Utbildningsradion och semantisk webb i praktiken

Transkript

1 Utbildningsradion och semantisk webb i praktiken ANASTASIA P SZMULIK och HANNA SKOGSMARK Examensarbete Stockholm, Sverige 2005 TRITA-NA-E05099

2 Numerisk analys och datalogi Department of Numerical Analysis KTH and Computer Science Stockholm Royal Institute of Technology SE Stockholm, Sweden Utbildningsradion och semantisk webb i praktiken ANASTASIA P SZMULIK och HANNA SKOGSMARK TRITA-NA-E05099 Examensarbete i medieteknik om 10 poäng vid Högskoleingenjörsprogrammet för medieteknik, Kungliga Tekniska Högskolan år 2005 Handledare på Nada var Vandana Kabilan Examinator var Roger Wallis

3 Utbildningsradion och semantisk webb i praktiken Sammanfattning Semantisk webb med alla sina möjligheter och utmaningar är ett bra exampel på en ny teknologi som idag befinner sig i en Peak of inflated expectations, enligt Gartners Hype Cycle modell. Bland dem som utlovas störst fördelar med den nya tekniken finns användare inom utbildning och medieproduktion. Målet med rapporten är att studera ett företag som använder sig utav semantiska teknologier och definiera fördelar och utmaningar med den valda semantiska strukturen. Rapporten beskriver fenomenet Semantisk Webb och en fallstudie som genomfördes på Utbildningsradions Mediebibliotek. Syftet med Mediebiblioteket är att tillgängliggöra material via Internet direkt till användarna, men också att ge möjlighet för lärare och elever att organisera utbildningsmaterialet utifrån sina egna perspektiv i lärmoduler (portföljer). Målet med fallstudien var att undersöka den semantiska webbteknikens potential för UR: vad det innebär för företagets verksamhet och hur satsningen relaterar till övrig semantisk webb ur olika perspektiv: teknisk uppbyggnad, fördelar och eventuella nackdelar med en sådan struktur, fördelar för företaget samt i deras relation med omvärlden. Det var av intresse för UR att hitta ytterligare funktioner som kan addera värde till den befintliga lösningen. Det genomfördes genom att kartlägga vilka andra företag och aktörer som använder semantisk webb framgångsrikt och som UR därmed skulle kunna samarbeta med. Följande slutsatser kunde dras: den befintliga open source plattformen är tekniskt omogen och ofullständig, samt tillgodoser inte nuvarande interna behov (sökning, prestanda etc.) till fullo. Dock är den en lösning med en utvecklingspotential för att bygga upp ett framtida samarbete och på ett bättre vis nå ut till slutanvändarna. Genom denna satsning har UR som en av få organisationer byggt upp en kompetens inom semantisk webb området och har därför möjlighet att etablera framtida semantiska samarbeten. För att komma vidare är det viktigt att UR väljer väg i två avseenden: dels vidareutveckling av den tekniska plattformen, dels hur man praktiskt tänker gå till väga med att kvalitetssäkra metadata och ta fram en plan för hur UR ska genomföra sitt beslut att stödja framtagningen av ontologier för branschen. Rapporten har också en rad rekommendationer på hur man ska nå sina slutanvändare bättre.

4 Swedish Educational Broadcasting Company: applying semantic web technology in practice Abstract The Semantic web with all its opportunities and challenges is a good example of a new and innovative technology that is currently in what the Gartner Hype Cycle model labels a Peak of inflated expectations. The industries that are likely to benefit most from the semantic web include Education and Media. The target for this thesis was to study an organisation that already actively uses semantic web technology in order to identify the advantages and challenges that they are confronted with. The report gives a brief summary of the current state of the Semantic Web, and focuses on a case study conducted with the Media Library of the Swedish Educational Broadcasting Company, UR. The Media Library allows users to search and preview educational material on the Internet. In addition, teachers and students can according to their own, specific needs define portfolios and collect different kinds of educational material for educational use. The goal with the case study was to investigate the potential that the semantic web offers for UR s present and future activities, including the impact on it s present business, how UR s activities in the semantic web area relates to other projects in this arena in terms of technology platform, pros and cons of present and future functionality, and in UR s relations to other organisations. UR was also interested in finding additional functions that would add value to UR present semantic web solution. We addressed this need through an Internet survey of other, related projects and organisations that appear to make successful use of semantic web technology and would be suitable for cooperation with UR. The conclusions from this thesis are: the present open source solution is immature and incomplete and does not support the full scope of UR s internal functional requirements, particularly in terms of performance and search. However, provided these identified problems are addressed, the platform does offer a considerable future potential for establishing semantic cooperation with other organisations and thereby better servicing the needs of the end-user. In addition, UR has, as one of few organisations established in-house competence in semantic web technology and its practical use, which may become a critical asset in establishing fruitful cooperation with other organisations. In order to move forward, it is important that UR - in three aspects - decides on a road-map for future activities: [A] in terms of strategy for the semantic web IT platform and [B] in terms of quality assurance of it s meta data production, and [C] in terms of concrete activities for carrying out it s decision to support rather that dominate the development of ontologies for its industry in Sweden. This thesis also presents a set of concrete recommendations for UR s future activities in this area.

5 Innehållsförteckning Inledning Introduktion till Semantisk webb Visionen Är det möjligt? Tekniken Olika delarna Möjliga scenarion Utgångspunkt för rapporten Frågeställning Metod Fallstudie Ansats Målgrupp Avgränsning Fallstudie UR Bakgrund Mediebiblioteket Den initiala målsättningen med Mediebiblioteket Uppbyggnad av den tekniska plattformen Teknisk struktur Användning Samarbeten URs resurser för Mediebibliotekssatsningen Status på den tekniska lösningen Ämnesordsmärkning i Mediebiblioteket Djupintervjuer Syfte Urval Intervjuunderlag intervjuplanens utformning Datainsamlingsmetod Metoddiskussion Tillförlitlighet och användbarhet Felkällor Bortfall...27

6 5. Resultat Nyckelfrågeställningar som tagits fram för analysen av materialet Sammanställning av intervjuer Externa projekt Slutsatser och rekommendationer Slutsatser från intervjuerna Återkoppling till rapportens syfte Återkoppling till fallstudiens syfte Rekommendationer Diskussion Litteraturlista Bilagor... 63

