Creating integrated domain, task and competency model
Upcoming SlideShare
Loading in...5

Like this? Share it with your network


Creating integrated domain, task and competency model



Luciano Serafini

Luciano Serafini



Total Views
Views on SlideShare
Embed Views



1 Embed 9 9



Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
Post Comment
Edit your comment

Creating integrated domain, task and competency model Presentation Transcript

  • 1. Creating integrated domain, task  and competency model Luciano Serafini FBK­irst, Trento, Italy Joint WORK with the partner of the  APOSDLE EU PROJECT    
  • 2. Overview ● Semantic technologies for organizations ● Examples of conceptual models ● The APOSDLE meta­model ● Basic facts about ontologies ● Proposal for a modeling activity    
  • 3. In complex organizations ● Too many applications are being built with  proprietary structures that are non­ interoperable ● Many are busy mapping across islands using  at best databases, and XML, but at worst  documents and spreadsheets ● Semantic technology is a key enabler for  realizing the renewed vision for integrating  systems in complex organizaiton    
  • 4. Semantic technologies enables... ● System interoperability ● Model­based systems engineering ● Organizational memory ● Knowledge management and reuse ● Learning in work space    
  • 5. Basic reference architecture Application Application M1 M2 M4 M3 Application Application    
  • 6. Short introduction to APOSDLE  learning platform    
  • 7. APOSDLE Key Distinctions: Learning Perspective 19 May, 2009 / 7  Integrated support for   learner, knowledgeable person and worker  learning activities within work and learning processes  within computational work environment  utilizing organizational memory  Self­Directed (SD) Work­Integrated Learning (WIL)  Third Annual Review Meeting, Graz
  • 8. 19 May, 2009 / 8 APOSDLE Key Distinctions: Technological Perspective ● Hybrid Approach:  Coarse grained semantic models  complemented with soft computing  approaches – Automatic discovery of work task/topic based on user interactions – Automatic maintenance of user profiles based on user interactions  – Automatic identification of similarities based on text, multi­media data and  semantic analysis – Automatic identification of prerequisite relations based on semantic analysis Third Annual Review Meeting, Graz
  • 9. APOSDLE P3 Alan Use  Sara UC Actor ! Cases? Users RE  Process UC ... APOSDLE Working tools  Tools Learning tools Collaboration tools  APOSDLE Integrated User Profiles Associative Network Knowledge Platform Structure Work Context Skills Semantic Competency  Learning Structures Domain­Model  Domain  Model Process Model Process Model Performance  (Ontology) (Ontology) Goal Model Structure Organizational Backend Systems IT-Infrastructure Database File­ LMS CMS ... Server Third Annual Review Meeting, Graz
  • 10. Integrated Modeling of  Domain, Tasks and Learning  Goals 3rd Review Meeting, Graz
  • 11. Short introduction on ontology  engineering    
  • 12. The goal of conceptual modeling ● To construct a conceptualization of a domain  that describes the aspects of a domain which  are relevant to a certain (set of) application. ● What is a Conceptualization? It is a formal  representation of a domain in terms of a set of  Concepts and a set of Relations between  concepts.     
  • 13. Example of Conceptualization Conceptual Graphs    
  • 14. Example of Conceptualizatio Topic maps    
  • 15. Example of conceptualization Semantic networks    
  • 16. Example of conceptualization RDF­gaphs    
  • 17. Example of conceptualization Taxonomic classification    
  • 18. Example of conceptualization Partinomy    
  • 19. Example of conceptualization Web Ontology    
  • 20. Formal ontology ● A formal ontology is a special type of conceptualization  based on logic ● ( + ) Advantages of logic: ( + ) – It is an UNAMBIGUOUS language – It is MACHINE UNDERSTANDABLE – It is possible to implement AUTOMATIC  REASONING ALGORITHMS ● ( – ) Drawbacks of logic: it is NOT INTUITIVE for humans.  ( – ) – Difficulties to read logic   – Difficulties to formalize concepts in logic  
