Learning Experiences Context Model - Section 6 - EXTRACTING OF CONTEXTS AND CONSTRUCTION OF CONTEXT ONTOLOGY

Öğrenme Deneyimleri Bağlam Modeli - Bölüm 6

BAĞLAMLARIN ÇIKARTILMASI VE BAĞLAM ONTOLOJİSİNİN OLUŞTURULMASI

Bir etkinlik/olay yorumunda o ana ait bütün bağlam değerlerinin çıkartılması sonucunda, bu bağlam değerlerinin kümesi deneyimi tanımlamak/etiketlemek için yeterli olacaktır. Örneğin bir T anına ait etkinlik/olay yorumu şu şekilde olsun: “T anında evde Genel Matematik 1 dersinin “Ünite 2 - İşlevler” konusunu çalıştım. Genel Matematik ders kitabının yanı sıra internette ders anlatım videoları izledim. Ders çalışırken Ali geldi. Çalışmaya bir saat ara verdim ve Ali ile sohbet ettim. Çalışmanın sonunda ünite sonundaki soruları çözebildim. İşlevler konusunu kavramış oldum. Kendimi bu konuda yeterli hissediyorum”. 

Bu yorumdan bağlam değişkenlerine ait bağlam değerlerinin çıkartılması sonucunda “T” anı için bağlamlarla etiketlenmiş aşağıdakilere benzer cümleler kurulabilir ve yaşam günlüğünün veritabanında etkinlik/olay yorumunun içerisinde ya da deneyime ait bir kayıt olarak saklanabilir: 

• [Yer] “Ev” 
• [Varlık] “Genel Matematik 1 ‐ Ünite 2 ‐ İşlevler” 
• [Davranış] “Ders çalıştım” • [Varlık] “Ders anlatım videoları” 
• [Davranış] “Ders anlatım videoları izledim” 
• [Kişi] “Ali” 
• [Olay] “Ali geldi” 
• [Davranış] “Ali ile sohbet ettim” 
• [Özellik] “İşlevler konusunu kavradım” 
• [Duygu] “Kendimi yeterli hissettim”

Her bağlam değişkeni için bir bağlam ağacı oluşturulur ve bu ağaca hiyerarşik olarak gereksinim duyulan her düzey için alt düğümler eklenebilir. Kullanıcı bağlam ağaçlarındaki her düğüm ve alt düğümlere bağlam öğelerini tanımlamak ve içinde yer aldıkları deneyimlere ait bağlantılar oluşturmak için sınırsızca kayıt ekleyebilir. 

Bir deneyime eşlik eden bağlam değişkenlerindeki bağlam değerleri karşı gelen bağlam ağacına (eğer ağaçta bu değere karşı gelen öğe bulunmuyorsa) deneyimi tanımlayan bir kayıtla birlikte öğe olarak eklenir. Eğer bu öğe ağaca önceki deneyimlerde eklenmişse, bu öğeye sadece güncel deneyimi tanımlayan bir kayıt eklenir (Şekil 11a). Örneğin “Kişiler” bağlam ağacında (ontolojisinde) “Ali” bağlam değerine karşı gelen bir öğe bulunmuyorsa birey bağlam ağacına “Ali” öğesini ekler ve bu öğeye “T” anındaki deneyimi ifade eden bir kayıt oluşturur. Eğer “Kişiler” bağlam ağacında “Ali” öğesi bulunuyorsa sadece bu öğeye “T” anındaki deneyimi ifade eden yeni kayıt oluşturur. Böylece “Ali” öğesiyle birlikte yaşanan deneyimler öğeye ait kayıtlar olarak tutulmuş olur. Birey ayrıca “Kişiler” bağlam ağacına “Arkadaşlar” alt sınıfı ekleyerek, “Ali” öğesini bu alt sınıfa taşıyabilir (Şekil 11b).

Şekil 11: (a) Deneyimlerden Bağlamları Elde Etmek, (b) Deneyimlerdeki Bağlamlardan Ontoloji Elde Etmek 

Deneyimlerden bağlamlara geçmek için bir deneyime eşlik eden bir bağlam değeri bağlam ontolojisinde aranır ve bulunan öğeye konumlanılır (Şekil 12a). Bağlam öğelerinden deneyimlere erişmek için bir bağlam ağacındaki bir öğeye ait deneyim kayıtları listelenir. Bu süreci bağlam öğelerine deneyim kaydı eklemeden gerçekleştirmek de mümkündür. Bu amaçla verilen bir bağlam öğesinin hangi deneyimlerde yeraldığını bulmak amacıyla yaşam günlüğü veritabanındaki deneyim yorumları (ya da bağlam kayıtları) taranır ve öğenin etiketiyle karşılaşılan deneyimler listelenir (Şekil 12b). 

Şekil 12: (a) Deneyimlerden Bağlam Öğelerine Geçmek, (b) Bağlam Öğesinden Deneyime Geçmek 

Bağlam öğelerinden deneyimler aracılığıyla diğer bağlamlara erişmek için bir bağlam ağacındaki bir öğeden bu bağlamı içeren bir deneyime geçilir, bu deneyimden, deneyimdeki diğer bağlamlara geçilebilir. Burada oluşan anlamsal ağ üzerinde deneyimlerden bağlamlar aracılığıyla diğer deneyimlere geçmek de mümkündür (Şekil 13).

Şekil 13: Bağlam Öğelerinden Diğer Bağlamlara Erişmek

[*] Bu bölümün yazılmasında “Mutlu, M.E. (2015). Öğrenme Deneyimleri Bağlam Modeli, 6. Uluslararası Eğitimde Yeni Eğilimler Kongresi – ICONTE 2015, 24-26 Nisan 2015, Antalya“ kaynağından yararlanılmıştır.

(Not: Yararlanılan kaynaklar yazı dizisinin sonunda topluca verilecektir.)

Learnign Experiences Context Model - Section 5 - CONCEPTUAL MODEL OF CONTEXTS

Öğrenme Deneyimleri Bağlam Modeli - Bölüm 5

BAĞLAMLARIN KAVRAMSAL MODELİ

Birey belirli bir zaman diliminde (örneğin bir hafta) ayrıntılı olarak betimlenmiş etkinlik/öykülerden o ana eşlik eden kişi, yer, olay, davranış, özellik, duygu ve varlık bağlam değişkenlerinin aldığı değerleri çıkartabilir (Şekil 6a). Bağlam filleriyle bağlam değişkenlerinin aldığı her bağlam değeri (nesne) ile birey (özne) arasında bir ilişki (fiil) kurulabilir (Şekil 6b).


Şekil 6: (a) Bağlam Değişkenleri, (b) Bağlam Fiilleri

Bütün bağlamlar birbiriyle ilişkilendirilebilirler. Örneğin, “kişi” bağlam değeri ile diğer bağlam değerleri aynı cümle içinde kullanılabilir. Böyle bir cümleye örnek olarak “T anında iletişimde bulunulan K kişisi ile D davranışı gerçekleştirildi” verilebilir (Şekil 7a). Varlık bağlamı değeri için “T anında kullanılan V varlığı ile O olayı yaşandı” cümlesi örnek verilebilir (Şekil 7b).