7 Sidan 1 av 90 Inledning År 2001 publicerades en artikel i Scientific American [2] av Tom Berners-Lee, som förflyttade debatten om semantisk webb från någonting abstrakt till någonting som har fått form och mening. Semantisk webb kunde enligt artikeln innebära unexpected help and serendipitous added value from others' data." [6]. Många företag vill utforska de möjligheter och fördelar som semantiska teknologier utlovar och hur dessa kan implementeras i praktiken. År 2005 anses den semantiska webben vara en av top strategic technologies av Gartner Group [27]. Samtidigt finns det fortfarande utmaningar som behöver kartläggas för att bevisa användbarheten i praktiken för att semantiska teknologier ska slå igenom på bredare front. Semantisk webb har funnit användningsområden inom utbildningsområdet och i medieproduktion. Denna rapport har som mål att beskriva de konkreta möjligheter och utmaningar som semantiska teknologier innebär för företag som producerar utbildningsmaterial. Rapporten ger först en generell bakgrund till semantisk webb och relaterade teknologier och fokuserar sedan på de specifika frågor som framkommit i fallstudien. Resultaten från fallstudien redovisas i en objektiv form och kommenteras sedan i avsnitt slutsatser. Rapporten är organiserad på följande vis: i kapitel 1 beskrivs fenomenet semantisk webb, kapitel 2 innehåller en beskrivning av den valda undersökningsmetoden, därefter följer kapitel 3 med bakgrundsinformation för fallstudien. Kapitel 4 beskriver hur fallstudien utfördes och kapitel 5 innehåller resultat av djupintervjuer samt en undersökning av externa projekt. Slutsatser och rekommendationer finns i kapitel 6 och rapporten avslutas med en diskussion av resultaten i kapitel 7.

8 Sidan 2 av Introduktion till Semantisk webb Semantisk webb är ett nytt teknikområde. Här ges en introduktion till ämnet för att belysa de grundläggande möjligheter och förutsättningar som krävs för en praktisk implementation Visionen Semantisk webb bygger på Tim Berners-Lee visioner. Berners-Lee är även den som utvecklat grunderna till den webb som existerar idag. [26] Semantisk webb anses av många vara nästa generations webb. Den byggs för att utgöra en förlängning av den webb vi använder oss av idag. Det pågår intensivt arbete världen över för att det ska realiseras. Standardreleaser och rekommendationer sätts av W3C, World Wide Web Consortium [97], lett av Berners-Lee. Genom en litteraturstudie finner man dock att semantisk webb kan definieras på olika sätt. I Explorer s guide to Semantic Web [26], så har författaren Thomas B. Passin gjort en indelning av de olika definitionerna. Dessa sammanfattar den splittrade meningen om definitionen av semantisk webb. Här följer ett axplock av dem: Maskinläsbar-data aspekten: The semantic web vision: the idea of having data on the web defined and linked in a way that it can be used by machines not just for display purposes, but for automation, integration and reuse of data across various applications. [W3C, 2003] Den intelligenta agenten aspekten The aim of the Semantic Web is to make the present Web more machine-readable, in order to allow intelligent agents to retrieve and manipulate pertinent information. [Cost et al, 2001] Den distribuerade databas aspekten The semantic Web concept is to do for data what HTML did for textual information systems: to provide sufficient flexibility to be able to represent all databases and logic rules to link them together to great added value. [W3C, 2000] Mänsklighetens betjänt aspekten The vision of the semantic Web is to let computer software relieve us of much of the burden of locating resources on the Web that are relevant to our needs and extracting, integrating and indexing the information contained within. [Cranefield, 2001] Bättre annotering aspekten The idea of the semantic Web [Berners-Lee 2001] supplies the (informal) web as we know it with annotations expressed in a machine-processable form and linked together. [Euzenat, 2001]

9 Sidan 3 av 90 Bättre sökningsmöjligheter aspekten Soon it will be possible to access Web resources by content rather than just keywords. [Anutariya et al, 2001] Många av dessa kan anses möjliga först om ett flertal år, men därmed inte sagt att semantisk webb teknologi är oanvändbar under tiden. Maskinläsbar -data aspekten är i stort realiserad för de företag som utnyttjar grunderna av teknologin, och medför många fördelar som kan utnyttjas redan idag. Ett flertal företag arbetar med att integrera semantisk webb teknologi i de webblösningar de utvecklar Är det möjligt? Det man kan tycka av att bara läsa rubrikerna i de ovanstående citaten är att det som beskrivs lutar mot en form av artificiell intelligens, men det som särskiljer dessa aspekter från ren science fiction, är att metoder för att realisera det är i full fart att standardiseras. The concept of machine-understandable documents does not imply some magical artificial intelligence which allows machines to comprehend human mumblings. It only indicates a machine s ability to solve a well-defined problem by performing well-defined operations on existing well-defined data. Instead of asking machines to understand people s language, it involves asking people to make the extra effort. [4] Vissa försök att skapa kontextuella sammanhang med hjälp av tekniska modeller har gjorts förut, så kallade Knowledge Representation Systems, KR, och de försöken skiljer sig inte helt från den modell semantisk webb representerar. De tidigare försöken har dock fallit på vitala delar som semantisk webb arbetar på att överbrygga. Many KR systems had a problem merging or interrelating two separate knowledge bases, as the model was that any concept had one and only one place in a tree of knowledge. They therefore did not scale, or pass the test of independent invention. [see evolvability]. The RDF world, by contrast is designed for this in mind, and the retrospective documentation of relationships between originally independent concepts. [4] Grundidéerna härstammar från Artificiell Intelligens, men angriper problemet på ett motsatt sätt. Istället för att skapa intelligens i systemet, så struktureras verkligheten upp i form av klassificering och relationer på det sätt vi känner till. Och genom att få tillgång till denna verklighetskarta, kan maskiner bistå människor i navigeringen efter information på webben Tekniken Semantisk webbteknologi är komplex. Tekniken bygger på olika delar och bygger på varandra. Det avsnittet försöker ge en mer detaljerad bild W3C s layer tower Utvecklingen av semantisk webb fortgår i steg, där varje utvecklingssteg representerar ett lager som bygger på föregående. [1 s. 16] Olika lager representerar de olika delar av teknik som Semantisk webb bygger på enligt W3C och Tim Berners-Lee. Den illustrerar huvuddelarna av semantisk webbens design och vision. En av förutsättningarna för att bygga tekniken lager för lager, är att dessa två principer följs: Kompatibilitet med lagren under. (Downward compatibility) Teknik användning inom ett lager bör kunna tolka och använda information som ingår i de lägre lagren. Till

10 Sidan 4 av 90 exempel mjukvaruagenter som gjort aktiva inom OWL semantik, kan utnyttja information som existerar i RDF (se avsnitt 1.4.4) och RDF schema (se avsnitt ). Delvis förståelse för innehåll i övre lager. (Upward compatibility) Till exempel en mjukvaruagent som är tillämpad i RDF och RDFS lagrens semantik, kan delvis tolka kunskapsinnehåll som är tillämpat i OWL, med undantag för de element som inte ingår i RDF och RDFS. [1 s. 17] Följande bild representerar en förenkling av W3C s illustration av lagern med förklaringar. Trust Logic and proof Ontology RDF Schema RDF XML Schema XML Verifiering, tillförlitlighet av påståenden Etablera sanning i påståenden, dra slutsats om icke fastställda fakta Vokabulärer, gemensamma uppfattningar RDF resurs typer Meta data Datatyper och struktur Gemensam syntax Figur 1 Layer tower Likheter med webben För att semantisk webb ska röna samma framgång som nuvarande webb, bör vissa förutsättningar modelleras av den existerande. De delar som i dagens webb är till stor fördel, kan på motsvarande sätt antas vara till stor fördel för den semantiska webben. I Explorers guide to Semantic Web [26] listas ett antal av dessa nyckelelement: Semantiska webben bör använda URI adressering, för att ge varje resurs unik tillkomst. Den bör inneha en uppfattning av adresserbara och icke-adresserbara resurser. (Ickeadresserbara resurser får ange sådant som ej kan åtkommas via kommunikationsnätverk, såsom till exempel en bil.) Använda protokoll med små och universellt förstådda kommando set. Kommer antagligen att innefatta det kommando set som existerar idag, då dessa är inarbetade. Helst helt tillståndslöst. Eller ange mycket lite tillståndsinformation. Vara utspritt, det vill säga decentraliserat. Fungera storskaligt. Tillåta cache-minnesallokering av data för att snabba upp åtkomsten. Kunna hantera saknande länkar och inkonsekvent information.

11 Sidan 5 av 90 Dessa punkter kan ses som skälen till dagens webb stora utbyggnad och frammarsch. I denna aspekt hoppas semantiska webben efterlikna sin föregångare. Många av rekommendationerna, utfärdade av W3C [97], för semantisk webb teknik kom redan slutet av 1990-talet. Den semantiska webben var tilltänkt ungefär samtida med sin enklare föregångare. Dock är tekniken fortfarande i förändring för att uppnå maximal kapacitet Olika delarna Som tidigare nämnts (i avsnitt 1.3.1) så delas semantisk webbteknologi in i olika lager. I dessa existerar mer eller mindre utvecklade standarder för teknik, som är rekommenderade av W3C. Vissa av dem beskrivs närmare i det avsnittet Metadata Metadata möter vi ofta i det dagliga livet, och finner det självklart. Utan metadata skulle en stor del av tiden av informationsinsamling för vardagliga aktiviteter gå åt till att refusera de informationskällor man stöter på. Processen av informationsinsamling kan då liknas vid nålen i höstacken. De flesta service ställen, så som biblioteket och videobutiken använder sig av metadata för att hålla ordning på sitt innehåll. Det anses som en självklarhet. Metadata är strukturerad data om data. [30] Metadata har länge existerat som begrepp och används inom andra sammanhang än teknik, till exempel på bibliotek, med katalogisering av böckerna som innefattas i bibliotekssamlingen. Exempel på metadata är författarens namn till en bok, eller ISBN-numret. Det finns olika sorters metadata, dels omkringliggande faktorer för en resurs, dels nyckelord för innehållet och man kan även se recensioner och annotationer som en form av metadata [26 s.114]. Metadata är en metod för att reda upp det kaos som lätt infinner sig vid stora datamängder. Konsekvent användning av metadata gör det möjligt att strukturera även mycket stora informationsmängder. Inom databranschen pågår arbete med standardisering av metadatahantering för att underlätta samarbete och effektivitet. Innehållsproducenter bör på W3C s inrådan hålla sig uppdaterade med utvecklingen av olika standards och införa lämplig metadata i deras innehåll [30] Dublin Core En standard för att hantera metadata för litteratur är Dublin Core, DC, utvecklat av Dublin Core Metadata Initiative, som arbetar med att utveckla metadata standarder för bland annat webben. [60]. Metadata delas in i olika kategorier enligt DC s element set. Den består av: Namn Title Creator Subject Description Publisher Contributor Date Type Format Definition det givna namnet på resursen en enhet som i huvudsak är ansvarig för det skapade innehållet i resursen ett ämne omnämnt resursens innehåll. en redogörelse av resursens innehåll en enhet som ansvarar för att resursen publicerats. en enhet som har bidragit till resursens innehåll. en tidsangivelse för ett moment i resursens livscykel. anger genre för resursens innehåll. anger resursens fysiska eller digitala uttryck.

12 Sidan 6 av 90 Identifier Source Language Relation Coverage Rights en entydig referens till resursen inom dess sammanhang. en referens till en resurs ur vilken den föreliggande är ursprungen. språket för resursens intellektuella innehåll. referens till en relaterad resurs. omfattningen för resursens innehåll. information om resursens innehållande och överhängande rättigheter. [61] Enligt det kan material märkas upp, för att närmare beskriva den publicerade resursen. Ett av de tidiga målen med den formen av uppmärkning är att sammanhanget ska förvärvas genom referens till metadatadokumentet [31] URI URI står för Uniform Resource Identifier, och är en kompakt sekvens av tecken för indentifiering av en abstrakt eller fysisk resurs. [18] URI, eller URL, används på webben för att för att länka, bokmärka, och indexera resurser. För ytterligare värde bör dessa även användas som identifierare, för resurser så att utomstående kan länka, annotera eller utföra andra åtgärder på resursen. [30] En resurs kan vara en webbsida, en film, ett fysiskt objekt eller ett ickeexisterande objekt som en idé eller ett koncept. [26 s.11]. URI: er finns även definierat för till exempel telefonnummer, ISBN-nummer och geografiska platser [1 s. 64]. Det som representeras av en URI behöver inte vara åtkomligt via nätverkskommunikation RDF Resource Description Framework, RDF, är ett ramverk för att beskriva och utväxla metadata. [7] RDF är en W3C standard sedan Grunden till RDF följer uppbyggnaden av en enkel mening uttryckt på naturligt språk, med subjekt verb (predikat) -objekt uppbyggnad [26 s. 22] så som Lars bor i Stockholm. Det tillkommer självklart komplikationer när en enkel modell ska anpassas till praktiska applikationer, men i grunden handlar det alltså om enkla påståenden som beskriver information om ett särskilt subjekt. [26 s. 22 ] Ett RDF påstående består av tre element, en så kallad trippel: ett subjekt ett predikat (eller property), och ett objekt (eller value), kan vara en resurs eller en teckensträng. subjekt predikat objekt ( person_1, namn, Krister ) trippel Figur 2 RDF trippel

13 Sidan 7 av 90 För att uttrycka påståenden om webbaserade resurser, där subjekt och objekt är URI: er, det vill säga maskinläsbara identifierare, till exempel om man vill uttrycka att: Dokumentet skapades av Mikael Nilsson representeras det i trippeln: ( skapades av, Mikael Nilsson ) Och skapades av representeras i sin tur av en URI. Den URI ingår som standard i Dublin Core vokabulären, då som Att uttrycka skapades av på det sättet utesluter möjliga flertydigheter. Uttrycket ser nu ut så här: ( Mikael Nilsson ) [23]. Tack vare RDF: s struktur så kan påståenden lätt visas grafiskt manticweb/cetissemweb.pdf Skapades av Mikael Nilsson" Figur 3 Illustration av ett RDF påstående Det demonstrerar de grundläggande idéerna för RDF, Resources- properties- statements. Där dessa står för: Resources (resurs): En sak vi vill tala om, som till exempel en författare, böcker, plats eller annat. Varje resurs har sin URI, som är unik för denna resurs. Properties (egenskaper ): Kan ses som en resurs som beskriver relationerna mellan resurserna. Exempelvis written by, age, title och så vidare. I ett slag ges en global, unik namngivnings metod, som ofta beskrivs som {namn, värde}[26 s. 149]. Egenskapen behöver inte tillhöra subjektet, vilket skiljer det från objektprogrammering. RDF förser en tredje -part uttrycksmöjlighet [26 s.150 ]. Statement (påstående): Påståenden hävdar resursers egenskaper. [1 s. 64] RDF används för att lagra data i databaser. För beskrivning av konventionella relationsdatabaser hänvisas till litteratur angående dessa. Faktum är att RDF baserad databas inte skiljer sig så mycket från en konventionell lösning. Istället för att innehålla ett större antal kolumner så spjälkas kolumnerna upp i flera små tabeller innehållande endast två kolumner. Dessa två kolumninnehåll, tillsammans med typen i kolumnnamnet bildar trippeln, (resurs)- (typ av fakta)- (värde), för varje rad. [26 s. 27] En RDF databas kan anses byta regelbundenhet mot flexibilitet, med fördelen av att även vara maskinläsbar. [26 s.21]

14 Sidan 8 av Ontologi Ordet ontologi kommer från filosofin och betyder läran om varandet. An ontology is an explicit specification of a conceptualization. [14] I Knowledge Management och datavetenskap talar man om ontologi för att uttrycka sånt som kan talas om i ett system eller i en kontext (sammanhang). En ontologi utgör en vokabulär av termer som används inom en specifik domän. Ontologier utgör en metod för att klassificera begrepp, och tilldela dessa namn och etiketter (label) och definiera egenskaper (properties) och relationer dessa emellan. [26 s. 142] För att ge en förståelse av de begrepp som kommer användas följer nu en förklaring till de mer grundläggande termer som talas om inom klassifikation: Klassificering Två olika metoder: Via uppräkning eller definition. Klasser kan delas upp på två sätt; genom deras egenskaper eller genom uppräkning av samtliga medlemmar. Uppräkning innebär att alla som är uppräknade på listan tillhör klassen. Detta kallas för förlängningen av en klass. Å andra sidan kan särskiljning dras vid dem som uppnår kriterier för att tillhöra klassen. Det kallas dess intension. Klass (Class, även kallat koncept): Resurser samlade i en kategori kallas klasser, som kan innehålla underklasser- subclass. En undergrupp av instanser, förutom att tillhöra klassen, har även ytterligare egenskaper som särkskiljer dem. Klassen i förhållande till denna blir då superclass. En instans kan tillhöra flera klassningssystem (multiple classes). Klasser kan definieras som uppsättningar (sets). En klass kan anses innehålla ett set separata objekt som är samlade för att klassificeras. Den matematiska meningen av ett set är en samling separata objekt som är unika och oordnade. I och med användningen av set kan ontologispråk som använder set utnyttja teoretiska logikresultat [26 s. 145]. Det enklaste sättet att beskriva en ontologi är att tala om ett släktträd, där klassen över kallas parent (förälder). Dessvärre ska man ha väldig tur om det man ska beskriva, har denna enkla struktur. I verkligheten kommer strukturen vara mer nästlad. En mer verklighetstrogen beskrivning av en ontologi är att påstå att den ordnar namn och beskriver hur de relaterar med varandra. Namnen står för koncept, kategorier, klasser med mera. De namngivna sakerna har relationer med varandra, eller så har de inte det. De har även egenskaper, som också har namn. En ontologi specificerar namnen som hör till sammanhanget, deras relationer med tillhörande villkor för deras användning. [26 s. 148] Det är den stora användningen av ontologier. Att separata objekt som existerar, förankras i hur deras relationer och egenskaper definieras enligt logiska samband. Och att de separata objekten, instanserna, tilldelas unika namn för att särskilja dem sinsemellan. Även de namn som väljs för att referera till klasserna, typerna och egenskaperna (properties) ska vara unika. Här används URI: er (se avsnitt 1.4.3), eftersom ontologiramverket, som idag håller på att standardiseras, byggs ovanpå RDF [26 s. 149]. Som nämndes tidigare använder RDF (se avsnitt 1.4.4) sig av URI: er för resurser, oavsett om resursen kan mottas via nätverk. Ett par viktiga krav för en ontologis framställning är att den måste vara symbolisk, förståelig och läsbar för människor. [1 s. 214] Unika identifierare har den nackdelen att de oftast är svårtolkade för människor, som måste kunna läsa bekanta

