى للمواد التعليمية الخاضعة لمعيار CTsأشجار المحتوى المختلفة )

إن المحتوى ضمن العقد الناتجة عن تجميع المحتوى وفق المستوي في مرحلة عليا يك��ون عام��ا أك��ثر يستطيع المستخدمون الحص��ول علىLCCG مخطط التجميعمما هو عليه في المرحلة األدنى. لذا استناداً إلى

محتويات التعليم المرغوبة والتي تحوي باإلضافة للمفاهيم العامة مفاهيم معين��ة. إن محت��وى التعليم يمكن أن ( المخزن في العقدة الناتجة عن تجمي��ع المحت��وىCCيسترجع وذلك من خالل حساب التشابه لمركز العنقود )

وشعاع االستفس��ار. ف��إذا ك��ان التش��ابه للعق�دة الناتج��ة عن تجمي��ع المحت��وى وف��قLCC-Nodeوفق المستوي عندها يتم استرجاع المعلومات المخزنة في تلك العقدة.( يوافق عتبة االستفسار معينة LCC-Nodeالمستوي )

Near )تم تعريف معيار تشابه قريب Similarity).و تم استخدامه لتحديد متى يتم توقف عملي��ة البحث ( فيLCC-Nodeلذا إذا ك��ان التش��ابه بين االستفس��ار والعق��دة الناتج��ة عن تجمي��ع المحت��وى وف��ق المس��توي)

مرحلة عليا يوافق معيار التشابه الق��ريب, عن��دها ليس من الض��روري البحث في العق��د الفرعي��ة الناتج��ة عن ( والتي قد تستخدم بشكل كبير من قبل المس��تخدمين. إن معي��ارLCC-Nodesتجميع المحتوى وفق المستوي )

[:2موضح كالتالي]التشابه القريب 11

من أجل البحث. وألن تابع التشابهS من أجل التجميع أقل من عتبة التشابه Tبفرض بأن عتبة التشابه ΘT=COS-1T ُمش��ار إليه��ا كالت��الي T( لذا يمكن تمثيل العتبة على شكل زاوية. إن زاوي��ة cosineهو تابع التجيب )

(CC . عندما تكون الزاوية بين شعاع االستفسار والمركز العنقودي )ΘS=COS-1S ُمشار إليها كالتالي Sوالزاوية , عندها نعرف بأن العقدةΘT - ΘSأقل من (LCC-Nodeفي العقدة الناتجة عن تجميع المحتوى وفق المستوي )

( تبدي تشابه قريب مع االستفسار. إن التش��ابه الق��ريبLCC-Nodeالناتجة عن تجميع المحتوى وفق المستوي)(.3-5موضح في الشكل )

مفهوم التشابه القريب

:S و Tالتشابه القريب يمكن أن يعرف وفقاً لعتبة التشابه

Near Similarity > Cos(ΘS-ΘT) = Cos Θ S Cos Θ T + Sin Θ S Sin ΘT

=S×T+(√1−S2 )(√1−T2) اس��تنادا لمعي��ار التش��ابه الق��ريب, ف��إن خوارزمي��ة البحث عن المحت��وى ذات مخط��ط تجمي��ع المحت��وى وف��ق

( ُمقترحة كما يلي:LCCG-CSAlgالمستوي )

: تعريف الرموز-1

Q( عبارة عن شعاع االستفسار ذات البعد المماثل لشعاع المميزة الخاص بعقدة محتوى :CN.)

D عبارة عن عدد المراحل في :LCCG.

S0 ~ SD-1 يشير إلى مرحلة :LCCG.من المرحلة األعلى إلى المرحلة األدنى

ResultSet و DataSet و NearSimilaritySetتش��ير إلى مجموع��ات العق��د الناتج��ة عن تجمي��ع المحت��وى وف��ق : (. LCC-Nodesالمستوي)

-خطوات الخوارزمية:2

.NearSimilaritySet=0 و DataSet=0: القيم البدائية 1الخطوة

يصبح LCCG Si Є:من أجل كل مرحلة2الخطوة حتى التالية الخطوات Si ≥SDESنفذ

DataSet = DataSet ¿ LCC-Nodes خالل المرحلة Siو , ResultSet=0.NjЄ DataSetمن أجل كل

Q ذات تشابه قريب من Nj)إذا كانت

12

NearSimilaritySet ضمن Nj عندها قم بإدخال

T≤ ( Q وNjوإال إذا كان ) التشابه بين

بإدخال قم ( ResultSetضمن Njعندها

DataSet = ResultSet¿ NearSimilaritySet : الخرج عبارة عن3الخطوة ResultSet = ResultSet

13

التطبيق العمليالمخطط التفصيلي لعملية البحث واالسترجاع

واالسترجاع البحث لعملية التفصيلي المخطط

مراحل العمل:

14

تم االعتم��اد على برن��امجReload Editor فيSCORM المتواف��ق م��ع معي��ار 2004 imsmanifest.xmlتصميم المنهج التعليمي والحصول على ملف

تمت عملية البحث واالسترجاع على منظومة تعليمية مشكلة وف��ق برن��امجReload مستويات (ولها .41وتشمل) L0..L5ست نصي ملف

التعليمي المنهج منظومة

الجافا لغة باستخدام ضمن التعليمية المادة بناء خورزميات برمجة شملت) Java(تم وقد: منها العمليات من ً عددا العملية هذه

o: الفهرسة عمليةo عمليةClusteringo:عملية البحث

n( هو Filesبفرض عدد الملفات)السلبيات:

هي رقم الملف mi : iوعدد الكلمات في الملف هو

( بم��ا تحوي��ه ه��ذهclusterمن أجل كل ملف ستتم عملية إضافته إلى العنقود )التأخير الزمني : n,n-1,n-2,…,1العملية من عمليات مقارنة مع الملفات األخ��رى في نفس المس��توى بالت��الي هن��اك

وهذا التعقيد يضاف إلى التعقيد النهائي ويض��اف ل��ه كلف��ةnعملية مقارنة فيكون التعقيد من رتبة n وبالتالي سيكون لدينا عمليات وصول من رتية Qالوصول إلى قاعدة البيانات والتي سنسميها

15

( O( معين والعمليات المختلفة التي تجرى على العنقود)Aتوجد عمليات إضافة ملف إلى عنقود )

( هيclusteringبالتالي تكون الكلفة النهائية اإلضافية بشكل تقريبي لعملية التجمي��ع العنق��ودي) n+A+O

يتمثل بإضافة مجموعة جديدة من الصفوف واالجرائيات.التعقيد البرمجي:

وصف خاص بالهرمية الشجرية للعقد( clusterالصفوف : صف خاص بالعنقود )

اجرائيات بناء الشجرة وإضافة الملف إلى عنقود معيناالجرائيات :

اجرائيات تعديل بيانات عنقود معين.

إض��افة مجموع��ة من الج��داول من أج��ل تخ��زين المعلوم��ات المتعلق��ةزيDDادة حجم البيانDDات: (( clusterبالعنقود

عدد الملفات ضمن العنقود N تخزين ال�

الخاص بالعنقود csتخزين ال�

تخزين شعاع مركز العنقود

الخاص بالعنقودclتخزين

بالرغم من جميع السلبيات السابقة فإن اإليجابيات الناتجة عن هذه العملية أكثر بكث��ير من أي في مرحلة يك��ون عم�ل النظ��ام في مرحل�ةOfflineالسلبيات فالتأخير الحاصل السابق يتم ك�

التجهيز والتعديل وبالتالي ال يظهر هذا التأخير للمستخدم ال��ذي يتعام��ل م��ع النظ��ام عن��دما يص��بحجاهزاً.

يوفر هذه النم��وذج للمس��تخدم أن يص��ل إلى المعلوم��ات بس��رعة كافي��ة تمكن��ه مناإليجابيات: الوصول إلى المعلومات بوقت أقصر من السابق.

معين س��يكون ال��رد ه��وqueryفكل الملفات المتشابهة مجمعة م��ع بعض وعن��د االستفس��ار عن ( القريبة منه ومن الطبيعي أن تكون الملفات الموجودة ضمنه فيclustersمجموعة من العناقيد )

(.queryأغلبها مشابه لالستفسار )

مقارنة عملية البحث بعد عملية التجميع العنقودي لعقد شجرة المحتوى مع عمليDDةالبحث التقليدية.

