Actualité ressources pédagogiques numériques

Métadonnées pour ressources d'apprentissage : M.L.R.

M.L.R., ISO/I.E.C. 19788
Métadonnées© Hywards

Le M.L.R. est une nouvelle norme innovante en plusieurs parties dont l'objectif est de décrire des ressources pédagogiques dans un contexte international multilingue et multiculturel. Cette norme inclut les dernières évolutions en termes de diffusion de données ouvertes et liées et doit rester indépendante de toute technologie.

Article - 18.11.2015
Auteur(s): Yolaine Bourda

Une innovation dans la continuité

Le LOM

Aujourd'hui, le standard utilisé pour décrire les ressources pédagogiques est IEEE 1484.12.1 Standard for Learning Object Metadata (LOM). Il est à la base de nombreux profils d'application (Australie, Canada, Chine, Japon, US, etc.). En France, il se décline dans les bases de ressources disciplinaires pour :

  • le scolaire (profil Sco-LOM-fr)
  • les Universités Numériques Thématiques dans le supérieur (profil Sup-LOM-fr)

Il souffre d'un certain nombre de limitations connues.

Metadata for Learning Resources

Le M.L.R. est une nouvelle norme innovante en plusieurs parties dont l'objectif est la description des ressources pédagogiques dans un contexte international multilingue et multiculturel. Cette norme prend en compte les dernières évolutions en termes de diffusion de données ouvertes et liées et reste indépendante de toute technologie.

Le M.L.R., repose sur des fondations explicites et précises et permet :

  • de pallier les insuffisances du LOM
  • d'offrir de nouvelles facilités dans la description des ressources pédagogiques et dans la diffusion de ces descriptions

La visibilité des ressources est élargie.

Parmi les forces du M.L.R., on peut souligner :

  • une proposition de définition des éléments de données structurée et réutilisable quel que soit leur objet (ressources pédagogiques, offres de formation, compétences, etc.) 
  • l'indépendance de toute mise-en-œuvre technologique et la possibilité d'implémentations utilisant des technologies différentes, parmi lesquelles celles basées sur la sémantique (dont l'intégration dans le Web sémantique et les données ouvertes et liées)
  • une gestion des vocabulaires permettant des extensions selon les contextes locaux tout en partageant un cœur commun
  • la possibilité de réutiliser des éléments de données issus de schémas existant tels les éléments Dublin Core
  • la réutilisation des descriptions déjà effectuées et basées sur l'un des profils d'application du LOM qui permet une transformation automatique vers le M.L.R.

Les différentes parties du M.L.R. pour une mise en œuvre cohérente

Le M.L.R. est une norme en plusieurs parties facilement extensible, selon les besoins, il est possible d'ajouter des parties. Chaque partie du M.L.R. a un objectif très précis :

  • description d'un ensemble d'éléments
  • d'un profil d'application
  • d'une implémentation dans un langage 

MLR Partie 1 : Charpente (Framework)

Cette partie sert de fondations à l'ensemble de la norme.  Elle décrit comment spécifier les :

  • éléments de données et quelles sont leurs caractéristiques
  • profils d'application et les vocabulaires

On n'y trouve aucune définition d'élément de données et sa généralité en fait une bonne candidate pour servir de fondation à la description de n'importe quel ensemble d'éléments de données.

Une classe de ressources est un ensemble de ressources ayant les mêmes propriétés et le même comportement. La partie 1 du M.L.R. définit trois classes de ressources :

  • ressource
  • ressource d'apprentissage
  • personne

Et spécifie comment définir de nouvelles classes de ressources.

Définition de profils d'application

Les profils d'application permettent de prendre en compte les spécificités propres à une communauté. L'existence de nombreux profils d'application conduit souvent, surtout quand les profils ne sont pas spécifiés précisément, à leur non-interopérabilité. Pour éviter au maximum cet état de fait, le M.L.R. définit comment spécifier des profils d'application en décrivant les éléments de données utilisés par :

  • le profil
  • leur regroupement
  • leur ordre
  • leur présence
  • leur répétition

Partie 2 : Éléments du Dublin Core

Cette partie spécifie chacun des éléments de données du Dublin Core en utilisant la partie 1 du M.L.R.

Partie 3 : Profil d'application de base

Cette partie définit un profil d'application basé sur la partie 2 du M.L.R. Ce profil d'application de base est destiné à constituer la partie commune partagée par tous les profils d'application du MLR.

 Partie 4 : Éléments techniques

Cette partie contient les spécifications des éléments de données qui décrivent les informations de type technique.

Partie 5 : Éléments pédagogiques

Cette partie contient les spécifications des éléments de données qui décrivent les informations de type pédagogique.

Il n'existe pas de Partie 6.

Partie 7 : Liaisons (Bindings)

Cette partie propose une implémentation en Resource Description Framework des différentes entités constituant le M.L.R. Elle explicite l'intégration du M.L.R. dans le Web sémantique. Cette partie est fondamentale, elle fournit des mappings R.D.F. des différentes entités introduites dans le M.L.R. :

  • spécification d'éléments de données
  • classes de ressources

Elle explicite comment construire des IRI pour toutes les entités qui ont des identifiants M.L.R.

