Гибкая поддержка метаданных учебных объектов, опыт системы ale Текст научной статьи по специальности «Науки об образовании»

Educational Technology & Society 6(4) 2003 ISSN 1436-4522 pp. 186-193

Гибкая поддержка метаданных учебных объектов, опыт системы ALE

Л. А. Песин, М. Шпехт отдел контекстной информатизации (ICON) Институт Fraunhofer FIT, Санкт Августин,

Германия

leonid.pessine@fit.fraunhofer.de marcus.specht@fit.fraunhofer.de

АННОТАЦИЯ

Статья представляет средства гибкого управления метаданными, обеспечивающие эффективную разработку метаданных учебных объектов в адаптивной учебной среде ALE. Представленная система поддерживает множественность стандартов, наследование и автоматическое предоставление значений атрибутов метаданных, обеспечивая авторам учебных материалов простое и удобное средство создания наборов метаданных, а администраторам обучающей системы - создание, изменение и переключение между различными стандартами метаданных, предоставляющими авторам готовые шаблоны для наборов метаданных. Статья анализирует опыт и недостатки первых систем поддержки метаданных на примере первой версии ALE, обосновывая необходимость более гибкого подхода.

Ключевые слова

обучение, метаданные, атрибуты, стандарты, авторские системы.

1. Введение и мотивация

С накоплением объема компьютерных данных, таких как текст, изображение и видео, все более существенными проблемами становятся поиск и получение информации. В результате, все более важную роль в их преодолении начинает играть наличие достаточно полного, но при этом краткого представления или индекса цифровых данных, обеспечивающего их поиск и обнаружение. Эти индексы (также известные как метаданные) включают как элементы низкого уровня (такие как структура или цветовые гистограммы изображений), так и более высокоуровневую семантику. В рамках нескольких стандартов была сделана попытка создания взаимосвязанного определения этих элементов и индексов. Такая совместимость потребовалась в результате пересечения и взаимосвязи между различными областями применения этих стандартов. Повышенная мобильность в глобальных масштабах сделала взаимную совместимость даже более важной задачей, чем это представлялось ранее. Ведь с появлением обширных коллекций метаданных и развитием сервисов границы предметных областей все более размываются, приводя к нарастанию междисциплинарного взаимодействия [Qu C., Nejdl W., 2002].

Таким образом, метаданные играют большую роль в поддержке и использовании учебных материалов. Но процесс получения метаданных - это одна из основных проблем многих современных Систем управления учебным материалом (Learning Content Management Systems - LCMS). В большинстве случаев такие системы предлагают автору учебного материала предоставить для него также и метаданные. Однако, первый опыт работ по обеспечению поддержки метаданных показал, что первоначальный поход, основанный на простом заполнении компьютерных форм вызывал массу трудностей у авторов учебных материалов и часто приводили к тому, что цена подготовки метаданных становилась сравнимой с ценой

разработки самих материалов.

Прежде всего, отношение авторов к такой обязанности обычно бывает не самым позитивным. Многие авторы смотрят на подготовку метаданных, как на дополнительный труд, который в отличие от основной работы, связанной с разработкой учебных объектов (Learning Objects), воспринимается ими как нечто менее творческое и отнимающее много ценного времени у основной работы. Более того, многие преподаватели и разработчики материалов, являясь настоящими экспертами в своей области, чувствуют себя гораздо менее уверенно в области метаданных. Некоторых из них приводит в замешательство сам термин «метаданные» и они предпочитают не заполнять их, пока не поймут в точности его смысл и предназначение. Многие авторы не могут понять отдельные атрибуты метаданных, оставляя соответствующие поля пустыми или вводя некорректные значения. Таким образом, для многих авторов процесс подготовки метаданных выглядит как переключение с основной творческой деятельности, где они имеют хороший опыт и уверены в себе, на дополнительную - менее творческую, постороннюю деятельность, в которой они имеют недостаточный опыт и гораздо менее уверены. Это часто ведет к недостаточно активной и нерегулярной работе над метаданными и в результате приводит к получению недостаточных и низкокачественных данных.

