ОБУЧЕНИЕ С ИСПОЛЬЗОВАНИЕМ ВИДЕОКОНТЕНТА: К ПРОБЛЕМЕ ПОЛУЧЕНИЯ СОДЕРЖАТЕЛЬНЫХ МЕТАДАННЫХ

И. Б. Горбунова; К. Ю. Плотников

отдельных аудиотреков, итоговое сведение). Описание отдельных технологических действий может быть представлено через алгоритм ряда следующих друг за другом операций, соединяясь воедино согласно принципам функционирования комплексной модели семантического пространства музыки и аудиовизуальных искусств [8 - 10].

4. Оценка художественной части создаваемой/записываемой музыкальной аудиосказки, во-первых, включает в себя оценку качества выполнения техно-

Библиографический список

логических процедур, во-вторых, носит более субъективный характер, что нуждается в дополнительных исследованиях.

5. Все вышеперечисленные аспекты создания музыкально-творческих проектов, одним из примеров которого является музыкальная аудиосказка, содействуют процессу духовной коммуникации в художественном пространстве музыкального искусства и образования [11 - 12], позволяют воплотить ключевые идеи гуманистической образовательной парадигмы.

1. Горбунова И.Б. Музыкально-компьютерные технологии в общем и профессиональном музыкальном образовании. Современное музыкальное образование-2004: материалы Международной научно-практической конференции. Российский государственный педагогический университет имени А.И. Герцена, Санкт-Петербургская государственная консерватория имени Н.А. Римского-Корсакова. 2004: 52 - 55.

2. Горбунова И.Б. «Автоматические композиции» как предшественники применения кибернетики в музыке. Общество: философия, история, культура. 2016; № 9: 97 - 101.

3. Горбунова И.Б. Информационные технологии в музыке и музыкальном образовании. Региональная информатика «РИ-2014»: материалы XIV Санкт-Петербургской Международной конференции. 2014: 320 - 321.

4. Горбунова И.Б., Плотников К.Ю. Инновационный проект «Музыкально-компьютерные технологии». Сибирский учитель. 2016; № 3 (106): 74 - 77.

5. Горбунова И.Б. Компьютерная студия звукозаписи как инструмент музыкального творчества и феномен музыкальной культуры. Общество: философия, история, культура. 2017; № 2: 87 - 92.

6. Gorbunova I.B. Electronic Musical Instruments: To the Problem of Formation of Performance Mastery. Int'l Conference Proceedings. 2018: 23 - 28. Budapest, Hungary. DOI: https://doi.org/10.17758/ URUAE4.UH10184023

7. Gorbunova I.B. New Tool for a Musician. ICASET-18, ASBES-18, EEHIS-18. International Conference Proceedings. 2018: 144 - 149. Paris, France. DOI: https://doi.org/10.17758/ URUAE2.AE06184024

8. Gorbunova I.B., Zalivadny M.S. The Integrative Model for the Semantic Space of Music: Perspectives of Unifying Musicology and Musical Education. Проблемы музыкальной науки. 2018; № 4 (33): 55 - 64. DOI: 10.17674/1997-0854.2018.4.055-064

9. Горбунова И.Б. Акустические знания музыканта в современном медиаобразовательном пространстве: истоки проблемы и перспективы развития. Инновационные технологии в медиаобразоеании: сборник научных статей по материалам II Всероссийской научно-практической конференции. 2014: 21 - 24.

10. Горбунова И.Б., Заливадный М.С., Товпич И.О. Аудиовизуальный синтез: опыт музыкально-теоретического рассмотрения проблем. Казанский педагогический журнал. 2015; № 6-1 (113): 162 - 175.

11. Гончарова М.С., Горбунова И.Б. Планшетные (мобильные) технологии в профессиональном музыкальном образовании. Медиамузыка. 2016; № 6: 3. Available at: http:// mediamusic-journal.com/Issues/6_3.html

12. Горбунова И.Б., Плотников К.Ю. К вопросу реализации образовательного потенциала музыки в контексте современного информационного социокультурного пространства. Информация и образование: границы коммуникаций. 2016; № 8 (16): 116 - 118.

References

1. Gorbunova I.B. Muzykal'no-komp'yuternye tehnologii v obschem i professional'nom muzykal'nom obrazovanii. Sovremennoe muzykal'noe obrazovanie-2004: materialy Mezhdunarodnoj nauchno-prakticheskoj konferencii. Rossijskij gosudarstvennyj pedagogicheskij universitet imeni A.I. Gercena, Sankt-Peterburgskaya gosudarstvennaya konservatoriya imeni N.A. Rimskogo-Korsakova. 2004: 52 - 55.

2. Gorbunova I.B. "Avtomaticheskie kompozicii" kak predshestvenniki primeneniya kibernetiki v muzyke. Obschestvo: filosofiya, istoriya, kultura. 2016; № 9: 97 - 101.

3. Gorbunova I.B. Informacionnye tehnologii v muzyke i muzykal'nom obrazovanii. Regional'naya informatika "RI-2014": materialy XIV Sankt-Peterburgskoj Mezhdunarodnoj konferencii. 2014: 320 - 321.

4. Gorbunova I.B., Plotnikov K.Yu. Innovacionnyj proekt "Muzykal'no-komp'yuternye tehnologii". Sibirskijuchitel'. 2016; № 3 (106): 74 - 77.

5. Gorbunova I.B. Komp'yuternaya studiya zvukozapisi kak instrument muzykal'nogo tvorchestva i fenomen muzykal'noj kul'tury. Obschestvo: filosofiya, istoriya, kul'tura. 2017; № 2: 87 - 92.