15 Sidan 9 av 90 beteckningar. Av den anledningen ges en sak eller koncept ett eller flera läsbara namn. De brukar kallas etiketter (label) för att klargöra att dessa läsbara namn inte är identifierare, då ordet namn ofta används som för identifikation. En etikett kan ses som en egenskap (property) till objektet. [26 s. 149] Anledningar till att bygga ontologier är bland annat [24]: För att kunna dela gemensam uppfattning av informationsstrukturer människor emellan eller mellan mjukvaruagenter, software agents. Skapa förutsättningar för att kunna återanvända kunskap inom domänen. Göra antaganden inom domänen explicita. Skilja mellan domänkunskap och operativ kunskap. För att analysera kunskap inom domänen. Det finns ontologier som är uppbyggda, och är generella, till skillnad till från dem som byggs i de flesta fall, de är ofta domän- specifika. Dessa kallas upperlevel ontologier. Det finns två exempel på sådana som bör nämnas, Cyc, som har påståenden i 6000 koncept. Den andra är Standard Upperlevel Ontology, SUO [1 s. 210]. För uppbyggnad av den semantiska webben finns förhoppning på att standardspråk ska utvecklas för att definiera ontologier och det finns även en önskan att de ska vara väl anpassade till logik för att kunna användas. De ska vara tillgängliga på webben så att ontologierna kan delas med och användningen av dem blir utbredd. Det finns även krav på att kunna kombinera delar av olika ontologier. Klassificering ska finnas för alla möjliga koncept och resurser oavsett om de finns tillgängliga via webben eller inte. [26 s. 142] Angreppssätt I arbetet med utvecklandet av ontologiers klasshierarki, taxonomi, talar man om olika angreppssätt. Top-down och bottom-up. Top-down innebär att man utgår från de generella koncepten i domänen och arbetar därifrån in de mer specifika delarna. Det vill säga man utgår från själva huvudkategorierna man vill beskriva och arbetar sig ner från klass till subklasser och så vidare ända ner till instanser. Bottom-up utgår tvärtom med att beskriva de mest specifika klasserna till att gruppera dessa i klasser i mer generella koncept genom superklasser och så vidare. [24 s. 7] Meningarna går isär om vilket angreppssätt som är mest pålitligt och effektivt [1 s. 207] Ontologispråk Det finns ett antal språk som kan användas för att skapa ontologier. Här följer en närmare beskrivning av ett par av dessa RDFS Resource Description Framework (RDF) Schema, RDFS, kallas numera för RDF Vocabulary Description Language, men förkortas och tilltalas fortfarande RDFS. RDFS är ett språk för att beskriva ontologier utfärdades ett förslag till rekommendation, vilket genom reviderade versioner har uppnått rekommendationsstatus av W3C. [26 s. 155] RDFS används även i ett flertal ontologispråks projekt, åtminstone delar av det och är ett övre lager byggt ovanpå RDF. Det i förlängningen innebär att allt som kan sägas i RDFS är uttryckt i RDF, alltså RDF - påståenden. [26 s. 156] RDFS och RDF dokument definierar 13 gemensamma klasser. Dessa är uppräknade i Bilaga 2. Man skapar klasshierarkier och egenskaper, utan att vara begränsad av att dessa måste vara strikta. Och man kan deklarera ämnesdomän och spännvidd till egenskaper. [26 s. 160] För att uttrycka en ontologi i RDFS, brukar man börja med att fastställa klasserna som representerar koncepten man vill skapa påståenden om. Påståendena indelas inte i någon

16 Sidan 10 av 90 inbördes ordning i RDF, det är uppsättningen (sets) som spelar roll, oavsett ordning. Därefter tilldelar man egenskaper och villkor till dessa. [26 s. 158] OWL Web Ontology Language, OWL, är en W3C rekommendation sedan februari Grunderna av OWL härstammar från tidigare ontologispråk DAML+OIL (kommer från fristående projekt Ontology Inference Layer, OIL, och DARPA Agent Markup Language, DAML). OWL s design drar fördel av flera tidigare generationer av ontologispråk. OWL har en stark teoretisk bas, och i och med att de som designat det har haft som mål att utveckla ett språk lämpligt för bruk i semantisk webb, lämpar sig OWL för det. [26 s. 168] Om maskiner ska kunna utföra användbara resonemang kring dokuments innehåll, måste ontologispråk sträcka sig längre än den grundläggande semantik som RDFS kan erhålla. Det är vad OWL är designat för att tillgodose. I förhållande till RDFS innehåller OWL större vokabulär för att beskriva egenskaper (properties) och klasser, bland annat, relationer klasser emellan (ex. disjointness), och jämförande. Ge möjlighet till mer djupgående beskrivning av egenskaper, egenskapers karaktär, och uppräknade klasser. [12] OWL finns i tre varianter: OWL Lite, OWL DL och OWL Full. OWL Full är det kompletta språket, i den mening att de två andra är begränsade. OWL Full tillåter RDF datalagring, en samling RDF påståenden, att vara komplexa till den grad att logiska resonerare får arbeta hårt. OWL DL stödjer det som kallas Description Logic, beskrivningslogik. OWL DL arbetar genom att lägga noggrant valda begränsningar för vad som kan utföras, för att uppnå beräkningsfördelar. [26 s. 161] OWL DL kan användas av dem som vill uppnå maximal uttrycksfullhet, med fullständig beräkningsförmåga bibehållet. [78] OWL Lite är en version av OWL DL med fler restriktioner. Tanken med OWL Lite är att göra det enkelt att komma igång med, och lätt att implementera rutinbehandlingen, så användare kan börja använda OWL Lite och sedan avancera till den mer komplicerade användningen [26 s. 161]. I OWL varianterna är definitionen av klass skild från hur det brukar beskrivas i grundläggande klassifikation. Istället för att en klass innehåller instanser, anses de vara associerade med dem. Denna lilla skillnad i definition tillåter ett flertal matematiska teorier att kunna bevisas, vilket annars skulle vara svår att bevisa. [26 s.147] I både OWL Lite och OWL DL måste instanser vara separata objekt, de får inte vara andra klasser, vilket är tillåtet i OWL Full och RDFS. I övrigt använder sig OWL av RDFS klasser och egenskaper (properties) och definierar ytterligare klasser [26 s. 162]. För listade OWL klasser, se Bilaga 1. En av de viktiga fördelarna med användandet av OWL framför RDFS, är möjligheten att kunna upptäcka motsägelser inom ontologin, eller inom uppsättningen (set) av instanser definierade för innehållet i ontologin [1 s. 209]. OWL anses vara ett mer avancerat ontologispråk som kan bidra med att ge mer kraftfulla ontologier. [26 s.158] Bygga en ontologi Arbetsgången att utveckla en ontologi, kan utgå från följande moment: Definiera klasser i ontologin, arrangera klasserna i en hierarki (taxonomi) med relationer som subklass-superklass. Definiera placeringar (slots) och beskriv tillåtna värden för dessa. Fylla i värden i placeringarna för instanserna.[24] Själva processen av att konstruera en ontologi kan delas in i steg, dessa är hämtade från Ontology Development 101: Bestäm domänen och ontologins omfattning. Vilken domän är det ontologin kommer täcka? För vilket bruk kommer ontologin att användas?

