Creating integrated domain, task 
        and competency model


                Luciano Serafini
              FBK­irst, ...
Overview
    ●   Semantic technologies for organizations
    ●   Examples of conceptual models
    ●   The APOSDLE meta­mo...
In complex organizations
    ●   Too many applications are being built with 
        proprietary structures that are non­
...
Semantic technologies enables...
    ●   System interoperability
    ●   Model­based systems engineering
    ●   Organizat...
Basic reference architecture
                                          Application




    Application

                  ...
Short introduction to APOSDLE 
            learning platform




                   
APOSDLE Key Distinctions:
             Learning Perspective                             19 May, 2009 / 7



 Integrated s...
19 May, 2009 / 8



               APOSDLE Key Distinctions:
                Technological Perspective
     ●   Hybrid App...
APOSDLE P3
                                       Alan         Use                                                      Sa...
Integrated Modeling of 
        Domain, Tasks and Learning 
                   Goals




3rd Review Meeting, Graz
Short introduction on ontology 
              engineering




                    
The goal of conceptual modeling
    ●   To construct a conceptualization of a domain 
        that describes the aspects o...
Example of Conceptualization
        Conceptual Graphs




                  
Example of Conceptualizatio
           Topic maps




                  
Example of conceptualization
        Semantic networks




                  
Example of conceptualization
           RDF­gaphs




                  
Example of conceptualization
      Taxonomic classification




                  
Example of conceptualization
            Partinomy




                  
Example of conceptualization
          Web Ontology




                  
Formal ontology
    ●   A formal ontology is a special type of conceptualization 
        based on logic
    ●   ( + ) Adv...
Try yourself:
Elephants are gray  mammal which have a trunck
Elephant = Mammal ⊓ ∃ bodyPart.Trunk ⊓ 
∀color.Gray
Elephants...
A four slide Introduction to 
                  ontologies
    (1)The language of ontologies
    (2)It's meaning 
    (3)E...
Ontologies are formal theories 
         based on a formal language:
    ●   Basic components of the language of 
        ...
Formal languages has an 
             unambiguous interpretation
●       Every concept A is interpreted in a set.
        ...
Axioms are statements in the formal 
       language which holds on the 
      domain we want to describe (1)
    ●   A Su...
Axioms are statements in the formal 
       language which holds on the 
      domain we want to describe (1)
    ●   o of...
Ontology engineering
    ●   Ontology engineering is the “art” of constructing useful, 
        correct, compact and compu...
Collaborative Modelling




3rd Review Meeting, Graz
Collaborative Modeling…
                                  June 3, 2009




3rd Review Meeting, Graz
…with dedicated supporting 
          tools 
Two collaborative tools for ontology  
               engineering
    ●   Moki = Modelling WiKi  is a collaborative tool 
...
Proposal for a modeling experience
●       We constitute n modelling groups G(1) .... G(n)
●       Mon­Tue
            –  ...
Domain model and task model for...
         Technology enhanced learning
    ●   The resulting model should allow to repre...
Upcoming SlideShare
Loading in …5
×

Creating integrated domain, task and competency model

1,186 views

Published on

Luciano Serafini

Published in: Education, Technology
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
1,186
On SlideShare
0
From Embeds
0
Number of Embeds
10
Actions
Shares
0
Downloads
24
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Creating integrated domain, task and competency model

  1. 1. Creating integrated domain, task  and competency model Luciano Serafini FBK­irst, Trento, Italy Joint WORK with the partner of the  APOSDLE EU PROJECT    
  2. 2. Overview ● Semantic technologies for organizations ● Examples of conceptual models ● The APOSDLE meta­model ● Basic facts about ontologies ● Proposal for a modeling activity    
  3. 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. 4. Semantic technologies enables... ● System interoperability ● Model­based systems engineering ● Organizational memory ● Knowledge management and reuse ● Learning in work space    
  5. 5. Basic reference architecture Application Application M1 M2 M4 M3 Application Application    
  6. 6. Short introduction to APOSDLE  learning platform    
  7. 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. 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. 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. 10. Integrated Modeling of  Domain, Tasks and Learning  Goals 3rd Review Meeting, Graz
  11. 11. Short introduction on ontology  engineering    
  12. 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. 13. Example of Conceptualization Conceptual Graphs    
  14. 14. Example of Conceptualizatio Topic maps    
  15. 15. Example of conceptualization Semantic networks    
  16. 16. Example of conceptualization RDF­gaphs    
  17. 17. Example of conceptualization Taxonomic classification    
  18. 18. Example of conceptualization Partinomy    
  19. 19. Example of conceptualization Web Ontology    
  20. 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. 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. 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. 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. 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. 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. 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. 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. 28. Collaborative Modelling 3rd Review Meeting, Graz
  29. 29. Collaborative Modeling… June 3, 2009 3rd Review Meeting, Graz
  30. 30. …with dedicated supporting  tools 
  31. 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. 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. 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   

×