This paper proposes a comparison between two distinct approaches to the annotation of digital resources. The former, top-down, is rooted in the cathedral model and is based on an authoritative, centralized defnition of the adopted mark-up language; the latter, bottom-up, refers to the bazaar model and is based on the contributions of a community of users. These two approaches are analyzed taking into account both their descriptive potential and the constraints they impose on the reasoning process of recommender systems, with special reference to user profling. Three case studies are described highlighting the applicative value of these two approaches in the contexts of e-learning and knowledge management, contributing to the debate on Open Educational Resources (OER).

Questo articolo propone un confronto tra due approcci per l'annotazione di risorse digitali. Il primo approccio è top-down, si riconosce nel cosiddetto "cathedral model" ed è basato su una defnizione autoritaria e centralizzata del linguaggio di marcatura. Il secondo è bottom-up, fa riferimento al "bazaarmodel" e raccoglie i contributi di una comunità di utenti. Questi approcci sono analizzati considerando potenzialità e limiti sia sul piano descrittivo che in relazione al supporto offerto ai meccanismi di reasoning nei sistemi di raccomandazione, con particolare attenzione alla proflazione dell'utente. Vengono poi descritti tre casi di studio che evidenziano il valore applicativo di questi due approcci nell'ambito dell'e-learning e del knowledge management, inserendosi nel piu' ambito dibattito relativo alle Risorse Educative Aperte (OER).

Risorse e utenti nei processi di tagging: approcci e casi di studio

Luigi Sarti;Stefania Bocconi;Jeff Earp
2010

Abstract

This paper proposes a comparison between two distinct approaches to the annotation of digital resources. The former, top-down, is rooted in the cathedral model and is based on an authoritative, centralized defnition of the adopted mark-up language; the latter, bottom-up, refers to the bazaar model and is based on the contributions of a community of users. These two approaches are analyzed taking into account both their descriptive potential and the constraints they impose on the reasoning process of recommender systems, with special reference to user profling. Three case studies are described highlighting the applicative value of these two approaches in the contexts of e-learning and knowledge management, contributing to the debate on Open Educational Resources (OER).
2010
Istituto per le Tecnologie Didattiche - ITD - Sede Genova
Questo articolo propone un confronto tra due approcci per l'annotazione di risorse digitali. Il primo approccio è top-down, si riconosce nel cosiddetto "cathedral model" ed è basato su una defnizione autoritaria e centralizzata del linguaggio di marcatura. Il secondo è bottom-up, fa riferimento al "bazaarmodel" e raccoglie i contributi di una comunità di utenti. Questi approcci sono analizzati considerando potenzialità e limiti sia sul piano descrittivo che in relazione al supporto offerto ai meccanismi di reasoning nei sistemi di raccomandazione, con particolare attenzione alla proflazione dell'utente. Vengono poi descritti tre casi di studio che evidenziano il valore applicativo di questi due approcci nell'ambito dell'e-learning e del knowledge management, inserendosi nel piu' ambito dibattito relativo alle Risorse Educative Aperte (OER).
social tagging
ontologies
user profiling
clustering
neighbour selection
File in questo prodotto:
File Dimensione Formato  
prod_73118-doc_28744.pdf

non disponibili

Descrizione: Articolo pubblicato su JeLKS
Dimensione 472.12 kB
Formato Adobe PDF
472.12 kB Adobe PDF   Visualizza/Apri   Richiedi una copia

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14243/72884
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus 0
  • ???jsp.display-item.citation.isi??? ND
social impact