Datamodell

Dataløsninger bør generelt sett bygges rundt en eksplisitt og allmenngjort modell av det problemområdet de skal understøtte.

Det finnes gode metoder for å utvikle slike datamodeller som UML (Unified Modeling Language)  og ORM (Object Role Modeling).

Det er datamodellen som forener løsningene og – via dem – det felles arbeidet. Her bør en altså unngå å gjøre en bestemt dataløsning til  alle systemers mor ved å oppheve det til nøkkel, nav, sentral e.l.

Vi legger her til grunn en bruker/dokument-modell som fanger hensynet til bredden av aktiviter som forskning, undervisning og administrasjon. Arbeidet skjer i stor grad innad i egen institusjon. I økende grad omfatter det også engasjementer i praksisfeltet og i andre miljøer nasjonalt og internasjonalt.

Modellen har to basale enheter:

  • Bruker (user)
  • Tekstfragment (fragment)

Disse er av ulike slag (typer) der user kan være (ha rolle som) student, lærer, forfatter, sensor osv. Tekstfragmenter kan også klassifiseres på ulike måter som f.eks. uttrykksform (skrift, stillbilde, audio, video ..), sjanger, tema/emne, nivå/vanskelighetsgrad osv.

Til grunn ligger særlig en virtuell personae. Som regel er denne representrert ved epostadresse som brukes på tvers av systemer. Det er ikke en spesiell konfigurasjon knyttet til dette, f.eks. det en måtte ha registrert om studenter i et studieadministrativt system. Mange deltar i et LMS, men universitet er jo langt mer enn studieadministrasjon.

Brukere inngår i grupper (groups) som også er av ulike type (typed). Slik kan en danne ulike former for arbeidsgrupper. De kan i prinsippet gå på kryss og tvers. Vi skiller det fra organisatoriske enheter (units) som representerer institusjonalisert samhandling med noe varighet. Vi skiller også ut institusjoner (institutions). En unit som f.eks. en klasse eller et institutt er som regel (rekursivt) underlagt en institution, men det trenger ikke være tilfelle. En må se for seg at vi også får tverrinstitusjonelle FoU- tiltak eller klasser der studenter kan studere både ved HiOA og Harvard…

Tekstfragmentene kan f.eks. være et tekstavsnitt skrevet i HTML, en video, et stillbilde med forklarende skrift og lydspor, en selvtest osv. De inngår i sekvenser (lenkede lister), hierarkier og nettverk. Ved HiOA ble en slik løsning lagt til grunn i Fragments-prosjektet 2007-08. Prinsippene gjenfinnes i edX-arkitekturen.

Et fragment vil som regel her være et læringsobjekt eller også integrerende og kontekstualiserende “kitt” somf.eks. en kort introduksjon, sammenbindene tekster, avsluttende oppsummering o.l.

  1. Modellen kan utvides til å dekke aktiviteter (tasks) og flyktig sosial strukturering av dem (prosjekt, gruppeoppgaver, praksisperiode). Her oppstår det vurderinger og spenning om hvorvidt dette skal forstås som struktur eller prosess. Et dynamisk og praksisnært læringsmiljø er per definisjon flyktigere og mer ad hoc, mens store kull på store institusjoner fører til at en søker å redusere kompleksitet og transaksjonskostnadene ved dette.

Læringsobjekter

Her trer følgelig læringdobjektene fram som vesentlige ressurs. Fordelen med det ligger i at de også kan håndteres for seg.

Et læringsobjekt befinner seg i et spenn mellom sterk kontekstavhengighet med lav gjenbruksmulighet og lav kontekstavhengighet og høy gjenbruksmulighet. Men om teksten ikke passer i konteksten, blir det hele oppstykket.

Et læringsobjekt befinner seg i et spenn mellom sterk kontekstavhengighet med lav gjenbruksmulighet og lav kontekstavhengighet og høy gjenbruksmulighet. Men om teksten ikke passer i konteksten, blir det hele oppstykket.

De kan sammenliknes og forbedres i nye kontekster. Eksempel:

Om en kan hente fram alle videoforelesninger som inneholder matematisk beregning i helsefagene under ett kan en lettere fokusere på den underliggende fagdidaktikk. Hvordan arbeider en best med studenter som ikke nødvendigvis synes matte er så lett?

Særegen lagring av læringsobjekter kan bidra til enkel deling og gjenbruk ved at de ikke må gjenfinnes, “plukkes ut” og lagres på nytt i “dypet” av et LMS.

Sammenfatning

  • Ved å legge læringsobjektene (og andre fag- og forsknings-tekster) i særskilte databaser (Learning Object RepositoriesContent Management Systems osv) kan en systematisere arbeidet med ressursdeling, kvalitetsheving og kompetanseutvikling. Dette bør ha Open Access.
  • Brukerne administreres som virtuelle agenter med tilgang til ulike typer funksjonalitet (administrativt, studieadministrativt, fagtekster, eksamenssystem osv)
  • Dette inngår som metodisk grep for en særegen Learning Document Analytics som supplerer Learning Analytics.

Dette skaper  en arkitektur for trinnvis og kunnskapsbasert forbedring.