Un approccio alla sommarizzazione come supporto all interazione in ambienti di apprendimento

Transcript

1 Peer Reviewed Papers Un approccio alla sommarizzazione come supporto all interazione in ambienti di apprendimento Antonella Carbonaro Dipartimento di Informatica, Università degli Studi di Bologna Abstract Il processo di sommarizzazione delle informazioni diventa sempre più importante alla luce dei recenti miglioramenti nella creazione e distribuzione delle risorse e nella diffusione delle stesse nella quotidianità. Questi progressi rappresentano una sfida anche nel mondo dei sistemi di e-learning verso l adozione delle opportunità disponibili nell utilizzo di sistemi di condivisione e comunicazione di conoscenza distribuita, ad esempio all interno di reti sociali di comunicazione. Il lavoro presenta un sistema di sommarizzazione per il supporto dei tutor nella gestione della comunicazione e nel monitoraggio dell interazione fra studenti all interno di ambienti di apprendimento. I primi risultati ottenuti mostrano l adeguatezza del sistema implementato nell individuare una buona sommarizzazione dei contenuti e quindi nel migliorare l efficienza e l efficacia degli ambienti in cui tale processo può essere integrato. Journal of e-learning and Knowledge Society Vol. 6, n. 2, Maggio 2010 (pp ) ISSN: eissn:

2 Peer Reviewed Papers - Vol. 6, n. 2, Maggio Introduzione Il successo sempre crescente di Internet è caratterizzato anche dal passaggio del suo ruolo inizialmente passivo di deposito e visualizzatore di informazioni verso una funzione molto più attiva e dinamica che fornisce un accesso veloce alla condivisione di risorse e interazione fra gli utenti. Attori principali di questa dinamicità sono anche i forum, spazi web virtuali all interno dei quali gli utenti possono porre domande, risposte, punti di vista e partecipare alle discussioni in corso. Tale disponibilità di grandi quantità di informazioni ha sollecitato un interesse sempre maggiore sulle tecniche di acquisizione della conoscenza e successiva sommarizzazione. La sommarizzazione del testo è una interessante e attiva area di ricerca sin dagli anni 60. L assunzione di base è che una porzione del documento originale o alcune parole chiave da esso estratte possano rappresentare il tutto. Leggere o elaborare questa ridotta versione del documento permetterà un considerevole risparmio sia di tempo che di risorse computazionali (Zhou & Hovy, 2006). Tale caratteristica è ancor più critica e urgente nell attuale contesto di disponibilità di risorse elettroniche. Stiamo inoltre assistendo ad uno spostamento del Web verso uno spazio sociale in cui si producono sempre nuove applicazioni: si va dal semplice esistere al più complesso e attivo ruolo partecipativo sia nel contesto personale/sociale che in quello professionale/aziendale (Kolbitsch & Maurer, 2006). Molte di queste applicazioni collaborative evidenziano caratteristiche comuni come la creazione e condivisone di contenuti, l esistenza di strumenti di discussione basati sul contenuto, la connessione diretta fra utenti, l individuazione di reti di utenti che condividono interessi o caratteristiche (Bighini & Carbonaro, 2004). Gli approcci basati sul contenuto per rappresentare informazioni dinamiche e non strutturate possono essere utili nel determinare i concetti chiave e per sommarizzare le informazioni scambiate anche all interno di un ambiente di apprendimento. In effetti, un sistema di apprendimento è caratterizzato non solo da un insieme di contenuti, ma anche da spazi collaborativi e strumenti quali forum, chat o aree condivise per lo scambio di documenti. 2 Interazione La quantità di interazione in un ambiente di e-learning sembra essere un elemento chiave per valutare l efficienza e l utilità dell apprendimento. Wagner (Wagner, 1994) ha definito l interazione come lo scambio in cui gli individui e i gruppi si influenzano vicendevolmente. Gunawardena and Zittle (1997) suggeriscono che gli studenti online possono interagire proiettando le loro 70

