Offene Lernumgebungen - Chancen, Herausforderung, Grenzen

© www.role-project.eu

Offene Lernumgebungen –Chancen, Herausforderungen, Grenzen

AK E-Learning, Berlin, September 15, 2009

Ralf KlammaInformatik 5

RWTH Aachen


Internet Informationssysteme

Digitale Medien-technologie

Communities ofPractice

Regeln/Geschäftsprozesse

MetaDaten

Semantic Web

(XML, RDF, Ontologien)

Multimedia (XML, VRML, DC, MPEG)

Organisational Memories

(XML, HTML, XTM)

Groupware / E-Learning(XML, LOM, XML-RPC)

Workflows(XML, BPEL)

Web Services

(XML, WSDL, SOAP,UDDI)

Jarke, Klamma: Metadata and Cooperative Knowledge Management, CAiSE 2002

Social Software

(XML, HTTP, RSS)


Überblick

• Schwächen heutiger Lernumgebungen

• Die ROLE Cloud– Eine Infrastruktur für offene

Lernumgebungen– Selbstbeobachtungs-

werkzeuge für lernende Communities

• Zusammenfassung und Ausblick


Schwächen von Lernumgebungen

• „Klebrige“ Metadaten• Interoperabilität nur über

APIs (Mash-ups)• Semantisierung

unzureichend

Unzureichende operationale

Unterstützung

• „Abstimmung mit den Füßen“

• Soziale Normen undefiniert

• Konstitutiver Beitrag derMedien unverstanden

Keine reflexive Unterstützung

Entwickelt von Experten für

Experten

Lernumgebungennicht offen und nicht reflektiv


Lernumgebungen und Communities: The Long Tail & Fragmentierung

Das Web ist ein skalenfreies,

fragmentiertes Netzwerk

• Potenzgesetze(Pareto-Verteilung etc.)

• 95 % der Benutzer werden im Long Tail erfasst (Communities)

• Zusammenarbeit basiert auf Vertrauen und Leidenschaft

InselnAuswüchse

IN Kontinent Zentraler Kern OUT Kontinent

Röhren

Barabasi: Linked – The New Science of Networks, 2002

Anderson: The Long Tail: Why the Future ofBusiness is Selling Less of More, 2006


Communities of practice

Communities of practicesind Gruppen von Menschen die ein

gemeinsames Interesse oder eine Leidenschaft

teilen und die miteinander interagieren, um zu lernen es besser

zu machen

Community ofpractice (CoP) als

Basiskonzept für die die Konzeption von Lernumgebungen

Analyse von CoPSpuren auf dem

Web

Gestaltung von Lernumgebungen

für CoP

Wenger: Communities of Practice: Learning, Meaning and Identity, 1998


Zentrale Fragestellungen• Operationale Unterstützung

– Können CoPs komplexe Lernumgebungskonfigurationen verwalten?– Können CoPs Metadaten über Standard-Grenzen hinweg nutzen?– Können CoPs technische Metadaten und semantische Web 2.0

Metadaten zu neuen semantischen Diensten verbinden?– Wie sehen standardisierte Web Services und Protokolle für

Lernumgebungen aus?– Wie sehen adaptive, mobile web-basierte Schnittstellen aus?

• Reflexive Unterstützung (Sociability)– Können CoPs fortlaufend Anforderungen ermitteln und umsetzen? Wie

viel Informatik-Unterstützung ist notwendig? – Können CoPs sinnvolles soziales Interagieren erlernen

und Störungen produktiv nutzen?– Wie erfassen CoPs ihre komplexen medialen Spuren und

wie gehen sie damit um?– Können CoPs ihre Handlungsfähigkeit (Lernen, Forschen, Arbeiten) im

Web 2.0 erhalten oder sogar steigern?


Reflexive Informationssystemarchitektur

Jarke, Klamma: Social Software und Reflektive Informationssysteme, 2006

Communities of Practice Mediennetzwerke

Community Information Systems

Agent-oriented

RE

Com-munity IS Design

Partici-patoryDesign

CommunitySelf-Observation

CommunitySelf-Modeling Actor-

Network Theory

SocialNetwork Analysis

Game Theory


Cross-MedialeTranskriptionstheorie

Prä-“texte“TranskriptCross-Mediale Transkription

Verstehenund Kritisieren

Strategien der Transkriptivität Sammlungen multimedialer Materialien werden in anderen Medien restrukturiert Gestaltung ist inhärent medien- and adressatenspezifisch