17 Sidan 11 av 90 För vilka typer av frågor kommer informationen i ontologin kunna svara på? Vem kommer att använda och underhålla ontologin? För att bestämma ontologins omfång kan en lista av frågor, baserade på kunskapsbasen i ontologin, skapas och dessa bör ontologin kunna svara på. Competence Questions, har dessa kommit att kallas och pekar, i ett senare skeende, på hur väl ontologins utformning är. Exempel på svar som ges av detta är: Innehåller ontologin tillräcklig information för att svara på dessa frågor? Vilken detaljnivå kräver svaren för de olika områdena? Formal ontologies are designed. When we choose how to represent something in an ontology, we are making design decisions. To guide and evaluate our designs, we need objective criteria that are founded on the purpose of the resulting artifact, rather than based on a priori notions of naturalness or Truth [14]. Överväg återanvända existerande ontologier. Det finns bibliotek med återanvändbara ontologier på webben och i litteratur. Om man finner en som passar ens behov kan det vara lämpligt att använda sig av denna eller delar av den. Lista viktiga termer i ontologin. Ange de termer som ska kunna ges påståenden om, eller beskrivas för en användare. Definiera klasser och hierarkin dem emellan. Definiera egenskaperna (properties) för klasser och deras placering (slots). Definiera placeringarnas facetter (facets). Definiera hur många värden som kan antas. Beskriv olika typer, värdena kan ha. Några vanliga värdetyper är: String används till exempel för namn. Number beskriver numeriska värden. Kan även anges mer specifikt med float eller integer. Boolean används vid två val. (sant-falskt, på-av, ja-nej) Uppräknade. När bara ett antal angivna värden är tillåtna. Instanstypen tillåter definition för hur de olika separata objekten relaterar till varandra. Skapa instanser Detta kan ses som det sista steget, där man skapar enskilda instanser i de olika klasserna i hierarkin. I denna process finns tre moment: Välja klass till instansen skapa en instans inom klassen Fylla i värdena som kan antas. För att kunna designa en välformulerad ontologi, bör designern inneha förmågan att skapa sig en föreställning, och artikulera de underliggande meningarna, och vara skicklig på abstrakt modellering -liknande skapandeprocessen vid datamodellering. Designern bör även ha en god kunskap om syntaxen inom ontologispråk så att modellen uttrycks korrekt. Och som vid design i allmänhet har en väl utvecklad ontologi även artistiska drag. [26 s. 152] En av huvudfunktionerna av en ontologi är att definiera den uppsättning (set) klasser som tillsammans täcker domänen som den är avsedd till. Specifika ontologier bör konstrueras med välkända vokabulär och följa reglerna för konstruktion. [26 s. 151] Det finns oklara frågor angående anpassning av redan designade ontologier, som kommer att behöva utarbeta tillförlitliga metoder för att lösas.

18 Sidan 12 av 90 Om man vill arbeta med termer från en ontologi tillsammans med andra termer från en annan, är det möjligt att sammanfoga dessa för att täcka ens verksamhetsbehov. Går det? Det refereras till som merging eller import en ontologi importerar en annan och kan vara svårt. Om båda ontologierna är utformade i samma system (i OWL till exempel) så är det möjligt, i övriga fall är det oklart. Det beror på hur pass kompatibla de är i designprincipen. Sedan är det inte säkert att klasserna är representerade på motsvarande sätt. Om inte, kan det orsaka problem. Om man bara vill använda delar av en annan ontologi, hur mycket måste man importera? Måste alla relationer importeras? Alla regler? Tillförlitliga metoder för att hantera sådana händelser kommer att behöva utvecklas [26 s. 153 ] Exempel på existerande ontologi editor Det finns utvecklade ontologi editorer som man kan använda sig av vid konstruerandet av en ontologi. Dessa är relativt enkla att arbeta med. Ett av dessa är Protégé [81] som utvecklats av Mark Musen s utvecklargrupp på Stanford Medical Informatics. Andra editorer som existerar är Ontolingua [77] och Chimaera. [60] 1.5. Möjliga scenarion Med dessa tekniker fullt utvecklade är det ingen fråga om att webben kommer ändra skepnad. Frågan består snarare i tidsaspekten för att realisera de scenarion som nämndes tidigare och vilka av dem som är fullt ut realistiska återstår att se. Däremot kommer grupper och företag ta till sig de standarder som etableras, istället för att vänta och se vilken alternativ utveckling som är mest framgångsrik i slutändan. Det är en förutsättning för den semantiska webben, att företag och användare måste bygga verktyg, bidra med innehåll och använda det innehållet. Inte bara vänta på att den semantiska visionen blir verklighet. En uppskattning är ca tio år innan visionerna kan realiseras fullt ut [1 s. 17]. Det som även är intressant att undersöka är hur långt tillämpad semantisk webb teknik kan bistå en webbsatsning i dagsläget.