3 Antonella Carbonaro - Un approccio alla sommarizzazione come supporto all interazione in ambienti di apprendimento identità e costruendo comunità virtuali attraverso la sola comunicazione basata su testo. Rovai e Barnum (2003) forniscono evidenze di come la percezione degli studenti sulla bontà dell apprendimento in corsi online sia correlata ad una misura quantitativa delle interazioni svolte del corso. Giudizi sulla importanza delle variabili in gioco per la valutazione dell interazione sono molto difficili da fare; non di meno, la sola misura della quantità di interazione attiva, rappresentata ad esempio dal numero dei messaggi pubblicati dagli studenti su una bacheca o dal numero di interventi all interno di un forum, è rappresentativa. Ciò afferma l importanza di fornire adeguate opportunità agli studenti online di apprendere tramite interazione attiva con gli altri studenti, con i tutor e con i docenti (Zirkin & Sumler, 1995). Di conseguenza però, gli educatori devono sviluppare e includere sempre più materiali altamente interattivi e incoraggiare gli studenti a partecipare alle discussioni online. Viceversa, la partecipazione passiva, analoga al semplice ascolto in un ambiente di apprendimento tradizionale, non risulta essere un indice affidabile della qualità percepita dell apprendimento. La qualità dell interazione è comunque un altro aspetto importante che andrebbe indagato, ma che esula dalle attuali ricerche. Viste le premesse appena fatte, diventa fondamentale supportare i tutor nella gestione dei servizi di comunicazione forniti per monitorare l interazione nel sistema. Questo aspetto è stato largamente ignorato in letteratura, ma produrre strumenti per supportare automaticamente il monitoraggio che i tutor devono effettuare sulle interazioni all interno di un sistema di apprendimento può risultare molto importante per l efficacia e l efficienza dello stesso. Alcune piattaforme offrono strumenti di reportistica, ma quando si deve affrontare un numero elevato di studenti e una grande diversità di possibili interazioni, diventa molto difficile per i tutor estrarre informazioni utili. Le tecniche basate sul contesto possono aiutare in questo compito. Il sistema che proponiamo può trovare applicazione in ogni contesto in cui l interazione all interno di gruppi o fra gruppi di utenti è un requisito importante, come accade in un ambiente di apprendimento. 3 Sommarizzazione La sommarizzazione è un campo di ricerca molto ampio in cui i ricercatori hanno riportato una ricca collezione di approcci, principalmente di due tipi diversi. La prima classe comprende quegli approcci che producono una classificazione del documento da un punto di vista teorico, senza assunzioni sul dominio applicativo. Fanno parte di questa categoria le tecniche statistiche (McKeown et al., 2001), analitiche (Brunn et al., 2001), di information retrieval (Aho et al., 1997) e di information fusion (Barzilay et al., 1999). La seconda classe di 71

4 Peer Reviewed Papers - Vol. 6, n. 2, Maggio 2010 approcci comprende quelli focalizzati sulla specifica applicazione, come ad esempio i programmi per la sommarizzazione di programmi sportivi (Yong Rui et al., 2000), la visualizzazione di dati clinici (Shahar & Cheng, 1998) e il web browsing (Rahman et al., 2001). Nel sito web di NIST 1 è possibile consultare un accurato survey. In questo lavoro viene proposta una metodologia pratica per l estrazione delle keyword rilevanti dalle discussioni presenti in un forum allo scopo di formare un sommario senza assunzioni sul dominio applicativo, ricadendo quindi nella prima delle due classi introdotte e permettendo un più agile adattamento dell approccio a contesti differenti da quello considerato. L idea è quella di individuare in prima analisi i concetti relativi alle keyword estratte utilizzando un approccio statistico e i synset evidenziati da WordNet. L analisi sulla similarità semantica sarà poi condotta sulle keyword per produrre un insieme di termini rilevanti che significativamente sintetizzano il contenuto del forum. WordNet (Fellbaum, 1998) è un sistema online semantico-lessicale in cui i nomi, i verbi, gli aggettivi e gli avverbi inglesi sono organizzati in insiemi di sinonimi (synset). Ogni synset rappresenta un senso, cioè uno specifico concetto. Diverse relazioni collegano gli insiemi di sinonimi, ad esempio IS-A per i verbi e i nomi, IS-PART-OF per i nomi, etc. I sensi dei nomi e dei verbi sono organizzati in gerarchie che formano foreste di strutture ad albero. Per ogni termine di WordNet possiamo ottenere un insieme di sensi e, in caso di nomi e verbi, tutti i concetti attraversati per giungere dal concetto alla radice della gerarchia. WordNet può essere utilizzato come utile risorsa nel processo di identificazione semantica dei termini ed è stato usato in varie ambiti, fra cui l information retrieval, la disambiguazione di termini, la classificazione di testi e documenti. I synset sono connessi uno all altro tramite relazioni di iperonimia (generalizzazioni), iponimia (specializzazioni), olonimia (intero di) e meronimia (parte di). Alcune di queste (iperonimia e iponomia) e (meronimia e olonimia) sono coppie complementari. I synset dei verbi e degli aggettivi sono connessi uno all altro in modo sparso. Nessuna relazione è disponibile fra synset di nomi e verbi. Comunque, circa 4500 synset di aggettivi sono relazionati a synset di nomi tramite relazioni di pertinenza (pertinente a) e attribuzione (attribuito a). Per estrarre le informazioni importanti dai forum, proponiamo il seguente processo di estrazione delle feature. Primariamente etichettiamo le occorrenze delle singole parole nel testo come parti grammaticali del discorso (part of speech, POS). Questo processo discrimina grammaticalmente le parole all interno 1 NIST web site on summarization: Columbia University Summarization Resources ( summarization.html) and Okumura-Lab Resources ( ac.jp/index_e.html). 72

