Key points are not available for this paper at this time.
In einer Ära, die zunehmend auf lebenslanges Lernen angewiesen sein wird, muss die LA-Community die Bewegung und den Austausch von Daten und Informationen über institutionelle und geografische Grenzen hinweg erleichtern. Dies wird uns helfen, vorheriges Lernen (RPL) zu erkennen und die Lernerfahrung zu personalisieren. Hier untersuchen wir die Nützlichkeit von fähigkeitsbasierter Curriculum-Analytik und wie sie den Prozess der Vergabe von RPL zwischen zwei Institutionen erleichtern könnte. Wir erkunden das potenzielle Nutzen der Kombination von natürlicher Sprachverarbeitung und Fähigkeiten-Taxonomien, um zwischen Fachbeschreibungen dieser beiden verschiedenen Institutionen zu übertragen, und präsentieren zwei Algorithmen, die wir entwickelt haben, um RPL zu erleichtern, sowie deren Leistung bewerten. Wir lenken die Aufmerksamkeit auf einige der auftretenden Probleme und listen Bereiche auf, die wir für zukünftige Arbeiten in einem überraschend unterexplorierten Gebiet als reif betrachten.
Kitto et al. (Fri,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: