Institut de la Francophonie pour l’Informatique
European Schoolnet

Mémoire de fin d’études

Echange de ressources pédagogiques et
interopérabilité sémantique

NGUYEN-NHU Van
Responsable de stage: David Massart

Hanoi, 5 octobre 2007

1


Résumé
De nos jours, beaucoup d'organisations ont été intéressés au contenu éducatif numérique
comprenant : Ministères d'éducation, d'autorités éducatives régionales, d'éditeurs
commerciaux, d'animateurs, d'établissements culturels et d'autres organisations à but
non lucratif qui sont les catalogues étendus mais hétérogènes d'offre et dépôts de
contenu en ligne aux écoles. La plupart d'entre elles a des collections de matériel d'étude
web-basé national pour des écoles stockées dans des dépôts avec les métadonnées. En
outre, elles veulent passer au prochain niveau ; commençant à partager avec d'autres
afin de profiter de la réutilisation, aussi bien que pour participer à une initiative à niveau
européen pour partager des sources de la connaissance.
European Schoolnet, l'organisation de 28 ministères de l''education en l'Europe, avait
développé un cadre qui offre une manière facile, flexible et rentable de partager les
ressources d'étude. Ce s'appelle l'échange de ressource d'LRE-Étude. Il est basé sur
l'interface simple d’interrogation (SQI), qui est un api standard pour interroger les
dépôts de ressource d'étude hétérogènes. Grâce à un binding commune de WSDL, les

dépôts SQI-conformes des ressources d'étude peut s’interroger. Ce binding commun
directement trace les spécifications de SQI. En conséquence, beaucoup d'appels à
distance (connus pour présenter une latence importante) sont nécessaires pour interroger
un dépôt. Cette mémoire propose de réduire le nombre d'appels à distance nécessaires
pour interroger un dépôt de SQI en appliquant le modèle à distance de façade aux
attaches de SQI.
Cette mémoire présente également le traducteur automatique de LOM document et le
langage d’interrogation LRE-QL. Le traducteur aide des utilisateurs à évaluer l'utilité
des ressources par traduire leurs descriptions en une langue qu’utilisateurs savent. LREQL est un langage d'interrogation uniforme de LRE qui est construit à partir de langage
PLQL.

2


Abstract
Nowadays, many organizations have been interested in digital educational content
including: Ministries of Education, regional educational authorities, commercial
publishers, broadcasters, cultural institutions and other non-profit organizations which
are offering extensive but heterogeneous catalogues and repositories of online content to
schools. Most of them have collections of national web-based learning material for
schools stored in repositories with metadata. Furthermore, they want to move on to the
next level; starting to share with others in order to capitalize on the re-use, as well as to
take part in an European-wide initiative to share knowledge sources.
European Schoolnet, an organization of 28 ministries of education in Europe, has been
developing a framework which offers an easy, flexible and cost-effective way to share
learning resources. It is called LRE-Learning Resource Exchange. LRE is based on the
Simple Query Interface (SQI), which is a standard API for querying heterogeneous
learning resource repositories. Thanks to a common WSDL binding, SQI-compliant
repositories of learning resources can query each other. This common binding directly
maps the SQI specification. Consequently, many remote calls (known to present an

important latency) are necessary to query a repository. This thesis proposes to reduce
the number of remote calls necessary to query an SQI repository by applying the remote
façade pattern to SQI bindings.
This thesis also presents the MELT Automatic LOM Translator (MALT) and the query
language LRE-QL. The translator helps the users to evaluate the utility of the resources
by translating their descriptions into a language that users know. LRE-QL is a uniform
query language of LRE which is built from language PLQL.

3


Remerciements

Je voudrais remercier European Schoolnet, Université Catholique
de Louvain et David Massart de m’avoir proposé ce sujet qui fut
très enrichissant.
J’adresse un grand merci à David Massart et Quentin Trémérie
pour m’avoir guidé tout au long de mon parcours chez EUN.
Je tiens également à remercier tous les professeurs à l’IFI, qui
m’ont soutenu tout au long de mes études à l’IFI.
Merci a mes parents, ma femme et mes amis pour leur
encouragement.

4


Acronymes
EUN

European Schoolnet


IST

Information Society Technologies

SQI

Simple Query Interface

XML

Extensible Mark-up Language

WSDL

Web Services Definition Language

SOAP

Simple Object Access Protocol

UDDI

Universal Description, Discoveryand Integration

CORBA

Common Object Request Broker Architecture

ODRL


Open Digital Rights Language

SAML

Security Assertion Markup Language

SCORM

Sharable Courseware Object Reference Model

JAX-RPC

JavaAPI for XML-based Remote Procedure Call

JAXB

Java Architecture for XML Binding

JWSDP

Java Web Services Developer Pack

UML

Unified Modeling Language

API

Application Programming Interface


LCMS

Learning Content Management System

LMS

Learning Management System

LO

Learning Object

LOM

Learning Object Metadata

LIMBS

Limbs Is My Brockage System

DRM

Digital Right Management

MALT

MELT Automatic LOM Translator

5



Table des matières
1. INTRODUCTION........................................................................................................... 1
1.1. European Schoolnet ................................................................................................. 1
1.2. EUN learning resource exchange (LRE).................................................................. 2
1.2.1 Service de découverte ........................................................................................ 3
1.2.2 Service d’acquisition.......................................................................................... 3
1.2.3 DRM................................................................................................................... 3
1.3. Objectifs ................................................................................................................... 4
1.3.1 Le traducteur ...................................................................................................... 4
1.3.2 Binding de SQI................................................................................................... 4
1.3.3 LRE-QL le langage d'interrogation.................................................................... 5
1.4 Structure du rapport................................................................................................... 5
2. TRAVAUX CONCERNES ............................................................................................ 6
2.1. LIMBS projet ........................................................................................................... 6
2.2 SQI et son «binding» commun.................................................................................. 7
2.3 Le Projet MELT ........................................................................................................ 8
2.4 Modèle de LOM ........................................................................................................ 9
2.5 Le profil d'application de LRE métadonnées .......................................................... 10
3. METHODES ET SOLUTIONS.................................................................................... 12
3.1 Traducteur ............................................................................................................... 12
3.1.1 Données............................................................................................................ 12
3.1.2 La méthode utilisée .......................................................................................... 13
3.1.3 Technologie...................................................................................................... 14
3.1.4 Processus de traduction .................................................................................... 14
3.1.5 Mise en application .......................................................................................... 17
3.1.6 Résultats ........................................................................................................... 21
3.2 Binding de SQI........................................................................................................ 22
3.2.1 Vue d'ensemble de SQI .................................................................................... 22

3.2.2 Limitation......................................................................................................... 24
3.2.3 Solution : « façade à distance »........................................................................ 25
3.2.3 SQI WSDL Façade à distance.......................................................................... 27
3.2.4 Résultats ........................................................................................................... 29
3.4 LRE-QL................................................................................................................... 30
3.4.1 PLQL................................................................................................................ 30
3.4.2 LRE-QL............................................................................................................ 32
3.4.3 Analyse LRE-QL avec flex/yacc ..................................................................... 33
4. CONCLUSION ET PERSPECTIVE ............................................................................ 37

6


1. INTRODUCTION
European Schoolnet est une fédération qui mène son action autour de l’éducation et de
l’Europe, via un ensemble de projets et activités par l’intermédiaire de ses portails, sites
internet proposant différents sujets, des concours, des débats, …
EUN est aussi une fédération partageant des ressources d’apprentissages partout en
Europe en utilisant le EUN « Learning Resource Exchange » (LRE) framework. Le
LRE est basée sur une architecture du brokerage (LIMBS-Limbs Is My Brockerage
System). Cette framework est une infrastructure pour découvrir et échanger les
ressources d'étude, où chaque associé reste dans la commande des ressources d'étude et
de leur métadonnée.
Mon travail concerne l’échange des ressources d'étude et l’interopérabilité dans ce
system. Dans le reste de ce chapitre, je vais parler du mon contexte de travail, les
problèmes et les limites des solutions existant. Ensuite la description du mes
contributions et l’aperçu du reste du contenu du mémoire.

