e-learning e modelli matematici in 3d1 e-learning e modelli matematici in 3d e-learning e modelli...
TRANSCRIPT
E-Learning e modelli matematici in 3D
1
E-Learning e modelli matematici in 3D
E-Learning e modelli matematici in 3D
Tutto ebbe inizio da ...
Tra la seconda metà del XIX secolo e i primi decenni del ‘900 la costruzione di modelli matematici ebbe grande rilievo I modelli realizzati permettevano di vedere proprietà notevoli e mostrare i risultati di diversi settori della Matematica, Fisica ed Ingegneria
Con un modello matematico si rendono auto-evidenti proprietà che altrimenti sarebbero chiare –forse- solo a menti esercitate
Oggi le antiche collezioni di modelli possono ancora suscitare interesse, perchè forniscono concretezza ad un risultato e sono accessibili all’esperimento.
I modelli matematiciI modelli matematici
E-Learning e modelli matematici in 3D
3
Come riutilizzare quei vecchi modelli dell’Ottocento …?Come riutilizzare quei vecchi modelli dell’Ottocento …?
Molte di queste collezioni –come accaduto per tutti i materiali didattici - sono state trasformate in repository di Modelli 3D.
Come renderle facilmente reperibili ?
The summation of human experience is being expanded at a prodigious rate,
but the means we use for threading through the consequent
maze to the momentarily important item is the same as was used in the days of square-
rigged ships.
Vannevar Bush , “As we may think”, 1945
Come riusarle nel contesto dell’E-Learning ?
E-Learning e modelli matematici in 3D
4
Obiettivo:Obiettivo:
Sviluppare tool per contestualizzare le antiche collezioni di modelli matematici nelle didattiche dell’E-Learning.
E-Learning e modelli matematici in 3D
5
Capitolo Primo: L'E-Learning•I Learning Object•Un Learning Object per la classificazione delle quadriche
Capitolo Secondo: Algoritmi di approssimazione •NURBS-Approximation nel senso dei minimi quadrati •La rappresentazione di oggetti 3D nel Web Semantico•3D-Resource brokering con algoritmi basati su NurbsCapitolo Terzo: Le collezioni virtuali di modelli matematici
E-Learning e modelli matematici in 3D
6
Perché L’E-Learning
L’E-Learning si sta affermando … …è vietato opporsi…
…. Ma qualcuno potrebbe chiedersi perché.
Proviamo a dare una risposta…..
E-Learning e modelli matematici in 3D
7
- decostruzione dei saperi - l'apprendimento come costruzione enattiva E-Learning
-le conoscenze aumentano in modo esponenziale -incompletezza delle didattiche tradizionali -"il sistema non è tutto“
-Ipercomplessità tecnologica
-reti di computer -il virtuale come spazio antropologico esser “ci” diventa inessenziale de-territorializzazione
Perché L’E-Learning
E-Learning e modelli matematici in 3D
9
Dalla didattica tradizionale alla didattica sul Web Dalla didattica tradizionale alla didattica sul Web
Ontologia : dominio di conoscenza dell’esperto
Instructor : esperto nel dominio di conoscenza -Scrive l’Ontologia
Mediatore Didattico –Facilitatore- Tutor Filtra la conoscenza che permea l’ambiente esterno, associa all’ontologia le risorse didattiche, fornisce allo studente una interpretazione -ermeneutica- dell’ontologia
Learning Management System Piattaforma per la didattica a distanza. Implementa i corsi e permette al tutor di seguire lo studente Ambiente esterni
E-Learning e modelli matematici in 3D
10
I Learning Object
E-learning in the small
E-Learning e modelli matematici in 3D
11
I Learning Object
Esiste un nuovo modo per fare didattica caratterizzato dai learning object
I learning object sono gli strumenti che popolano gli ambienti di apprendimento
I learning object sono rappresentati con metadata
Esistono diversi standard per rappresentare i metadata
E-Learning e modelli matematici in 3D
12
I Learning Object
Definizione: Un learning object è un’entità-digitale o non digitale- che può essere usata, ri-usata o referenziata durante l’apprendimento supportato dalla tecnologia-
D.A.Wiley “The Instructional Use of Learning Objects”” in D.A.Wiley (Ed.) The instructional use of learning objects,, pp.-10-11, AIT editions, 2002
E-Learning e modelli matematici in 3D
13
Asset : file Learning object : la più piccola unità di
apprendimento indivisibile rispetto alla sua valenza didattica (Vanni-Formato,2003)
A. Vanni, F. Formato –Una nuova definizione di Learning Objects. Atti del Convegno “Sviluppo cognitivo e qualità della formazione Ravello, ottobre 2003
I componenti di un learning object possono essere di due tipi
1) assets 2) altri learning object più semplici
I Learning Object
E-Learning e modelli matematici in 3D
14
Per la costruzione di Learning Object complessi, è necessario che il materiale didattico sia “riusabile”.
