Компаниям, которые хотят идти в ногу с развитием рынка, требуются хорошо организованные метаданные на очень детальном уровне. Им необходимо внедрить автоматическую маркировку, чтобы быть готовыми к будущему.. Но метки и метаданные используются на разных уровнях, а это значит, что за деревьями не так просто увидеть лес.
В этой серии блогов мы сосредоточимся на метаданных контента. Теперь, когда мы обсудили CEFRизвлечение ключевых слов и классификация тем, давайте взглянем на пометку целей обучения.
Краткое объяснение
На наш взгляд, тегирование целей обучения является формой классификации тем. Но у него есть определенная таксономия: учебная программа или структурированный набор целей обучения.
Поскольку вы можете заниматься маркировкой на разных уровнях, вы имеете дело с иерархической таксономией. Например, вы можете помечать темы, но вы также можете сделать еще один шаг и пометить темы, подпадающие под определенные темы.
Почему тегирование целей обучения полезно
Люди, как правило, учатся в своем собственном темпе, что означает, что каждый ученик находится на определенном этапе учебной программы. В прошлом быстро обучающимся приходилось ждать недели или месяцы, пока их сверстники наверстывали упущенное. Но маркировка целей обучения проложила путь к персонализации учебных материалов. После того, как учащийся завершил определенную часть учебного плана, вы можете легко предложить ему перейти к следующей части. В конце концов, вы тщательно пронумеровали учебную программу, что позволяет вам настроить путь обучения учащегося.
Издатели могут использовать теги целей обучения для анализа своих учебных материалов. Охватывает ли ваша учебная программа все актуальные темы? Создали ли вы учебные материалы для всех целей обучения в национальной учебной программе? Вы ответите на такие вопросы гораздо быстрее, если воспользуетесь тегами целей обучения. Кроме того, легче курировать и предлагать материалы от третьих лиц. А в современном мире курирования контента это бесценно для каждого издателя!
Как создавать автоматические этикетки
Чтобы быть успешной, модель ИИ потребует маркированного контента и соответствующей таксономии. Анализ ключевых слов может помочь включить таксономию в модель. В Edia у нас есть экстрактор ключевых слов, который анализирует учебную программу, чтобы понять, о чем она, и определить потенциальные ярлыки, связанные с определенной темой. Именно так мы обучаем модель ИИ классифицировать цели обучения.
Преимущества автоматизации
Автоматизация позволит образовательным издательствам быстрее добавлять материалы в свою существующую коллекцию. Кроме того, им будет легко обнаружить (и заполнить) пробелы в своем предложении.
В конечном счете, пометка целей обучения откроет двери для новых бизнес-моделей и потоков доходов: издатели смогут взять на себя роль учителя и предоставлять персонализированные учебные материалы.
За последние несколько недель мы обсудили метаданные контента, которые мы считаем важными с точки зрения автоматической маркировки. Конечно, есть много других типов этикеток. Итак, куда идти отсюда? Мы обсудим это в нашем следующем посте в блоге, который будет последним в этой серии.