Skip to content. | Skip to navigation

'${fmt}' is kein unterstütztes Format.
Document Actions

Citation and metadata

Back to the article.

Recommended citation

Thomas, M., Staubitz, T., Meinel, C. (2023). Towards a Standardized Machine-Readable Metadata Format for MOOC Platforms. e-learning and education, Iss. 15. (urn:nbn:de:0009-5-57801)

Download Citation

Endnote

%0 Journal Article
%T Towards a Standardized Machine-Readable Metadata Format for MOOC Platforms
%A Thomas, Max
%A Staubitz, Thomas
%A Meinel, Christoph
%J e-learning and education
%D 2023
%V 15
%N 2
%@ 1860-7470
%F thomas2023
%X Heutzutage sind viele Onlinekurse wie MOOCs (Massive Open Online Courses) verfügbar von verschiedenen Anbietern (z.B. edX, Coursera, openHPI, OpenWHO, iMOOX). Um Lernende zu unterstützen, wurden Aggregatoren wie Class Central oder MOOChub gegründet. Diese Aggregatoren enthalten Kataloge mit den Angeboten der Provider, was sie zu zentralen Eintrittspunkten für die Nutzenden macht. Diese Kataloge basieren auf Metadaten, die entsprechend formatiert sein müssen. Die Metadaten können dann auch zum Filtern von Kursen und Empfehlungssystemen genutzt werden. Mit dem Aufkommen von mehr und mehr KI-basierten Empfehlungsservicen für Lerngelegenheiten und Lernpfadassistenten steigt der Bedarf an gut gepflegten und bedeutsamen Metadaten massiv an. In dieser Publikation stellen wir unsere Untersuchungen zu verschiedenen Systemen zur Kategorisierung des Studienbereichs, Themenbereichs oder Faches vor, die genutzt werden können, um existierende Metadatenformate zu verbessern. Eine Übersicht über Kategorisierungssysteme für Studienbereiche von verschiedenen Entitäten (z.B. international, national und private Organisationen) wird gegeben. Die Systeme werden in Hinblick auf ihren Nutzen in Metadatenformaten zur Beschreibung von Kursen verglichen. Die Ergebnisse werden genutzt, um unser Metadatenformat zu verfeinern und stellen einen weiteren Schritt hin zu einem standardisierten Metadatenformat für Kurse und automatisiert generierten Metadaten dar.
%L 370
%K Fields of Study
%K MOOC
%K Massive Open Online Course
%K Metadaten
%K Standards
%K Studienbereich
%K e-learning
%K metadata
%U http://nbn-resolving.de/urn:nbn:de:0009-5-57801
Download

Bibtex

@Article{thomas2023,
  author = 	"Thomas, Max
		and Staubitz, Thomas
		and Meinel, Christoph",
  title = 	"Towards a Standardized Machine-Readable Metadata Format for MOOC Platforms",
  journal = 	"e-learning and education",
  year = 	"2023",
  volume = 	"15",
  number = 	"2",
  keywords = 	"Fields of Study; MOOC; Massive Open Online Course; Metadaten; Standards; Studienbereich; e-learning; metadata",
  abstract = 	"Heutzutage sind viele Onlinekurse wie MOOCs (Massive Open Online Courses) verf{\"u}gbar von verschiedenen Anbietern (z.B. edX, Coursera, openHPI, OpenWHO, iMOOX). Um Lernende zu unterst{\"u}tzen, wurden Aggregatoren wie Class Central oder MOOChub gegr{\"u}ndet. Diese Aggregatoren enthalten Kataloge mit den Angeboten der Provider, was sie zu zentralen Eintrittspunkten f{\"u}r die Nutzenden macht. Diese Kataloge basieren auf Metadaten, die entsprechend formatiert sein m{\"u}ssen. Die Metadaten k{\"o}nnen dann auch zum Filtern von Kursen und Empfehlungssystemen genutzt werden. Mit dem Aufkommen von mehr und mehr KI-basierten Empfehlungsservicen f{\"u}r Lerngelegenheiten und Lernpfadassistenten steigt der Bedarf an gut gepflegten und bedeutsamen Metadaten massiv an. In dieser Publikation stellen wir unsere Untersuchungen zu verschiedenen Systemen zur Kategorisierung des Studienbereichs, Themenbereichs oder Faches vor, die genutzt werden k{\"o}nnen, um existierende Metadatenformate zu verbessern. Eine {\"U}bersicht {\"u}ber Kategorisierungssysteme f{\"u}r Studienbereiche von verschiedenen Entit{\"a}ten (z.B. international, national und private Organisationen) wird gegeben. Die Systeme werden in Hinblick auf ihren Nutzen in Metadatenformaten zur Beschreibung von Kursen verglichen. Die Ergebnisse werden genutzt, um unser Metadatenformat zu verfeinern und stellen einen weiteren Schritt hin zu einem standardisierten Metadatenformat f{\"u}r Kurse und automatisiert generierten Metadaten dar.",
  issn = 	"1860-7470",
  url = 	"http://nbn-resolving.de/urn:nbn:de:0009-5-57801"
}
Download