6. Gorbunova I.B. Electronic Musical Instruments: To the Problem of Formation of Performance Mastery. Int'l Conference Proceedings. 2018: 23 - 28. Budapest, Hungary. DOI: https://doi.org/10.17758/ URUAE4.UH10184023

7. Gorbunova I.B. New Tool for a Musician. ICASET-18, ASBES-18, EEHIS-18. International Conference Proceedings. 2018: 144 - 149. Paris, France. DOI: https://doi.org/10.17758/ URUAE2.AE06184024

8. Gorbunova I.B., Zalivadny M.S. The Integrative Model for the Semantic Space of Music: Perspectives of Unifying Musicology and Musical Education. Problemymuzykal'nojnauki. 2018; № 4 (33): 55 - 64. DOI: 10.17674/1997-0854.2018.4.055-064

9. Gorbunova I.B. Akusticheskie znaniya muzykanta v sovremennom mediaobrazovatel'nom prostranstve: istoki problemy i perspektivy razvitiya. Innovacionnye tehnologii v mediaobrazovanii: sbornik nauchnyh statej po materialam II Vserossijskoj nauchno-prakticheskoj konferencii. 2014: 21 - 24.

10. Gorbunova I.B., Zalivadnyj M.S., Tovpich I.O. Audiovizual'nyj sintez: opyt muzykal'no-teoreticheskogo rassmotreniya problem. Kazanskijpedagogicheskijzhurnal. 2015; № 6-1 (113): 162 - 175.

11. Goncharova M.S., Gorbunova I.B. Planshetnye (mobil'nye) tehnologii v professional'nom muzykal'nom obrazovanii. Mediamuzyka. 2016; № 6: 3. Available at: http://mediamusic-journal.com/Issues/6_3.html

12. Gorbunova I.B., Plotnikov K.Yu. K voprosu realizacii obrazovatel'nogo potenciala muzyki v kontekste sovremennogo informacionnogo sociokul'turnogo prostranstva. Informaciya i obrazovanie: granicy kommunikacij. 2016; № 8 (16): 116 - 118.

Статья поступила в редакцию 31.03.20

УДК 378

Gorbunova I.B., Doctor of Sciences (Pedagogy), Professor, Head of Educational and Methodical Laboratory "Music Computer Technologies", Herzen State Pedagogical University of Russia (St. Petersburg, Russia), E-mail: gorbunovaib@herzen.spb.ru

Plotnikov K.Yu., Cand. of Sciences (Pedagogy), senior researcher, Educational Methodological Laboratory "Music Computer Technologies", Herzen State Pedagogical University (St. Petersburg, Russia), E-mail: zvukimus@mail.ru

TRAINING USING VIDEO CONTENTS: ON THE PROBLEM OF OBTAINING MEANINGFUL METADATA. Recently, e-learning, including distance learning, has become more and more relevant. One of the main problems of such training is the search for the optimal combination of traditional training and those innovations that are associated with the tools of information and communication technologies; the permanent appearance/disappearance of options and models used in the educational process - technical devices, specialized software, and so on; the avalanche-like nature of the discovery/emergence of new facts and relationships that are important in organizational, methodological, educational, etc. relations and others. The authors of the article attempt to conduct a factual analysis of the experience of using video content by international and domestic scientists working in the field of pedagogical science and practice, search for methodological ways to resolve the identified methodological problems, and provide recommendations based on the analysis of methodological aspects of training using video content. Key words: educational video content, video material, video resource, metadata.

И.Б. Горбунова, д-р пед. наук, проф., гл. науч. сотр. учебно-методической лаборатории «Музыкально-компьютерные технологии» Российского государственного педагогического университета имени А.И. Герцена, г. Санкт-Петербург, E-mail: gorbunovaib@herzen.spb.ru К.Ю. Плотников, канд. пед. наук, ст. науч. сотр. учебно-методической лаборатории «Музыкально-компьютерные технологии» Российского государственного педагогического университета имени А.И. Герцена, г. Санкт-Петербург, E-mail: zvukimus@mail.ru

ОБУЧЕНИЕ С ИСПОЛЬЗОВАНИЕМ ВИДЕОКОНТЕНТА: К ПРОБЛЕМЕ ПОЛУЧЕНИЯ СОДЕРЖАТЕЛЬНЫХ МЕТАДАННЫХ

В последнее время всё более актуальными становится электронное обучение, включая дистанционные формы. Основными проблемами такого обучения являются следующие: поиск оптимального сочетания традиционного обучения и тех нововведений, которые связаны с инструментарием информационно-коммуникационных технологий; перманентность появления/исчезновения вариантов и моделей, используемых в образовательном процессе, - технических устройств, специализированного программного обеспечения и т.д.; лавинообразный характер обнаружения/возникновения новых фактов и взаимосвязей, имеющих значение в организационном, методическом, воспитательном и пр. отношениях и др. Авторами статьи делается попытка проведения фактологического анализа опыта использования видеоконтента международными и отечественными учёными, работающими в области педагогической науки и практики, поиск методологических путей разрешения выявленных методических проблем, представление рекомендаций на основании проведённого анализа методических аспектов обучения, использующего видеоконтент.

Ключевые слова: учебный видеоконтент, видеоматериал, видеоресурс, метаданные.

В процессе информатизации всех сфер жизни нашего современника образование не может оставаться в стороне, потому в последнее время всё более актуальным становится электронное обучение, включая дистанционные (он-лайн-платформы, такие как МООС, NPTEL и т.д.) формы, что оказалось, как никогда, востребовано с момента введения карантинных мероприятий (к примеру, «Как эффективно провести онлайн-урок для учеников: педагогические советы»; «Учись дома онлайн» [1 - 2] и др.).

Видеоресурсы являются одной из важнейших составляющих современного образования (педагогического, лингвистического, музыкального, художественного и др.), ведь это форма комплексного (во-первых, совмещающая и аудиальную, и визуальную подачу, во-вторых, заключающаяся в разноплановости анимации / кино, демонстрации динамических моделей и др.) представления:

- содержания учебного курса,

- возможной версии оформления работы обучающего, что может далее составлять его портфолио, быть оценено по соответствующим критериям.