Şekil 7: (a) İletişimde Bulunulan Kişinin Diğer Bağlamlarla İlişkisi, (b) Kullanılan Varlığın Diğer Bağlamlarla İlişkisi 

Yer bağlam değerine örnek cümle “T anında içinde bulunulan Y yerinde D duygusu hissedildi” (Şekil 8a); özellik bağlam değerine örnek cümle “T anında değişen Ö özelliği ile V varlığı kullanıldı” (Şekil 8b).


Şekil 8: (a) İçinde Bulunulan Yerin Diğer Bağlamlarla İlişkisi, (b) Değişen Özelliğin Diğer Bağlamlarla İlişkisi 

Duygu bağlam değeri için “T anında hissedilen duygu ile K kişisiyle iletişimde bulunuldu” (Şekil 9a); olay bağlam değeri için “T anında yaşanan O olayı ile Y yerinde bulunuldu” (Şekil 9b) cümleleri örnek verilebilir.


Şekil 9: (a) Hissedilen Duygunun Diğer Bağlamlarla İlişkisi, (b) Yaşanan Olayın Diğer Bağlamlarla İlişkisi 

Davranış bağlam değerinin diğer bağlamlarla birlikte kullanımına örnek olarak “T anında gerçekleştirilen D davranışı ile Ö özelliği değişti” verilebilir (Şekil 10).


Şekil 10: Gerçekleştirilen Davranışın Diğer Bağlamlarla İlişkisi 

Bağlamlar arasında kurulabilecek ikili cümlelerin toplu ifadesi Tablo 2’deki bağlam matrisinde gösterilmiştir. Benzer yaklaşımla üçlü, dörtlü ve daha fazla bağlam değerini aynı cümle içerisinde kullanımına örnekler verilebilir. Örneğin, “T anında Y yerinde yaşanan O olayı (nedeniyle) K kişisiyle (birlikte) D davranışı gerçekleştirilerek Ö özelliği değiştirildi.” 


Tablo 2: Bağlam Matrisi





[*] Bu bölümün yazılmasında “Mutlu, M.E. (2015). Öğrenme Deneyimleri Bağlam Modeli, 6. Uluslararası Eğitimde Yeni Eğilimler Kongresi – ICONTE 2015, 24-26 Nisan 2015, Antalya“ kaynağından yararlanılmıştır.

(Not: Yararlanılan kaynaklar yazı dizisinin sonunda topluca verilecektir.)

Learning Experiences Context Model - Section 4 - CONCEPTUAL MODEL OF EXPERIENCES

Öğrenme Deneyimleri Bağlam Modeli - Bölüm 4

DENEYİMLERİN KAVRAMSAL MODELİ

Çalışmanın bu bölümünde öğrenme deneyimleri bağlam modeli bir kavramsal modeli olarak tanımlanacaktır. Bu amaçla modeli oluşturan kavramlar ve kavramlar arasındaki ilişkiler mümkün olduğunca görselleştirilerek tanıtılacaktır. Bu süreçte LECOM yaşam deneyimleri bağlam modelindeki temel sınıflar ve alt sınıflarının yanı sıra yardımcı sınıflardan da yararlanılacaktır. Kullanılan görselleştirme yaklaşımında kavramlar/sınıflar için elips şekli, kavramlar arasındaki ilişkiler için yönlü ok ve ok üzerinde konumlandırılan metinler kullanılmıştır. Örneğin Şekil 1’de gerçekliğe ait verinin bir algılayıcı tarafından yakalanarak günlük verisinin oluşturulması gösterilmiştir. Şekillerin okunuşunda okun yönü dikkate alınarak, ilk elipsteki kavram ile cümleye başlanır, ikinci elipsteki kavram okun üzerindeki metinde üç nokta ile belirtilen yerde kullanılarak, metindeki sözcüklere yer verilir. Şekil 1’deki görsel sözcüklerle ifade edilirse sırasıyla (a) “Gerçekliğe ait veri algılayıcı ile yakalanır”; (b) “Algılayıcı günlük verisi oluşturur” cümleleri elde edilir.

Şekil 1: Deneyimlerin Yakalanması 

Yaşam günlüğü sistemi algılayıcılar tarafından çevreye ait verileri pasif bir biçimde (kullanıcının çabası olmadan) kendiliğinden ve sürekli olarak yakalayarak; yakalanma anına ait zaman verisiyle etiketlemekte ve ilgili veri dosyalarına kaydedilmesini sağlamaktadır (Şekil 2).

Şekil 2: Pasif Yakalama 

Yaşam günlüğü öğrenenin bilinçli çabasıyla başlatılan aktif içerik kaydını yaparak zaman verisiyle etiketlemekte ve ilgili dosyalara kaydetmektedir (Şekil 3).

Şekil 3: Aktif Yakalama

Yaşam günlüğü sistemiyle hem aktif biçimde günlük verisi yakalama, hem de pasif biçimde içerik kaydetme süreçleri Mutlu (2014a)’de ayrıntılı olarak tanımlanmıştır. Yaşam günlüğü ile yakalanan ve kaydedilen günlük ve içerik verisinin birey tarafından gözden geçirilmesiyle etkinlik/olay yorumlarının oluşturulması, bağlamların elde edilmesi ve deneyimin tanımlanması sürecine ait sınıflar ve ilişkiler Şekil 4’de verilmiştir.

Şekil 4: Deneyimleri Tanımlamak 

Yaşam günlüğünde belirli bir anda (örneğin bir gün içerisindeki) yeralan günlük ve içerik verilerinin birey tarafından gözden geçirilmesiyle etkinlik ve olayların farkedilmesi ve anımsanması sağlanır. Birey anımsadığı etkinlik ya da olayı ayrıntılı olarak betimlediğinde bir etkinlik/olay yorumu elde edilir. Birey daha sonra belirli bir zaman dilimindeki (örneğin bir ay içerisindeki) etkinlik/olay yorumlarını gözden geçirerek birbiriyle ilişkili olanları epizodlar halinde tekrar yorumlayabilir. Bu amaçla yeni bir epizod başlatır ya da varolan bir epizoda ekleme yapar. Bir etkinlik/olay birden fazla epizodda bulunabilir. Birey daha uzun zaman diliminde (örneğin 6 ay ya da bir yıl) gerçekleşen birbiriyle ilişkili epizodlardan (yaşam) öyküleri tanımlayabilir. Yeni bir yaşam öyküsü başlatabilir ya da varolana ekleyebilir. Bir epizod birden fazla öykünün öğesi olabilir (Şekil 5). Etkinlik/olay yorumları yaşam günlüğünün veritabanında zaman ağacının “gün” düğümlerinde saklanırken, epizod yorumları zaman ağacının “ay” düğümlerinde, öykü yorumları ise zaman ağacının “yıl” düğümlerinde saklanabilir (Mutlu, 2014b).

Şekil 5: Deneyimlerin Yorumlanması

[*] Bu bölümün yazılmasında “Mutlu, M.E. (2015). Öğrenme Deneyimleri Bağlam Modeli, 6. Uluslararası Eğitimde Yeni Eğilimler Kongresi – ICONTE 2015, 24-26 Nisan 2015, Antalya“ kaynağından yararlanılmıştır.

(Not: Yararlanılan kaynaklar yazı dizisinin sonunda topluca verilecektir.)