1.1. European Schoolnet
European Schoolnet, créé en 1997, est un partenariat international de vingt-huit

ministères de l’éducation en Europe et qui développe des portails destinés aux
établissements scolaires, aux enseignants et aux élèves d’Europe.
Aux décideurs et aux professionnels de l’éducation, European Schoolnet offre une vue
d’ensemble de l’utilisation pédagogique des technologies de l’information et de la
communication en Europe. Ces objectifs sont atteints par la communication et l’échange
d’informations à tous les niveaux de l’enseignement par le biais de technologies
innovantes et en offrant un portail aux réseaux scolaires nationaux et régionaux. Leurs
activités sont déterminées par les besoins de leurs membres en coopération avec la
Commission européenne et leurs partenaires technologiques et commerciaux.

1


1.2. EUN learning resource exchange (LRE)
Le LRE [11] est un service pour ouvrir le contenu éducatif caché dans des dépôts
numériques à travers l'Europe et pour le mettre en commun entre tous les associés du
LRE et leurs utilisateurs. Le service est offert aux acteurs fournissant le contenu
numérique : Ministères d'éducation, d'autorités éducatives régionales, d'éditeurs
commerciaux, d'animateurs, d'établissements culturels et d'autres organisations à but
non lucratif qui sont les catalogues étendus mais hétérogènes d'offre
D'un point de vue technique, le LRE se compose d'une infrastructure basée sur le
« brockerage système » LIMBS [10] et les systèmes indépendants d'éducation (par
exemple, dépôts de ressource d’étude, des portails, des systèmes de gestion d'étude). Ils
se relient pour partager des ressources d'étude d'une manière fédérée. Cette architecture
a été adoptée parce qu'elle offre la flexibilité maximum : elle est décentralisée assez
pour permettre aux fournisseurs de contenu de contrôler leurs collections de façon
autonome, et est assez bloquée pour assurer la confiance requise en traitant le contenu
pour des pupilles d'école.

Figure 1. L’Architecture du LRE


Le LRE est organisé comme ensemble de services indépendants qui peuvent être
combinés arbitrairement. Sur le côté de client, chaque service correspond à un module
que l'on peut brancher avec une interface simplifiée (et, si possible, standard). En reliant
un nouveau système à la fédération, on choisit les services requis et intègre les modules

2


correspondants. Ceci rend l'effort d'intégration proportionnel au nombre de services
étant intégrés. Puisque LIMBS peut découvrir automatiquement les services soutenus
par un client, il est possible d'une manière transparente d'ajouter ou enlever des services
sur n'importe quel système relié à la fédération. Il existe trois types de services cidessous :
1. Découverte de ressource
2. Acquisition
3. Gestion numérique de droites - DRM

1.2.1 Service de découverte
Services de découverte est une recherche fédérée qui se compose d'un utilisateur
portique éducatif (par exemple, un professeur ou un élève) interrogeant tous les dépôts
de métadonnées disponibles sur le LRE pour des références des ressources d’étude
assortissant les critères de recherche. Le module de service de LRE qui permet des
recherches fédérées est basé sur l'interface simple d’enquête SQI (Simple Query
Interface est un API standard utilisé pour interroger des dépôts des ressources d'étude).

1.2.2 Service d’acquisition
La acquisition de métadonnées permettre à des dépôts d'exposer leur contenu en faisant
acquérir leur métadonnées par un tiers (le acquéreur). Selon les spécifications de
acquisition de service, la acquisition de métadonnées peut être total ou limité
(acquisition sélective) selon de divers critères (par exemple collections, périodes de

temps).

1.2.3 DRM
L'objectif principal des mécanismes de DRM soutenus par le LRE consiste en
fournissant tous les composants nécessaires pour soutenir autant de modèles d'affaires et
de distribution comme possibles. Un deuxième objectif consiste en faisant possible leur
adoption progressive : bien que le protocole soutienne beaucoup de cas possibles
d'utilisation, il appartient vraiment aux membres de LRE à décider jusqu'à quel point ils
veulent pour mettre en application DRM.

3


1.3. Objectifs
Durant ce stage, j’ai contribué au dévelopement du LRE par :
1. l’implémentation d’un outil de traduction automatique de métadonnées,
2. la proposition d’un nouveau binding pour SQI et
3. la mise au point et l’implémentation d’un langage d’interrogation pour le LRE.

1.3.1 Le traducteur
En recherchant des ressources d'étude dans un portail éducatif relié au LRE, les
utilisateurs peuvent rechercher les ressources qui, bien que potentiellement approprié,
sont décrites dans une langue qu'ils ne lisent pas. Par conséquent nous avons besoin d'un
traducteur qui soutient la traduction automatique d'un document de métadonnées d'objet
d'étude

(LOM document), qui peut aider des utilisateurs à évaluer l'utilité des

ressources à condition que leurs descriptions soient écrites dans une langue ils savent ou
peuvent être traduites en une telle langue. J’ai implémenté un traducteur (il est appelé

MALT (MELT Automatic LOM Translator). Ce traducteur travaille comme un service
de web qui a été intégré dans le LRE.

1.3.2 Binding de SQI
SQI [18] est une norme de transport d’enquête qui devient a extensivement employé au
sein de la communauté d'étude. Grâce à un binding commun de WSDL (CSWB Common SQI WSDL Binding) [20], les dépôts SQI conformes des ressources d'étude
peut s’interroger. Cependant, ce binding commun directement trace les spécifications de
SQI. Par conséquent, beaucoup d'appels à distance (connus pour présenter une latence
importante) sont nécessaires pour interroger un dépôt. Il est important d'améliorer cette
binding de SQI pour éviter l'issue d'exécution. J’ai proposé un nouveau binding pour
SQI qui réduit nettement le temps nécessaire pour interroger des dépôts.

4


1.3.3 LRE-QL le langage d'interrogation
Le langage d'interrogation de LRE (LRE-QL) est une tentative de créer un langage
d'interrogation abstrait adapté à LRE. Il combine des dispositifs de deux langages
d'interrogation existants d'abstrait :
•

Le “contextual query language” (CQL). [14]

•

Le “prolearn query language” (PLQL) niveau 2 [15]

Mon travail est de construire le LRE-QL et de développer un parseur pour ce langage
d’interrogation.


1.3.4 Service d’acquisition
Le LRE propose l’acquisition de métadonnées comme alternative à SQI-basée service
pour exposer la métadonnée d'un dépôt. L’acquisition de métadonnées lui-même se
fonde sur des demandes de HTTP comme définies par l’OAI-PMH version 2.0 (Open
Archive Initiative Protocol for Metadata Harvesting).
Dans la curent version de LRE, il traite lui-même tous les spécifications de OAI-PMH.
Il est mieux si on peut utilise le framework OAI-CAT qui se conforme au OAI-PMH
v2.0. J’ai intégré ce framework dans LRE. Ce travail demande seulement de coder des
classes appropriées donc je ne le fournis pas dans ce mémoire.

1.4 Structure du rapport
Ce rapport est organisé comme suit : La section 2 fournit une introduction des travaux
concernés. La section 3 aborde des méthodes et solutions, elle se compose du traducteur,
du nouveau binding de SQI et du LRE-QL. En conclusion, je donne des commentaires
sur les travaux et propose quelques traces pour continuer.

5


2. TRAVAUX CONCERNES
2.1. LIMBS projet
LIMBS (Limbs is my brokerage system)
LRE est un ensemble de dépôts de données communiquant entre eux via un système
« LIMBS » permettant l’envoi de messages écrits en différents langages d’interrogation.
Il peut y avoir différents langages de requête et formats de résultat qui ne doivent pas
nécessairement être supportés par tous les dépôts de données.
LIMBS est un projet libre se basant sur des standards libres et des contenus libres pour
promouvoir l’échange des ressources d’apprentissage dans la fédération du système
d’apprentissage en ligne. Le rôle de LIMBS est de transporter et de router les messages
échangés dans la fédération entre systèmes et non de vérifier la sémantique des

messages transférés qui est prise en charge par les membres de la fédération utilisant un
client pour communiquer avec LIMBS.
La communication entre LIMBS et les autres systèmes se fait via le SQI. SQI est une
API standard permettant d’interroger des dépôts d’objets d’apprentissages. Elle est
caractérisée par son indépendance en termes de langages d’interrogation et de formats
de résultat.