Strategien der Adressierung Frei gestaltete digitale Medien fördern die Globalisierung von Adressenräumen Personalisierung und adaptive Strategien sind erfolgskritisch

Strategien der Lokalisierung Reorganisation der lokalen Praxen wird durch neue Medien stimuliert Notwendigkeit der expliziten Modellierung der Praxis

Jäger, Jarke, Klamma, Spaniol: Transkriptivität: Operative Medientheorien als Grundlage von Informationssystemen für die Kulturwissenschaften, 2008


Der babylonische Talmud: Ein sehr alter Hypertext

• Rolle/Buch/Druck • Schulen (Jeshiwot) • Autoritäre Wissensquelle• Dialogische Enzyklopädie • Struktur komplexer Texte• Vernetztes WissenTranskribieren? Adressieren?Lokalieren?

Hollender, Klamma, Börner-Klein,, Jarke: A Comprehensive Study Environment for a Talmudic Tractate, 2001


CESE:Multi-linguales Cross-Media System


KollaborativesFilmwissenschaftliches Forschen

• Videorekorder alsArbeitsgerät

• Lange Filmsichtungen• Offene Repositories• Fluide Ontologien fürflexible Kooperations-modelle

SemantischesMultimedia?

Klamma, Spaniol, Jarke: MECCA: Multimedia capturing of collaborative scientific discourses about movies, 2005

www.multimedia-metadata.info: MPEG-7 & MPEG-21 Community


MECCA:Exploratives Forschen & Lernen


Arbeiten und Forschen in lokalen und globalen CoPs

• Mehr als 20 Jahre Bürgerkrieg• Zerstreute und zerstörte Archive• Intergenerationales Arbeiten und Forschen

• Bedürfnis nach lokaler undinternationaler Zusammenarbeit

• Vertrauen und Schutz notwendig • Infrastrukturen angepasst fürEntwicklungsländer

Communities im Web 2.0?

Klamma, Toubekis, Renzel, Cao, Jarke, Jansen: Virtual Campfire – Cultural Heritage Management based on Multimedia Web Services, 2009


ACIS:Das kulturelle Erbe Afghanistans

Map

Informationen über

DenkmälerMedia

Benutzer Profile

Junge Denkmal-schützer, Kuratoren

Verstreute CoP

EingabeArchiv

login

Korrekturvor Ort

Präsentation

Forschen in CoP

Aufbereiten in CoP

Verfolgendes Nutzer-verhaltens

Suche

Schutz des Kulturerbes

ICOMOS

RWTH Aachen

Forschung & Lehre: Architekten,

Informatiker

UNESCOKulturgüter-verwaltung

Diskussion in CoP


R.Klamma, RWTH Aachen 16

Responsive OpenLearning Environments


ROLE Partner

R.Klamma, RWTH Aachen 17

1. Fraunhofer FIT DE2. RWTH Aachen University DE3. Technical University of Graz AT4. Katholieke Universiteit Leuven BE5. University of Koblenz DE6. Uppsala University SE7. École Polytechnique Fédérale de Lausanne CH8. University of Leicester UK9. Open University UK10. Vienna University of Economics & Business Administration AT11. Festo Lernzentrum Saar GmbH DE12. imc AG DE13. British Institute for Learning and Development UK14. Shanghai Jiao Tong University, China15. Zentrum für Soziale Innovation AT16. U&I Learning BE


