Metodologia para recomendação e agregação de Objetos de Aprendizagem no padrão SCORM

Resumo

A partir de um trabalho de revisão da literatura sobre a utilização do padrão Sharable Content Object Reference Model (SCORM) para composição de conteúdos para e-Learning, identificou-se que, embora amplamente utilizado, seu modelo de metadados para agregação de conteúdos é complexo e difícil de ser utilizado por educadores, desenvolvedores de conteúdo e designers instrucionais. Particularmente, a identificação de conteúdos relacionados entre si, a partir de grandes repositórios, tem sido alvo de consideráveis esforços por parte de pesquisadores em ciência da computação, no sentido da automatização destes processos. Todavia, abordagens anteriores estenderam ou alteraram os metadados definidos pelo SCORM. Diante disso, são apresentados neste artigo os resultados de uma pesquisa experimental na qual foi proposta e avaliada uma metodologia que emprega ontologias, anotação automática de metadados, recuperação de informação e mineração de textos para recomendação automática e agregação de conteúdos relacionados, utilizando o vocabulário da categoria de metadados relation, conforme definida pelo SCORM, sem a necessidade de extensão desses metadados, de realizar alterações no padrão, ou mesmo de implementações específicas nos Sistemas de Gerenciamento de Aprendizagem (SGA). Foi desenvolvido um protótipo de um sistema computacional que aplica a metodologia proposta sobre uma amostragem de objetos de aprendizagem, gerando os resultados para avaliação de sua eficácia. Os resultados foram analisados e avaliados com o apoio de profissionais da educação, que atuam no desenvolvimento de conteúdos para e-Learning, demonstrando que a metodologia proposta é viável e eficaz, produzindo os resultados esperados.