6


Figure 2. LIMBS, le system de brokerage

Pour faire une recherche fédérée, un système utilise son module SQI client pour envoyer
une requête à LIMBS (1). Grâce à la flexibilité de SQI, les requêtes peuvent être
soumises dans n’importe quel langage d’interrogation et le format de résultat peut être
choisi.
LIMBS propage ensuite le message à tous les systèmes de la fédération qui
implémentent le SQI(t) (2a) et (2b). Les dépôts de données supportant le langage
d’interrogation et le format de résultat demandé traitent la requête et retournent le
résultat à LIMBS (3a) et (3b). Finalement, LIMBS renvoie le résultat au client SQI
ayant fait la requête (4a) et (4b) (Figure 2).

2.2 SQI et son «binding» commun
L'interface simple d’interrogation (SQI) est une norme API employé pour interroger des
dépôts des ressources d'étude. SQI sert comme une couche universelle d'interopérabilité
aux réseaux éducatifs. Afin d'être vraiment interopérable, dépôts qui emploient le SQI, a
besoin de partager également une binding commune qui assure des réalisations
compatibles de la norme. On a ainsi proposé "Un SQI commun WSDL" [4]. Cette
binding de SQI est maintenant en service dans les fédérations d'apprendre des dépôts de
ressource tels que le GLOBE [3].

7


Cette version de binding commun de SQI WSDL est tracé direct des spécifications de
SQI. Chaque méthode de SQI correspond à une méthode de service web. Par
conséquence, il y a beaucoup d’invocation de méthode à distance sont exigées quand un
système interroge un dépôt à distance. Ces appels de méthode à distance sont lents et
résultat dans l'exécution dégradée [2].
Actuellement, les implémentations de SQI abordent ce problème d'exécution en
définissant des valeurs par défaut. L'utilisation des paramètres d’interrogation de défaut
tels que le langage d'interrogation, format des résultats, durée maximum, ou le résultat
maximum permettent de limiter le nombre d'appels à distance. Cependant, l'utilisation
des paramètres de défaut implique pour renoncer, au moins en partie, à la flexibilité
offerte par les spécifications de SQI. Par conséquent, cette binding force des réalisateurs
d'obligatoire à la flexibilité pour l'exécution. Je propose d'appliquer le modèle de façade
à distance à la conception des bindings de SQI, qui laisse réduire le nombre d'appels à
distance en passant plus de données avec chaque appel. Cette technique a été employée
pour lier SQI à WSDL, à HTTP, et à JMS.

2.3 Le Projet MELT
La MELT [17] projet a été conçu pour fournir à des utilisateurs de contenu d'étude dans
les écoles l'accès à des types plus utiles de métadonnées qui leur permettront de trouver
les ressources qui adaptent les leurs besoins, langue, cultures et manières préférées de
l'enseignement et de l'étude.
La MELT représente “Metadata Ecology for Learning and Teaching”. Métadonnées
sont des données au sujet des ressources d'étude décrivant le contenu, ses utilisateurs
prévus, etc... Métadonnées, en général, facilitent la récupération des ressources d'étude
dans un portail des ressources d'étude ou le dépôt, juste comme des personnes d'aide de
cartes de bibliothèque pour trouver la droite réserve dans une bibliothèque. L'idée dans
la MELT est de travailler à créer plus de métadonnées sémantiquement riches que les

professeurs et les étudiants trouveraient plus utile, et cela les aiderait à améliorer la
trouvaille et à réutiliser les ressources appropriées.
Les dépôts contents dans la MELT deviendront une partie d'une fédération en utilisant
cette architecture et le projet sera une composante clé dans les plans de l'EUN pour

8


lancer un échange de ressource d'étude casserole-Européen (LRE). La stratégie
coordonnée de LRE est développée par EUN dans un certain nombre de projets
adressant la demande des écoles, ministères d'éducation et d'autres corps pour un
système qui permettra des professeurs et les pupilles à travers l'Europe à localisent plus
facilement, emploient et réutilisent les ressources

2.4 Modèle de LOM
LOM (Learning Object Metadata) [19] est un modèle de données, habituellement codé
dans XML, employé pour décrire un objet d'étude et des ressources numériques
semblables employés pour soutenir l'étude. Le but de la métadonnée d'objet d'étude est
soutenir la réutilisabilité des objets d'étude, faciliter le discoverability, et de faciliter leur
interopérabilité, habituellement dans le contexte des systèmes de gestion d'étude en
ligne (LMS - Learning management systems).
Certaines des choses principales que le LOM est conçu pour vous aider à réaliser sont :
•

Création des descriptions bien structurées des ressources d'étude, qui devraient
aider à faciliter la découverte, l'endroit, l'évaluation et l'acquisition des
ressources d'étude par des étudiants, des professeurs ou des processus
automatisés de logiciel.