С другой стороны сами пользовательские интерфейсы для поддержки метаданных по-своему способствуют такой негативной позиции. Чаще всего в качестве средства редактирования метаданных система предоставляет пользователю большой электронный формуляр со множеством полей, которые он должен заполнить. Это может, во-первых, просто испугать новичка. Во-вторых, автор может обнаружить, что многие поля, такие как дата, время и т.п., вместо того, чтобы требовать их заполнения от автора, могли быть заполнены автоматически. Некоторые поля, такие как язык содержимого, имена авторов и многие другие могут быть взяты из предыдущих учебных объектов, разработанных данным автором, в то время как они запрашиваются снова и снова, заставляя автора повторно вводить одни и те же данные многократно. Форма редактирования метаданных может также содержать много избыточных атрибутов, прописанных в каких-то общих стандартах, но не требующихся данному автору для конкретного набора курсов из конкретной области и, таким образом, только отвлекающих автора, смешиваясь с действительно важными атрибутами.

Другой вопрос связан со стандартами. Вообще говоря, важно, чтобы метаданные базировались на каком-либо широко распространенном стандарте, что обеспечило бы их открытость для обмена с другими системами и понятность для пользователей, уже имеющих опыт работы с метаданными. Проблема, однако, заключается в том, что существует несколько различных стандартов и для разработчиков LCMS может быть не очевидно, какой из них предпочтут авторы курсов. Также, различные группы авторов (например, из разных стран), использующих одну LCMS, могут предпочесть разные стандарты. Более того, сами стандарты постоянно развиваются. Поэтому, привязав систему метаданных к существующей версии конкретного стандарта, разработчики системы могут вскоре обнаружить, что она не соответствует вновь вышедшей версии. Кроме того, авторы могут иметь свои собственные пожелания по поводу дополнительных атрибутов метаданных специфичных для курса или предметной области, которые расширили бы существующий стандарт, но оставили наборы метаданных совместимыми с ним.

Последние разработки в области мобильного обучения также демонстрируют быстрое развитие специализированных стандартов и наборов метаданных. Необходимость сопровождения материала контекстной информацией в общем виде приводит к целому ряду различных требований к среде поддержки метаданных следующего поколения. Примеры таких разработок можно найти в [Allert H., Richter C., et al., 2003].

2. Система ALE и использование метаданных

На основе анализа описанных выше проблем и нашего собственного опыта подобных проектов мы разработали функциональную систему, предоставляющую пользователям LCMS возможность создания разнообразных стандартов метаданных и гибкого управления ими, позволяющую авторам описывать учебные объекты с помощью метаданных, построенных на

этих стандартах, легко переключаясь между ними. Главными целями и требованиями, ставившимися перед такой гибкой системой метаданных, встроенной в Адаптивную учебную среду (Adaptive Learning Environment - ALE), были:

• поддержка нескольких стандартов;

• простая и быстрая адаптация к новым стандартам и к изменениям в существующих;

• гибкость и высокая эффективность в разработке наборов метаданных;

• существенная поддержка разработки за счет полуавтоматического заполнения значений атрибутов метаданных.

Система ALE была разработана в качестве базовой LCMS для нескольких европейских и национальных проектов. Система основана на стандартной технологии J2EE и, таким образом, легко расширяется и может комбинироваться с различными технологиями среднего и интерфейсного уровней. ALE состоит из нескольких функциональных подсистем, которые могут взаимодействовать в различных сочетаниях, представляя различные конфигурации приложения. Обзор основных подсистем и их комбинации в некоторых приложениях, используемых для совместного мобильного обучения в проекте RAFT (Проект RAFT (Remote Accessible Field Trips) финансируемый Европейской Комиссией по IST-2001-34273) [Kravcik M., Specht M., et al., 2003] представлен на рис. 1. Кроме базовых подсистем управления материалом (ALE Content Management) и функций управления пользователями (ALE User Management), одной из центральных компонент блока управления содержимым (Content Management) является подсистема метаданных (ALE Metatagging). Основываясь на входящие в них подсистемы, различные приложения используют их для предоставления соответствующего сервиса. Так, авторская среда ALE обеспечивает удобный набор средств для создания учебных объектов с помощью веб-интерфейса, обмена ими в медиа-библиотеке и их описания с использованием различных стандартов и шаблонов метаданных.

Service Infrastructure

Рис. 1. Структура подсистем ALE.