Learning Experiences Context Model - Section 3 - LEARNING EXPERIENCES and LEARNING EXPERIENCES CONTEXTS

Öğrenme Deneyimleri Bağlam Modeli - Bölüm 3 

ÖĞRENME DENEYİMLERİ ve ÖĞRENME DENEYİMİ BAĞLAMLARI

ÖĞRENME DENEYİMLERİ 

 “Öğrenme deneyimi” Mutlu (2015b) tarafından, öğrenme ve deneyim kavramlarının ansiklopedik tanımlarından yola çıkarak, “yeni bilgi, davranış, beceri, değer ya da tercihleri kazandıran, değiştiren ya da güçlendiren katıldığımız ya da maruz kaldığımız fiziksel, zihinsel, duygusal, ruhani, dini, sosyal ya da sanal olay ya da etkinlik” olarak tanımlanmıştır. 

Bireyin yaşam boyu öğrenme deneyimlerini yönetebilmesi için yaşam günlüğüne dayalı “öğrenme deneyimleri yönetimi yaklaşımı” önerilmiştir: (a) günlük yaşam faaliyetleri bir yaşam günlüğü sistemiyle pasif ve aktif biçimde sürekli yakalanarak kaydedilir. (b) daha sonra birey kendi günlüklerini zaman çizgisi boyunca tarayarak ve aktif biçimde kaydettiği içeriği inceleyerek, gerçekleştirdiği etkinlikleri ve yaşadığı olayları yorumlar, (c) deneyime ait bağlamları elde eder, (d) öğrenme deneyimlerini anlamlandırır, (e) öğrenme deneyimlerini planlar, izler ve değerlendirir (Mutlu, 2015b). 

LECOM modelindeki temel sınıflar “öğrenme deneyimleri” bağlamında değerlendirildiğinde aşağıdaki gözlemlerle karşılaşılır (Mutlu, 2014b). 

• “Yaşam günlüğü” ile öğrenenin önceden planlayarak ve bilinçli olarak yaşadığı öğrenme deneyimlerinin yanı sıra planlamadan ya da bilincinde olmadan yaşadığı öğrenme deneyimleri de yakalanır. 
• Öğrenen bilinçli bir biçimde öğrenme deneyimlerine ait görüntü, ses, video ve metin biçiminde “içerik” kaydedebilir. 
• Öğrenen yaşam günlüğünü tarayarak, öğrenme etkinliklerini olduğu kadar öğrenmeye yol açan olayları da farkedebilir ve “etkinlik/olay yorumu” oluşturabilir. 
• Öğrenen “etkinlik/olay yorumu” oluştururken kullandığı sözcüklerden yola çıkarak öğrenmeyle ilişkili “bağlam” değerleri elde edebilir. Gerekirse bu amaçla yaşam günlüğü ile yakaladığı ve kaydettiği verileri tekrar gözden geçirerek “etkinlik/olay yorumu” cümlelerini günceller. 
• Öğrenen “bağlam” değerlerini kullanarak yaşadığı öğrenme deneyimini kesin bir biçimde tanımlayabilir. 
• Öğrenen zaman çizgisi boyunca aynı anda ya da ardışık olarak gerçekleşen birbiriyle ilişkili öğrenme deneyimlerinden “öğrenme epizodlarını” belirleyebilir. 
• Öğrenen zaman çizgisi boyunca aynı anda ya da ardışık olarak gerçekleşen birbiriyle ilişkili öğrenme epizodlarından “öğrenme öykülerini” belirleyebilir.

Öğrenme deneyimleri, bir bölümü yaşam deneyimlerinden, bir bölümü de öğrenmenin doğasından kaynaklanan özelliklere sahiptir. 

• Öğrenme deneyimleri özneldir. Deneyimin merkezinde özne yer alır. Deneyimi farketmek, yorumlamak ve bağlamlarını elde etmek öznel bir süreç olmakla birlikte nesnel yaşam günlüğü ve içeriğine dayalı olduğundan dolayı kanıtlanabilir sonuçlar üretir. 
• Öğrenme deneyimi fiziksel ortamda, sanal ortamda ya da dijital ortamda gerçekleşebilir. Yaşam günlüğü bu ortamlara ait hatırlatıcı günlük verisi kaydederken, öğrenen bu ortamlardaki öğrenme içeriğini de daha sonra deneyimi tekrar yaşamak için kaydedebilir. 
• Öğrenen, yaşam günlüğü günlüklerini tarayarak yaşadığı öğrenme deneyimlerine ait aşağıdaki gruplandırmaları gerçekleştirebilir (Mutlu, 2014a): 
• Öğrenme deneyimleri yaşam genişliğinde öğrenme, yaşam derinliğinde öğrenme ve yaşam boyu öğrenme deneyimleri olarak gruplandırılabilir. 
• Yaşam genişliğinde öğrenme deneyimleri biçimsel, yarı biçimsel ya da biçimsel olmayan deneyimler halinde gerçekleşebilir. 
• Biçimsel olmayan öğrenme deneyimleri deneyimin önceden planlanmış olması ve yaşanırken farkında olunması durumlarına göre öz‐düzenlemeli öğrenme, tepkisel (tesadüfi öğrenme, bütünleştirmeci öğrenme ve üstü örtük (sözsüz) öğrenme olarak adlandırılabilmektedir. 
• Öğrenme deneyimleri yapılandırılmış deneyimler, yarı yapılandırılmış deneyimler ve yapılandırılmamış deneyimler olarak gruplandırılabilir. 
• Öğrenen öğrenme deneyimlerine ait hiyerarşik yapıdaki etkinlik/olay, epizod ve öykü yorumlarıyla otobiyografik anılarını organize edebilir, deneyimlerini anlamlandırabilir. 
• Öğrenme deneyimlerine eşlik eden bağlamlarla birey kişisel (öğrenme) bilgi tabanını oluşturabilir. 

ÖĞRENME DENEYİMİ BAĞLAMLARI 

LECOM Yaşam deneyimleri bağlam modelinden ödünç alınan bağlam değişkenleri “öğrenme deneyimleri” göz önüne alındığında Tablo 1’deki alt sınıfları oluşturacaklardır:

[*] Bu bölümün yazılmasında “Mutlu, M.E. (2015). Öğrenme Deneyimleri Bağlam Modeli, 6. Uluslararası Eğitimde Yeni Eğilimler Kongresi – ICONTE 2015, 24-26 Nisan 2015, Antalya“ kaynağından yararlanılmıştır.

(Not: Yararlanılan kaynaklar yazı dizisinin sonunda topluca verilecektir.)

Learning Experiences Context Model - Section 2 - LIFE EXPERIENCES CONTEXT MODEL

Öğrenme Deneyimleri Bağlam Modeli - Bölüm 2
YAŞAM DENEYİMLERİ BAĞLAM MODELİ

LECOM Yaşam deneyimleri bağlam modeline göre bireylerin yaşam deneyimine kişiler, yerler, olaylar, davranışlar, özellikler, duygular ve varlıklar bağlamları eşlik eder (Mutlu, 2015a). Deneyimi çevreleyen bağlamların fiilleri (ilişkileri) deneyimi yaşayan öznenin filleridir. Diğer bir deyişle deneyimi yaşayan birey bir “yer” in içinde bulunur, “kişiler” ile iletişim kurar, “olaylar” yaşar vb. İki birey aynı gözlemlenebilir bağlamlara sahip deneyimi yaşamış olsalar bile, bu deneyimler bireylerin gözlemlenemeyen bağlamlarındaki farklılıklardan dolayı iki farklı deneyim olacaktır. 