Learning Object
L‘E-Learning è alla ricerca di uno standard comune che consenta l’accessibilità, l'interoperabilità e la condivisione delle risorse. Disporre di uno standard comune significa poter trasferire i contenuti da un'architettura all'altra, poterli integrare tra loro, saperli scegliere in base a caratteristiche e classificazioni univoche, poterli certificare. Lo standard SCORM (Sharable Content Object Reference Model) prevede la realizzazione di risorse didattiche modulari, che si possano riusare senza la necessità di modificarne i componenti.
E-Learning e modelli matematici in 3D
15
Strutture “molecolari” dotate di diversi gradi di granularità
I Learning Object
E-Learning e modelli matematici in 3D
16
ContentProvider
LearningServiceProvider
Learning Community
L’E-Learning in the large L’E-Learning in the large
Modelli di E-Learning
E-Learning e modelli matematici in 3D
17
I fornitori di contenuto (Content provider)
Possono essere le università o le aziende che fanno formazione, organizzate in unità distribuite.
Esempi:
MIT OCW ocw.mit.edu
MURL -Multi University virtual Research Laboratory
http://murl.microsoft.com/
The Geometry Center
www.geom.uiuc.edu/
Modelli di E-Learning
E-Learning e modelli matematici in 3D
18
I fornitori di servizi di E-learning (Learning Service Provider)
I learning service provider possono essere le stesse Università, oppure le società specializzate in LSP. Distribuiscono servizi per l’E-Learning agli utenti finali
Esempi:- Global Virtual University http://www.gvu.unu.edu/ -GRID –Arendal http://www.grida.no/-Sfera www.sfera.it
Modelli di E-Learning
E-Learning e modelli matematici in 3D
19
Sono l’estensione del core business delle università tradizionali
new universities = old universities + learning community
Esempi: OCW : estende il MIT ai paesi dell’america latina BatMath: comunità di docenti di matematica
Le Comunità di apprendimento
Comunità di pratica (Community of Practice)
sostituiscono la tradizionale formazione professionale
Modelli di E-Learning
E-Learning e modelli matematici in 3D
20
Per eliminare i learning object “spuri”, è necessario dotare il sistema di un dispositivo di filtraggio, che permetta di accedere a learning object “buoni”
Questi filtri sono chiamati Web Reccommender, e si dividono in due categorie:
Filtri di informazione information filter
Filtri collaborativi (collaborative filter)
Modelli di E-Learning
E-Learning e modelli matematici in 3D
21
ContentProvider
LearningService
Provider
Learning Community Information
Filter
I filtri informativi selezionano i LO in base ai loro contenuti.I filtri collaborativi selezionano i LO in base ai loro contenuti e alle caratteristiche comuni di un gruppo di utente.
ContentProvider
LearningService
Provider
Learning Community
Collaborative
Filter
Modelli di E-Learning
E-Learning e modelli matematici in 3D
22
I filtri collaborativi
MIT OCWTopologyAtl
asPolito
MathworldMURL
Il giardino di
Archimede
BatMatPisa
MedialabCS
PrincetonHarvard
CSCICAVE
StanfordS
A’
B’
A e B sono entrambi interessati all’argomento T. Supponiamo che A e B abbiano esplorato lo stesso insieme di risorse S, con la differenza che A ha visto i learning object S A’ e B ha visto i learning object S B’ , con A’ e B’ learning object inizialmente non condivisi.Si comparano le pagine A’ , B’ e S’. Se sono simili , allora
Chaos on the web Yale FractGeo
A = S B’ B = S A’
E-Learning e modelli matematici in 3D
23
Nel World Wide Web l’informazione è machine-representable: i Metadati descrivono i dati contenuti sul Web.
Il Web Semantico
Il Web Semantico si propone come una soluzione al problema del sovraccarico cognitivo del World Wide Web. Attualmente l'informazione disponibile sul Web risulta difficilmente reperibile perché memorizzata sotto forma di metadati – intesi come una pura e semplice combinazione di stringhe- indipendente dal contesto.
Tim Berners-Lee, Semantic Web Roadmap, September 1998
Nel Web Semantico
l’informazione diventa machine-
processable.