Ziele und Anforderungen

Benutzer-getriebene Aggregation und Kontrolle intelligenter und offener

LernumgebungenPädagogische Anforderungen

1) Benutzer-getriebene Lernprozesse

2) Transition zwischen formalem und informellem Lernen

3) Balance von Methoden der Führung und Selbstorganisation

des Lernenden4) Durchgehendes psycho-

pädagogisches Rahmenwerk5) Großflächige

Felduntersuchungen

Technische Anforderungen

1) Infrastrukturen und Schnittstellen

2) Interoperabilität und Agilität3) Standards

4) Multimedia & Mobilität 5) Implementierung realer

Lernumgebungen

Organisatorische Anforderungen1) Einfluss der TEL

Modernisierung auf die Organisation

2) Paradigma der Bedürfnisse der Lernenden

3) Cross-organisationale Infrastrukturen

Ziele:Durchbrüche bei der Benutzerzufriedenheit und

Kompetenzerwerb vermögen


Intelligente Mash-ups

Aktivitäten

Action-outcome-

tool bindings

Tool and learner

interaction patterns

Präferenzen

Personal learning

style rules

Time andcost

constraints/preferences

Kompe-tenzen

Competencyprofile driven

rules

Learning progress

driven rules

Tests

PlannedLearning outcomes

Rules tofulfill

Compliance Tests

Resourcen

Content rules

Service rules

Manage-ment

Learning progress

milestones

Peer educator

given rules

API to User and Skill Profiles in OpenID, LMS etc. API to Test Systems

API to Content Repositories, LMS, LCMS,

Soc. Networks

Intelligente Vermittlung, Empfehlungeninnerhalb des ROLE Interoperabilitätsrahmenwerks

(GUI mash-up + mash-up von Diensten + mash-up von Lerndesigns)

OffeneSchnittstellen zu

Metadaten, Diensten,

Inhalten, …

Mash-upRegeln

undPrinzipien

ROLE Mash-upDienste


Architektur & Infrastruktur

ROLE Services

ROLE Community Manager

Competency Services …

OpenIDManager

Community Services

SemanticServices

Trusted AccessManager

(Widget & Gadgets)

Testbeds

AttentionMetadata

Mash-up Services

ROLE Interoperability Framework

Model DrivenBasic Support

Web 2.0 SocialRecommendation

LooseFederation

Semantic Engine

Connectors: H

TTP, SO

AP, R

ES

T, WSD

L, …

Web 2.0

SemanticSearch

Courses

E-Portfolios

Mash-ups

MyROLE

AdaptationEngine

SessionManagement

Invoking services Data flows

Wrapping &

Mediation: R

SS

, JSO

N, R

ES

T, WSD

L, …

ROLE Cloud & Widgetstore

Mash-up Engine

MetadataOntologies

CorporateLMS

MultimediaRepositoryMultimediaRepository

LearningRepositories

RSSBlogsWikis

3rd PartyServices

Models(Grapple, ..)

Data & Services


Dienste einer Lernumgebung


Zentrale Fragestellungen

• Operationale Unterstützung– Können CoPs komplexe Lernumgebungskonfigurationen verwalten?– Können CoPs Metadaten über Standard-Grenzen hinweg nutzen?– Können CoPs technische Metadaten und semantische Web 2.0 Metadaten

zu neuen semantischen Diensten verbinden?– Wie sehen standardisierte Web Services und Protokolle für

Lernumgebungen aus?– Wie sehen adaptive, mobile web-basierte Schnittstellen aus?

• Reflexive Unterstützung– Können CoPs fortlaufend Anforderungen ermitteln und umsetzen? Wie

viel Informatik-Unterstützung ist notwendig? – Können CoPs sinnvolles soziales Interagieren erlernen

und Störungen produktiv nutzen?– Wie erfassen CoPs ihre komplexen medialen Spuren und

wie gehen sie damit um?– Können CoPs ihre Handlungsfähigkeit (Lernen, Forschen, Arbeiten) im

Web 2.0 erhalten oder sogar steigern?


Lösungsidee für Reflexion:Cross-Mediale Soziale Netzwerkanalyse

• Interdisziplinäres multidimensionales Modell digitaler Netzwerke– Soziale Netzwerkanalyse (SNA) definiert Maße für soziale Beziehungen– Aktor-Netzwerk Theorie (ANT) verknüpft menschliche und mediale

Agenten– I* Rahmenwerk definiert strategische Ziele und Abhängigkeiten– Transkriptionstheorie bringt Cross-Medialität ein

LernumgebungenWiki, Blog, Podcast, IM, Chat,

Email, Newsgroup, Chat …

i*-Abhängigkeiten(Strukturell, Cross-medial)

Mitglieder(Soziale Netzwerk Analyse)

Netzwerk der ArtefakteMicrocontent, Blog entry, Message, Burst,

Thread, Comment, Conversation, Feedback (Rating)

Netzwerk der Mitglieder

Communities of practice

Mediale Netzwerke


AERCS Fallstudie

• Digital Bibliotheken (Informatik):- DBLP, ACM DL, IEEE Explorer, CiteSeerX, etc.- Digitale Medien für die Bewahrung

wissenschaftlichen Wissens- Publikationen- Veranstaltungen

- Entwicklung der Forschungsgebiete

• Herausforderungen:- Datenmanagement- Dateninteroperabilität und Qualität- Methoden und Werkzeuge

für die Reflektion- Visuelle Analyse

VLDB community in 2006 (DBLP)