3. Первоначальный подход к метаданным в ALE

Первая версия ALE включала простейшую подсистему управления метаданными, которая поддерживала подготовку авторами метаданных на основе стандарта IEEE LOM 1.1 [IEEE, 2001]. Пользовательский интерфейс представлял собой форму ввода фиксированной

структуры, разбитую на несколько частей, соответствующих группам атрибутов стандарта (рис. 2). Структура данных также была жестко привязана к этому стандарту, основываясь на таблице с полями соответствующими атрибутам стандарта. Система была активно использована в проекте WINDS (Проект WINDS (Web based intelligent design system) финансируемый Европейской Комиссией по IST-1999-10253) [Specht M., Pesin L., et al., 2002]. Преподаватели 27 европейских университетов разработали около 100 курсов, состоящих из более чем 7000 учебных объектов. Около половины этих объектов авторы снабдили метаданными. Опыт этой работы, отклики пользователей и анализ данных предоставили нам ценную информацию о проблемах и недостатках первоначального подхода.

>§ал t ні?rsfcm U - місгікоП: tnmnct ЬкрЬнгг

Ele Edt Bew F-а .'O-ies ЮЖ

r^Botl ■ J j] ^3 Jsfrarji [w| " | Ф

f jhftp iVnftt'] FTHPtmifsf.d*fotf-brJW4bL'ib(HrtVa*».HoWlJ/iii^K3hrt!^ftt£rtMi03ntW/^t.5 ! 1+ I 01 D.[< L O I O H,, -іон U.O

L=omd Pe sin

horns іллтіпс Jtuthuriiiu ftdmNitratiofl wort .-ud-re Htlu

Ccnte-nt Ойфэи»

4 l": Cours-e ” WINDS authoring eiamplei ^ '— Leammg units

і Pres#station for WINDS Review

* ^ Creating Learning Qbjecfa

* : Creating diffe-ren* layout*

* —! Inst piling Plugins

* 1 : Using mulbro'edia - Design Pad

* ! 1 Index Example

* I—* Final Quest^onair*-

№t ► ^.|nde>

* ЯІ Document* w ' pesin *¥PC

w Lftamiftg units ; page страница

* 3 іягівл

* ■ Documents

■«

Learning units * Tpt

o g

idift View Terms RelfltlQFtF MlftldatJJ Д I/th Dl‘5 Ann-etljrtlpn? plSCI«S40nc

C»rnrrn| ufec^de Technical tduMfaonal fcequircsmentSi Skill?

I

The General category groups the general ■nformation that descrnbes the te-arnlng object as a whole

Primary language used althfrn this 1еатш« |- nei epi ^1 □ bjrrl *

Content description fof thus learning obiec*

Keywords

I fiffl tel

ГЗ

11

Span or extent aft such ’hinga as time, culture,

geography or гедюп that applies to ttus learning object

Underliinqi flrganiiatienaJ structure of thus learning object

Aggregation level / functional $rarnilai~iL-p of this learning object D = the s-mal^est level, e.g. raw tftedia data; or fragments

1 - э collection erf stems, e.g- HTML doomment with some embedded pictures or a less-on if — л coll-ectign rvel 1 earning object's, « -g, л ие^ rt HTML docrjrrenK, wrth an mdev pagr

that linK= s- the pajes together or a course

3 - fhf largest I* vel of granuiantv, e g. a set flf course? that leid to a certificate

Save

Рис. 2. Первая версия среды поддержки метаданных в проекте WINDS.

Прежде всего, метаданные оказались для многих авторов довольно новой областью. Поначалу многие из них не торопились с заполнением соответствующих форм. Так что, даже потребовались определенные организационные усилия, чтобы побудить авторов предоставлять метаданные для подготавливаемых ими материалов. Тем не менее, даже после таких усилий около половины учебных объектов (хотя, некоторые из них могли быть пробными или неопубликованными заготовками) остались без мета-описаний. Анализ подготовленных метаданных показал, что многие поля были оставлены пустыми или заполнены некорректно. Отклики авторов показывали, что многие из них были не очень уверены в своем понимании роли метаданных вообще и отдельных атрибутов в частности. С другой стороны, многие авторы были недовольны тем фактом, что они должны повторять одни и те же значения, последовательно описывая несколько учебных объектов. Например, основной язык содержимого обычно одинаков для всех учебных объектов, разработанных одним автором в рамках одного курса. Многие образовательные атрибуты, такие как контекст или возрастные рамки могут быть одинаковы для объектов из одного учебного раздела или

курса. Технические параметры и требования могут быть одинаковы у объектов, разработанных последовательно один за другим в одной операционной среде. Некоторые атрибуты, такие дата и время, могли быть подставлены системой автоматически. Вообще, как оказалось, существует множество различных вариантов возможного автоматического предоставления значений атрибутов, зависящих от конкретных обстоятельств, самих атрибутов и пожеланий авторов.

