AUTOMATIC IDENTIFICATION AND EXTRACTION OF ADAPTIVE LEARNING OBJECTS FROM TRADITIONAL COURSEWARE

Abstract

e-Learning is becoming the learning system of the future. However, many recent researches suggested replacing the one size fits all teaching model with the smarter model of adaptive learning in which the interpersonal differences between learners are considered the main shapers of lesson for a particular student. However, the main hurdle for the adaptive model is building the repository of micro learning objects (MLOs) with reasonable sizes suitable for reassembling into lessons in a way that is more suitable for a particular student. The process of designing such MLOs is expensive and time-consuming, reasons with the least effect of dampening the model to the point that it may collapse. Noteworthy, there is a wealth of digital learning contents and open-source educational curricula available online, but in the large granular traditional format. Therefore, this research proposes a Text processing intelligent framework for automatically identifying, extracting, and, annotating, those MLOs out of open digital video contents and PowerPoint courses, which are the most popular media types. أصبح التعلم الإلکتروني نظام التعلم في المستقبل. ومع ذلک ، اقترحت العديد من الأبحاث الحديثة استبدال نموذج التدريس مقاس واحد يناسب الجميع بالنموذج الأکثر ذکاء للتعلم التکيفي الذي تعتبر فيه الفروق الشخصية بين المتعلمين أهم صانعي الدرس لطالب معين. ومع ذلک ، فإن العقبة الرئيسية للنموذج التکيفي هي بناء مستودع کائنات التعلم الجزئيMLOsبأحجام معقولة مناسبة لإعادة التجميع في الدروس بطريقة أکثر ملاءمة لطالب معين. إن عملية تصميم مثل هذه العمليات مکلفة وتستغرق وقتا طويلا ، وهي أسباب أقل تأثيرا لإخماد النموذج لدرجة أنه قد ينهار. من الجدير بالذکر أن هناک ثروة من محتويات التعلم الرقمي والمناهج التعليمية مفتوحة المصدر المتاحة عبر الإنترنت ، ولکن بتنسيق تقليدي محبب کبير. لذلک ، يقترح هذا البحث إطارا ذکيا لمعالجة النصوص لتحديد واستخراج وتعليق ، تلقائيا ، MLOs من محتويات الفيديو الرقمية المفتوحة ودورات PowerPoint ، وهي أکثر أنواع الوسائط شيوعا.