Несмотря на открывающиеся при этом образовательные перспективы (а на примере музыкального образования мы обращаем внимание на необходимость целостного рассмотрения и перспектив, и рисков [3]), можно констатировать наличие противоречия в целом, складывающегося в направлении информатизации образования и заключающегося в том, что:

- с одной стороны, отечественная и зарубежная педагогическая наука занята поиском оптимального сочетания традиционного обучения и тех нововведений, которые связаны с инструментарием ИКТ, учёные находят и обсуждают аргументы «за»/«против» и т.д.,

- с другой стороны, выводы, к которым приходят в итоге таких обсуждений, нельзя признать окончательными, что объясняется:

а) перманентностью появления/исчезновения вариантов и моделей, используемых в образовательном процессе, технических устройств, компьютерного ПО и т.д.;

б) лавинообразным характером обнаружения/возникновения новых фактов и взаимосвязей, имеющих значение в организационном, методическом, воспитательном и пр. отношениях;

в) материалом научного анализа иногда становятся устаревшие и/или неточные сведения.

К тому же обнаруживается проблема, вызванная теми же (а - в) и другим (оставляемыми в данной статье за рамками обсуждения) причинами и состоящая в том, что результаты исследований (касающихся и остальных, и данного, критически важного, в чём соглашаются многие, направлений образования), полученные отдельными учёными, во-первых, не доходят до педагогов-практиков, либо не успевают ими осваиваться, во-вторых, не становятся достоянием другой части педагогического и учёного сообщества.

Выдвигая в качестве цели представляемой работы на теоретическом уровне поиск методологических путей разрешения выявленной проблемы, на практическом - представление анализа и методических рекомендаций, связанных с методическими аспектами обучения, использующего видеоконтент, мы ставим задачи:

- представить отечественным (и другим русскоязычным) специалистам материалы, вышедшие по данной проблеме в последние годы на английском языке;

- -основываясь на имеющемся у нас и наших коллег опыте [4 - 7], дополнить анализ представляемых англоязычных работ своими комментариями.

Представление методологии терминологического описания

Исходя из темы работы и разделяя две одинаково широко вкладываемые коннотации слова «видео», мы обозначили одну из них словом «видеодорожка» (наряду с которой может иметься/отсутствовать аудиодорожка), в остальных случаях, когда речь идёт о любой информации, определённо содержащей видеодорожку, употребляются сложные слова, первый корень которых «видео-» (к примеру, видеоконтент, видеоресурс, видеофайл и т.д.).

ПРОБЛЕМА АНАЛИЗА ОБУЧАЮЩЕГО ВИДЕОКОНТЕНТА

Представление проблемы и гипотезы

Обучение, выстраиваемое на основе видеоконтента и/или с его использованием, в обязательном порядке включает в себя две стороны, одинаково требующие методического осмысления, - технологическую и содержательную. Описа-

нию принципов и алгоритма технологии работы с видеоматериалом посвящено достаточно много работ ([8 - 13] и др.). Объектом исследования, представляемого в данной статье, является содержание видеоконтента, которое способно (не)предоставить обучающемуся динамичный, понятный (или вызывающий впечатление понятности), запоминающийся (более - в той части, которая соответствует ведущей сенсорной системе конкретного человека) и гибкий способ обучения.

Наличие обширных образовательных видеоматериалов (среди которых есть и квазиобразовательные, и лжеобразовательные, и находящиеся «поблизости» вредные для конкретной возрастной категории) в Интернете, безусловно, способствует (может способствовать) обучению человека. Способствует массовому внедрению электронного обучения распространение интеллектуальных (пользовательских) мобильных устройств, в том числе - с большими экранами, с соответствующими программами-приложениями, доступными для большинства населения [4], хотя невысокий уровень жизни становится фактором сегрегации отдельных категорий граждан в вопросе их образовательного развития (см., например: Pal S., Mukhopadhyay M., Pramanik P.K.D., & Choudhur P. (2018). Assessing the learning difficulty of text-based learning materials. Da Nang city: Frontiers of Intelligent Computing: Theory and Application).

Аудиовизуальная особенность обучающего видеоконтента облегчает изучение, понимание и запоминание (см.: Linffeld College (2018). Why use digital video? Available at: https://www.linffeld.edu/tls/blendedlearning/why-use.html. Accessed Sept, 2018). Такой контент играет решающую роль в самообразовании, при использовании как формального, так и неформального сценария обучения. Именно поэтому учебные материалы, представленные в виде видеоконтента, стали неотъемлемой частью онлайн-обучения. Среди неоспоримых преимуществ образовательного контента, представляемого в формате видео, следует отметить мотивацию и увлеченность (если такой материал не переходит в разряд малоэффективного развлечения) обучения; облегчение обучения в том, что касается решения учебных проблем; и поддержку развития опыта изучения (?); возможность аутентичности (при соблюдении верного персонализированного подбора/выбора материала) процесса обучения (Institute for Teaching and Learning Innovation (2018). Pedagogical benefits. Available at: http://www.uq.edu.au/teach/video-teach-learn/ped-beneffts.html. Accessed Sept, 2018).

В связи с указанными преимуществами и популярностью онлайн доступность обучающих видеоматериалов в последнее время значительно возросла, что представлено крупнейшим хранилищами YouTube, SlideShare и MOOC. Огромное количество образовательных видеороликов на различные темы и для различных уровней обучения создает ситуацию, когда ученику (без грамотной помощи) трудно найти среди множества ресурсов учебный материал, наиболее соответствующий его потребностям (возможностям восприятия и др.).

Что мешает ученику искать и выбирать информацию, заключённую в формате видео, в соответствии с собственными требованиями и пригодную с точки зрения (актуальной) способности (и готовности) к обучению, релевантности материала, уровня его сложности и т.д.? Отсутствие необходимой информации о конкретном видеоконтенте.

