Estrazione automatica dei metadata dai learning object

Per garantire il riuso dei learning object nel mondo della didattica a distanza, occorre una buona indicizzazione. Occorre cioè corredare ogni contenuto di una descrizione machine- understandable completa sia in termini tecnologici che pedagogici, che consenta, da un lato, di comprenderne requisiti e limiti per un corretto utilizzo, dall’altro, di rendere più efficienti tutte le eventuali operazioni di ricerca e fruizione. La descrizione comprensibile alla macchina dei contenuti viene mantenuta in strutture dati alquanto consolidate che prendono il nome di metadata. La compilazione dei metadata è un’operazione noiosa e decisamente time-consuming ma estremamente importante dato che da essa dipende la scelta dei contenuti didattici che devono essere quanto più congeniali per gli studenti in un’ottica learner-centred. Questo lavoro ha come obiettivo quello di automatizzare il più possibile questa operazione presentando un approccio metodologico in grado di estrarre i metadata direttamente dai file che costituiscono i learning object. In letteratura sono presenti molteplici metodi che riescono a caratterizzare in automatico gli aspetti tecnologici relativi al contenuto (formato, dimensioni, requisiti HW e SW per poterli visualizzare), rari ed incompleti sono invece i tentativi di descrizione degli aspetti pedagogici (tipologia di risorsa didattica, densità semantica, difficoltà, tempo per la comprensione, livello di interazione, etc.). Mettendo insieme elementi di teoria dell’informazione, modelli di learning, analisi statistiche ed euristiche realizzate ad hoc, si è cercato di proporre un approccio efficace per l’estrazione di un ampio insieme di campi dei metadata. I risultati della sperimentazione effettuata a partire da un prototipo implementato sono particolarmente incoraggianti da far pensare che questo approccio possa essere ingegnerizzato in una soluzione di mercato e applicato anche al di fuori dell’ambito e- learning.