Bireyin yaşam deneyimi içerisinde başka bireylere ait deneyimleri de gözler. Başkalarına ait bu deneyimler bireyin kendi deneyim havuzuna yerleştirilmezler. Bir başka özneye ait deneyimler bireyin deneyiminde içerik olarak yer alabilirler. 

Bağlamlar bireyin deneyimlerini ifade edebilmeleri için yeterli dil öğelerini içermelidirler. Diğer bir deyişle her deneyim bağlam fiillerinin kümesiyle tanımlanabilmelidir. Diğer bir deyişle X deneyimi esnasında Y yerinde bulunulmuş; K kişileriyle iletişim kurulmuş; O olayları yaşanmış; DA davranışları gerçekleştirilmiş; Ö özellikleri değişmiş; DU duyguları hissedilmiş; V varlıkları kullanılmış olabilir. 

Ontoloji

Ontoloji, söylemin bir alanına ait kavramların (sınıflar), kavramların niteliklerinin (özellikler) ve özelliklerin sahip olduğu kısıtlılıkların biçimsel olarak kesin biçimde tanımlanmasıdır. Pratikte bir ontoloji geliştirmek şu aşamaları içerir (Noy ve McGuinness, 2001): 

• Ontolojideki sınıfları tanımlamak 
• Sınıfları bir taksonomik hiyerarşi içerisinde düzenlemek (altsınıf – üstsınıf) (Bu düzenleme esnasında kavramlar arasında ilişkiler tanımlanır) 
• Özellikleri ve bu özelliklerin alabileceği değerlerin yapısını tanımlamak 
• Bireyleri oluşturmak için özelliklere değer yerleştirmek. 

Ontolojideki sınıfların özelliklerine değer atayarak elde edilen bireylerle bir bilgi tabanı oluşturulur. Gerçekte bir ontolojinin sona erdiği çizgide bilgi tabanı başlar (Noy ve McGuinness, 2001). (Noy ve McGuinness, 2001). 

LECOM Yaşam Deneyimleri Bağlam Modeli’ndeki Sınıflar

Yaşam deneyimleri bağlam modelinde (Mutlu, 2015a) yeralan temel kavramlardan yararlanarak aşağıdaki sınıflar tanımlanmıştır: 

• “Yaşam günlüğü” sınıfı ile “T” zamanında “C” cihazından pasif biçimde konum, görüntü ve ekran görüntüsü günlükleri ile aktif biçimde ses, video, ekran videosu ve metin içeriklerini yakalayan bir aracın yapısı tanımlanmaktadır. Yaşam günlüğü aracı bir zaman çizgisi (ağacı); seçili bir tarihteki günlük verisi ve içerik verisi görüntüleyicisi ve seçili bir yıl, ay ya da tarihteki seçili günlük verileri için sınırsızca yorum eklemeye olanak sağlayan bir veritabanı içermektedir.
• “İçerik” sınıfı ile “T” zamanında “C” cihazından yakalanan görüntü, ekran görüntüsü, ses, video, ekran videosu ve metin dosyalarını barındıran veri kümesinin yapısı tanımlanmaktadır. 
• “Etkinlik/olay yorumu” sınıfı ile yaşam günlüğünün zaman çizgisinde verilen bir “T” zamanına ait günlük ve içerik kayıtlarının birey tarafından gözden geçirilmesiyle farkedilen eylem ve oluş kümesine ait sözel açıklama tanımlanmaktadır. 
• “Bağlam” sınıfı ile yaşam günlüğünde “T” anındaki etkinlik/olay yorumlarının birey tarafından gözden geçirilmesiyle farkedilen kişi, yer, olay, davranış, varlık, özellik ve duygu değerlerinin yapısı tanımlanmaktadır. 
• “Deneyim” sınıfı ile yaşam günlüğünde “T” anında yaşanan ve o andaki bağlam değerlerinin bir araya getirilmesiyle sözel olarak ifade edilen olguya ait kişisel bilgi kümesinin yapısı tanımlanmaktadır. 
• “Epizod yorumu” ile aynı anda ya da ardışık olarak gerçekleşen birbiriyle ilişkili etkinlik ya da olayların yorumlarının oluşturduğu bilgi kümesinin yapısı tanımlanmaktadır. 
• “Öykü yorumu” ile aynı anda ya da ardışık olarak gerçekleşen birbiriyle ilişkili epizodların yorumlarının oluşturduğu bilgi kümesinin yapısı tanımlanmaktadır.

Yaşam deneyimleri bağlam modelinde deneyimler üzerinde belirli bir ayrım gerçekleştirilmeden bütün yaşam deneyimlerinin kapsandığı varsayılmaktadır. Gerçekte insan yaşamındaki bütün deneyimler dikkate alındığında ortaya bir “kişisel büyük veri” çıkmaktadır (Gurrin vd., 2014). Bireyin yaşamındaki deneyimler birbirinden bütünüyle soyutlanamasa da pratikte yaşamın belirli deneyimlerine odaklanılabilir. Örneğin, sosyal deneyimler, kültürel deneyimler, sağlık deneyimleri, finansal deneyimler, iş deneyimleri, öğrenme deneyimleri vb. Her deneyimden bir şeyler öğrenildiği için öğrenme deneyimleri diğer deneyim gruplarına göre yaşam deneyimlerinin bütününe daha fazla bağımlıdırlar.

[*] Bu bölümün yazılmasında “Mutlu, M.E. (2015). Öğrenme Deneyimleri Bağlam Modeli, 6. Uluslararası Eğitimde Yeni Eğilimler Kongresi – ICONTE 2015, 24-26 Nisan 2015, Antalya“ kaynağından yararlanılmıştır.

(Not: Yararlanılan kaynaklar yazı dizisinin sonunda topluca verilecektir.)

Learning Experiences Context Model - Section 1 - INTRODUCTION

Öğrenme Deneyimleri Bağlam Modeli - Bölüm 1
GİRİŞ [*]

Dey ve arkadaşları tarafından “bağlam” kavramının tanımı “bir varlığın durumunu karakterize etmek amacıyla kullanılan enformasyon” olarak yapılmıştır (Dey vd., 2001). Varlık, bir kullanıcı ve bir uygulama arasında gerçekleşen etkileşimle ilgili bir kişi, yer ya da nesne olabileceği gibi kullanıcının ve uygulamanın kendisi de olabilir.

Bağlam kavramının daha biçimsel bir tanımı Desmoulins ve Azouaou (2006) tarafından verilmiştir:

• Bir X öğesinin bağlamı, Y, X’in çevresinde olmak koşuluyla, Y öğesinin bütün P özellikleridir.
• Y, X’e anlam verir.
• P, X’le ilgilidir.

Bağlam kavramının öğrenme alanındaki kullanımına yönelik bir tarama yapan Capuano ve arkadaşları (2014)’na göre öğrenme bağlamı alanyazınında iki farklı yaklaşımla ele alınmaktadır: Birinci yaklaşımda yazarlar öğrenme bağlamı kavramıyla, öğrenme etkinliklerine katılan öğrenenlerin bağlamına odaklanırlar. Bu amaçla öğrenenin iç bağlamları (beklentileri, düşünceleri ve inançları), profili (kişisel enformasyonu, kişilik özellikleri, uzmanlık düzeyi), öğrenme özellikleri (öğrenenin öğrenme yaklaşımı, niyeti ve öğrenme stili) vb. ele alınır. 