Как правило, поисковые системы отслеживают, а пользователь, соответственно, выбирает видеодокументы на основе заголовка и помеченных ключевых слов. Но этого заголовка и ключевых слов чаще всего недостаточно для оценки соответствия видеоматериала требованиям конкретного учащегося (в соответствии с конкретным уровнем его обучения, возрастом и др.). Такой (тар-гетированной) меткой может стать обозначение «для новичков», «для экспертов» и т.д. Сейчас же, при отсутствии подобных дополнительных меток учащемуся приходится тратить много времени в поисках подходящего видеоматериала на сайте/сайтах (что зачастую оборачивается не только потерей времени, но и переходом к информационным ресурсам, ненужным для обучения, а то и вредным и опасным для обучающегося). Борьба за получение желаемых и подходящих учебных материалов расстраивает (дезориентирует, дезорганизует) учащегося, в том числе не позволяет ему безоговорочно принимать форму онлайн-обучения. Требуется создать определённую схему, которая предоставит пользователю или системе такую информацию, которая позволит принимать решения о выборе обучающимся видеоматериала.

По описанной выше причине не избавлены от аналогичных проблем и те рекомендации, которые составляются в отношении систем использования видеоматериалов при обучении.

Выдвинутая гипотеза

Извлечение различными способами необходимых метаданных из обучающего видеоматериала (его анализ в соответствии с необходимыми для оперативного поиска метками) является решением данной проблемы. Но, несмотря на заслуживающие доверия исследования в этой области, собственно проблема извлечения метаданных образовательного видеоконтента до сих пор не освещалась.

Учебное содержание должно быть проанализировано, помечено и рекомендовано в соответствии с контекстом и пригодностью для учащегося (для определённой категории учащихся). Чтобы применить такой подход к контент-фильтрации, необходимо получить сведения о характеристиках учебного видеоконтента, а также разработать метод, позволяющий извлекать из видеоматериала метаданные такого рода, сообщающие необходимую информацию относительно образовательной стороны содержания.

В предыдущих исследованиях по извлечению метаданных, предназначенных для дальнейшего поиска информации в учебном видеоконтенте, несмотря на прогресс, хотя и в небольшом масштабе, данная проблема была упущена из виду.

Среди необходимой в этой связи информации пояснение «О чём видео», «Насколько труден для понимания данный контент» и «Для какого уровня обучения подходит», «Сколько информации в нём присутствует» (по времени, по каким-либо другим характеристикам).

Перманентный процесс перекомпоновки изображений (видеодорожки) и аудиодорожки в видеоматериале делает процесс извлечения информации очень сложным. Действительно, извлечение информации из визуального материала -пространственной (и временной) области, из звукового - временной области для перевода в соответствующую текстовую информацию - проблема другого уровня. Она возникает из-за отсутствия вычислительных методов оценки естественной речи, человеческих жестов и активности в видеоматериале в целях анализа того, что и как представлено в соответствии с конкретной темой обучения.

Предложенное решение (субпроблемы таргетирования видеоконтента)

Учитывая недостаток исследовательских работ в области извлечения метаданных из учебных видеофильмов, предложена следующая методология: ранжирование и обозначение такой информации, как предмет, тема; соответствие определённой категории учащихся и уровня сложности; семантическая плотность, стиль обучения, режим интерактивности обучающего видеоконтента и т.д. Получив из видеодокумента такие метаданные, учащийся имеет возможность искать и выбирать обучающий видеоконтент с учётом своих запросов (в том числе - предпочтений). Кроме того, системы, создаваемые для поддержки электронного обучения, получат инструментарий, позволяющий рекомендовать соответствующие видеоматериалы в соответствии с требованиями учащегося (и/ или рекомендациями учителя).

В данной работе требуемая информация о метаданных добывается путём анализа аудиодорожки видеоконтента - повествование в видеоматериале анализируется на основе частоты и релевантности ключевых слов из (конкретной) предметной области (через поиск, идентификацию ключевых слов, относящихся к предметной области). Другая необходимая информация получается вручную.

Таким методом извлечения образовательных метаданных из обучающего видеоконтента можно назвать полуавтоматический механизм по IEEE LOM (Learning Object Metadata / Метаданные объекта обучения по стандарту Института инженеров электротехники и электроники), включающий ручной и вычислительный подходы. Наряду с этим предлагается ряд дополнительных атрибутов, которые необходимы для оценки пригодности обучающего объекта на основе видеоконтента с точки зрения персонализированных предпочтений, а также - с точки зрения соответствия самого обучающегося данным атрибутам.

Обзор процедуры исследования

Предлагаемая модель, включающая определённый набор метаданных, выбрана из трёх категорий - общая (веб-характеристики), техническая (параметры кадра, звука) и образовательная («портрет» контента) IEEE LOM, принятых IEEE Computer Society в 2002 г. и классифицирующих структуры метаданных, используемых для обучения. Из первоначального ряда определённых метаданных оставлены несколько конкретных атрибутов, которые действительно необходимы для оценки пригодности обучающего видеоконтента с точки зрения персонализированных предпочтений и пригодности для обучаемого. В дополнение к этому к спецификации IEEE LOM добавлены ещё четыре субэлемента (см.: Pal S., Mukhopadhyay M., Pramanik P.K D. & Choudhury P. (2018). Assessing the learning difficulty of text-based learning materials. Da Nang city: Frontiers of Intelligent Computing: Theory and Application), что позволило сделать метаданные об обучающем видеообъекте (конкретном видеоматериале) более всеобъемлющими.

Полуавтоматический механизм, который включает в себя ручной и вычислительный подходы, используется как для извлечения метаданных, так и для оценки собранных метаданных, как было отмечено выше. При этом вычислительный механизм, а именно метод парсинга слов, использующий подход Natural Language Processing, применялся для извлечения значимой информации из видеоповествования (из аудиодорожки, присутствующей в учебном видеоконтен-

те); ручной процесс использовался для подачи той информации, которую трудно/ невозможно извлечь автоматически.