•


Le partage des descriptions des ressources d'étude entre les systèmes de
découverte de ressource, qui devraient mener à une réduction en coût de fournir
des services a basé sur des descriptions de ressource de haute qualité.

•

Mise sur pied des descriptions de ressource pour convenir aux besoins
spécialisés d'une communauté, qui peut inclure des vocabulaires commandés
appropriés de choix pour la classification, réduisant le nombre d'éléments qui
sont décrits ou ajoutant des neufs d'autres schémas de description de ressource.

•

Les créateurs et les éditeurs peuvent employer le LOM avec d'autres
caractéristiques "pour étiqueter" les ressources d'étude avec une description qui
peut être associée à la ressource, fournissant des informations dans un format
standard semblable à cela trouvée sur la couverture et la voler-page d'un manuel.

9


2.5 Le profil d'application de LRE métadonnées
Le profil d'application de LRE métadonnées [12] propose un schéma conceptuel pour
décrire des ressources d’études dans une manière dont est adapté au secteur d’école
européen. Il profile la norme de LOM comme suit :
•

Il définit mandatory, recommandé, et les éléments facultatifs de LOM. Par
exemple, LOM élément “5.9 Educational Typical Age Range”, qui est

considérée comme meilleure manière de se rapporter aux assistances d'une
ressource indépendamment du système scolaire à l'étude, est recommandée.

•

Il ajoute un nouvel élément “4.8 Technical Facet” à classifier l'exigence
technique d’une ressource.

•

Il présente de nouveaux vocabulaires commandés, par exemple pour LOM
élément “5.2 Learning Resource Type”. Chaque nouveau vocabulaire est conçu
pour tenir compte des spécificités de l'éducation primaire et secondaire en
Europe. En outre, chaque vocabulaire est traduit dans différentes langues
européennes comprenant une forme neutre qui peut être employée comme interlangue pendant la recherche et l'échange des descriptions de ressource.

Le schéma conceptuel de profil d'application de LRE métadonnées est hiérarchique. Il
se compose d'une structure arborescente où seulement les feuilles peuvent contenir des
valeurs. On propose une représentation graphique de cette structure sur la figure 3. Le
nom de chaque élément est suivi de son nombre entre les parenthèses. Le nom de
chaque élément mandatory (c.-à-d., un élément dont la cardinalité minimum est au
moins 1) est dans "bold". Le nom de chaque élément de multiple (c.-à-d., un élément
dont la cardinalité maximum est 1) plus grand qu'est mis en tête par a *. Les expressions
telles que "source=LREv3.0" indique que "LREv3.0" est la seule valeur autorisée pour
l'élément "source".

10


Figure 3. Le schéma conceptuel des métadonnées du LRE.


11


3. METHODES ET SOLUTIONS
3.1 Traducteur
Le traducteur est appelé MALT (MELT Automatic LOM Translator)

3.1.1 Données
Des données traitées dans MALT sont des LOM documents (format XML). Dans un
LOM XML document, le MALT distingue 3 types d'éléments :

3.1.1.1 Éléments de texte libre
Nr.

Path

1.2

General/Title

1.4

General/Question

1.5

General/Keyword

1.6


General/Coverage

2.1

Life Cycle/Version

4.5

Requirement/Installation Remarks

4.6

Requirement/Other Platform
Requirements

4.8.3

Requirement/Facet/Description

5.10

Educational/Description

6.3

Rights/Description

8.3


Annotation/Description

9.2.1

Classification/Taxon Path/Source

9.2.2.1

Classification/Taxon
Path/Taxon/Entry

9.2.2.2

Classification/Taxon
Path/Taxon/Description
Table 1 Éléments de texte libre

12


3.1.1.2 Éléments de commandé-vocabulaire
Nr.