Другая проблема возникла с появлением новой версии стандарта SCORM [ADL, 2001]. Желание предоставить поддержку метаданных на его основе вошло в противоречие с фиксированной структурой данных, основанной на LOM, и значительным количеством уже существовавших к тому моменту метаданных, разработанных в соответствии с этим стандартом. Кроме того, наши партнеры из Канады, работавшие с ALE, хотели использовать для метаданных их национальный стандарт CanCore. Таким образом, гибкость в использовании стандартов метаданных стала насущной необходимостью.

Новый ряд требований возник с началом использования ALE в качестве системы управления обучением в проекте мобильного обучения - RAFT [Kravcik M., Specht M., et al., 2003]. Данные, собираемые обучаемыми и сохраняемые ими в ALE как учебные объекты, необходимо было описывать некоторыми дополнительными атрибутами, не упомянутыми в стандартах. Например, характеризующими среду, где объект был создан, такими как температура или географическое положение. Такие дополнительные атрибуты могли варьироваться в зависимости от курса и поэтому не могли быть включены в подсистему метаданных на постоянной основе. Таким образом, это потребовало от системы достижения нового уровня гибкости в использовании существующих стандартов. С другой стороны, внешние устройства, такие как термометр и т. п. могли бы эффективно собирать значения таких параметров автоматически непосредственно в момент создания учебного объекта. В итоге мы пришли к необходимости гибко описывать источник таких атрибутов, позволяя пользователю автоматически получать их значения в наборе метаданных.

4. Новый подход к гибкой поддержке метаданных в ALE

Учитывая все перечисленные выше проблемы и требования мы пришли к необходимости разработки новой, более гибкой подсистемы метаданных, функциональность которой отвечала бы следующим критериям.

Поддержка различных стандартов и гибкость в работе с ними: Система содержит средства, позволяющие определять стандарты метаданных. Администратор может создать новый стандарт, описать его атрибуты и организовать их в группы. Описание атрибута включает выбор типа поля ввода данных (нормальное строковое поле, многострочное текстовое поле, выбор из списка и т. д.), задание значения по умолчанию, обязательности заполнения и других параметров. Подготовленные таким образом стандарты всегда доступны для любых изменений: добавления или удаления атрибутов, изменения их параметров и реорганизации групп, так же как и для создания копий и модификаций этих стандартов.

Гибкость в выборе базового стандарта для набора метаданных: Редактор метаданных может выбрать один из созданных стандартов, на котором должен основываться создаваемый набор метаданных. При этом атрибуты и группы этого набора будут соответствовать атрибутам и группам выбранного стандарта.

Гибкость в наборе атрибутов: Редакторы метаданных не ограничены только атрибутами, предоставляемыми выбранным стандартом. Они всегда могут добавить собственные пары: имя / значение атрибута. Более того, авторы, вообще говоря, не обязаны устанавливать стандарт для своих наборов метаданных, а могут начинать просто с пустого набора, добавляя отдельные атрибуты.

Наследование и автоматическое присваивание значений атрибутов: Помимо значений по умолчанию каждый атрибут стандарта имеет дополнительные параметры, поддерживающие автоматическое присваивание его значения при создании набора.

Во-первых, может быть указан адрес (например, URL) источника значения атрибута. Тогда система сможет предоставить значение атрибута просто сделав запрос по этому адресу и

получив значение как результат запроса. Такая возможность служит поддержке контекстноориентированных метаданных путем привязки атрибутов к значениям, предоставляемым контекстными сенсорами, с помощью адреса источника данных, поставляемых сенсором. Хорошим примером приложения, использующего такие метаданные, является система поддержки мобильного обучения, работая с которой авторы собирают метаданные, перемещаясь в рамках некоторого контекста обучения - экскурсии. Автоматический сбор контекстной информации, характеризующей каждый изготовленный учебный объект (например, температура окружающей среды в момент выполнения фотоснимка) может не только повысить эффективность работы автора, но и предоставить ему информацию, недоступную при самостоятельном измерении (например, температура внутри ядерного реактора и т. п.).

Во-вторых, атрибут может быть связан с любым аналогичным атрибутом из другого набора метаданных, значение которого он должен наследовать. При создании набора, основанного на стандарте, содержащем такой наследуемый атрибут, этот атрибут появляется в наборе уже со значением, полученным от атрибута, к которому он привязан. Администратор метаданных может задать наследование значения соответствующего атрибута набора метаданных другого учебного объекта: курса или раздела, включающего данный объект, объекта, предшествующего данному в структуре курса, или просто последнего редактировавшегося данным автором учебного объекта. Такое наследование может быть одноразовым (когда атрибут получает значение только при создании набора) и постоянно действующим (при котором значение атрибута меняется каждый раз, когда изменяется унаследованный атрибут). В любом случае впоследствии редактор всегда может изменить унаследованное значение. Подсистема метаданных ALE выполнена как отдельный независимый компонент системы. Администрирование стандартов метаданных входит в среду администратора ALE. Администратор может создавать стандарт (или импортировать его из XML-файла), определять его атрибуты и формировать группы таких атрибутов (рис. 3). Средство редактирования достаточно гибко, чтобы поддерживать внесение любых изменений в подготовленные стандарты: добавление, удаление и упорядочивание групп и атрибутов.

Зі Д. 11 vrrcmn (Л - Міг rm-га ft tnbrmri1 Ііфіаггг

fit Edi Vew FjWOffclH іосііь Help

ft*»* ,_іЧї^ $ J Й ' J ®

Mdrcjr rj Ш5 1 "ТіГІИГІППОГІіі 1

£ PE SIN LEO

(шгаш ч? МуРГОШ» ftnthorinfl Admmittr scion 1

STtbem LQftfiflUPfltlDfl

Г_, О

S' dj user

Ш Й Cd-uts-s admines-tr-abon

ІТ Templates Щ1 M-cla-daka fldrnimttraban

Cwwfal .Atfribijte=-"ilfie jfoup | Type

flUnfiules II ДГ 1 I". , iMfiL'U'? TO СЗД-Г-.С-ЗІ

m

Tine

С Jiiiinu Enliv Language

Siring jg Stung 39

№:аЬЫагу. RmjlF rhni:F-

» лнгіішір:________

[БгТсгїрІЇоґї

Рет-ЦШапг

lvt«:

Dvfautb

QbNljSflOiy

Obiggtory

СмнІгаШ:

- | Obligatory

An account ul1 the рапЧлгтІ; qf thr

Move Id qrnup;

[Educational “30

» Hmword ► Aggregation L-lvel

anna 50

vetjhuijiy. Sif#ip choK*

0№са1иіу

iP ".«І-- Г--І f* Гі

7*i

ffi~ Г~ I

Рис. 3. Администрирование наборов метаданных. Редактирование атрибутов.

В Авторской среде пользователь готовит метаданные для существующих в системе учебных объектов, создавая наборы метаданных на основе подготовленных стандартов (рис. 4). Эта связь набора со стандартом также является гибкой и может быть изменена в любой момент. Возможно также скопировать уже существующий набор метаданных, принадлежащий другому учебному объекту, хранимому в ALE. Эта возможность должна облегчить авторам описание серии учебных объектов с близкими характеристиками.

3 fl.Lt version 1-і - ЧІП nsnlt Internet I KpitU Cf

■siQj

J Й^ваґсЬ j jFawfttw .jfmedia £ «Ї ® * ЩГ:®

Irks

Address (й http //TiayfKld;2154/5(ys*s/Web0t4B[ts.e)*yauttTari.2.wo^i4a/pBG>f\fbNvf7P<IldZ4AMtTMf?0.26. t Learrai^UnitPagH. Ш.О. L

H

— PhSdN LbO

11 Uijipn

. Щ bureau ірчгм)*| ***!■■ Інї My Profile Authoring Administration ^Ssarcp ? Неї

0 в Ceurse autJlorino ttl ® Course COU[5e ■ LEARNING Ertlt View Ш L!MIS* Unit 1 & Й

Metadata yet tor "Unit 1"

~ri?aip | Metadata Set of standard: I

or

LDM

SCORM

'-c FT | Иг ted ota Set From OKiibng learning objects; [Courst _’ri

Qr Local

Рис. 4. Выбор стандарта при создании набора метаданных.