E-Learning e modelli matematici in 3D
24
RDFLa novità fondamentale introdotta dal Web Semantico è l’RDF (Resource Description Framework). E’ un modello di rappresentazione della conoscenza che estende i Metadati; può essere utilizzato in diverse aree di applicazione: nella ricerca delle risorse, nella catalogazione, per la condivisione e lo scambio di conoscenza, nella valutazione di contenuto,…
L’RDF è codificato in XML.
E-Learning e modelli matematici in 3D
25
Quadrica PianoTangente
Intersezione Cdet(Quadrica)
det=0
det>0
C immaginaria C reale nondegenre C degenre
C 2 rettereali C 1 retta
C 2 retteimmaginarie
det<0
ConoReale
ConoImmaginario
Ellissoide
CilindroIperbolico
CilindroParabolico
CilindroEllittico
IperboloideEllittico
IperboloideIperbolico
det0
ParaboloideEllittico
ParaboloideIperbolico
Esempio di RDF per la rappresentazione delle superfici quadriche3x2+4y2+2xy+9z2-1=0 det=-99<0
Iperboloideellittico
E-Learning e modelli matematici in 3D
26
<?xml version="1.0" encoding="UTF-16"?>
<rdf :
xmlns:rdf =“http://www.w3.org/1999/02/22-rdf-syntax-ns#”
xmlns :xsd =“http://www.w3.org/2001/XMLSchema#”
xmlns : quadriche = “http://www.dma.unina.it/quadriche-ns”
>
<rdf: Description>
<quadrica: determinante>
<quadrica: R_neg value= “-99” >
</quadrica:determinante>
<quadrica:equazione>
3*x^2+4*y^2+2*x*y+9*z^2-1=0
</quadrica:equazione>
<quadrica: intersezione_piano_improprio>
<quadrica: Conica_reale_non_degenere>
<quadrica: discriminante>
<quadrica: R+ value = “99”/>
</quadrica: discriminante>
</quadrica: Conica_reale_non_degenere
</quadrica: intersezione_piano_improprio>
</rdf: Description>
E-Learning e modelli matematici in 3D
27
Per illustrare il concetto di apprendimento come filtraggio dell'informazione fornita dall'ambiente, si è messo a punto un Learning Object in cui lo studente deve classificare una superficie quadrica secondo un metodo che non si basa sulla tradizionale classificazione delle quadriche, ma è un processo enattivo, in cui l'utente deve classificare la quadrica usando un robot che sonda informazioni di tipo locale (tipo di punti, molteplicità…).
Nell’E-Learning svanisce la figura del docente che trasmette le conoscenze e l’apprendimento si può vedere come costruzione interpretata da parte dello studente.
E-Learning e modelli matematici in 3D
28
NURBS-Approximation nel senso dei minimi quadrati Grazie alla loro particolare flessibilità ed all’accuratezza che offrono nel processo di approssimazione, le superfici NURBS possono essere usate in molti settori, dalla grafica 3D al disegno industriale.
Una superficie NURBS ha equazione parametrica
È controllata dai gradi (h e k), dai punti di controllo (pij)e dai pesi (wij).
dove le Ni,h e Nj,k sono le funzioni di base B–Spline definite da:
con
sui vettori dei nodi U=(u0,…,up) e V=(v0,…,vq);
i pij sono i punti di controllo, e i wij sono i pesi. Valgono le relazioni
p=m+h+1 e q=n+k+1
u,v [0,1]
E-Learning e modelli matematici in 3D
29
NURBS-Approximation nel senso dei minimi quadrati
Il problema dell'approssimazione mediante superfici NURBS può essere formulato come segue: Assegnati mn punti Qij=(aij, bij, cij) R3, e mn pesi rij R, con i=0,…,m-1 e j=0,…,n-1, bisogna determinare una superficie NURBS
di gradi h e k, con punti di controllo opportuni pij=(xij, yij, zij) R3, pesi associati wij R, ed opportuni vettori dei nodi U=(u0,…,up) e V=(v0,…,vq), tale che risulti minima la distanza tra i punti assegnati Qij e la superficie NURBS S(u,v) determinata:
21m
0i
1n
0jjiji QtsS
,),(
per opportuni valori si e tj dei parametri.
E-Learning e modelli matematici in 3D
30
L’algoritmo
Per risolvere il problema, si è applicata la tecnica di approssimazione mediante curve B-Spline.
Si definisce curva B-Spline di grado h una funzione la cui rappresentazione parametrica in R2 è
con u[0,1] parametro della rappresentazione
parametrica; pi=(xi, yi)R2, i=0,…,n sono i punti di
controllo; Ni,h(u) sono le funzioni di base B-Spline sul
vettore dei nodi U=(u0,…,um).
m=n+h+1.