19 Sidan 13 av Utgångspunkt för rapporten Semantisk webb och semantisk teknologi är en relativt ny domän. Utvecklingen gick snabbt framåt och från att vara enbart forskningsområde till att industriforsknings och branschrelaterade företag börjat utforska de fördelarna som semantisk webb erbjuder tog det inte mer än 7 år. De flesta semantiska implementeringar som existerar idag hittar man i följande områden: business-to-businees e-handel, bioinformatik, knowledge management, utbildning och medieproduktion [20] Frågeställning Examensarbetet söker ett svar på frågan: Vilka möjligheter och utmaningar finns idag för företag som producerar utbildningsmaterial och överväger att använda semantiska teknologier för att underlätta för sina användare? 2.2. Metod Undersökningen fokuserade initialt på en allmän litteraturstudie om semantisk webb. Under studien kontaktades ett antal företag, främst inom media för att undersöka om något av dessa var aktivt involverat i ett semantiskt arbete. Det visade sig att Utbildningsradion var det enda av de kontaktade företagen som hade en sådan satsning, Mediebiblioteket. Eftersom UR var tidiga med att implementera semantisk teknik (2002) skapades en möjlighet att göra en fallstudie på ett företag som redan har byggt upp en erfarenhetsbas från praktisk användning av den nya tekniken. Det blev därför naturligt att välja att göra en fallstudie av URs satsning. Metoden för fallstudien beskrivs i avsnitt Fallstudie Utbildningsradions Mediebibliotek använder semantiska teknologier och kombinerar utbildningsfrågorna med medieproduktion. Företaget är väldigt intressant att studera eftersom verksamheten täcker två viktiga områden som semantisk webb utlovar mest användning för Syfte med fallstudien Målet med fallstudien var att undersöka den semantiska webbteknikens potential samt hur URs satsning relaterar till övrig semantisk webb ur olika perspektiv: teknisk uppbyggnad, fördelar och eventuella nackdelar med en sådan struktur, fördelar för företaget samt i deras relation med omvärlden. I tillägg var vi intresserade av att hitta ytterligare funktioner som kan addera värde till URs befintliga lösning genom t.ex. en kartläggning av vilka andra företag och aktörer som framgångsrikt använder semantisk webb och som UR därmed skulle kunna samarbeta med.

20 Sidan 14 av Fallstudiemetod Fallstudiemetoden innebär bland annat insamling av bakgrundsinformation kring specifika tekniska lösningar för UR, men en kvalitativ undersökningsansats valdes för att samla data Ansats Den kvalitativa undersökningsansatsen var personliga djupintervjuer med tre grupper i samband med en konceptuell beskrivning av underökningsområdet på UR. Hur djupintervjuerna utfördes beskrivs i kapitel Målgrupp Rapporten har två primära målgrupper, dels semantisk webb community generellt för feedback från praktisk användning av semantisk webb i en skarp driftmiljö, dels företag inom utbildning, medieproduktion, public service verksamhetsområden med ett intresse för att starta eller följa upp liknande projekt Avgränsning Rapporten behandlar inte ontologimodelleringsfrågor. URs begreppsmodell kallas för en ontologi, baserad på definitionen av KMR gruppen på KTH [89]. Under fallstudien har inte några tekniska utvärderingar eller metadatautvärderingar gjorts utan slutsatserna baseras på rapporter som redan fanns på företaget.

21 Sidan 15 av Fallstudie UR Fallstudien utfördes på Utbildningsradion, UR och det semantiskt uppbyggda systemet Mediebiblioteket som utvecklades där. UR var tidiga med att börja implementera visionen om en semantisk webb och påbörjade arbetet redan år 2000, bara 3 år efter att Tim Berners-Lee hade skrivit om axiomen i webb arkitekturen [2] och 2 år efter att tanken om The Semantic Web is a web of data, in some ways like a global database [3] introducerades. URs erfarenheter är intressanta inte minst ur ett perspektiv på hur en ny teknologi kommer till användning och de utmaningar som är förknippade med processen att bygga upp och driva ett digitalt bibliotek baserat på semantisk teknik Bakgrund UR bedriver programverksamhet inom utbildningsområdet och är ett självständigt public serviceföretag, det vill säga ett företag i allmänhetens tjänst [53, s.18]. URs uppdrag är att producera och sända utbildningsprogram inom samtliga utbildningsområden [54]. Historia Efter att den första skolradiosändningen med en lektion i engelska och historia hade sänts 1928, tog det 50 år och televisionsgenombrott (1957) med bl.a. vuxenutbildningar i det nya mediet [53] innan UR bildades blev UR ett eget programbolag och 1995 lanserades URs egen webbplats på Internet. År 2004 var viktigt i URs historia, då Mediebiblioteket, MB och Kunskapskanalen introducerades [53]. Verksamhetsbeskrivning URs verksamhet styrs av ett antal lagar: radio- och tv-lagen [43], yttrandefrihetsgrundlagen [39] och regeringens sändningstillstånd [44] samt anslagsvillkor [42]. Produktionen ska omfatta program för förskola, ungdomsskola, högskola och vuxenutbildning inklusive folkbildning samt program som vänder sig till funktionshindrade, etniska och språkliga minoriteter. Programmens funktion ska vara förstärkande, breddande och kompletterande i samhällets utbildningsinsatser [53 s.18] Mediebiblioteket För att göra samtliga program mer tillgängliga för slutanvändare och samtidigt undvika att binda användningen till ett visst sändningstillfälle, satsade UR på uppbyggnaden av ett mediebibliotek, eller digitalt bibliotek, som togs i drift Mediebibliotekets syfte är att elever och pedagoger skall få ökad tillgång till URs produktioner för att inspirera till så stor användning som möjligt [53 s.22], men också att möjliggöra åtkomst till materialet för personer vars modersmål är annat än svenska samt för personer med olika funktionshinder. I Mediebiblioteket kan man sedan 2001 se eller lyssna på hela eller delar av redan sända radio och TV- program, hitta webbplatser och annat via Internet. Materialet organiseras även för att göra det mer tillgängligt för lärare och elever i s.k. lärobjekt och lärmoduler [36 s.1] som även kallas för digitala utbildningspaket [52 s. 22]. I dagsläget finns det titlar i Mediebiblioteket. Användarna har tillgång till tre typer av sökfunktioner för att navigera i materialet.