RIS

TY  - JOUR
AU  - Thomas, Max
AU  - Staubitz, Thomas
AU  - Meinel, Christoph
PY  - 2023
DA  - 2023//
TI  - Towards a Standardized Machine-Readable Metadata Format for MOOC Platforms
JO  - e-learning and education
VL  - 15
IS  - 2
KW  - Fields of Study
KW  - MOOC
KW  - Massive Open Online Course
KW  - Metadaten
KW  - Standards
KW  - Studienbereich
KW  - e-learning
KW  - metadata
AB  - Heutzutage sind viele Onlinekurse wie MOOCs (Massive Open Online Courses) verfügbar von verschiedenen Anbietern (z.B. edX, Coursera, openHPI, OpenWHO, iMOOX). Um Lernende zu unterstützen, wurden Aggregatoren wie Class Central oder MOOChub gegründet. Diese Aggregatoren enthalten Kataloge mit den Angeboten der Provider, was sie zu zentralen Eintrittspunkten für die Nutzenden macht. Diese Kataloge basieren auf Metadaten, die entsprechend formatiert sein müssen. Die Metadaten können dann auch zum Filtern von Kursen und Empfehlungssystemen genutzt werden. Mit dem Aufkommen von mehr und mehr KI-basierten Empfehlungsservicen für Lerngelegenheiten und Lernpfadassistenten steigt der Bedarf an gut gepflegten und bedeutsamen Metadaten massiv an. In dieser Publikation stellen wir unsere Untersuchungen zu verschiedenen Systemen zur Kategorisierung des Studienbereichs, Themenbereichs oder Faches vor, die genutzt werden können, um existierende Metadatenformate zu verbessern. Eine Übersicht über Kategorisierungssysteme für Studienbereiche von verschiedenen Entitäten (z.B. international, national und private Organisationen) wird gegeben. Die Systeme werden in Hinblick auf ihren Nutzen in Metadatenformaten zur Beschreibung von Kursen verglichen. Die Ergebnisse werden genutzt, um unser Metadatenformat zu verfeinern und stellen einen weiteren Schritt hin zu einem standardisierten Metadatenformat für Kurse und automatisiert generierten Metadaten dar.
SN  - 1860-7470
UR  - http://nbn-resolving.de/urn:nbn:de:0009-5-57801
ID  - thomas2023
ER  -
Download

Wordbib

<?xml version="1.0" encoding="UTF-8"?>
<b:Sources SelectedStyle="" xmlns:b="http://schemas.openxmlformats.org/officeDocument/2006/bibliography"  xmlns="http://schemas.openxmlformats.org/officeDocument/2006/bibliography" >
<b:Source>
<b:Tag>thomas2023</b:Tag>
<b:SourceType>ArticleInAPeriodical</b:SourceType>
<b:Year>2023</b:Year>
<b:PeriodicalTitle>e-learning and education</b:PeriodicalTitle>
<b:Volume>15</b:Volume>
<b:Issue>2</b:Issue>
<b:Url>http://nbn-resolving.de/urn:nbn:de:0009-5-57801</b:Url>
<b:Author>
<b:Author><b:NameList>
<b:Person><b:Last>Thomas</b:Last><b:First>Max</b:First></b:Person>
<b:Person><b:Last>Staubitz</b:Last><b:First>Thomas</b:First></b:Person>
<b:Person><b:Last>Meinel</b:Last><b:First>Christoph</b:First></b:Person>
</b:NameList></b:Author>
</b:Author>
<b:Title>Towards a Standardized Machine-Readable Metadata Format for MOOC Platforms</b:Title>
<b:Comments>Heutzutage sind viele Onlinekurse wie MOOCs (Massive Open Online Courses) verfügbar von verschiedenen Anbietern (z.B. edX, Coursera, openHPI, OpenWHO, iMOOX). Um Lernende zu unterstützen, wurden Aggregatoren wie Class Central oder MOOChub gegründet. Diese Aggregatoren enthalten Kataloge mit den Angeboten der Provider, was sie zu zentralen Eintrittspunkten für die Nutzenden macht. Diese Kataloge basieren auf Metadaten, die entsprechend formatiert sein müssen. Die Metadaten können dann auch zum Filtern von Kursen und Empfehlungssystemen genutzt werden. Mit dem Aufkommen von mehr und mehr KI-basierten Empfehlungsservicen für Lerngelegenheiten und Lernpfadassistenten steigt der Bedarf an gut gepflegten und bedeutsamen Metadaten massiv an. In dieser Publikation stellen wir unsere Untersuchungen zu verschiedenen Systemen zur Kategorisierung des Studienbereichs, Themenbereichs oder Faches vor, die genutzt werden können, um existierende Metadatenformate zu verbessern. Eine Übersicht über Kategorisierungssysteme für Studienbereiche von verschiedenen Entitäten (z.B. international, national und private Organisationen) wird gegeben. Die Systeme werden in Hinblick auf ihren Nutzen in Metadatenformaten zur Beschreibung von Kursen verglichen. Die Ergebnisse werden genutzt, um unser Metadatenformat zu verfeinern und stellen einen weiteren Schritt hin zu einem standardisierten Metadatenformat für Kurse und automatisiert generierten Metadaten dar.</b:Comments>
</b:Source>
</b:Sources>
Download