Path

1.7

General/Structure

1.8


General/Aggregation Level

2.2

Life Cycle/Status

2.3.1

Life Cycle/Contribute/Role

3.2.1

Metadata/Contribue/Role

4.4.1.1

Technical/Requirement/OrComposit/Type

4.4.1.2

Technical/Requirement/OrComposit/Name

4.8.1

Technical//Facet/Name

4.8.2

Technical//Facet/Value


5.1

Educational/Interactivity Type

5.2

Educational/Learning Resource Type

5.3

Educational/Interactivity Level

5.4

Educational/Semantic Density

5.5

Educational/Intended End User Role

5.6

Educational/Context

5.8

Educational/Difficulty

6.1


Rights/Cost

6.2

Rights/Copyright and Other Restrictions

7.1

Relation/Kind

9.1

Classification/Purpose
Table 2 Éléments de commandé-vocabulaire

3.1.1.3 Éléments de langage-indépendant
Ces sont des éléments restées

3.1.2 La méthode utilisée
En recherchant des ressources d'étude dans un portail éducatif relié au LRE, les
utilisateurs peuvent rechercher les ressources qui, bien que potentiellement approprié,
sont décrites dans une langue qu'ils ne lisent pas. Par conséquent nous avons besoin d'un
13


traducteur qui soutient la traduction automatique d'un document de la métadonnée
d'objet d'étude (LOM document), qui si aider des utilisateurs à évaluer l'utilité des
ressources à condition que leurs descriptions soient écrites dans une langue ils savent ou
peuvent être traduites en une telle langue.

Simplement, le traducteur va prendre un LOM document (XML fichier) comme les
données entrées, ensuite il va le traiter pour obtenir une traduction de ce LOM
document.
Dans ce system, je fais traduire le texte dans LOM document par la technologie de
SYSTRAN. Il existe des autres technologies de traduction comme Google Traduction,
Worldlingo traduction…mais j’ai choisi SYSTRAN parce qu’il support le plus nombre
des langages.

3.1.3 Technologie
Je fais le traducteur comme un REST base service web.
Tout d’abord, j’ai essaie de développer le traducteur comme un AXIS2 SOAP service
qui profite factures de AXIS 2 architecture : le speed, flexibilité, stabilité, bon
déploiement…Mais le SYSTRAN SYSTEM ne translate qu’un fichier html. Je dois
dont créer dynamiquement un fichier html pour chaque LOM document. Parce qu’il est
impossible de mettre des fichiers html réel dans le server si on peut imaginer un grand
nombre d’utilisateur. Pour créer les fichiers html dynamiquement, la seule solution est
l’utilisation d’un servlet. L’AXIS2 ne permet pas de mettre un servlet dans le service.
C’est la raison pour laquelle j’utilise le REST base service pour développer le traducteur.
De plus, le service REST a beaucoup des avantages, et il est puissance comme Axis2
service.

3.1.4 Processus de traduction
Dans un document de LOM XML, le MALT distingue 3 types d'éléments :
1. Éléments de texte libre (par exemple, "general.title"),
2. Éléments de commandé-vocabulaire (par exemple, "educational.context"), et

14


3. Éléments langage-indépendant (par exemple, "technical.size").

Quand le MALT traduit un document de LOM d’une langue source en langue cible,
chaque type d'élément est traité d'une manière différente.
1. Des éléments des textes libres sont automatiquement traduits en utilisant la
technologie de traduction de langue de SYSTRAN.
2. Des éléments de commandé-vocabulaire sont traduits en recherchant la traduction
appropriée dans une base de données commandée de vocabulaire.
3. Des éléments langage-indépendant sont maintenus inchangés.
Dans le document cible de LOM, les traductions de MALT ne remplacent pas les
éléments dans la langue source. Elles sont ajoutées en tant que cordes additionnelles de
langue. Par exemple, une traduction de MALT d'anglais-français de l'élément suivant :
<title>
<string language=”en”>Title</string>
</title>
Donne
<title>
<string language=”en”>Title</string>
<string language=”fr”>Titre</string>
</title>

Quand le MALT ne peut pas traduire un élément parce que la source ou la langue cible
n'est pas soutenue par SYSTRAN ou la base de données commandée de vocabulaire,
l'élément demeure sans changement dans le document de cible. Par exemple, une
traduction de MALT de français au Russe de l'élément suivant :
<title>
<string language=”fr”>Titre</string>
</title>