مل��ف نص��ي ض��من ش��جرة مؤلف��ة من س��ت مس��تويات أي41 تم تجريب عملية البحث على ( )هنا تم الحفاظ على مستويات شجرة المحتوى األصلية(.L0…L5 )6عمقها

16

المدروسة التعليمي المحتوى منظومة مخطط

والملفاتquery مقارنة ما بين ال� 41وكانت النتيجة التقليدية للبحث هو

عنقود.12 تم تجميع الملفات في T=0.813 بفرز الملفات إلى عناقيد وفق عتبة تشابه

عملية بعد المحتوى منظومة Clusteringمخطط

, تك�ون9( ض�من العنق�ود file14( الموج��ودة في مل�ف )CMOSوعن��د البحث عن الكلم��ة ) كلفة عملية البحث:

17

من أج��ل9 عمليات مقارنة ضمن ملف��ات العنق��ود 9 عملية مقارنة مع العناقيد بالإلضافة إلى 12 %50 عملي��ة مقارن��ة )أي يتم توف��ير 41<�� 21العثور على الملف المطل��وب. فيك��ون المجم��وع

تقريباً من عمليات البحث(

0

01

02

03

04

05

1414 14

12

Clusteringمقارنة بين البحث التقليدي والبحث بعد عملية

مقارنة علمية التجميع العنقودي لعقد شجرة المحتوى قبل عملية توحيد أعماقفروع شجرة المحتوى وبعده.

مل��ف نص��ي( وه��ذه الملف��ات موزع��ة وف��ق س��ت41 إن شجرة المحتوى المدروسة تمل��ك )( بأعماق مختلفة.L0..L5مستويات )

( يتطلب ذلك إجراء علمية مقارنة وفقclusteringمن أجل إجراء عملية التجميع العنقودي ) .L وص��والً إلى المس��توي األعلى L5عتبة التشابه المح��ددة مس��بقاً ب��دءاً من المس��توي المنخفض

عقدة.41 = 1+6+9+8+8+9وفي هذه الحالة عدد العقد التي تتم عليها عمليات المقارنة

(, عن�دها تتطلب عملي��ة التجمي��ع العنق�وديL3وعند إعطاء فروع شجرة المحتوى هذه بعداً واحداً )( بين جميع فروعها عمليات المقارنة التالية:L3لشجرة المحتوى الناتجة ذات البعد الواحد )

عقد13 ستتم علمية المقارنة بين L3في المستوي

عقد10 ستتم علمية المقارنة بين L2في المستوي

عقد 6 ستتم عملية المقارنة بين L1في المستوي

ستتم عملية المقارنة بين عقدة واحدةL0في المستوي

عقدة .30 = 1+13+10+6إذا يصبح مجموع العقد التي تتم بينها عمليات المقارنة

18

( في جميع فروعهاL3مخطط منظومة المحتوى ذات البعد الواحد )

أي يتم توفير حوالي ¼ من مجمل عقد المقارنة( 41 < 30 )نجد أن

ب�عد� ذ�ا�ت ش�جرة�مخت�لف

ب�عد� ذ�ا�ت ش�جرة�وا�حد�

00102030405

مقارنة بين عدد العقد التي تجري عليها عملية المقارنة قبل توحيد عمق الشجرة وبعده

تمT=0.813( إلى عناقي��د وف��ق عتب��ة تش��ابه L3بفرز ملفات ش�جرة المحت��وى ذات البع��د الواح��د ) عناقيد 5 في النصيةتجميع الملفات

Cluster)2( ض�من العنق�ود file14( الموجودة في ملف )CMOSعند البحث عن الكلمة ) (, تك��ون2 كلفة عملية البحث:

عملية مقارنة مع العناقيد5

( من أجل العثور على الملف المطلوبCluster 2 )2 عمليات مقارنة ضمن ملفات العنقود 10

عملية )يتم توفير ¼ من كلفةعملية البحث( 2115يكون المجموع >

19

ع�مق تو�ح�يد� قبل الش�جرة�

ع�مق تو�ح�يد� بعد�الش�جرة�

0501510252

البحث� ع�مل�ية� كل�ف�ة�

وبعده فروعها عمق توحيد قبل المحتوى شجرة ضمن البحث عملية كلفة مقارنة

النتائج والمناقشة

حصلنا من خالل الدراسة على النتائج التالية:

تصميم منهج تعليمي متوافق مع معيارSCORM باستخدام برنامج Reload الحص��ول على حزم��ة محت��وى وفق�اً لمعي��ارSCORM تض��م مل�ف imsmanifest.xmlذو بن��اء

هرمي. تم استخدام مخطط دليل المستندDIG(Document Index Graph)مس��تند لتمثيل ال��درس(

وتم استخدام المعادالت الرياضية في الحصول على المعلومات ال�تي تع�بر عن ه�ذانصي(الدرس من خالل الحصول على شعاع المميزة للدرس المفترض.

المحتوى. أشجارساعد مفهوم فضاء الحالة وشعاع المميزة في توحيد أعماق تم تجميع عقد المحتوى في عناقيد(Clusters )ين منتمن خالل قياس التشابه بين كل عقد

(�� CTs)عقد المحتوى لألشجار وتخزين معلومات العناقي��دT=0.813عتبة تشابه على اعتماد ( لكل عنقود.CF) المميزة العنقودية من خالل حساب

( بهدف زيادة التعقي�د تم تجمي��ع العناقي�دClustersالناتج�ة ض�من عناقي�د أخ�رى من خالل ) قياس التش��ابه بين ك��ل عنق�ودين )مراك��ز العناقي��د( وحس��اب المي��يزة العنقودي��ة للعناقي��د

الناتجة. ملف نصي في 41إن تجميع عقد المحتوى لشجرة مؤلفة من Clusters (12 Cluster)نتج

عن��ه التقلي��ل من كلف�ة عملي��ة البحث وك��ذلك الس��رعة في الوص��ول إلى عق�دة المحت��وى% تقريباً من عمليات البحث(50المرغوبة )تم توفير

ملف نصي موزع وفقاً لس��ت مس��تويات41ساعد تخفيض عمق شجرة محتوى مؤلفة من (L0..L5تقريب��اً. كم��ا )¼( في تخفيض عدد العقد التي تتم بينها عملي��ات المقارن��ة بمق��دار )

ساعد على تخفيض كلفة عملية البحث بمقدار )¼( تقريباً.

المراجع1. PACKAGING AND PUBLISHING LEARNING OBJECTS: BEST PRACTICE GUIDELINES. January

2005. <http://www.becta.org.uk/page_documents/industry/content_packaging.pdf>2. JUN-MING SU; SHIAN-SHYONG TSENG; CHING-YAO WANG; YING-CHIEH LEI; YU-CHANG

SUNG; WEN-NUNG TSAI. A Content Management Scheme in a SCORM Compliant

20

Learning Object Repository, Journal of information science and engineering 21, 2005, 1053-1075. <http://www.iis.sinica.edu.tw/JISE/2005/200509_13.pdf>

3. e-LEARNING INTEROPERABILITY STANDARDS. <wise.vub.ac.be/members/mushtaha/PhD/phd-activity/eLearning_Interoperability_Standards_wp.pdf >

4. QUIS tearm. Standards for e-leaning. 2004. <www2.tisip.no/quis/public_files/wp5-standards-for-elearning.pdf>

5. JUN-MING SU; SHIAN-SHYONG TSENG; CHING-YAO WANG; YING-CHIEH LEI; YU-CHANG SUNG; WEN-NUNG TSAI. A Content Management Scheme in a SCORM Compliant Learning Object Repository, Journal of information science and engineering 21, 2005, 1053-1075. <http://www.iis.sinica.edu.tw/JISE/2005/200509_13.pdf>

6. HAMMOUDA, K; KAMEL M. Data Mining in e-Learning. July 26, 2007. <http://pami.uwaterloo.ca/pub/hammouda/hammouda-learning.pdf>

7. KHEIRBEK, A. Information Retrieval.University of Damascus Faculty of Information technology, 2004, 142.

8. ABOUD, M. Information Retrieval. Damascus University Faculty of Information Technology.

9. Cosine Similarity and Term Weight. <http://www.miislita.com/information-retrieval-tutorial/cosine-similarity-tutorial.html>

10. Document Indexing Tutorial. < http://www.miislita.com/information-retrieval-tutorial/indexing.html>

21