e-Learning 1.0 to e-Learning 2.0 to e-Learning 3.0 (中)

在Tony Karrer（見圖，帥哥一枚）的部落格裡面其實已經探討過所謂Web 3.0或e-Learning 3.0了（見此連結），而這樣的概念也是從NY Times中的一個報導而來，當中提到一開始的想法：新的Web 2.0或e-Learning 3.0未來除了現今的科技支援以外，應該導入所謂語言分析、語意網路（Semantic web）的軟體分析技術。他在裡面舉了一個例子，未來的Web 2.0使用情境可能是，使用者提出這樣一個問題：

「我在找一個溫暖的地方來度過我的假期，手邊目前的預算大約三千美金，對了！我還有一個十一歲的小孩」

而屆時Web 2.0或e-Learning 2.0的技術則可以分析這樣一個問題（Request），然後可以去知識蘊含量豐富的茫茫網際網路大海中，來撈出好的答案與建議結果。

但這樣的狀況卻也受到Stephen Downes（見下圖，外國藝術家氣質高手一枚）的質疑（見連結，Tony Karrer也同意），他認為其實我們並沒有能力把條件設定的相當好，或是說，有時我們不見得會給予很完整的條件，有可能我願意再多花個一百美金，來讓這個假期更加完美、更値得，但我不見得會說出來，可能只是隱含在我的心裡。因此，兩位大部落客都認為我們產生問題的能力有可能還不如回答問題的能力，有時候更不想對自己的問題設定太多限制，也因為這樣，如此不清不楚的問題又怎麼可以讓語意分析能夠做好，然後提出好的結果來？

這樣的一個討論情形顯示出，其實國外談的e-Learning 3.0也還在百家爭鳴的階段，不像Web 2.0一般全球大致上已經有個初步的共識，而幾個特色也都收斂到一定程度，像是使用者中心（User Centered）、社會化網路（Social Networking）等幾個主要的特性也都是每個人都同意的。而網路上查一查，其實這個詞彙也真的目前沒什麼人在提，畢竟Web 2.0或e-Learning 2.0這兩個大題目就讓現在的網路世界延燒老半天，現在也正是火大的時候，應該比較不會有人會去觸及太遠、比較不是那麼明確清楚的議題。

另外提到一個知識管理（Knowledge Management，KM）領域比較常被提到的一個技術，就是專業知識定位與管理（Expertise Location and Management，ELM）（主要的廠商有許多：IBM、SAP、AskMe、Entopia、PeopleSoft），此項技術在Gartner的報告中定義為：是一個功能，能夠辨別不同人的專業知識，並且提供管理的介面，包含類別管理、專業知識深度管理、分布狀態管理等，在Gartner的報告中則分成三種不同類型的ELM：專業知識擷取（Expertise capture）、專業知識鑑定（Expertise profiling）以及社群管理（Community management）。其實ELM通常也稱為職員知識網路（Employee knowledge network）（見連結），在企業的教育訓練中也常常提供顧問或引導（Mentoring、Facilitating）、成效評估（Performance）、知識落差評估（Knowledge gaps identifying）等功能。

而在我的想法裡面的e-Learning 3.0其實就是整合前面探討到的兩個部份的一個創新學習方案，而此模式也因為近來的科技進步而可能有機會做一些實作並解決，以下作詳細的解釋。

所提及的新的e-Learning 3.0的方案是這樣的，在學習的過程中，或是在尋求解答的過程中，知識的搜尋仍舊是主要課題，也因此，在Tony Karrer與Stephen Downs他們所提及的搜尋模式，我認為依然是個相當明確的課題與特性，也就是說，人們還是透過一些很直覺式的自然語言來做問題的搜尋，但是在語意（Semantic）上的分析卻不是為了在浩瀚的網路知識庫中想辦法撈取資料，而卻是在一個龐大的、全球性的專家定位網路（Expert Location Net）（我自稱的，情境請見圖）中，來撈取全球相關專家的資訊，而且即時地透過科技的連結，讓使用者或是問題的發問者，能夠及時地透過網路的溝通、甚至是行動電話的話語溝通、筆記型電腦的視訊對話，來解決問題！

所以說，這個解決方案的前端是Tony他們探討的方式，而後端則是引用了ELM的模式，把知識管理的範疇，從企業內部的大量應用中拉出來，並且跟實際上的狀況做結合，讓使用者可以找到現實上的專家，讓問題得以立刻解決。舉個例子來看好了：今天使用者透過系統（硬體：手機、PDA、筆記型電腦、家用個人電腦；軟體：專家定位網路系統網站平台）來輸入問題如「我想要花一千塊在台北跟女朋友一起吃一頓浪漫的晚餐」，送出問題後，系統將能分析其問句，然後根據問句中的語意關鍵字，來尋找專家定位網路的專家庫（Expert Base），找尋到適合的專家（例如一個美食家、一個泡妞高手），即時地與使用者做連結，然後幫忙解決這個問題，根據即時溝通來了解他的需求、提供解決的答案，讓他成功地帶著女朋友去吃一頓很棒的晚餐。

這樣的系統中當然牽扯到許多的機制，例如：專家的設定方法、解決問題的成果而影響的專家評鑑機制、專家的定位系統、語意的分析、使用者習慣的分析、當中的商業模式…等。然後透過現在已經相當成熟的社群經營的手法，可以試著朝專家社群經營的型態方向來走，慢慢的累積專家的資訊，甚至透過網際網路目前的大量資料（如部落格文章、回答問題的論壇），來取得專家的資訊。

下一篇大致會將優點跟根本概念做個理論闡述與解釋，來解釋為什麼這樣的模式是好的，符合新的e-Learning 3.0的概念與意涵。

To be continue…

參考資料：Waldir Arevolo De Azevedo Filho, James Lundy, Lou Latham, Tom Eid, Van L. Baker, Gene Phifer, Mark R. Gilbert, Rita E. Knox, Nikos Drakos, Matthew W. Cain, Ray Wagner, Eric Ouellet, Karen M. Shegda, Kenneth Chin, Debra Logan, Jeffrey Mann, Allen Weiner, Mike McGuire, "Hype Cycle for e-Learning, 2006", 5 July 2006.