�ݺ�ߣ

Editor's Notes

• #14: Jelasin 1 lagi kelemahan scorm mengenai sequencingnyaSource SCORM: SiciliaPenggunaan metadata sebagai komponen personalisasi pada model SCORM masih memiliki kelemahan, antara lain [31]:  Kompleksitas dan semantik yang terbatas. Metadata biasanya disimpan sebagai teks sederhana, bisa sebagai istilah dari suatu kosakata baku maupun tidak. Metadata yang dibuat oleh seseorang bisa jadi tidak proporsional jumlahnya, menggunakan informasi yang terlalu luas atau bahkan terlalu sempit. Term yang dipilih untuk merepresentasikan suatu metadata pada sistem atau platform yang berbeda bisa memiliki perbedaan secara sintaksis, sehingga informasi yang diberikan tidak dipahami, walaupun sebenarnya makna semantik yang dimaksud sama.  Dengan perspektif metadata, tidak mungkin bisa mendapatkan feedback dari pengguna untuk menentukan akurasi dari nilai metadata yang diasumsikan oleh pengembang sistem. Pun tidak bisa menemukan konteks penggunaan kata alternatif yang memungkinkan.
• #20:  Mendukung pendefinisian konsep hierarki, sehingga reasoner bisa mengenali adanya hubungan inherintance (is-a) antara dua buah konsep dengan mudah.  Cara yang advance untuk mendeskripsikan properties, seperti: range dari sebuah property didefinisikan sebagai gabungan dari dua atau lebih class lainnya, definisi dari batasan kardinalitas, dan sebagainya.  Kemampuan untuk mendefinisikan sinonim, sehingga kita bisa membuat ekuivalensi (atau pemetaan) antara dua (atau lebih) konsep kosakata yang berada pada domain yang sama. Sebagai contoh, kita dapat mendefinisikan pemetaan antara terminologi ALOCoM dan SCORM – misalnya, Content Fragment pada ALOCoM ekuivalen dengan Asset pada SCORM.
• #23: berdasarkan prinsip open world assumption, artinya kita tidak dapat mengasumsikan sesuatu tidak ada sampai hal tersebut dinyatakan secara eksplisit tidak ada
• #25: Pretest  menurut HarsonoIPK  menurut Fak Pertanian UNPAD
• #27: + reasoner
• #28: Objek pembelajaran ALOCoM (Abstract Learning Object Content Model)Model mahasiswa  LOCO (Learning Object Context Ontologies)