ISI

PT Journal
AU Thomas, M
   Staubitz, T
   Meinel, C
TI Towards a Standardized Machine-Readable Metadata Format for MOOC Platforms
SO e-learning and education
PY 2023
VL 15
IS 2
DE Fields of Study; MOOC; Massive Open Online Course; Metadaten; Standards; Studienbereich; e-learning; metadata
AB Heutzutage sind viele Onlinekurse wie MOOCs (Massive Open Online Courses) verfügbar von verschiedenen Anbietern (z.B. edX, Coursera, openHPI, OpenWHO, iMOOX). Um Lernende zu unterstützen, wurden Aggregatoren wie Class Central oder MOOChub gegründet. Diese Aggregatoren enthalten Kataloge mit den Angeboten der Provider, was sie zu zentralen Eintrittspunkten für die Nutzenden macht. Diese Kataloge basieren auf Metadaten, die entsprechend formatiert sein müssen. Die Metadaten können dann auch zum Filtern von Kursen und Empfehlungssystemen genutzt werden. Mit dem Aufkommen von mehr und mehr KI-basierten Empfehlungsservicen für Lerngelegenheiten und Lernpfadassistenten steigt der Bedarf an gut gepflegten und bedeutsamen Metadaten massiv an. In dieser Publikation stellen wir unsere Untersuchungen zu verschiedenen Systemen zur Kategorisierung des Studienbereichs, Themenbereichs oder Faches vor, die genutzt werden können, um existierende Metadatenformate zu verbessern. Eine Übersicht über Kategorisierungssysteme für Studienbereiche von verschiedenen Entitäten (z.B. international, national und private Organisationen) wird gegeben. Die Systeme werden in Hinblick auf ihren Nutzen in Metadatenformaten zur Beschreibung von Kursen verglichen. Die Ergebnisse werden genutzt, um unser Metadatenformat zu verfeinern und stellen einen weiteren Schritt hin zu einem standardisierten Metadatenformat für Kurse und automatisiert generierten Metadaten dar.
ER
Download

Mods

<mods>
  <titleInfo>
    <title>Towards a Standardized Machine-Readable Metadata Format for MOOC Platforms</title>
  </titleInfo>
  <name type="personal">
    <namePart type="family">Thomas</namePart>
    <namePart type="given">Max</namePart>
  </name>
  <name type="personal">
    <namePart type="family">Staubitz</namePart>
    <namePart type="given">Thomas</namePart>
  </name>
  <name type="personal">
    <namePart type="family">Meinel</namePart>
    <namePart type="given">Christoph</namePart>
  </name>
  <abstract>Heutzutage sind viele Onlinekurse wie MOOCs (Massive Open Online Courses) verfügbar von verschiedenen Anbietern (z.B. edX, Coursera, openHPI, OpenWHO, iMOOX). Um Lernende zu unterstützen, wurden Aggregatoren wie Class Central oder MOOChub gegründet. Diese Aggregatoren enthalten Kataloge mit den Angeboten der Provider, was sie zu zentralen Eintrittspunkten für die Nutzenden macht. Diese Kataloge basieren auf Metadaten, die entsprechend formatiert sein müssen. Die Metadaten können dann auch zum Filtern von Kursen und Empfehlungssystemen genutzt werden. Mit dem Aufkommen von mehr und mehr KI-basierten Empfehlungsservicen für Lerngelegenheiten und Lernpfadassistenten steigt der Bedarf an gut gepflegten und bedeutsamen Metadaten massiv an. In dieser Publikation stellen wir unsere Untersuchungen zu verschiedenen Systemen zur Kategorisierung des Studienbereichs, Themenbereichs oder Faches vor, die genutzt werden können, um existierende Metadatenformate zu verbessern. Eine Übersicht über Kategorisierungssysteme für Studienbereiche von verschiedenen Entitäten (z.B. international, national und private Organisationen) wird gegeben. Die Systeme werden in Hinblick auf ihren Nutzen in Metadatenformaten zur Beschreibung von Kursen verglichen. Die Ergebnisse werden genutzt, um unser Metadatenformat zu verfeinern und stellen einen weiteren Schritt hin zu einem standardisierten Metadatenformat für Kurse und automatisiert generierten Metadaten dar.</abstract>
  <subject>
    <topic>Fields of Study</topic>
    <topic>MOOC</topic>
    <topic>Massive Open Online Course</topic>
    <topic>Metadaten</topic>
    <topic>Standards</topic>
    <topic>Studienbereich</topic>
    <topic>e-learning</topic>
    <topic>metadata</topic>
  </subject>
  <classification authority="ddc">370</classification>
  <relatedItem type="host">
    <genre authority="marcgt">periodical</genre>
    <genre>academic journal</genre>
    <titleInfo>
      <title>e-learning and education</title>
    </titleInfo>
    <part>
      <detail type="volume">
        <number>15</number>
      </detail>
      <detail type="issue">
        <number>2</number>
      </detail>
      <date>2023</date>
    </part>
  </relatedItem>
  <identifier type="issn">1860-7470</identifier>
  <identifier type="urn">urn:nbn:de:0009-5-57801</identifier>
  <identifier type="uri">http://nbn-resolving.de/urn:nbn:de:0009-5-57801</identifier>
  <identifier type="citekey">thomas2023</identifier>
</mods>
Download