VLDB community in 1990 (DBLP)


Grundlagen und Methoden

• Soziale Netzwerkanalyse (SNA)- Soziale Netzwerke von Forschern (Akteure)

- Community detection- Dynamische Analyse- Visualisierung

- Akteur-Netzwerk Theorie [Latour 1999] - Keine Unterscheidung zwischen sozialen und technischen Entitäten- Cross-mediale Akteure: Mitglied, Medium, Artifakt

• Recommendation techniques [Adomavicius and Tuzhilin 2005]- Collaborative Filtering (CF) [Breese et al. 1998 ]

- Memory-based algorithms: computation of similarity (Cosine, Pearson correlation); top K nearest neighbors approach

- Model-based algorithms: Bayesian network [Breese1998] ; Clustering [Ungar1998] ; Rule-based [Sarwar2000]

- Content-based recommendation [Sarwar et al. 2001]

- Hybrid approaches [Burke 2002]


Collaborative Filtering (CF) fürEmpfehlungen von Veranstaltungen

• Forscher als Benutzer• Konferenzen als Items• Teilnahmehistorie der Forscher

als Benutzerbewertung (binary ratings) bzgl. items

• Methode: k nearest neighbors (kNN)

• Empfehlung der top NKonferenzen für anvisiertenForscher

• Implementiert als Weblösung

http://bosch.informatik.rwth-aachen.de:5080/AERCS/Academic events

Researchers

Partici-pationhistory

Klamma, Cao, Pham: You never walk alone – Recommending Academic Eventsbased on SNA, 2009


CF Empfehlungen von Veranstaltungen: Algorithmus

Input: set of events ; set of researchersOutput: top N recommended events to target researcher ut

Building the model: Constructing the participation matrix - Rows: researchers- Columns: academic events

Computing similarities: the cosine similarity

where : rows in P (researchers in P): angle between

Generating recommendations:

∑∑∑

==

==×•

==N

e eyN

e ex

N

e eyex

PP

PPyx

yxyxsim1

2,1

2,

1 ,,)cos(),(

α

yx ,α yx ,

∑∈

=Cd

edec RL

R ,,1

)( NMP ×

),...,,( 21 NeeeE = ),...,,( 21 MuuuU =

ecR ,where : rank value for event e of researcher c based on set C of k nearest researchers


Clustering Approach[Ungar1998, Anglade2007, Harper2007]

Clusters of researchers

Clusters of events


Memory-based approach Model-based approachAcademic events

Researchers



Anforderungen

• Netzwerke von Forschern- Co-Authorenschaftsnetzwerk- Zitationsnetzwerk- Konferenzteilnahmenetzwerk

• Ziele- Finde Cluster von Forschern,

die eine gemeinsamesTeilnahmeverhalten besitzen

- Finde Cluster von Konferenzreihen, die ähnlicheTeilnehmer haben

- Untersuche Vorhersagemaßefür Cluster-Strukturen

- Integration mit CF

Clusters of researchers

Clusters of events



Community Detection

• Teile ein Netzwerk in Untermenge von Knoten mit gemeinsamenPfaden

• Techniken:- Graph partitioning [Kumar 1998, Brandes2003]- Hub-based [Costa2004]- Hierarchical clustering [Newman2002, Clauset2004]

- Sukzessives Herausbilden oder Herausbrechen zu einer Hierarchievon Clustern

- Dendrogramme als Resultat Cluster Qualitätsmaß Modularität

wobeiq: Anzahl der Cluster, eii: Bruchteil der Verbindungen innerhalb des Clusters,ai: Bruchteil der Verbindungen zu Knoten im Cluster i

)(1

2∑=−=

q

i iii aeQ∑ =

=q

j jii ea1


Experimentelle Analyse: Clustering

• Datasatz: DBLP• Datenextraktion:

- Co-Autoren von Konferenzbeiträgen bis 2005

- 10,197 Konferenzen in 2485 Reihen

- Ungewichtetes Co-Autoren-netzwerk:

- 228,288 Autoren - 773,661 Verbindungen

• Clustering Algorithmus [Clauset2004]:

- Limitierte Clustergröße: 500 Knoten- Resultat: 5580 cluster, 2 to 497

Knoten- Erreichte Modularität Q = 0.765471 Power Law Verteilung

y-Achse: Anzahl der Clusterx-Achse: Cluster-Größe


Experimentelle Analyse: Evaluierung der Cluster

• Übereinstimmung von Forschern mitVeranstaltungen der Community: cosine similarity