  • 21. Try yourself: Elephants are gray  mammal which have a trunck Elephant = Mammal ⊓ ∃ bodyPart.Trunk ⊓  ∀color.Gray Elephants are heavy mammals, except for Dumbo  elephants that are light Elephant = Mammal ⊓ (∀weight.heavy ⊔ (Dumbo ⊓ ∀weight.Light)a    
  • 22. A four slide Introduction to  ontologies (1)The language of ontologies (2)It's meaning  (3)Expressing general knowledge (Tbox) (4)Expressing specific knowledge (Abox)    
  • 23. Ontologies are formal theories  based on a formal language: ● Basic components of the language of  ontologies are  ● CONCEPTS (aka CLASSES, TYPES) – ANIMAL, FELINE, CAT, TAIL, ... ● RELATIONS (aka ROLES, ATTRIBUTES) – LOVES, IS_FRIEND_OF, LIVES_IN ● INDIVIDUALS (aka OBJECTS, CONSTANTS) – Garfield, John, Italy, France, ...    
  • 24. Formal languages has an  unambiguous interpretation ● Every concept A is interpreted in a set. – CAT = (Fido, Garfield, Felix, cat1, cat2, ...} – TAIL = {tail­of­fido, tail­of­garfield, … } ● The elements of a concept are called Instances of  the concepts – Fido, Garfield, ... are instances of the concept CAT,  ● Every relation R is interpreted in a set of pairsof  instances   – LOVES = {<john,mary> <paolo,elena>,    <luciano,cecilia> … }
  • 25. Axioms are statements in the formal  language which holds on the  domain we want to describe (1) ● A Subclass of B means that all the instances  of A are also instances of B  – CAT SubClass of ANIMAL means that each cat is  also an animal ● R Subrelation of S = all the pairst in R are also  contained in S – IS_FRIEND_OF SubRelation KNOWS  means  that it's not possible for two individuals to be    friends without knowing eachother  
  • 26. Axioms are statements in the formal  language which holds on the  domain we want to describe (1) ● o ofType C (also written as C(o)) means that  the object o is contained in the set of instances  of C – Italy ofType COUNTRY, means that  COUNTRY = {.... italy … } ● o R o' (also written as R(o,o)) means that the  object o is in relation R with the object o', I .e.  that R = {… <o,o'> …}    – Trentino is_pert_of Italy, means that trentino    region is a part of the italian territory.
  • 27. Ontology engineering ● Ontology engineering is the “art” of constructing useful,  correct, compact and computationally sustainable  conceptualizations in the form of formal ontologies.  ● Usually those who retain knowledge about a certain domain  (domain experts) are not experts in logic and are not  interested in becoming expert.  ● Usually experts in logic (knowledge engineers) have  superficial and commonsense knowledge about a certain  domain.  ● In ontology engineering domain experts and knowledge  engineers need to collaborate to build useful and correct  ontology based conceptualizations.    
  • 28. Collaborative Modelling 3rd Review Meeting, Graz
  • 29. Collaborative Modeling… June 3, 2009 3rd Review Meeting, Graz
  • 30. …with dedicated supporting  tools 
  • 31. Two collaborative tools for ontology   engineering ● Moki = Modelling WiKi  is a collaborative tool  that provides support for enabling domain  experts, who do not necessarily have  knowledge engineering skills, to model  business domains and simple processes  directly. ● Collaborative Protege is an extension of the  existing Protege system that supports  collaborative ontology editing as well as    annotation of both ontology components and    ontology changes.
  • 32. Proposal for a modeling experience ● We constitute n modelling groups G(1) .... G(n) ● Mon­Tue – G1..G(n/2) models moki producing models M1.. M(n/2) – G(n/2+1)...Gn model with collaborative protege and  produce models M(n/2+1) … M(n) ● Wed­Thu – G1..G(n/2) revse the models M(n/2+1)...M(n) in  collaborative protege  – G(n/2+1)...Gn revise the models M(1)...M(n/2) in moki ● Fri discussion on the experience and evaluation of the results    
  • 33. Domain model and task model for...  Technology enhanced learning ● The resulting model should allow to represent  – Classification of results, methodologies, scientific  articles, and tools in the area of TAL – Construction of a semantic social network in which  people and organizations and activities are connected  by common/complementary interests ● The resulting model could be used for – Searching for results, paper, people, projects, possible  collaborations – Learning about TEL   – Keyword selection for semantic tagging