Результаты испытаний проверяются путём сравнения результатов проверки, проведённых экспертами по отношению к тем же самым учебным материалам.

Обзор и анализ литературы

Извлечение метаданных из видеоматериала является сложной задачей из-за непрерывной композиции изображений и аудиодорожки, но подобной сложности не существует для текста. Хотя не так широко, как хотелось бы, но с прошлого десятилетия всё же ведутся исследования в области описания информации, содержащейся в видеоконтенте, при этом предлагаются различные подходы и типы извлечения метаданных, выбор типа методов извлечения метаданных варьируется от приложения к приложению.

Как правило, метаданные из видеоконтента имеют следующие три типа [14]:

- зависимые от качественной стороны контента в отношении к уровню функций видеоматериала (технические характеристики аудиодорожки и видеодорожки);

- независимые от содержимого, которые описываются через такие атрибуты видеофайла, как автор, дата, заголовок и т.д. (веб-данные),

- описательные, в которых видеоматериал представляется семантически.

Добавим, что были проанализированы работы, в которых применялись различные методы (см. работы: Bolettieri P., Falchi F., Gennaro C. & Rabitti F. (2007). Automatic metadata extraction and indexing for reusing e-learning multimedia object. Bavaria: ACM Workshop on The Many Faces of Multimedia Semantics; Othman E.H., Abdelali S. & Jaber E.B. (2016). Education data mining: Mining MOOCs video using metadata based approach. Tangier: IEEE International Colloquium on Information Science and Technology (CiSt)) и инструменты, такие как MooO, Media Info и InfoExtractor, либо отдельно - оптическое распознавание символов / OCR (см.: Mori S., Nishida H. & Yamada H. (1999). Optical character recognition. New York: John Wiley & Sons; Noy N.F. & Mcguinness D.L. (2001). Ontology development 101: A guide to creating your first ontology. Stanford: Stanford University), распознавание речи [15], а также дескрипторы MPEG-7 [16] для получения видеоинформации, такой как заголовок, аннотация, местоположение, дата создания, описание аудиодорожки - продолжительность, характеристики формата, цветовые характеристики видеокадра.

Чтобы получить семантическую характеристику видеоконтента, необходимо проанализировать содержание материала, представленного этим форматом. В связи с этим обычно используются два подхода: поиск содержимого изображения и работа с информацией звуковой (/аудио) дорожки. В ряде работ (см.: Truong T.-D. et al. (2018). Video search based on semantic extraction and locally regional object proposal. In K. Schoeffmann et al. (Eds.), Multi Media Modeling (с. 451 - 456). Bangkok: Springer; Zhou H. & Pang G. K. (2010). Metadata extraction and organization for intelligent video surveillance. Xi'an: IEEE International Conference on Mechatronics and Automation) метаданные в прямом потоке видеодокумента генерируются путём идентификации и описания содержимого видеоизображений. Основное внимание уделяется идентификации объектов на видеодорожке и определению их семантики.

При использовании Convolution Neural Network - Recurrent Neural Network / CNN-RNN отношение или семантика между локальными объектами и их фоном генерируется в форме предложений, описывающих основной смысл и действие объектов в кадре. Это, наряду с другими метаданными, обеспечивает такой видеоматериал более подробной аннотацией, обеспечивающей далее эффективный процесс формирования и выполнения поисковых запросов.

Хотя этот метод действенен при создании полезной информации о видеоматериале в целом, он может быть всегда неэффективен для образовательного видеоконтента, так как подобное содержимое обычно фокусируется на методологии процесса обучения, на стиле и презентации учителя/ эксперта во время преподавания (конкретных) тем/предметов, в том числе с использованием работы на доске.

Другие авторы (см., например: Yang H., et al. (2011). Lecture video indexing and analysis using video OCR technology. Dijon: International Conference on Signal Image Technology & Internet-Based Systems) сфокусировались на той части содержания видеолекции, которая имеется в аудиодорожке, извлекая, таким образом, текстовое содержание лекции, поскольку оно больше всего раскрывает смысл видеоматериала. В этом подходе используется технология обнаружения, извлечения и анализа текстового содержимого видео. В этом направлении извлечения (аудиочасти) метаданных из графического контента видеофайла весьма полезно машинное обучение. Так, на представительных научных конференциях, посвя-щённых данному направлению исследований в области современных педагогических технологий, используемых в школе цифрового века, учёными представлены соответствующие разработки и результаты обучения с их использованием (см., например: Changuel S. & Labroche N. (2012). Content independent metadata production as a machine learning problem. In P. Perner (Ed.), Machine learning and data mining in pattern Recognition (с. 306 - 320). Heidelberg: Springer; Hentschel C., Blumel I. & Sack H. (2013). Automatic annotation of scientific video material based on visual concept detection. Graz: International Conference on Knowledge Management and Knowledge Technologies.). В этих исследованиях используются прогностиче-

Таблица 1

Анализируемые атрибуты видеоконтента

Атрибуты метаданных Характеристика атрибута Комментарии к оформлению

Заголовок название видео файла Точно, кратко, полно

Авторы Люди/организации, участвовавшие в создании видеоматериала Вопрос авторского права

Язык Язык/языки коммуникации, записанный в аудиодорожке Позволяет автоматической системе создавать титры. Возможна замена аудиодорожки

Роль пользователя Обучение, взаимодействие, просмотр с последующим составлением отзыва и др. Выполняет функции методического навигатора. На наш взгляд, равноценны атрибуту «Тип интерактивности»

Контекст В какой оболочке, для какой цели видеоматериал может быть использован Скорее всего, это два, имеющих одинаковое значение, атрибута (1 - оболочка такого-то типа ПО; 2 - цель)

Возрастной диапазон Ориентировочные границы возраста учащегося, позволяющие осмысленно знакомиться с видеоматериалом Указываются, исходя не только из содержания видеодорожки, но и стиля, языка, представленного на аудиодорожке

Тема Учебная тема определённой предметной области Лучше указывать иерархическую пару/тройку «Гипертема/Тема/Субтема»

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Ключевые термины Слово/ группа слов, имеющие коннотацию, связанную с содержанием данного видеоматериала Могут быть представлены униграммами (1-д), биграммами (2-д), триграммами (3-д), ^граммами

Семантическая плотность Указывает, насколько плотен видеодокумент с точки зрения информации Считаем возможным выводить это из соотношения продолжительности видеофайла к раскрываемым понятиям (к примеру, ключевым терминам)

Тип учебного контента Назначение учебного материала по 2-м позициям: а) знакомство / расширение знаний / повторение; б) базовое / факультативное Таким образом, представляется в перечисленном в соседней ячейке варианте пары «а + б»

Типичное время обучения То время, за которое «средний» учащийся сможет полноценно изучить видеодокумент При вводе такой информации необходимо проверить метку, касающуюся именно типичного времени обучения, отличного от продолжительности видеофайла

Формат Конкретный тип и показатели технических данных звука и кадра, использованные при сохранении данного видеофайла Является критически важным, т.к. учащийся просто не сможет познакомиться с содержанием, если не совпадают установленные на его аппаратуре приложения и кодаки к ним с использованным форматом и характеристиками сохранения информации в конкретном видеофайле

Размер Объём памяти видеофайла в байтах Важно для сохранения/пересылки, работы в режиме онлайн

ские модели машинного обучения, такие как SVM и FP-Growth, соответственно, получение соответствующих метаданных видеоконтента.

Помимо анализа данных аудиодорожки видеофайла на предмет ее сюжета, аудиоинформация видеоконтента может использоваться для определения цели видеолекции. Так, аудиодорожка использовалась для извлечения ключевых терминов, проходя анализ с помощью графа ключевых терминов на определение семантики обучающего контента видеоконтента [17]. По сравнению с ключевыми терминами ключевые фразы часто являются полезными метаданными, которые помогают анализировать видеоконтент. Ключевая фраза также помогает в основанном на содержании поиске и извлечении соответствующего видеоконтента по заданному пользовательскому запросу (см., к примеру, работу: Balagopalan A. et al. (2012). Automatic keyphrase extraction and segmentation of video lectures . Kerala, IEEE International Conference on Technology Enhanced Education). Ключевые фразы извлекаются из аудиостенограммы (аудиодорожки) видеодокумента. Аудиодорожка преобразуется в текст, к которому применяется машинное обучение для извлечения полезной ключевой фразы. В других работах (см., например: Rafferty J., Nugent C., Liu J. & Chen L. (2015). Automatic metadata generation through analysis of narration within instructional video. Journal of Medical System, 39, (9) предлагается извлекать метаданные для того, чтобы рекомендовать видеоматериал в качестве консультационной помощи в направлении здравоохранения; записанное на аудиодорожку повествование видеоматериала извлекается как текст для анализа на семантику, для этого путём сопоставления используются графы, семантическая сеть и подходы, основанные на онтологических принципах [18 - 19]. В ряде работ ([20] и др.) аудиостенограмма (аудиодорожка) преобразуется в текст с помощью программы автоматического распознавания речи.

Особенности (характерные для определённой тематической области объекты) видеодорожки (к примеру, автомобиль, дерево и т.д.) извлекаются алгоритмом обработки изображений (классификаторы Adaboost, SVM, работающие со стандартом MPEG-7, и др.).

Затем полученные машинным (/автоматическим) путём метаданные о содержании видеоконтента аннотируются в библиотеке, к примеру, в формате RDF в виде привязанной открытой структуры данных. Авторы [21] утверждают, что этот формат решает многие вопросы поиска и доступности видеофайлов на разных платформах.

В других случаях используется привязанная к видеофайлу такая текстовая информация, как заголовок, URL-адрес, название видеофрагмента, отзывы/ комментарии, лайки/дизлайки, количество просмотров и т.д. К примеру, ([22] и др.) описывается байесовская модель классификатора/ Naïve Bayesian classifier model, который самообучается по категориям, информации комментариев, ин-

формации о рейтинге и количеству просмотров для выполнения автоматической классификации и прогнозирования метки класса для тех же атрибутов метаданных в отношении нового видеоматериала.

Хотя работы по извлечению метаданных видеоконтента присутствуют, им не хватает оценки информации, к примеру «насколько видеоматериал подходит для учащегося», а значит, необходимы новые исследования по извлечению именно образовательных метаданных.

Одним из результатов анализа и практических рекомендаций по оценке образовательного видеоконтента является представленная ниже таблица «Анализируемые атрибуты видеоконтента»; подробные и взаимосвязанные рекомендации по отношению каждого представленного элемента отсылаем к приложениям работы M.J. Khan, K. Mustafa (см.: Khan M.J., Mustafa K. Adaptive hypermedia instructional system (AHIS): A model. Educ Inf Technol-24: 3329 - 3392 (2019). Doi:10.1007/s10639-019-09927).

1. Результаты проведённого исследования свидетельствуют о перспективности подхода, который позволяет получать содержательные метаданные об учебном видеоконтенте.