После выбора стандарта пользователь переходит к редактированию набора, которое внешне выглядит довольно похоже на старый интерфейс, основанный на формах ввода. Это может рассматриваться как недостаток, хотя такой интерфейс предоставляет полный контроль над метаданными и поддерживает преемственность для пользователей, привыкших к дизайну первой версии. Однако главное отличие от предыдущей версии системы заключается в том, что теперь авторы далеко не всегда должны заполнять все поля формы. Во-первых, весь набор метаданных может быть унаследован от близкого учебного объекта, что потребует лишь минимальные изменения в этом наборе. Во-вторых, если это установлено в определении стандарта, отдельные значения могут быть уже заполнены по умолчанию, унаследованы от атрибутов других учебных объектов (например, раздела, содержащего данный объект, или соседний объект и т.п.) или получены обращением по адресу источника данных (например, внешнего устройства, такого как термометр). При наследовании и копировании метаданных учебных объектов система учитывает близость этих объектов на основе базовой таксономии и характеристик авторов. Кроме того, с полями метаданных могут быть связаны значения по умолчанию, что также ускоряет работу авторов, особенно с простыми полями, такими как дата, время, длина материала, типы объектов и др. Многие из таких атрибутов могут быть вычислены по взаимодействию автора с системой при создании учебных материалов.

5. Заключение

Представленная система, направленная на гибкое управление и редактирование метаданных учебных объектов предоставляет набор разнообразных возможностей, делающих процесс подготовки метаданных более эффективным и удобным для администраторов и конечных пользователей. В качестве следующего шага мы собираемся провести оценку представленных средств управления метаданными в рамках различных проектов. Мы рассматриваем широкий спектр новых возможностей в контексте мобильного сбора и управления учебными материалами, а также контекстуализированного обучения. В приложениях из этой области метаданные получают интуитивно более понятное авторам значение и новые типы атрибутов становятся важны для учебных объектов и их широкого использования. Понимание

метаданных не только в рамках классификаторов позволяет авторам контекстуализировать опыт подготовки учебных материалов и их изучения. Сбор такого рода информации и предоставление ее в явном виде может стать важной скрытой частью инженерии учебных данных.

Помимо представленного гибкого подхода к поддержке метаданных система управления учебным материалом ALE содержит полнотекстовый индексатор, позволяющий анализировать отношения между элементами содержания и комбинировать их с индексом терминов, предоставляемым автором. В дальнейшем мы собираемся исследовать возможности большей интеллектуальной поддержки процесса подготовки метаданных с использованием такого полнотекстового индекса и сети понятий, определенной автором в рамках глоссария.

Литература

[Qu C., Nejdl W., 2002] Towards Interoperability and Reusability of Learning Resource: a SCORM conformant Courseware for Computer Science Education. In: Proc of the ICALT 2002 Conference, Kazan. http://www.kbs.uni-hannover.de/Arbeiten/Publikationen/2002/icalt24.pdf.

[Allert H., Richter C., et al., 2003] Situated Models and Metadata for Learning Management from an Organizational and Personal Perspective. In: Proc. of the AELM: Workshop on Adaptive ELearning and Metadata, Luzern.

http://www.learninglab.de/~allert/publikat/WM03_SituatedModelsAndMetadata_proceedings.pdf. [Kravcik M., Specht M., et al., 2003] Collecting Data on Field Trips - RAFT Approach In: Proc. of the ICALT 2003 Conference, Athens http://www.fit.fraunhofer.de/~kravcik/ICALT2003.pdf.

[Specht M., Pesin L., et al., 2002] Adaptive Learning Environment for Teaching and Learning in WINDS. In: Proc. of the 2nd International conference on Adaptive Hypermedia and Adaptive Web-based Systems, 2002, Malaga. http://winds.gmd.de/~winds/AH2002.pdf.

[IEEE, 2001] LTSC IEEE: Draft Standard for Learning Object Metadata, IEEE P1484.12/ D6.1, 18 April 2001, http://ltsc.ieee.org/.

[ADL, 2001] AdL Technical Team, SCORM Specification V1.2, http://www.adlnet.org/.