Elle fournit de plus une ontologie, exprimée en OWL2 (recommandation du W.3.C.), des classes et propriétés introduites dans les parties du M.L.R. connues à ce jour.  Le M.L.R. dispose de possibilités d'extensions quasi infinies tout en assurant une compatibilité entre elles grâce à cette ontologie.

Partie 8 : enregistrements M.L.R.

Cette partie contient les spécifications des éléments de données qui décrivent les enregistrements M.L.R. Cette partie permet l'utilisation d'une approche plus classique, à la LOM, pour la description des ressources.

Partie 9 : Éléments pour les personnes

Cette partie contient les spécifications des éléments de données qui décrivent les personnes physiques ou morales (individus ou organisations) indépendamment des ressources d'apprentissage auxquelles elles ont participé.

Partie 11 : Migration du LOM vers le M.L.R.

Cette partie est un guide pour la conversion d'enregistrements au format LOM en ensemble d'éléments au format M.L.R. Au vu de l'ensemble des descriptions de ressources pédagogiques basées sur un profil d'application du LOM, il est nécessaire de proposer une façon de passer du LOM au M.L.R., la plus simple possible. Les principes sous-jacents aux deux normes sont très différents :

  • d'un côté une structure en tableau avec des catégories d'éléments constitués eux-mêmes de sous-éléments
  • de l'autre, des éléments de données définis comme propriétés de classes de ressources

La partie 11 contient des règles et des heuristiques qui peuvent être implémentées et elle s'accompagne d'un outil permettant une transformation automatique. Cet outil, disponible sur github, est actuellement en cours de test au Québec et en France.

Vocabulaire

Dans la définition de certains éléments de données, les valeurs possibles correspondent à des vocabulaires contrôlés ou vocabulaires. Une liste des termes possibles est alors fournie avec la spécification de l'élément. Chaque vocabulaire reçoit un identifiant et chaque élément du vocabulaire reçoit aussi un identifiant linguistiquement neutre ce qui permet d'avoir des noms différents dans des langues différentes.

L'expérience des nombreux profils d'application du LOM a montré que les vocabulaires définis par une instance internationale ne correspondent pas aux vrais besoins des communautés d'utilisateurs. Il est nécessaire de leur rajouter des termes, parfois liés aux termes originels par des relations de généralisation/spécialisation (ex : enseignement supérieur et master). Cette nécessaire extension des vocabulaires pose des problèmes évidents (comment retrouver toutes les ressources de niveau "enseignement supérieur"  quand certaines ont comme valeur "master"). Le M.L.R. a fait le choix de l'implémentation des vocabulaires en SKOS (Simple Knowledge Organization System, recommandation du W.3.C.)  ce qui permet de faire des liens entre des termes qu'ils soient définis a priori ou qu'ils soient ajoutés pour des besoins particuliers.

Les propriétés du M.L.R.

Obtenue après un long processus d'adoption par consensus, le M.L.R., conçue pour décrire des ressources pédagogiques, a de nombreuses propriétés.  Elle peut être utilisée comme cadre pour définir des éléments de données pour la description de types de ressources autres que les ressources pédagogiques comme des :

  • offres de formation
  • compétences

L'indépendance du M.L.R. de toute solution technique et la façon choisie de spécifier les éléments de données comme propriétés de classes de ressources lui permettent d'être implémentée dans une large palette de techniques informatiques. L'insertion des descriptions basées sur le M.L.R. dans le Web sémantique et les données ouvertes et liées se fait quasi-automatiquement. La solution choisie pour les vocabulaires :

  • identifiants linguistiquement neutres
  • implémentation en SKOS

Permet l'extension de ceux-ci tout en partageant un cœur commun. Le M.L.R., sous réserve d'être largement déployé, est la norme de description des ressources pédagogiques en phase avec les standards actuels du Web et avec le mouvement d'ouverture des données.

1ère publication : 18.11.2015 - Mise à jour : 13.06.2016

Auteur

Yolaine Bourda

Définitions

Dublin Core

L'objectif du Dublin Core est de fournir un socle commun d'éléments descriptifs pour améliorer le signalement et la recherche de ressources au-delà des communautés et des formats descriptifs propres à chaque spécialité, tout en restant structuré.

Ontologie

Une ontologie défini une sémantique interprétative d'un domaine du monde réel fondée sur un consensus qui permet de lier le contenu exploitable par la machine à la signification pour les humains.

SKOS

(SKOS : Système simple d'organisation des connaissances)

Le SKOS est une recommandation du W.3.C. publiée le 18 août 2009 pour représenter :

  • des thésaurus
  • des classifications
  • d'autres types de vocabulaires contrôlés ou de langages documentaires

S'appuyant sur le modèle de données R.D.F., son principal objectif est de permettre la publication facile de vocabulaires structurés pour leur utilisation dans le cadre du Web sémantique.