22 Sidan 16 av Den initiala målsättningen med Mediebiblioteket UR tog under år 2000 fram ett tiopunkters utvecklingsprogram inför en ny ansökan till sändningstillstånd med innebörden UR vill erbjuda ett flexibelt lärande och därför utveckla ett digitalt mediebibliotek [50 s.2]. Arbetet påbörjades med att skapa en kravspecifikation för det nya Mediebiblioteket genom två förstudier med intern och extern kompetens. Med fokus på tillgängligheten till URs produkter och program ställde man upp följande övergripande mål: att de som så önskar snabbt ska kunna hitta och få tillgång till URs utbud av tv- och radioprogram, webbaserade material och trycksaker. att göra allt UR gör tillgänglig för alla oavsett tid och rum att finna en fungerande lösning för samtliga de krav och önskemål som kan komma att ställas avseende en intelligent hantering av URs verksamhet [50 s.2]. Mediebiblioteket skulle bli en ny, central resurs som knyter ihop olika system och gör det möjligt att från ett användargränssnitt hitta information om alla typer av media som UR har [56 s.5] för olika kategorier av användare: vidaredistributörer, organiserade eller institutionella (skolor etc.), andra medieproducenter och enskilda personer [50 s.7] och för egen produktion och arkivering. Genom att undersöka internationella aktörer och deras mål och problem för materialarkivering drog internstudien följande slutsats: Det finns emellertid inga färdiga system för digitala mediebibliotek och det saknas fortfarande standarder [50 s.16]. Förstudierna resulterade i ett projekt med uppdraget att utveckla, undersöka, förvärva och implementera struktur för mediebibliotekets databas [38 s.1] med följande krav: skapa/förvärva en databas som hanterar olika sökresultat i form av text, bild, ljud och rörligt material och som visas genom databasgenererade webbsidor. skapa/förvärva sökverktyg. digitalisera och komprimera material som skall komplettera databasen Uppbyggnad av den tekniska plattformen UR formulerade en projektplan för projektet som skulle skapa/förvärva mediebiblioteket. Projektet fick namnet MB.alfa (MB punkt alfa) [21 s.69]. Ur projektplanen [38 s.2] framgår tydligt att systemet skulle byggas i form av ett öppet system som kan integreras i nuvarande databasmiljö och som är så flexibelt att det lätt kan byggas ut efterhand med nya funktioner och att det skulle underlätta att prioritera användarfallen i både det korta och långa perspektivet. Den tekniska lösningen skulle finnas i drift sommaren 2002 och bygga på öppen källkod för att dels vara kompatibel med andra e-learning aktörer som satsar på öppen källkodsutveckling, dels kunna dra fördel av de andras utvecklingsinsatser för den gemensamma infrastrukturen för e-lärande [21 s.70]. Uppdraget för att ta fram en sådan systemarkitektur bestående av en metadatabas och ett söksystem som tillgängliggör information om URs produkter via URs webbplats ur.se [21 s. 69] gick till KMR-gruppen [89] på KTH våren 2002.

23 Sidan 17 av 90 KMR-gruppen rekommenderade att man för att säkerställa systemets utveckling, långsiktiga hållbarhet och öppna teknikplattform skulle ta hänsyn till följande aspekter användandet av öppna, internationella teknikstandarder, arkitekturens öppenhet, flerskiktad arkitektur, skalbarhet. [21 s.70] I juni 2002 slöt UR ett avtal med Skolverket. Skolverket hade då fått Regeringens uppdrag att utforma en strategi för en mjuk infrastruktur på utbildningsområdet [21 s.34]. Syftet med detta arbete var att skapa en rationell informationshantering inom utbildningsområdet så att lärare och elever skulle kunna fungera som både producenter och konsumenter av information och utbildningsmaterial. Skolverket hade även knutit ett samarbete med Centrum för Flexibelt Lärande, CFL, och KTH och deltog i ett nationellt såväl som internationellt standardiseringsarbete för IT och lärande. I avtalet mellan Skolverket och UR betonades URs roll som den största producenten av multimediaproduktioner inom utbildningsområdet och URs ambition att göra detta material mer tillgängligt. Samarbetsprojektet syftade till att skapa en generell systemarkitektur för hantering av metainformation om digitala tillgångar, nationella nav och mäklartjänster av lärarresurser, såväl privata som offentligt producerade [21 s.34]. Arbetet skulle konkret leverera en gemensam teknisk plattform; SCAM: Standardized Content Archive Management System. Praktiskt innebar detta att URs Mediebibliotek kom att byggas på denna tekniska plattform Teknisk struktur Den faktiska tekniska strukturen beslutades både utifrån de krav som den nya lösningen ställde liksom URs befintliga teknikmiljö Teknisk miljö. IT-plattform UR valde efter en tid att basera den tekniska driftmiljön för Mediebiblioteket [46] på två Windows 2003 servrar, dmb.ur.se och mbedit.ur.se. Den första används för en extern kommunikation och den andra för intern användning med stöd för inmatning och editering av data. På den senare servern ligger även systemets databas med MS-SQL som databashanterare. Dessa servrar fungerar tillsammans med den webbserver som UR använder för att publicera webbplatser ww.ur.se. Serverapplikationer är: SCAM - Standardized Contextualized Access to Metadata [84], beskrivs nedan. JENA som är en samling verktyg för att skriva semantiska webbapplikationer som utvecklats av HP [70] JBoss som är en Java baserad applikationsserver Tomcat som är en Java baserad webbserver Hjälpapplikationer: Gorilla är ett verktyg för editering av metadata i databasen Lemur används för att automatiskt hämta data för presentation av sändningstablåer Makak används för att exportera och importera metadata till externa parter Klientdatorer eller redigeringsdatorer har Windows XP Professional operativsystem, Java Runtime Environment 1.4.1, Gorilla 2.1. Hjälpapplikationer utvecklades för att tillgodose URs behov av metadahantering. [46] Samspelet mellan applikationerna visas i Figur 4