İkinci yaklaşımda ise yazarlar öğrenme kavramıyla öğrenme nesnesi ya da öğrenme etkinliğinin bağlamını dikkate alırlar. Konu alanının, dersin ve öğrenme nesnesinin kapsamı, içeriği, teknolojik ve pedagojik özellikleri, e‐öğrenme mimarisi, öğrenme amaçları, öğrenmenin gerçekleşeceği ortam ve yer, altyapı, öğrenme etkinliğinin organizasyonel yapısı, öğrenmenin yapılandırılmışlık düzeyi vb. veriler değerlendirilir (Capuano vd., 2014). 

Teknoloji destekli öğrenme alanındaki bağlam modellerini tarayan Verbert ve arkadaşları 12 farklı çalışmada yer verilen bağlam öğelerinin tümünü içeren kapsayıcı bir bağlam çerçevesi önermişlerdir (Verbert vd., 2012). Bu çerçevede, bilgi işlem (yazılım, donanım, ağ), konum (nitelik nicelik, yakınlık, yönelim, iletişim), fiziksel koşullar, zaman (zaman etiketi, zaman aralığı), kaynaklar (genel, eğitsel, teknik, notlar, ilişkiler), kullanıcı (temel enformasyon, bilgi, ilgi, amaçlar (kısa dönemli, uzun dönemli), öğrenme biçimleri, duygulanımlar, arkaplan), etkinlik (eylem, görev, amaç, konu) ve sosyal ilişkiler bağlamlarına yer vermişlerdir. 

Bağlamlarla ilgili modelleme çalışmalarında güncel bir yaklaşım ontoloji tabanlı modelleme yaklaşımıdır (Hoareau, 2009). Ontoloji belirli bir alandaki kavramların, kavramların özelliklerinin ve kavramlar arasındaki ilişkilerin biçimsel olarak kesin bir biçimde tanımlanmasıdır. W3C kurumu tarafından anlamsal ağ (semantic web) alanında kullanılmak amacıyla 2003 yılında geliştirilen ağ ontoloji dili (OWL ‐ Web Ontology Language)’nin popüler olmasıyla bağlam ontolojilerini geliştirme çalışmalarında da OWL yaygın olarak kullanılmaya başlanmıştır (W3C, 2015). Öğrenme bağlamlarına yönelik olarak geliştirilen ontoloji tabanlı modellerin uygulama alanı geniş bir çeşitliliğe sahiptir: 

• Eğitim amacıyla kullanılan mobil teknolojilerin tanımlanmasına yönelik ontoloji (Ahmed ve Parsons, 2011) 
• Öğrenme nesnesi içeriğine not eklenmesine yönelik ontolojiler (Gašević vd., 2007; Aloui ve Gargouri, 2013). 
• Ders içeriğine yönelik alan ontolojileri oluşturma (Boyce ve Pahl, 2007) 
• Kişiselleştirme ve bağlamlaştırma için bağlam ontolojisi (Capuano vd., 2014) • Öğrenme nesnesi ontolojileri (Jeremić vd., 2011) 
• Öğrenme tasarımı ve öğrenme içeriğini birleştiren ontolojiler (Knight vd., 2005) • Yansıtıcı öğrenme için bağlam farkındalıklı çerçeve Greenberg vd., 2006) 
• Çevrimiçi işbirlikli öğrenmeye yönelik ontolojiler (Jeremić vd., 2012) • Kişiselleştirilmiş ve işbirlikli öğrenme için bağlam ontolojisi (Moore ve Hu, 2007 
• Kişiselleştirilmiş öğrenmeye yönelik ontolojiler (Jovanović vd, 2006) • Öğrenme kişisel ontolojisi (Osborne, 2013) 
• Öğrenen davranışı ontolojisi (Softic vd., 2013) 
• e‐öğrenmede öğrenme bağlam modeli (Tankeleviciene ve Damasevicius, 2009) 
• İşle bütünleşik öğrenme için bağlam modeli (Ulbrich vd., 2006) 
• Bağlam farkındalıklı e‐öğrenme için öğrenme bağlamları (Capuano vd., 2011; Das ve Bhaskar, 2010; Sudhana vd., 2013) 
• Bağlam farkındalıklı uyarlamalı öğrenme (Yaghmaie ve Bahreininejad, 2011) 
• Bağlam farkındalıklı mobil öğrenme için bağlam ontolojisi (Wu, 2010) 
• Bağlam farkındalıklı her yerde öğrenme ortamı tasarımı (Yang, 2006) 
• Bağlam farkındalıklı öneri sistemi (Yu vd., 2007) 
• Biyoloji dersi için bağlam farkındalıklı yaşam günlüğü sistemi (Barreau vd., 2006). 

Geliştirilen modellerde ağırlıklı olarak bağlam farkındalıklı sistemlerin amaçlandığı görülmektedir. Bağlam farkındalıklı sistemler çevredeki bağlamı algılayarak, kullanıcıya bu bağlamla ilgili olarak, kullanıcının görevinin gerektirdiği enformasyonu ya da hizmeti sunan sistemlerdir (Abowd vd., 1999). Taranan yayınlarda bağlam farkındalıklı modellerin kişiselleştirilmiş öğrenme, uyarlamalı öğrenme, mobil öğrenme, her yerde öğrenme ve öneri sistemlerinin geliştirilmesinde kullanıldığı görülmektedir.

Öğrenme alanında geliştirilen ontolojilerin bireyin sanal ortamlardaki öğrenme etkinliklerine odaklandığı; fiziksel ve sosyal ortamlardaki öğrenme deneyimlerini dikkate almadığı görülmektedir. Oysa öğrenme süreci yaşam boyu devam eden bir süreçtir ve sanal ortamlarda olduğu kadar fiziksel ve sosyal ortamlarda da gerçekleşir. 

Bu çalışmada öğrenme süreci, bir öğrenme etkinlikleri kümesi olarak değil, yaşam deneyimleri içerisine serpilmiş bir dizi deneyim olarak ele alınmaktadır. Bu doğrultuda, LECOM Yaşam Deneyimleri Bağlam Modeli (Mutlu, 2015a) öğrenme deneyimleri için uyarlanarak, yaşam günlüğü sistemiyle yakalanan öğrenme deneyimlerinin bağlamları için kavramsal bir model tasarlanacaktır. 

Bu amaçla izleyen bölümde öğrenme deneyimleri ve bu deneyimlere eşlik eden bağlamlarla ilgili önceki çalışmalar incelenmiş; ardından LECOM modelinin kavramları, aralarındaki ilişkiler ve özellikleri gözden geçirilmiştir. Araştırmanın geliştirme bölümünde LECOM modeline ait kavramlarla öğrenme deneyimleri alanında bir ontoloji oluşturmak için bir kavramsal bir model oluşturulmuştur.

[*] Bu bölümün yazılmasında “Mutlu, M.E. (2015). Öğrenme Deneyimleri Bağlam Modeli, 6. Uluslararası Eğitimde Yeni Eğilimler Kongresi – ICONTE 2015, 24-26 Nisan 2015, Antalya“ kaynağından yararlanılmıştır.

(Not: Yararlanılan kaynaklar yazı dizisinin sonunda topluca verilecektir.)

Project Completion Report Accepted at TÜBİTAK 3001 Project

TÜBİTAK 3001 Projesinde Proje Sonuç Raporu Kabul Edildi

15 Eylül 2014 tarihinde başlamış olan 114K579 numaralı ve “Öğrenme Deneyimlerinin Yönetimi için Çoklu Cihazlı ve Çoklu Algılayıcılı Bir Yaşam Günlüğü Sisteminin Tasarımı, Geliştirilmesi ve Uygulanması” başlıklı TÜBİTAK 3001 araştırma projesine ait proje sonuç raporu 15 Mart 2016 tarihinde TÜBİTAK'a teslim edilmişti. Projenin ait olduğu grup tarafından bir revizyon talep edilmiş ve proje ekibi tarafından revizyon raporu hazırlanarak Mayıs 2016 ayı içinde gruba teslim edilmiştir. TÜBİTAK tarafından Haziran 2016 ayında projeye ait sonuç raporu kabul edilmiş ve proje sonuçlanmıştır.

"Designing an Information Retrieval System for Learning Experiences in the Virtual Environments" Paper Published in Online Journal JRET

"Sanal Ortamlardaki Öğrenme Deneyimleri İçin Bir Enformasyon Erişim Sistemi Tasarımı" Makalesi JRET Çevrimiçi Dergisinde Yayınlandı

Bu yıl 13-15 Mayıs 2016 tarihleri arasında Antalya'da düzenlenen 7. Uluslararası Eğitimde Yeni Eğilimler Kongresi – ICONTE 2016'e sunmuş olduğum "Sanal Ortamlardaki Öğrenme Deneyimleri İçin Bir Enformasyon Erişim Sistemi Tasarımı" isimli çalışma Eğitim ve Öğretim Araştırmaları Dergisi'nin Mayıs 2016 sayısında yayınlandı.

Makaleye  http://www.jret.org/FileUpload/ks281142/File/38.mehmet_emin_mutlu.pdf adresinden erişilebilir.

Mutlu, M.E. (2016). Sanal Ortamlardaki Öğrenme Deneyimleri İçin Bir Enformasyon Erişim Sistemi Tasarımı, Eğitim ve Öğretim Araştırmaları Dergisi, (Journal of Research in Education and Teaching), 5(2), Mayıs 2016, 395-408, ISSN: 2146‐9199

Designing An Information Retrieval System For Learning Experiences In The Virtual Environments

Sanal Ortamlardaki Öğrenme Deneyimleri İçin Bir Enformasyon Erişim Sistemi Tasarımı

Bu yıl 13-15 Mayıs 2016 tarihleri arasında Antalya’da düzenlenecek olan “7th International Congress on New Trends in Education (ICONTE 2016)” konferansı’na gönderdiğim "Sanal Ortamlardaki Öğrenme Deneyimleri İçin Bir Enformasyon Erişim Sistemi Tasarımı" isimli çalışma sözlü bildiri olarak sunulmak üzere kabul edildi:

SANAL ORTAMLARDAKİ ÖĞRENME DENEYİMLERİ İÇİN

BİR ENFORMASYON ERİŞİM SİSTEMİ TASARIMI

Doç.Dr. Mehmet Emin Mutlu

Anadolu Üniversitesi

Açıköğretim Fakültesi

memutlu@anadolu.edu.tr

Özet
21. yüzyılda öğrenme deneyimleri ağırlıklı olarak sanal ortamlarda gerçekleşmektedir. Bireyler günlük öğrenme  etkinlikleri esnasında üzerinde çalıştıkları konularla ilişkili olarak sanal ortamlardaki geçmiş deneyimlerini sıklıkla anımsama gereksinimi duyarlar. Bu çalışmada bireylerin sanal ortamlardaki geçmiş deneyimlerine, deneyimle ilgili olarak anımsadıkları sözcük ve cümleler yardımıyla erişmelerini sağlayan bir yaşam günlüğü sistemi tasarlanarak geliştirilmiştir. Bu amaçla, bireyin kullandığı bütün bilgisayarlardan ekran görüntüleri ve ekran metinleri 30 saniyede bir yakalanarak bir bulut hizmeti üzerinden aktarılmış ve bir araya getirilmiştir. Ardından ekran metinlerine ait dosyalar bir arama motoruyla indekslenerek, anahtar sözcükler ya da cümleleri içeren dosyalara zaman ekseninde erişilebilmiştir. Böylece, bireyin bir sözcük ya da sözcük grubuyla yıl, ay, gün ve saat bazında hangi sıklıkta ilgilendiği belirlenebilmiş, bireyin geçmişte bu sözcük ya da sözcük grubunu içeren bilgisayar ekranı görüntülerine erişebilmesi sağlanmıştır. Çalışmanın son bölümünde, geliştirilen yaşam günlüğü sistemi yaşam günlüklerinin sağladığı ve 5R ile ifade edilen faydalar açısından incelenmiş, olası kullanım biçimleri ile gelecekte gerçekleştirilebilecek geliştirmeler tartışılmıştır.

Anahtar sözcükler: Yaşam günlüğü, öğrenme deneyimi, enformasyon erişim sistemi, ekrandan metin yakalama, zamansal masaüstü arama motoru

Learning Experience Design

Öğrenme Deneyimi Tasarımı

Bu yıl 13-15 Mayıs 2016 tarihleri arasında Antalya’da düzenlenecek olan “7th International Congress on New Trends in Education (ICONTE 2016)” konferansı’na Ayşe Peri Mutlu ile birlikte gönderdiğimiz "Öğrenme Deneyimi Tasarımı" isimli çalışma sözlü bildiri olarak sunulmak üzere kabul edildi:

ÖĞRENME DENEYİMİ TASARIMI

Ayşe Peri Mutlu

Anadolu Üniversitesi, Açıköğretim Fakültesi, Eskişehir

aperi@anadolu.edu.tr

Doç.Dr. Mehmet Emin Mutlu

Anadolu Üniversitesi, Açıköğretim Fakültesi, Eskişehir

memutlu@anadolu.edu.tr

Özet
"Deneyim" öğrenmenin en önemli kaynaklarından biridir. Öğrenme deneyimlerinin düzenlenmesi süreci, geçmiş deneyimlerin değerlendirilmesi, şu anda yaşanmakta olan deneyimlerin izlenmesi-denetlenmesi ve gelecekte yaşanması olası deneyimlerin planlanmasını kapsamaktadır. Yaşanmış ve yaşanmakta olan deneyimlerin düzenlenmesi alışıldık bir faaliyet iken, gelecekte yaşanması olası öğrenme deneyimlerinin planlanması belirsizlikler içermektedir. Planlama, kaynakların bir öğrenme amacı ve hedefleri için tahsis edilmesi olarak ele alındığında, bir öğrenme deneyiminin planlanması, öğrenme deneyimine eşlik eden bütün bağlamların önceden belirlenmesi, temin ve tahsis edilmesi, düzenlenmesi ve bir senaryo eşliğinde zamanlanmasını gerektirir.  Bu bağlamlar arasında mekânlar, kişiler, davranışlar, olaylar, duygular, varlıklar ve bireyin özellikleri bulunur. Bir öğrenme deneyiminin planlanması bu düzeyde ele alındığında, “öğrenme deneyimi tasarımı” kavramına gereksinim duyulmaya başlanır.  Bu çalışmada “öğrenme deneyimi tasarımı”, öğrenme deneyimlerinin yönetimi yaklaşımı açısından ele alınarak kavramsallaştırılmaya çalışılacak ve yaşam boyu öğrenme, yaşam genişliğinde öğrenme ve yaşam derinliğinde öğrenme boyutlarında uygulanabilirliği tartışılacaktır.