2. Аналогично S. Pal, P.K.D. Pramanik и др. [23] мы видим три направления использования предлагаемого подхода:

A) предоставление такими метаданными учащемуся информации, достаточной для оценки и выбора подходящего учебного видеоматериала из рекомендованного (а далее - из более широкого) списка видеороликов, что на данный момент невозможно получить с помощью традиционных поисковых систем;

Б) оснащенные образовательных автоматических систем рекомендациями, работающими на основе той информацией, которая получена через контентную фильтрацию, учитывающую критерии оценки учебного видеоконтента, что позволяет генерировать персонализированные рекомендации в отношении учебного видеоконтента, что невозможно переоценить, например, при использовании систем аудиосопровождения в процессе реализации инклюзивного образования (см., например, работы [24 - 26]);

B) получаемый при использовании подобного подхода набор метаданных может использоваться как база, к которой в дальнейшем (при совпадении семантических характеристик запроса и видеоконтента) может обращаться учащийся/ преподаватель, независимо от предмета или темы. Это особенно важно при реализации мобильного образования [27], реализации в системе современного музыкального образования принципов формирования комплексной модели семантического пространства музыки [28], а также процесса обучения искусству исполнительского мастерства на новых цифровых музыкальных инструментах школы цифрового века [29 - 30].

Библиографический список

1. Как эффективно провести онлайн-урок для учеников: педагогические советы (рекомендации психолога; вебинар). Available at: https://youtu.be/tidMi45Yas

2. Учись дома онлайн. Available at: http://study-homt.online

3. Плотников К.Ю. Устранение педагогической поддержкой образовательных рисков освоения школьниками музыкально-компьютерных технологий. Грани Познания. Электронный научно-образовательный журнал ВГСПУ. 2016; № 4 (47): 89 - 93. Available at: http://grani.vspu.ru/files/publics/1476802163.pdf

4. Горбунова И.Б., Плотников К.Ю. Освоение подростками музыкально-компьютерных технологий на базе программно-аппаратного комплекса смартфонов (в контексте формирования культурно-образовательной среды). Теория и практика общественного развития. 2015; № 20: 272 - 275.

5. Горбунова И.Б., Помазенкова М.С. Музыкально-компьютерные и облачно-ориентированные технологии в системе современного музыкального образования. Научное мнение. 2015; № 3-2: 68 - 82.

6. Горбунова И.Б., Заливадный М.С. О значении информационных технологий для современной экспериментальной эстетики (музыкально-теоретический аспект). Субкультуры и коммуникативные стратегии информационного общества. Труды Международной научно-теоретической конференции. Ответственный за выпуск О.Д. Шипунова. 2014: 97 - 100.

7. Горбунова И.Б. Музыкально-компьютерные технологии в общем и профессиональном музыкальном образовании. Современное музыкальное образование-2004: материалы Международной научно-практической конференции. Российский государственный педагогический университет имени А.И. Герцена, Санкт-Петербургская государственная консерватория имени Н.А. Римского-Корсакова. Под общей редакцией И.Б. Горбуновой. Санкт-Петербург, 2004: 52 - 55.

8. Плотников К.Ю. Подготовка учащихся к выполнению аудио- и видеопроектов. Информатика в школе. 2018; № 6: 38 - 40.

9. Горбунова И.Б. Информационные технологии в музыке и музыкальном образовании. Региональная информатика «РИ-2014»: материалы XIV Санкт-Петербургской Международной конференции. 2014: 320 - 321.

10. Горбунова И.Б. Акустические знания музыканта в современном медиаобразовательном пространстве: истоки проблемы и перспективы развития. Инновационные технологии в медиаобразовании: сборник научных статей по материалам II Всероссийской научно-практической конференции. 2014: 21 - 24.

11. Горбунова И.Б., Заливадный М.С., Товпич И.О. Аудиовизуальный синтез: опыт музыкально-теоретического рассмотрения проблем. Казанский педагогический журнал. 2015; № 6-1 (113): 162 - 175.

12. Горбунова И.Б., Хайнер Е. Интерактивные сетевые технологии обучения музыке в школе цифрового века: программа «Soft Way to Mozart». Вестник Орловского государственного университета. Серия: Новые гуманитарные исследования. 2014; № 4 (39): 104 - 109.

13. Горбунова И.Б., Плотников К.Ю. Инновационный проект «Музыкально-компьютерные технологии». Сибирский учитель. 2016; № 3 (106): 74 - 77.

14. Khurana K. & Chandak M.B. Study of various video annotation techniques. International Journal of Advanced Research in Computer and Communication Engineering. 2013; 2 (1): 909 - 914.

15. Anusuya M.A. & Katti S.K. Speech Recognition by Machine A Review. International Journal of Computer Science and Information Security. 2009; № 6 (3): 181 - 205.

16. Spyrou E., Tolias G., Mylonas P. & Avrithis Y. Concept detection and keyframe extraction using a visual thesaurus. Multimedia Tools and Applications. 2009; № 41 (3): 337 - 373.

17. Lee H.-Y., et al. Spoken knowledge organization by semantic structuring and a prototype course lecture system for personalized learning. IEEE/ACM Transaction on Audio, Speech, and Language Processing. 2014; № 22 (5): 883 - 898.

18. Alves M.B., Damasio C.V. & Correia N. Extracting facebook multimedia contents metadata as media annotation. Knowledge Engineering and Semantic Web. Moscow: Springer, 2015: 243 - 252.

19. Noy N.F. & Mcguinness D.L. Ontology development 101: A guide to creating your first ontology. Stanford: Stanford University, 2001.

20. Gibbon D.C., Liu Z., Basso, A. & Shahraray B. Automated content metadata extraction services based on MPEG standards. The Computer Journal. 2013; № 56 (5): 628 - 645.

21. Yang H. & Meinel C. Content based lecture video retrieval using speech and video text information. IEEE Transactions on Learning Technologies. 2014; № 7 (2): 142 - 154.

22. Algur S.P. & Bhat P. Web Video Mining: Metadata Predictive Analysis using Classification Techniques. International Journal of Information Technology and Computer Science. 2016; № 2: 68 - 76.

23. Pal S., Pramanik P.K.D., Majumdar T. et al. A semi-automatic metadata extraction model and method for video-based e-learning contents. Education and Information Technologies. 2019; Vol. 24, № 6: 3243 - 326. Available at: https://doi.org/10.1007/s10639-019-09926-y

24. Горбунова И.Б., Воронов А.М. Методика обучения информационным технологиям людей с нарушением зрения. Общество: социология, психология, педагогика. 2015; № 5: 15 - 19.

