发表时间：2007年3月29日
原文链接：what I’m working on
原文作者：Stephen Downes（blog，web）
翻译：danny
工作组织：教育中文翻译
【说明】Stephen Downes是“教育中文翻译”项目最深入全面介绍的一位学习研究专家，每周五个工作日持续翻译他的邮件列表OLDaily， 还不定期翻译他的重要理论文章。追踪这样一位世界级专家，可以帮助我们了解学习领域最新研究动向，对我们站得更高看得更远会有积极的帮助。本文发表于今年3月，Stephen以blog贴的形式回复单位（加拿大国家研究委员会）内部询问，系统阐述自己当前的研究关注范围，其中链接到了他的其它一些工作成果，有兴趣的读者朋友，也请点击阅读。全文较长，分两次发布。
在这里，我尽可能通俗易懂地描述自己所从事的工作。这不大容易，因为需要将一些独特的概念结合起来，而这些概念自身还在发展中，它们的结合作用尚不清晰。
我工作的核心是基于e-learning的，但不限于e-learning。e-learning面临的挑战，一直都是如何准确地 搜寻和传递合适的学习资源到需要它们的人手中。网络空间相关的议论已有很多。多数情况下，人们都将在线学习资源看作图书馆学习资源的类似物，因而，将搜寻学习资源描述成对资源的搜索和修补问题。从某种意义上看，这是合理的，要想从成千上万的资源中找到某一个，你不靠搜索靠什么？
人们已作出了一些很好的工作成果。语义网（Semantic Web）是其中之一，它最重要的洞见，是学习资源可标准化描述。e-learning中的学习物件元数据（Learning Object Metadata）是87个数据文件组，e-learning设计者们可以在描述自己制作的学习资源时，以XML的格式加以使用。它适应了搜索的需要，不但允许关键词和短语的搜索（这点Google已实现），还允许结构性搜索。如，Google无法发现某个10年级学生的最佳学习资源，但如果有人在上面标注了“典型年龄范围”的标签（tag），这个资源就会被搜索到。
限制来自于数据发掘的技术。不管你的分析多么好，你只有学习资源本身可进行观察。有时，这些资源相当的不清晰， 当我们根据它们彼此的相似性来搜索时，连物理外形上相似的都无法加以区分，更不用说那些内在含义有着巨大差异的资源了。举例说明：在图片库中检查色情照片（无论是出于修补需要或者过滤的考虑，具体操作都是一样的）。问题不但存在于区分色情图片和一场游泳聚会的体育照片之间，也存在于区分色情图片和医学的、人类学的和艺术的图片之间。裸露的身体看上去总是很相似，一张图片到底是科学的还是色情的，由解读来决定，并不由物质载体本身。
在互联网空间里，人们已认识到，这类问题都可以归结到“关系”上。这是可喜的进展，因为研究已经显示，没有人会去理会那87个元数据文件。“推荐系统”是一项与关系相关的技术，它被应用到从音乐选择到数据匹配等各种情况上。推荐系统包含三种类型的数据：资源的描述、个人的描述，具体的评估或排序的信息。 简单说，我们在寻找如下的说明，“象P这样的人，认为象R那样的资源，排序在Q上。” 这就是“筛式过滤（sifter-filter）”的基础，它被弗雷德里克顿（译注：加拿大东南部城市，新不伦瑞克省省会）的人们采纳，建成了RACOFI 协同过滤系统。这是一个包含了RACOFI介绍的相关演示说明，这里是另外一个。
我工作的一部分包含了“资源轮廓（resource profile）”的想法。这是我们项目中所独有的，它的主要观点是：任何资源都有多元化 的视角。同样一本书，可能被描述成厚重的或轻快的，好的或坏的，恰当的或不恰当的，主要看是谁在进行描述。制作书的人往往不是唯一描述书的人，这点很重要，否则，每一本书都将会很“优秀！！” ，这也就是为什么我们需要评论家的原因。更深入地看，我们创造了不同类型的元数据：资源的作者创造的、资源的使用者创造的，以及对它不感兴趣的第三方（评论家和分类学家）创造的。现在，当我们看到不同的资源类型、不同的元数据类型时，情况变得清楚了：任何将元数据看作一份文件 的思考都会产生误导。元数据是我们拥有的关于一个学习物件的知识 －－具体的说，就是轮廓 （profile）－－它时时刻刻发生着变化。论文《资源轮廓》详细探讨了这个问题。