• Gut-klassifizierte Forscher:

- s: cosine similarity- Cr: Cluster von Forscher r- C‘: Menge der Cluster des Menge von

Veranstaltungen überlappt mit der Veranstaltungsliste von Forscher r

Resultat: - 70% der Forscher sind gut klassifiziert- Verschieden verteilt in Bezug auf die Größe der Community

y-Achse: Anzahl der gut-klassifizierten Forscherx-Achse: Cluster-Größe

∑∈

='

),(1),('

Ccr crs

CCrs


Vereinfachtes Metamodell für die ANT nach Latour

Aktor

Mitglied NetzwerkDienstMedium Artefakt

Eigenschaft hat

speichert erzeugt betroffen_von gehört_zu

stellt_dar verbraucht führt_aus bewertet

… MatchRetrievalBrowse Suche

isA

isA

Klamma, Spaniol, Cao, Jarke: Pattern-Based Cross Media Social Network Analysis for Technology Enhanced Learning in Europe, 2006


Modellierung von Communities in i*

Petrushyna, Klamma: No Guru, No Teacher, No Method: Self-Oberservation and Self-Modelling of E-Learning Communities, 2008


Modellierung von Abhängigkeiten in i*

Koordinator

Gatekeeper

Hub

Mitglied

Broker

URL

isA

isA

isA

isA

Koordination

Artefakt

Kommunikation Netzwerk

LegendeAktorRessource Aufgabe


Störungen in Cross-medialen Sozialen Netzwerken

• Was ist eine Störung?– Wahrnehmung einer

Inkompatibilität zwischen den modellierten Zielen und Abhängigkeiten und dem aktuellen Verhalten einer Person, einer Organisation, eines Netzwerks …

• Störungen sind Ausgangspunkt von Lernprozessen– Sie stören, verhindern … aber sie

erzeugen auch Reflektion

• Störungen sind schwierig zu entdecken oder vorherzusagen


PALADIN: Muster-Basierte Analyse vonAgency in Social Software

• Abstraktion: Muster als generalisierte wiederholbare Lösung für immer wieder auftretende Störungen

• Basis: Mustersprache behebt Probleme bei der Beschreibung und Entdeckung von Mustern für Laien

• Berechnung: Maschinen-lesbareBeschreibung der XML-basierten Mustersprache für multidimensionale Störungen

• Entdeckung: Automatische Analyse von digitalen sozialen Netzwerken mit Hilfe der Mustersprache

• Analyse von “Agency & Patienthood” Phänomenen in Social Software

• Was sind die Auswirkungen meiner Handlungen auf die CoP?

• Was sind die Auswirkungen der Handlungen der CoP auf mich?

• Welchen Einfluss haben Medien auf meine Handlungen?

• Was hätte in der CoP stattfinden sollen?

• Wie werden sich CoPsentwickeln?

Agency: “Entwicklung der CoP Kompetenz im Fall von Störungen im digitalen Netzwerk”

Klamma, Spaniol, Denev: PALADIN: A Pattern Based Approach to Knowledge Discovery in Digital Social Networks, 2006


Troll Muster: Ein Troll ist ein Mitglied, dass nur in Threads antwortet, die es selbst gestartet hat.

Störung:(EXISTS [medium | medium.affordance = threadArtefact]) & (EXISTS [troll |(EXISTS [thread | (thread.author = troll) & (COUNT [message | (message.author = troll) & (message.posted = thread)]) > minPosts]) & (~EXISTS[ thread1, message1| (thread1.author1 != troll) & (message1.author = troll & message1.posted = thread1 ]))])])

Kraft: medium; troll; network; member; thread; message; urlKraftrelation: neighbour(troll, member); own thread(troll, thread)Lösung: Diskussionen, die von Trolls gestartet werden, brauchen nicht

beachtet werdenErklärung: Der Troll braucht Aufmerksamkeit, um seine Aktivität

durchzuführen. Ohne Aufmerksamkeit, wird er weitere Aktionen unterlassen.

