View Article |
Rangka kerja objek pembelajaran boleh guna semula: pengujian pendekatan kejuruteraan perisian
Siti Fadzilah Mat Noor1, Norazah Yusof2.
Perkembangan e-pembelajaran masa kini telah mewujudkan beberapa repositori objek pembelajaran di Web yang menyediakan bahan pembelajaran yang boleh dicapai oleh pengguna pada bila-bila masa. Bahan pembelajaran ini seharusnya boleh dikongsi serta digunakan semula untuk pembinaan bahan pembelajaran dalam konteks yang berlainan. Namun pembangun sering menghadapi kesukaran untuk mengguna semula bahan pembelajaran dalam repositori ini kerana kebanyakan bahannya adalah dalam bentuk satu kandungan kursus yang besar. Kajian mencadangkan rangka kerja objek pembelajaran boleh guna semula yang melaksanakan proses pengranularan dan proses guna semula objek pembelajaran. Pengranularan yang dicadangkan terdiri daripada tiga proses utama iaitu pengekstrakan, pemilihan dan penkategorian objek pembelajaran serta penganotasian metadata. Kaedah ini telah berjaya menukarkan satu kandungan kursus yang besar kepada objek pembelajaran yang kecil seperti teks dalam perenggan, imej dan animasi. Seterusnya pengujian boleh guna semula menggunakan kaedah metrik guna semula dalam bidang kejuruteraan perisian, empat jenis metrik untuk mengukur tahap guna semula telah dirumus iaitu Kaedah Berpemberat Sekelas, Gandingan Antara Objek, Kedalaman Pepohon Pewarisan dan Kaedah Jeleketan. Hasil uji kaji metrik mendapati tahap guna semula objek pembelajaran yang digranul adalah lebih tinggi berbanding dengan objek pembelajaran kasar. Ini menunjukkan bahawa objek pembelajaran ini lebih mudah untuk digunakan.
Affiliation:
- Universiti Kebangsaan Malaysia, Malaysia
- Universiti Teknologi Malaysia, Malaysia
Toggle translation
Download this article (This article has been downloaded 147 time(s))
|
|
Indexation |
Indexed by |
MyJurnal (2021) |
H-Index
|
6 |
Immediacy Index
|
0.000 |
Rank |
0 |
Indexed by |
Scopus 2020 |
Impact Factor
|
CiteScore (1.4) |
Rank |
Q3 (Engineering (all)) |
Additional Information |
SJR (0.191) |
|
|
|