这里的关键认识是：知识有很多作者，有很多个侧面，每个人看它都不一样，它时刻发生着变化。一个知识的片段并不是对某物的描述，只是与某物联系的一种方式。我所说的“了解x是P”，不是对“x”的描述，而是表示“我和x之间的关系”。当我说“x是P”和你说“x是P”时，我们实际上在作两个说明（这就是为什么语义网正走到一个非常昂贵的错误边缘的原因－－它是一种基于描述而非关系的知识理论）。这个问题另外一种表述方式是， 我“知道x是P”是描述我如何使用x的一种方式。如果我认为“x是一匹马”，我在按照一种方式使用它；如果我认为“x是一棵树”，我就在按另外一种方式使用它。当我们观察词语（特别是描述学习资源的词语）意义时，这点特别明显。如果我认为“ ‘x’意味着P”，我在按照一种方式使用“x”这个词。如果我认为“‘x’意味着Q”，则我在按照另外一种方式使用它。因此－－正如维特根斯坦所说－－ “意义是有用的”。
以上一切的结果是，不存在有效的资源发现的描述性 方法，因为对不同的人而言，用来进行描述的词语意味各不相同。在容纳了数万学习资源内容的小型资源库里，你不会注意到这点。但当你进入到数以百万计的学习资源库时，这会成为一个严重问题－－考虑到其中可能混杂着人为 错误，用词语误导他人，情况会更加严重。
现在，我们暂停这个话题，来看看别的。
元数据被开发出来后，在信奉语义网的人们手中，它被作为一种描述（description）格式，而在写blog的人们手中，它则被开发成一种聚合（sydication） 格式。也就是说，元数据的关键并不是用来描述一个学习资源，而是将其设置成为一个非常便于携带的、机器可读的格式。这些格式中第一个，也是最重要的一个是RSS。 我涉足RSS已经有很长时间，从它刚出现时就开始，我的feed种子在Netscape Netcenter中的序号是第31号。早期我即看清，聚合将会是传输挑选出来的学习资源到人们手中的最佳方式。这里是我首次提出的建议。
当我们在观察用RSS来聚合学习资源，以及用元数据来描述学习资源时，我们很清楚，内容聚合最好的支持来自分布式 元数据（distributed metadata）。也就是，通过一个RSS种子分布式存在的元数据，连接到了其它 的元数据，这些元数据可以存在于互联网上的任何地方。
根据这点，我们开发出了“分布式数字版权管理（distributed digital rights management）”。在用户或“搜寻者”所搜寻的学习资源元数据中，有一个链接指向了“版权元数据（rights metadata）”－－我们用开放数字版权语言（Open Digital Rights Language，ODRL）来加以描述。通过这种方式，RSS元数据可以被送到全世界，分发给任意数目的人们，储存在我们所不知道的某个地方，而版权元数据则一 直在我们身边的服务器上，在我们需要的时候可以任意改变它。既然RSS文件中的版权元数据只是一个标示，这意味着版权信息一直将是实时更新的。这里是几个相关的演示幻灯，对这一概念进行说明。
这就是“创作共用（Creative Commons）”最终采用的机制，允许作者将授权协议附在作品上，可在RSS中附加一个CC声明。其它的标准体系，如“都柏林核心元数据库（Dublin Core）” ，也正在接近这样的版权声明形式，这点超乎人们的想象。毫无疑问，依然存在很大的声音，支持版权信息应该与资源物件随时相伴，以使得该物件“可携带”和“可使用”。这又是个老想法，要了解一个资源物件是怎样的，你必须要打开它，置身其中 。但是，“版权”信息和“知识”一样，会发生很大的变化。一个资源，如猫王的唱片，可能在他在世的某一天值一个价，他过世后的某一天要值双倍价。一张批头士（Beatles）唱片的拥有者，某一天可能转而钟情保罗-迈卡特尼，下一天又将收藏换成了迈克尔-杰克逊。
资源轮廓、聚合、分布式元数据的结合，为我们提供了一个学习资源聚合网络的模型。这里是描述该网络的幻灯和论文。 这就是我们希望eduSource项目发展的方向。不幸的是，不同兴趣的参与者们，决定将要走另外一个方向，把我们的DRM系统搁置了，最终 eduSource失败。但是，如果我们观察今天的RSS网络（现在已包含了数以百万计的种子），以及OAI/DSpace网络（包含了数以百万计的学习资源），我们可以看到，正是这一类型才可能取得成功。
eduSource项目在这儿就到头了。代价高昂的问题依然存在：你的内容网络怎样才能确保合适的学习资源最终落到想要的人手中？
答案是：通过网络组织的方式。因此，网络组织的方式，就成为了学习网络理论的核心。
但是，这意味 着什么呢？