Verwandte Muster: Spammer

Mustersprache für PALADIN:Beispiel Troll


Algorithmus zur automatischen Musteranalyse

MusterStörung

Variablen

MustervorlageStörung

Musterparameter

Mustervorlageninstanzen

MusterinstanzStörung

Variablen Musterparameter

Kräfte Kraftbeziehungen

BegründungAbhängigkeiten

Beschreibung Lösung

Beziehungsmuster

Störungsinstanzen

Variablen Musterparameter

Digitales Soziales Netzwerk

1. Muster-parameter

2. Instanziiere Störungen

3. Werte Störungen aus

4a. Ändere Musterparameter

4b. WendeLösungs

-muster an

Variablen

Beziehung zwischen Komponenten

Laufzeitmusterkomponente

Aktivität

Instanziierte Musterkomponente

Definierte MusterkomponenteMuster

Legende


PALADIN Fallstudie10 Muster in 119 Netzwerken mit17359 Mitgliedern und 215 345 emailsMuster Auftauchen BemerkungenAusbruch 22 Das Muster findet Themen, die eine gewisse Zeit ein erhöhtes Interesse

beanspruchenKeiner antwortet 61 Das Muster taucht in kleinen Netzwerken auf. Niemand antwortet auf eine

Anfrage.Troll 2 Das Troll Muster taucht selten in kulturwissenschaftlichen Communities

aus. Achtung: Wahre Negative kommen vor.Spammer 86 Oft auftauchendes Muster in Diskussionsgruppen. Achtung: Wahre

Negative kommen vor.Anführer 37 Dieses Muster kommt in Netzwerken mit klaren Zentraliäten vor.Kein Anführer 40 Taucht in großen Netzwerken mit Mitgliedern in verschiedenen Clustern

vor.Strukturelles Loch 67 Taucht für Mitglieder mit nur einem Kontakt auf.Unabhängige Diskussion

13 Taucht in großen Netzwerken auf, wo viele nicht verbundene Teilnetzwerkeexistieren.


Messen: Die ATLAS Media Base

• Sammlung medialer Artefakte mit parametrisierbaren PERL Skripten– Mailinglisten– Newsletter– Webseiten– RSS Feeds– Blogs

• Datenbankunterstützung durch IBM DB2, eXist, Oracle, ...

• Web Interface auf Plone/Zope Basis, LAS, ...

• Visualisierungsstrategien– Tree Maps– Cross-media Graphen

Klamma, Petrushyna: The Troll under the Bridge: Data Management for Large Web Science Mediabases, 2008


ROLE Transitionen

Testbeds definieren die Reichweite von ROLEReiche Kontexte mitsignifikanter WirkungGroße Anzahl von LernendenSchwerpunkt auf Transitionen

• Festo Lernzentrum

• RWTH Aachen

• BILD: British Institute forLearning & Development

• OLrn: OpenLearn derOpen University UK

• SJTU: Jiao Tong Universität

RWTH

FESTO

BILD

OLrn

SJTU

From academic toprofessional learning

From un-employment

or a job to jobs

From formalto informal

learning

From a positionto positions oraccreditations

Fromindividualto shared

competences

transitions


ROLE Roll-out Prozess

Hohe Verfügbarkeit & Skalierbarkeit der ROLE Lösungen durch Open SourceEntwicklungsprozesse und vieleTests unter realen Bedingungen

Participatory Design & Darwinismus

Progressiv & Iterativ• Verfeinerung der Anforderungen

und Spezifikationen• Definition und Validierung der

ROLE PLE Dienstbündel• Design und Implementierung

der the ROLE Evaluierungs-methoden

• Design wird unterstützt durchsoziale Netzwerkanalyse und Mining von Lerndaten

Tryout

Design

Externa-lisation

Freeing

RWTH

FESTO

BILD

OLrn

SJTU

AllWorld

Specs

Components

Standards

Evaluation methodologies

Learners

Developers

Scientists

Providers

Educators

Scenarios


Zusammenfassung und Ausblick

• ROLE FOKUS– Offene und intelligente Lernumgebungen– Transitionen als Prüfstein von Interoperabilität und

Langlebigkeit– Open Source Entwicklungsprozess

• ROLE Beiträge– neue Ideen & Geschäftsmodelle (z.B. ROLE

Widgetstore)– Infrastrukturen & Schnittstellen (z. B.

ROLE Cloud)– Vorkonfigurierte PLE als Dienstbündel


Join us!

• http://www.role-project.eu/• LinkedIn

http://www.linkedin.com/groupInvitation?gid=1590487

http://www.role-project.eu/�

http://www.linkedin.com/groupInvitation?gid=1590487�

http://www.linkedin.com/groupInvitation?gid=1590487