15



Donne
<title>
<string language=”fr”>Titre</string>
</title>

En conclusion, quand une traduction dans la langue cible existe déjà pour un élément
dans un document de source, la traduction Malt-produite est ajoutée comme nouvelle
corde de langue de laquelle la langue est x-millitorr (où le "millitorr" représente la
"traduction automatique").
Par exemple, une traduction de MALT d'anglais-français de l'élément suivant :
<title>
<string language=”en”>Title</string>
<string language=”fr”>Titre</string>
</title>
Donne
<title>
<string language=”en”>Title</string>
<string language=”fr”>Titre</string>
<string language=”x-mt-fr”>Titre</string>
</title>
Notez que le comportement décrit ci-dessus s'applique aux éléments de texte libre et de
commandé-vocabulaire.

16


3.1.5 Mise en application

Free text + Vocabulary


Free text + Vocabulary

3.1.5.1 System components

Figure 4. Les components du MALT

Le MALT se compose de 4 components :
1. Scanner : ce module va traiter la métadonnée (LOM document) et récolter des
commandé-vocabulaires et textes libres éléments.
2. Translator : ce module prend un fichier HTML, qui inclues des textes libres
éléments, come données entrées. Il utilise le Systran service pour traduire ce
fichier.
3. Database : Ce module connecte à la base de données de vocabulaire pour
trouver des vocabulaires traduit.
4. Updater : Ce module prends des résultats de Translator et Database modules
pour construire la métadonnée résultat.

17


Nous employons un système de SYSTRAN (Babelfish) pour traduire les éléments des
textes libres. Le Babelfish fournit un service de traduction des textes par un service web
( La traduction des textes a une limite des caractères
ainsi nous devons employer la traduction de site web. Nous pouvons employer ce
Babelfish service par une méthode POST/GET avec l’URL de Babelfish service :
( />
3.1.5.2 Le scenario de traduction
sd Translation scenario
Client


Parser

Systran

Database

Updater

1: LOM document
1.1: Free Text
1.1.1: Free text translated

1.2: Vocabulary
1.2.1: Vocabulary Translated

2: Lom document translated

Figure 5. Le scenario de traduction

Premièrement, j’extraite tous les textes libres que nous devons traduire de métadonnée
(document de LOM) par le parseur. Je crée alors un dossier dynamique de HTML qui
contient ces textes libres. Ce HTML sera envoyé au service de Babelfish avec une paire
de langue (source et cible). Le retour de résultat est ce que nous avons besoin, le HTML
traduit qui contient les textes libres traduits. Ces textes libres traduits et le vocabulaire

18


ont traduit qui nous avons obtenu a partir de la base de données serons ajoutés dans la
métadonnée par le component d’updater.


3.1.5.3 Invoking service
Le MALT est exposé pendant qu'un service Représentatif de Transfert d'Etat (RESTREpresentational State Transfer) qui fonctionne par des « requests » de HTTP. Il est
disponible à
:8080/lomTranslation/translation.

Le MALT devrait être appelé en utilisant la méthode de POST. Il prend 2 arguments
•

lp : Un couple de langues qui comprend la source et les langues cible de
traduction exprimée accordant le code à deux lettres d'OIN 639-1 et séparée par
un soulignage. Par exemple, en_fr indique qu'un disque de LOM en anglais doit
être traduit en Français.

•

xml: La représentation de XML d'un disque de LOM dans la langue source.

L’invocation de MALT retourne un exemple de XML du document de LOM dans la
langue cible.
Quand des paramètres incorrects sont envoyés (par exemple, un document inadmissible
de XML), une erreur 400 (mauvaise demande) de HTML est retournée.
Notez que le MALT peut également être appelé en utilisant la méthode GET method
(par
exemple ::8080/lomTranslation/translation?lp=en_fr&xml=m>… </lom>)
Cependant, cette méthode n'est pas recommandée puisque cela fonctionnera seulement
avec de petits documents de LOM quand la taille globale du URL n'excède pas la
longueur maximum autorisée pour URLs.
Le restant de cette section présente différentes manières d'appeler le service tel

qu'employer une forme de web ou le code de Java .

19