Full Metadata

Bibliographic Citation e-learning and education, Iss. 15
Title

Towards a Standardized Machine-Readable Metadata Format for MOOC Platforms (eng)
Author Max Thomas, Thomas Staubitz, Christoph Meinel
Language eng
Abstract Heutzutage sind viele Onlinekurse wie MOOCs (Massive Open Online Courses) verfügbar von verschiedenen Anbietern (z.B. edX, Coursera, openHPI, OpenWHO, iMOOX). Um Lernende zu unterstützen, wurden Aggregatoren wie Class Central oder MOOChub gegründet. Diese Aggregatoren enthalten Kataloge mit den Angeboten der Provider, was sie zu zentralen Eintrittspunkten für die Nutzenden macht. Diese Kataloge basieren auf Metadaten, die entsprechend formatiert sein müssen. Die Metadaten können dann auch zum Filtern von Kursen und Empfehlungssystemen genutzt werden. Mit dem Aufkommen von mehr und mehr KI-basierten Empfehlungsservicen für Lerngelegenheiten und Lernpfadassistenten steigt der Bedarf an gut gepflegten und bedeutsamen Metadaten massiv an. In dieser Publikation stellen wir unsere Untersuchungen zu verschiedenen Systemen zur Kategorisierung des Studienbereichs, Themenbereichs oder Faches vor, die genutzt werden können, um existierende Metadatenformate zu verbessern. Eine Übersicht über Kategorisierungssysteme für Studienbereiche von verschiedenen Entitäten (z.B. international, national und private Organisationen) wird gegeben. Die Systeme werden in Hinblick auf ihren Nutzen in Metadatenformaten zur Beschreibung von Kursen verglichen. Die Ergebnisse werden genutzt, um unser Metadatenformat zu verfeinern und stellen einen weiteren Schritt hin zu einem standardisierten Metadatenformat für Kurse und automatisiert generierten Metadaten dar. Nowadays, there are many online courses like MOOCs (Massive Open Online Courses) available from different providers (e.g. edX, Coursera, openHPI, OpenWHO, iMOOX). To support learners, aggregators like Class Central or MOOChub were established. These aggregators hold catalogs with the offerings of the providers making them a central entry point for the users. Such catalogs are based on metadata, which needs to be formatted in a proper way. This metadata can then be used for filtering courses and recommendation engines also. With more and more emerging AI-based recommendation services for learning opportunities and learning path assistants, the need for well-maintained and meaningful metadata is growing massively. In this paper, we report on our research about different systems for categorizing the fields of study, topic, or subject, which can be used to enhance existing metadata formats. An overview of field of study categorization systems of different entities (e.g. international, national, and private organizations) is given. The systems are compared regarding their usefulness in metadata formats for the description of courses. The results are utilized to refine our own metadata format and represent a further step towards a standardized metadata format for courses and automatically generated metadata.
Subject Fields of Study, MOOC, Massive Open Online Course, Metadaten, Standards, Studienbereich, e-learning, metadata
Classified Subjects
ddc
  • 005.7, data in computer syste
  • 371.358, electronic distance education
  • 378, higher education
pacs
  • C6120, file organaisation
  • C6130, data handling techniques
  • C6130M, multimedia
  • D1030, it training requirements
DDC 370
Rights fDPPL
URN: urn:nbn:de:0009-5-57801