文献

J-GLOBAL ID：202002245018230708   整理番号：20A1345303

LGMD:学習ゲームのインデクシングのための最適軽量メタデータモデル【JST・京大機械翻訳】

LGMD: Optimal Lightweight Metadata Model for Indexing Learning Games

著者 (3件)： Morie Maho Wielfrid (Institut National Polytechnique Felix Houphoueet-Boigny, Yamoussoukro, Cote d’Ivoire) ,  Marfisi-Schottman Iza (Le Mans Universite, EA 4023, LIUM, Le Mans, France) ,  Goore Bi Tra (Institut National Polytechnique Felix Houphoueet-Boigny, Yamoussoukro, Cote d’Ivoire)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1207  ページ： 3-16  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 学習ゲーム(LG)は,多様な学術分野およびすべてのレベルで有効であることが証明されている。幼稚園から専門訓練まで。したがって,それらは共有され再利用されるべき非常に貴重な学習資源である。しかし,教師が既存のLGsを見つけることができるカタログの欠如は,クラスにおけるそれらの使用に対する重大な障害である。それは,それらがあまり参照されないので,LGsをインデックスするために,カタログ,または,どんなタイプの検索エンジンでも難しい。しかし,多くの研究がLGsのための精巧なメタデータモデルを提案している。しかし,これら全てのモデルはLOMの拡張であり,学習資源を参照するために広く用いられているメタデータモデルであるが,60以上の分野を含み,その半分以上はLGsに無関係である。これらのモデルとゲーム設計者が提供する情報の間のギャップは巨大である。本論文では,LGsに特有なフィールドとLGsに無関係な分野を検出するために,以前の研究で提案されたLGメタデータモデルを解析した。次にLGMD(学習ゲームメタデータ定義)を提案し,LGインデクシングのための重要な情報のみを含む最適軽量メタデータモデルを提案した。LGMDは,以前のモデルと比較して,2分の3の場数によって減少する。オンラインで発見された736LGページ記述を分析することによって,LG編集者によって実際に提供された情報とこのモデルに直面する。本研究はLGMDがLG編集者によって提供されるすべての情報をカバーすることを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *ゲーム ,  再利用 ,  検索エンジン ,  *メタデータ
準シソーラス用語： オンライン ,  編集者 ,  *学習ゲーム ,  幼稚園 , 【Automatic Indexing@JST】

著者キーワード (6件)： ゲームの学習 ,  LOM ,  ゲーム記述 ,  メタデータモデル ,  ゲーム索引の学習 ,  軽量モデル

分類 (2件)： ゲーム理論  (KA03060T) ,  CAI  (JE09000G)

タイトルに関連する用語 (4件)： 学習ゲーム ,  インデクシング ,  軽量 ,  データモデル