5 Antonella Carbonaro - Un approccio alla sommarizzazione come supporto all interazione in ambienti di apprendimento di una frase. Successivamente, selezioniamo i soli nomi e verbi come candidati alle elaborazioni successive. Applichiamo poi una procedura di stemming per ricavare le invarianti morfologiche dei termini e filtriamo le parole poco significative (stop word). Quando un termine è presente in diversi concetti, cioè la parola è ambigua, risulta difficile selezionare il giusto concetto a cui collegarlo. Per gestire la disambiguazione dei termini utilizziamo una misura di similarità basata su WordNet. Tale elaborazione riduce gli errori di classificazione e permette una migliore precisione nella sommarizzazione. Ad esempio, se i termini procedure, subprogram e routine appaiono nella stessa risorsa, consideriamo tre occorrenze dello stesso sysnset { }: routine, subroutine, subprogram, procedure, function (a set sequence of steps, part of larger computer program) e non una sola occorrenza per ciascuna parola. La procedura di disambiguazione permette anche una più accurata rappresentazione delle informazioni. Ad esempio, supponiamo di elaborare le due frasi The white cat is hunting the mouse. e The mouse is near the pc. contenenti entrambi la parola mouse. Il risultato del processo di disambiguazione applicato alle due frasi è mostrato nella seguente figura. Fig. 1: a) Processo di disambiguazione per la frase The white cat is hunting the mouse. ; b) Processo di disambiguation per la frase The mouse is near the pc. Le informazione estratte dal forum sono ora rappresentate utilizzando una lista di concetti WordNet. 73

6 Peer Reviewed Papers - Vol. 6, n. 2, Maggio 2010 L architettura del sistema implemento è mostrata nel seguente schema che evidenzia l intero flusso delle informazioni. Nella prima computazione si ha la lettura del contenuto web tramite procedura php. Successivamente, si trasferisce il documento XML al compilatore python che, tramite alcune librerie WordNet e Natural Language Toolkit, restituisce l albero ridotto in un formato text-based (ALS_tree, Lexical and Semantic Analisys tree). Successivamente, si estraggono, usando Wordnet, i concetti principali che rappresentano il testo analizzato. Fig. 2 - Architettura del sistema implementato Consideriamo ad esempio la seguente frase che ci aiuta a illustrare le funzionalità del sistema implementato: The Semantic Web is an evolving development of the World Wide Web in which the meaning (semantics) of information and services on the web is defined, making it possible for the web to understand and satisfy the requests of people and machines to use the web content Dopo la riduzione secondo frequenza, viene valutato ricorsivamente il synset di ogni termine rimasto confrontandolo con gli altri termini padre e verificando l esistenza di un legame concettuale. In caso positivo, viene eliminato un intero ramo dell albero tentando di ottenere un insieme di termini ridotto ma significativo. Il risultato finale della computazione presa ad esempio è composto dal singolo termine semantics che in effetti riassume in maniera molto precisa il contenuto della frase iniziale. Conclusioni I risultati di un processo di sommarizzazione possono essere valutati utilizzando misure intrinseche o estrinseche; mentre le prime considerano il giudizio umano sulla qualità dei concetti estratti, le seconde valutano l utilità del 74