25. Gorbunova I.B., Voronov A.M. Music Computer Technologies in Computer Science and Music Studies at Schools for Children with Deep Visual Impairment. Int'l Conference Proceedings. 2018: 15 - 18. Budapest, Hungary. DOI: https://doi.org/10.17758/ URUAE4.UH10184021

26. Gorbunova I., Govorova A. Music Computer Technologies in Informatics and Music Studies at Schools for Children with Deep Visual Impairments: From the Experience. Lecture Notes in Computer Science Proceedings. 2018: 381 - 389. DOI: https://doi.org/10.17758/URUAE2.AE06184024

27. Гончарова М.С., Горбунова И.Б. Планшетные (мобильные) технологии в профессиональном музыкальном образовании. Медиамузыка. 2016; № 6: 3. Available at: http:// mediamusic-journal.com/Issues/6_3.html

28. Gorbunova I.B., Zalivadny M.S. The Integrative Model for the Semantic Space of Music: Perspectives of Unifying Musicology and Musical Education. Проблемы музыкальной науки. 2018; № 4 (33): 55 - 64. DOI: 10.17674/1997-0854.2018.4.055-064

29. Gorbunova I.B. Electronic Musical Instruments: To the Problem of Formation of Performance Mastery. Int'l Conference Proceedings. 2018: 23 - 28. Budapest, Hungary. DOI: https://doi.org/10.17758/ URUAE4.UH10184023

30. Gorbunova I.B. New Tool for a Musician. ICASET-18, ASBES-18, EEHIS-18 International Conference Proceedings. 2018: 144 - 149. Paris, France. DOI: https://doi.org/10.17758/ URUAE2.AE06184024

References

1. Kak 'effektivno provesti onlajn-urok dlya uchenikov: pedagogicheskie sovety (rekomendacii psihologa; vebinar). Available at: https://youtu.be/tidMi45Yas

2. Uchis' doma onlajn. Available at: http://study-homt.online

3. Plotnikov K.Yu. Ustranenie pedagogicheskoj podderzhkoj obrazovatel'nyh riskov osvoeniya shkol'nikami muzykal'no-komp'yuternyh tehnologij. Grani Poznaniya. 'Elekironnyj nauchno-obrazovatel'nyjzhurnal VGSPU. 2016; № 4 (47): 89 - 93. Available at: http://grani.vspu.ru/files/publics/1476802163.pdf

4. Gorbunova I.B., Plotnikov K.Yu. Osvoenie podrostkami muzykal'no-komp'yuternyh tehnologij na baze programmno-apparatnogo kompleksa smartfonov (v kontekste formirovaniya kufturno-obrazovatefnoj sredy). Teoriya ipraktika obschestvennogo razvitiya. 2015; № 20: 272 - 275.

5. Gorbunova I.B., Pomazenkova M.S. Muzykal'no-komp'yuternye i oblachno-orientirovannye tehnologii v sisteme sovremennogo muzykal'nogo obrazovaniya. Nauchnoe mnenie. 2015; № 3-2: 68 - 82.

6. Gorbunova I.B., Zalivadnyj M.S. O znachenii informacionnyh tehnologij dlya sovremennoj 'eksperimental'noj 'estetiki (muzykal'no-teoreticheskij aspekt). Subkul'tury i kommunikativnye strategii informacionnogo obschestva. Trudy Mezhdunarodnoj nauchno-teoreticheskoj konferencii. Otvetstvennyj za vypusk O.D. Shipunova. 2014: 97 - 100.

7. Gorbunova I.B. Muzykal'no-komp'yuternye tehnologii v obschem i professional'nom muzykal'nom obrazovanii. Sovremennoe muzykal'noe obrazovanie-2004: materialy Mezhdunarodnoj nauchno-prakticheskoj konferencii. Rossijskij gosudarstvennyj pedagogicheskij universitet imeni A.I. Gercena, Sankt-Peterburgskaya gosudarstvennaya konservatoriya imeni N.A. Rimskogo-Korsakova. Pod obschej redakciej I.B. Gorbunovoj. Sankt-Peterburg, 2004: 52 - 55.

8. Plotnikov K.Yu. Podgotovka uchaschihsya k vypolneniyu audio- i videoproektov. Informatika v shkole. 2018; № 6: 38 - 40.

9. Gorbunova I.B. Informacionnye tehnologii v muzyke i muzykal'nom obrazovanii. Regional'naya informatika "RI-2014": materialy XIV Sankt-Peterburgskoj Mezhdunarodnoj konferencii. 2014: 320 - 321.

10. Gorbunova I.B. Akusticheskie znaniya muzykanta v sovremennom mediaobrazovatel'nom prostranstve: istoki problemy i perspektivy razvitiya. Innovacionnye tehnologii v mediaobrazovanii: sbornik nauchnyh statej po materialam II Vserossijskoj nauchno-prakticheskoj konferencii. 2014: 21 - 24.

11. Gorbunova I.B., Zalivadnyj M.S., Tovpich I.O. Audiovizual'nyj sintez: opyt muzykal'no-teoreticheskogo rassmotreniya problem. Kazanskij pedagogicheskij zhurnal. 2015; № 6-1 (113): 162 - 175.

12. Gorbunova I.B., Hajner E. Interaktivnye setevye tehnologii obucheniya muzyke v shkole cifrovogo veka: programma "Soft Way to Mozart". Vestnik Orlovskogo gosudarstvennogo universiteta. Seriya: Novye gumanitarnye issledovaniya. 2014; № 4 (39): 104 - 109.

13. Gorbunova I.B., Plotnikov K.Yu. Innovacionnyj proekt "Muzykal'no-komp'yuternye tehnologii". Sibirskijuchitel'. 2016; № 3 (106): 74 - 77.