Anahtar sözcükler: Öğrenme deneyimi, öğrenme deneyimi bağlamları, öğrenme deneyimi tasarımı, öğrenme deneyimlerinin düzenlenmesi

[Working Paper] Screen Capture for LifeLogging - OCR Version

[Çalışma Raporu] Yaşam Günlüğü İçin Ekran Görüntüsü Yakalama - OCR Sürümü

Mutlu, M.E. (2016). Yaşam Günlüğü için Ekran Görüntüsü Yakalama – OCR Sürümü. Çalışma Raporu. Kişisel Bilgi Sistemleri Blogu. (15 Mart 2016).
http://personalinformationsystems.blogspot.com.tr/2016/03/working-paper-screen-capture-for.html

Yaşam Günlüğü İçin Ekran Görüntüsü Yakalama - OCR Sürümü

Mehmet Emin Mutlu

Anadolu Üniversitesi, Açıköğretim Fakültesi

memutlu@anadolu.edu.tr

Özet

Bilgisayarı yoğun olarak kullanan bireylerin bir yaşam günlüğü sistemiyle ekran görüntülerini kaydetmeleri, daha sonra gereksinim duyduklarında yaşam deneyimlerine geri dönerek anımsamalarını kolaylaştıracaktır. Bilgisayar ekranı görüntülerinde görüntü ve videonun yanı sıra yoğun metin bulunur. Ekran görüntüsü yakalama uygulamalarının bu metinleri ekran görüntüsünü tarayarak elde etmeleri ve kaydetmeleri deneyimlerin bilgisayar tarafından tanımlanması için sistemlerin geliştirilmesine olanak sağlayabilir. Bu çalışmada, bir yaşam günlüğü sistemiyle bütünleşik olan ekran görüntüsü yakalama uygulamasına, yakalanan ekran görüntülerindeki metinlerin açık kaynak kodlu bir optik karakter tanıma uygulamasıyla elde edilmesi ve görüntülere paralel biçimde kaydedilmesi işlevleri eklenerek, yeni bir araç geliştirilmiştir. Çalışmanın sonunda geliştirilen aracın potansiyel kullanım biçimleri tartışılmıştır.

Anahtar Sözcükler: Ekran görüntüsü yakalama, yaşam günlüğü, ekrandan karakter tanıma

Giriş

Yaşam günlüğü araştırmalarında ağırlıklı olarak giyilebilir yaşam günlüğü kameralarına odaklanıldığı için bireylerin bilgisayar başında yaşadıkları deneyimlerin incelenmesine çok yer verilmemiştir. Mutlu, kamera görüntülerinin yanı sıra ekran görüntülerini de düzenli olarak kaydeden bir yaşam günlüğü sistemi geliştirerek bu konuyu araştırmıştır (Mutlu, 2013). İlgili araştırmada yaşam günlüğü ile yakalanan ekran görüntüleri kullanıcı tarafından taranarak, görüntülerin anımsattığı etkinlikler ya da olaylar yine kullanıcı tarafından yorumlanmakta ve anlamlandırılmaktadır. Bilgi çalışanlarının ekran görüntülerinde görüntü ve videonun yanı sıra metin de önemli yer tutmaktadır. Bu çalışmada kullanıcıların yaşam günlüğü araçlarıyla yakaladıkları bilgisayar ekranı görüntülerini anlamlandırma işlemini desteklemek amacıyla ekran görüntülerinde yeralan metinlerin elde edilmesini sağlayacak açık kaynak yazılımlarıyla desteklenmiş bir uygulamanın geliştirilmesi amaçlanmıştır. 

Ekran görüntüsünden karakter tanıma

Optik karakter tanıma (OCR) yapay zekâ alanının en başarılı uygulamalarından birisidir. Genellikle kağıt ortamındaki görüntünün bir tarayıcı yardımıyla görüntü dosyasına aktarılması ve bu görüntü dosyası üzerinde çalışarak kağıt ortamındaki metnin tanınması şeklinde gerçekleşmektedir. Bu süreç genel olarak görüntünün ön işlemden geçirilmesi, karakterlerin belirlenmesi ve tanınması ve metnin yerleşim ve dil konularının ele alındığı son işlemeden geçirme şeklinde üç aşamada gerçekleştirilmektedir (Wikipedia, 2014). Dijital görüntülerden metin elde edilmesi ise ayrı bir araştırma konusudur. Einsele-Aazami (2008) dijital görüntülerden metin elde etme işleminin dört alt alana ayırmaktadır: (1) web görüntüleri, (2) video görüntüleri, (3) dijital kameralarla yakalanmış görüntüler ve (4) ekran görüntüleri. Bu alanların her birinin kendisine ait özellikleri nedeniyle metin belirleme ve tanıma süreci farklılaşmaktadır. Bilgisayar ekranındaki görüntülerden metin elde etme işlemi ise metnin bilgisayar ekranındaki karmaşık yerleşim tasarımı, metnin karmaşık arka görüntüye sahip olabilmesi, küçük font boyutlarının kullanımı (<10 punto) gibi özelliklerden dolayı özel bir araştırma alanını oluşturmaktadır (Einsele-Aazami, 2008). Ekrandan metin yakalama konusunda çeşitli yaklaşımlar geliştirilmiş ve varolan yaklaşımlar karşılaştırılmıştır  (Wachenfeld ve ark.; 2006; Rashid ve ark., 2011).

Geliştirilen uygulama

Optik karakter tanıma (OCR) teknolojisiyle ekran görüntülerindeki yazıları metne dönüştürecek bir uygulama geliştirilmiştir. Bu uygulama ile görüntü kaydetme ve görüntüden elde edilen metni kaydetme işlemleri eş zamanlı olarak yapılmaktadır. Ekran görüntüsünden metin elde etme ve saklama işlevi önceki projelerde geliştirilmiş olan LifeLoggingSC (Screen Capture) ekran görüntüsü yakalama yazılımına entegre edilerek LifeLoggingSC (OCR) (ScreenCapture-Optical Character Recognition ) yazılımı oluşturulmuştur. 

Ekran görüntüsünden optik karakter tanıma ile metin elde etme amacıyla Tesseract (Smith, 2007) tabanlı açık kaynak kodlu OCR yazılımları araştırılmış ve komut satırı ile çalıştırılabilen ve ekran görüntülerinden başarıyla metin elde edebilen AHK ile kodlanmış, Tesseract tabanlı Capture2Text (Brochtrup, 2014) yazılımının kullanılmasına karar verilmiştir. Capture2Text yazılımında önce görüntü yakalama ve görüntü üzerinde Leptonica ile iyileştirme yapma şeklinde ön işlem, ardından Tesseract aracılığı ile metin yakalama (metin belirleme ve tanıma) ve son olarak da metin üzerinde dil işlemlerinin gerçekleştirildiği işlem-sonrası aşamalarının bulunduğu görülmektedir (Brochtrup, 2014). Leptonica, Dan Bloomberg tarafından, görüntü işleme ve görüntü çözümleme uygulamalarında kullanılan açık kaynak kodlu yazılımların eğitsel amaçlarla yayınlandığı bir sitedir (Leptonica.com). Tesseract 1984-1995 yılları arasında HP Laboratuvarlarında çalışan Ray Smith tarafından doktora tezi esnasında geliştirilmiş bir OCR motorudur. 2005 yılında HP firması Tesseract’ı açık kaynak koduyla birlikte yayınlamıştır. Tesseract aralarında Türkçe’nin de bulunduğu 50’den dili desteklemektedir. Günümüzde https://code.google.com/p/tesseract-ocr/ sitesinden erişilebilmektedir (Smith, 2007). 