7 Antonella Carbonaro - Un approccio alla sommarizzazione come supporto all interazione in ambienti di apprendimento processo adottato nell espletare un qualche compito (Goldstein et al., 1999). Le sperimentazioni eseguite sono del primo tipo e sono state effettuate ottenendo ed elaborando un corpus di circa 100 thread dal forum del W3C ( com/). Tali esperimenti hanno permesso di valutare l utilità dell estrazione dei concetti nel processo di sommarizzazione, tramite confronto manuale fra il contenuto di tutti i thread e i concetti automaticamente estratti dal sistema. I risultati hanno mostrano che la sommarizzazione basata sull estrazione di concetti migliora sensibilmente le performance producendo l estrazione di utili informazioni che supportano l attività dei tutor nel monitoraggio dell interazione svolta all interno di ambienti virtuali di apprendimento. I concetti estratti rappresentano infatti una buona sommarizzazione dei contenuti del forum. Sulla base della nostra conoscenza, nessun sistema usa una tecnica basata sull estrazione di concetti per rappresentare le informazioni di in un forum in un ambiente di apprendimento. La validità del processo di sommarizzazione implementato permette un suo utilizzo anche al di fuori del contesto presentato: stiamo infatti progettando un motore di ricerca che, integrando funzioni di sommarizzazione e funzioni semantico-lessicali, aiuti l utente a specializzare e perfezionare le proprie query di ricerca e ottenere risultati il più possibile vicini alle sue esigenze. I progressi nelle tecniche di rappresentazione e estrazione dei concetti sembrano promettenti nell implementazione di efficienti sistemi di apprendimento a distanza, permettendo l organizzazione, la profilazione e il suggerimento dei materiali di apprendimento su piccole porzioni di risorse semanticamente pertinenti (Carbonaro, 2006; Bighini et al., 2003). Gli elementi così individuati possono essere più facilmente integrati e adattati ai diversi bisogni e richieste degli utenti (Andronico et al., 2003; Carbonaro & Ferrini, 2005). Bibliografia Zhou L. and Hovy E. (2006), On the summarization of dynamically introduced information: Online discussions and blogs. In AAAI Spring Symposium on Computational Approaches to Analysing Weblogs. Kolbitsch J., Maurer H. (2006), The Transformation of the Web: How Emerging Communities Shape the Information we Consume, in Journal of Universal Computer Science, vol. 12, no. 2, Bighini C., Carbonaro A. (2004), InLinx: Intelligent Agents for Personalized Classification, Sharing and Recommendation. International Journal of Computational Intelligence. International Computational Intelligence Society. 2 (1). Wagner E.D. (1994), In support of a functional definition of interaction. American Journal of Distance Education, 8(2),

8 Peer Reviewed Papers - Vol. 6, n. 2, Maggio 2010 Gunawardena C.N., Zittle F.J. (1997), Social presence as a predictor of satisfaction within a computer mediated conferencing environment. American Journal of Distance Education, 11(3), Rovai AP, Barnum KT. (2003), Online course effectiveness: An analysis of student interactions and perceptions of learning. Journal of Distance Education, 18, Zirkin B., Sumler D. (1995), Interactive or non-interactive? That is the question! An annotated bibliography. Journal of Distance Education, 10(1), McKeown K., Barzilay R., Evans D., Hatzivassiloglou V., Kan M., Schiffman B., Teufel S. (2001), Columbia Multi- Document Summarization: Approach and Evaluation. Workshop on Text Summarization, Brunn M., Chali Y., Pinchak. C. (2001), Text Summarization Using Lexical Chains. Work. on Text Summarization Aho A., Chang S., McKeown K., Radev D., Smith J., Zaman K. (1997), Columbia Digital News Project: An Environment for Briefing and Search over Multimedia. Information J. Int. J. on Digital Libraries, 1(4): Barzilay R., McKeown K., Elhadad M. (1999), Information fusion in the context of multi-document summarization. In Proc. of ACL 99. Yong Rui Y., Gupta A., Acero A. (2000), Automatically extracting highlights for TV Baseball programs. ACM Multimedia, Shahar Y., Cheng C. (1998), Knowledge-based Visualization of Time Oriented Clinical Data. Proc AMIA Annual Fall Symp., pages 155-9, Rahman A, Alam H., Hartono R., Ariyoshi K. (2001), Automatic Summarization of Web Content to Smaller Display Devices, 6th Int. Conf. on Document Analysis and Recognition, ICDAR01, pages Fellbaum C. ed (1998), WordNet: An Electronic Lexical Database. MIT Press, Cambridge, MA, Goldstein J., Kantrowitz M., Mittal V., Carbonell J., (1999), Summarizing Text Documents: Sentence Selection and Evaluation Metrics. In Proceedings of the 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. Carbonaro A. (2006), Defining Personalized Learning Views of Relevant Learning Objects in a Collaborative Bookmark Management System, In Z. Ma (Ed.), Webbased Intelligent ELearning Systems: Technologies and Applications (pp ). Hershey, PA: Information Science Publishing. C. Bighini, A. Carbonaro, G. Casadei (2003), Inlinx for document classification, sharing and recommendation. In V. Devedzic, J. M. Spector, D. G. Sampson, and Kinshuk, editors, Proc. of the 3rd Int l. Conf. on Advanced Learning Technologies, pages IEEE CS, Los Alamitos, CA, USA. Andronico A.; Carbonaro A.; Colazzo L.; Molinari A.; Ronchetti M. (2003), Designing Models and Services for Learning Management Systems in Mobile Settings. In: Mobile and Ubiquitous Information Access: Mobile HCI 2003 International Workshop, LNCS 2954/2004, ISBN , p

9 Antonella Carbonaro - Un approccio alla sommarizzazione come supporto all interazione in ambienti di apprendimento Carbonaro A., Ferrini R. (2005), Considering semantic abilities to improve a Web- Based Distance Learning System, ACM International Workshop on Combining Intelligent and Adaptive Hypermedia Methods/Techniques in Web-based Education Systems. 77