E-Learning e modelli matematici in 3D
31
Passo 1: Considerata la matrice di dimensioni mn costituita dai punti Qij da approssimare, si applica l'algoritmo di approssimazione mediante curve B-Spline alle colonne di punti Qi,j ottenute fissando l'indice j. Facendo variare j tra 0 ed n-1, si effettuano in tutto n approssimazioni mediante curve B-Spline di grado h. I risultati ottenuti formano colonne di punti intermedi Pi,j. Passo 2: Si applica l'algoritmo di approssimazione mediante curve B-Spline alle righe di punti Pi,j ottenute fissando l'indice i; facendo variare i tra 0 ed m-1, si effettuano in tutto m approssimazioni mediante curve B-Spline di grado k. I risultati ottenuti formano le righe dei punti di controllo cercati pi,j.
L’algoritmo
E-Learning e modelli matematici in 3D
32
L’algoritmo
Ad ogni approssimazione, l’algoritmo si riconduce alla risoluzione del sistema lineare
NTNP=NTQ dove
Dato un insieme di n punti Qi=(ai,bi)R2 i= 0,…,n, ed assegnato un grado h, si cercano n punti di controllo pi=(xi,yi)R2, tali che sia minima la distanza euclidea tra i punti assegnati Qi e la curva B-Spline definita dai punti di controllo calcolati e da un opportuno vettore dei nodi U=(u0,…,un+h+1)
1n
0k
2
kk tCQ )(
per opportuni valori tj del parametro.
E-Learning e modelli matematici in 3D
33
Passo 1. Si costruisce un'opportuna parametrizzazione (t0,t1,…,tn)
Passo 2. Si costruisce il vettore dei nodi U=(u0,u1,…,un+h)
Passo 3. Si costruisce la matrice dei coefficienti N=(Nj,h(ti)) i,j=0,…,n-1
Passo 4. Si calcola il prodotto NT N
Passo 5. Si applica l'algoritmo di Cholesky alla matrice NTN ottenendo una matrice triangolare inferiore L tale che NT N=LLT.
Passo 6. Si calcolano i prodotti NTa ed NTb (Chi sono a e b?))
Passo 7. Si risolvono i sistemi finali LLTx=NTa e LLTy=NTb mediante forward e back substitution.
L’algoritmo
E-Learning e modelli matematici in 3D
34
Risultati dell’algoritmo
File di input
Gradi della NURBS
3 3
Dimensioni della griglia
5 5
Punti da approssimare
(-2,-2,8) (-2,-1,5) (-2,0,4) (-2,1,5) (-2,2,8) (-1,-2,5) (-1,-1,2) (-1,0,1) (-1,1,2) (-1,2,5) (0,-2,4) (0,-1,1) (0,0,0) (0,1,1) (0,2,4) (1,-2,5) (1,-1,2) (1,0,1) (1,1,2) (1,2,5) (2,-2,8) (2,-1,5) (2,0,4) (2,1,5) (2,2,8)
Pesi Tutti uguali ad 1
E-Learning e modelli matematici in 3D
35
Risultati dell’algoritmo
E-Learning e modelli matematici in 3D
36
Risultati dell’algoritmo
E-Learning e modelli matematici in 3D
37
Risultati dell’algoritmo
E-Learning e modelli matematici in 3D
38
Resource Discovery
Un Learning Object composto da un insieme di asset
Ad esempio questo Learning object 3D, in cui il robot deve riconoscere una superficie disturbato da due mostri. La superficie S, i due robot e i mostri si possono modellare come asset di LO
Problema: Si puo’ cambiare il LO riusando una superficie in rete?
E-Learning e modelli matematici in 3D
39
Soluzione: 1) Si definisce un linguaggio di query basato sul web
semantico –RDF di un sampling set- 2) Si determina uno shape descriptor della query basato
sul sampling set: Nel nostro caso lo shape descriptor di un sampling set è
la NURBS generata con l’algoritmo di approssimazione.Si definisce un grado di similarity tra lo shape descriptor
del sampling set S e lo shape descriptor S’ della risorsa sul web. Per esempio (Kazdhan 2004)
R(S,S’) = Raster(RS) EDTS(S’) + Raster(RS’) EDTS(S)
Resource Discovery
E-Learning e modelli matematici in 3D
40
RDF
LO
RDF
LO
RDF
LORDF
LO
RDF
LO
RDF
LO
Shapedescriptor
NURBS -basedShape
descriptor
Resource broker
3D repository
Learning Object
Resource Discovery