LifeLoggingSC (OCR) Uygulamasının Kullanımı

.Net 4.5 ile geliştirilmiş olan ve ekran görüntüsü yakalamak için System.Drawing.Imaging API'si kullananan LifeLoggingSC (OCR) uygulaması çalıştırıldığında, önce ekran görüntüsü yakalanmakta ve kaydedilmekte, ardından Capture2Text yazılımı çağrılarak ekran yeniden taranmakta ve metinler çıkartılarak görüntü dosyasından ayrı bir klasöre kaydedilmektedir. İlk denemelerde, yakalanan görüntünün kaydedildiği dosyadan Capture2Text ile  metin elde edilmesi öngörülmüş olmasına rağmen, Capture2Text'in yüksek duyarlıklı TIFF dosyası kullanması gereği nedeniyle, ekran görüntüsü yakalama ve ekran metni yakalama işleminin ayrı ayrı gerçekleştirilmesine karar verilmiştir. Görüntüler ve görüntülerin içerdiği metinler kullanıcının OneDrive klasörünün altındaki "Resimler\LifeLogging" klasörünün altındaki, yakalamanın gerçekleştiği yıl, ay ve güne ait klasörlerin altında tutulmaktadır. Aynı güne ait yakalanan görüntüler [kullanıcı adı-bilgisayar adı-"ScreenCapture"] ibaresini içeren klasörün altında, zaman etiketli görüntü dosyalarına; yakalanan görüntülere ait metinler ise  [kullanıcı adı-bilgisayar adı-"ScreenCapture-OCR"] ibaresini içeren klasörün altında, zaman etiketli metin dosyalarına kaydedilmektedir. Yakalama işlemi Start düğmesine tıklandıktan sonra Stop düğmesine tıklanana kadar varsayılan olarak her 30 saniyede bir tekrarlanmaktadır.

Resim 1. LifeLoggingSC (OCR) uygulamasının arayüzü

Sonuç ve Öneriler

Yakalanan ekran metinleri ekran görüntüsüne göre oldukça az yer kaplamaktadır. Rassal olarak seçilen bir güne ait 2560x1440 ekran çözünürlüğüne sahip ekran görüntüleri dosyalarının büyüklüğü 29 KB ile 423 KB arasında olurken, aynı güne ait metin dosyalarının büyüklüğü 1 KB ile 9 KB arasında değişmektedir. Diskte kapladığı yer az olmasına rağmen LifeLoggingSC (OCR) ile gerçekleştirilen yakalama işlemi toplamda çok büyük metinsel verinin elde edilmesine ve saklanmasına neden olacaktır. Olası en büyük değerler için; günde 2.880 görüntü/gün x 2.000 kelime/görüntü =5.760.000 kelime/gün; yılda 5.760.000 kelime/gün x 365 gün = 2.102.400.000 kelime öngörülmektedir. Bu değerlerin sadece bir bilgisayara ait olduğu, yaşam günlüğü sisteminin kullanıcıya ait birden fazla bilgisayardan görüntü alabildiği unutulmamalıdır. Bu aşamada bu sayıları bir ölçüde azaltmak amacıyla “ekranda değişiklik yoksa kayıt yapmama” benzeri iyileştirmeler gerçekleştirilebilir. Diğer taraftan LifeLoggingSC (OCR) ile yakalanan ekran metinlerinin bir masaüstü arama motoru yardımıyla indekslenmesi sonucunda, bireyler ekran görüntülerini anahtar sözcükler aracılığıyla arama olanağına kavuşabilirler. 

Teşekkürler

Bu çalışma Türkiye Bilimsel ve Teknik Araştırmalar Kurumu (TÜBİTAK) tarafından 115K497 nolu araştırma projesi kapsamında desteklenmiştir.

Yararlanılan Kaynaklar

• Brochtrup, C. (2014). “Capture2Text”, http://capture2text.sourceforge.net/, Son erişim tarihi: 26.08.2015
• Einsele-Aazami (2008). Recognition Of Ultra Low Resolution, Anti-Aliased Text With Small Font Sizes.  Phd. Dissertation Department of Computer Science - University of Fribourg. Switzerland.
• Mutlu, M.E. (2013). “Öğrenme Deneyimlerinin Kaydedilmesi İçin Çoklu Cihaz Tabanlı Bir Yaşam Günlüğü Sisteminin Geliştirilmesi”, Eğitim ve Öğretim Araştırmaları Dergisi (JRET), 2(4), 256-269.
• Rashid, S. F., Shafait, F., & Breuel, T. M. (2011). “An evaluation of HMM-based Techniques for the Recognition of Screen Rendered Text”, In Document Analysis and Recognition (ICDAR), 2011 International Conference on (1260-1264), IEEE.
• Smith, R. (2007). “An Overview of the Tesseract OCR Engine”, In ICDAR, 7, 629-633.
• Wachenfeld, S., Klein, H. U., & Jiang, X. (2006). “Recognition of screen-rendered text”, In Pattern Recognition, 2006, ICPR 2006, 18th International Conference on (1086-1089), IEEE.
• Wikipedia (2014a). “Optical character recognition”, http://en.wikipedia.org/wiki/Optical_character_recognition, Son erişim tarihi: 25.03.2016 

The paper "On the track of Artificial Intelligence: Learning with Intelligent Personal Assistants" published in the IJSH

"On The Track Of Artificial Intelligence: Learning With Intelligent Personal Assistants" Makalesi Yayınlandı

Nil Göksel-Canbek'in 29-31 Ekim 2015 tarihinde Çek Cumhuriyetinde düzenlenen "1 st International Conference on Lifelong Education and Leadership for All-ICLEL 2015" konferansında bildiri olarak sunduğu "On The Track Of Artificial Intelligence: Learning With Intelligent Personal Assistants" isimli çalışma International Journal of Human Sciences dergisinde yayınlandı:

Goksel-Canbek, N., & Mutlu, M.E.(2016). On the track of Artificial Intelligence: Learning with Intelligent Personal Assistants. International Journal of Human Sciences, 13(1), 592-601. doi:10.14687/ijhs.v13i1.3549

http://www.j-humansciences.com/ojs/index.php/IJHS/article/download/3549/1661

Araştırma Şenliği (Aralık 2015)

Açıköğretim Fakültesi Araştırma Şenliği (Aralık 2015)

7 Aralık 2015 tarihinde düzenlenen Açıköğretim Araştırma Şenliğine 15 Şubat 2013-15 Ağustos 2014 tarihleri arasında gerçekleştirmiş olduğumuz "Yaşam Boyu Öğrenme Deneyimlerinin Yönetimi Amacıyla Bir Dijital Yaşam Günlüğü Sisteminin Geliştirilmesi ve Uygulanması" isimli BAP projesini tanıtmak amacıyla proje ekibi olarak aşağıdaki posterle katıldık.