5. CONCLUSIONS AND FUTURE WORKIn th

5. CONCLUSIONS AND FUTURE WORK
In this paper, we investigated the influence of different tagging styles, namely describers and categorizers on
enlarging the metadata descriptions of digital educational resources. The results of our study performed with
the dataset of an existing LOR, namely OpenScienceResources Repository showed that describers produce
tags that are significantly different from formal metadata, whereas categorizers mainly follow the formal
metadata generated by metadata experts or content providers. As a result, considering tagging motivation
during folksonomies analysis could facilitate capturing enlarged metadata descriptions of digital educational
resources. Future work includes deeper analysis to the results of our study, so as to identify the effect of
describers’ and categorizers’ social tags to the enlargement of metadata descriptions for digital educational
resources with different granularity levels and different formats.

ผลลัพธ์ (ไทย) 1:

5. บทสรุปและการทำงานในอนาคตในเอกสารนี้ เราตรวจสอบอิทธิพลต่าง ๆ ระบุป้ายลักษณะ ได้แก่ describers และ categorizers ในขยายคำอธิบายข้อมูลเมตาของทรัพยากรดิจิทัลเพื่อการศึกษา ผลการศึกษาของเราทำด้วยชุดข้อมูลของการหล่อที่มีอยู่ คือเก็บ OpenScienceResources พบ describers ผลิตแท็กที่แตกต่างกันอย่างมีนัยสำคัญจากทางตา ในขณะที่ categorizers ส่วนใหญ่ทำตามแบบทางข้อมูลเมตาที่สร้างขึ้น โดยผู้เชี่ยวชาญข้อมูลเมตาหรือผู้ให้บริการเนื้อหา ดังนั้น พิจารณาแรงจูงใจการติดป้ายระหว่าง folksonomies วิเคราะห์สามารถช่วยจับตาขยายคำอธิบายของดิจิตอลศึกษาทรัพยากร ทำงานในอนาคตรวมถึงวิเคราะห์ลึกเพื่อผลการศึกษาของเรา เพื่อระบุผลของการแท็กสังคมของ describers และ categorizers ของการขยายตัวของดิจิตอลศึกษาคำอธิบายข้อมูลเมตาทรัพยากรส่วนประกอบต่าง ๆ และรูปแบบที่แตกต่างกัน

ผลลัพธ์ (ไทย) 2:

5.
สรุปและการทำงานในอนาคตในบทความนี้เราจะตรวจสอบอิทธิพลของรูปแบบการติดแท็กที่แตกต่างกันกล่าวคือdescribers และ categorizers
ในการขยายรายละเอียดmetadata ของทรัพยากรทางการศึกษาดิจิตอล ผลที่ได้จากการศึกษาของเราดำเนินการกับชุดของ LOR ที่มีอยู่คือ OpenScienceResources พื้นที่เก็บข้อมูลแสดงให้เห็นว่า describers ผลิตแท็กที่มีความแตกต่างกันอย่างมีนัยสำคัญจากเมตาดาต้าอย่างเป็นทางการในขณะที่categorizers ส่วนใหญ่ทำตามอย่างเป็นทางการเมตาดาต้าที่สร้างขึ้นโดยผู้เชี่ยวชาญด้านเมตาดาต้าหรือผู้ให้บริการเนื้อหา เป็นผลให้พิจารณาแรงจูงใจการติดแท็กในช่วงการวิเคราะห์ folksonomies สามารถอำนวยความสะดวกในการจับรายละเอียดเมตาดาต้าขยายของการศึกษาดิจิตอลทรัพยากร การทำงานในอนาคตรวมถึงการวิเคราะห์ลึกเพื่อผลของการศึกษาของเราเพื่อที่จะระบุผลกระทบของdescribers และ categorizers สังคมแท็กให้กับการขยายตัวของรายละเอียด metadata สำหรับการศึกษาดิจิตอลทรัพยากรที่มีระดับความละเอียดที่แตกต่างกันและรูปแบบที่แตกต่างกัน

ผลลัพธ์ (ไทย) 3:

5 . ข้อสรุปและ
งานในอนาคตในกระดาษนี้เราได้ศึกษาอิทธิพลของชนิดและลักษณะแตกต่างกัน ได้แก่ describers categorizers บน
ขยายข้อมูลรายละเอียดของดิจิตอลทรัพยากรการศึกษา ผลการศึกษาของเราดำเนินการกับข้อมูลการ อ
ที่มีอยู่ คือ พบว่า describers ผลิต
openscienceresources กรุแท็กที่ มีความแตกต่างจากข้อมูลอย่างเป็นทางการ ส่วน categorizers ส่วนใหญ่ตามข้อมูลที่สร้างขึ้นโดยผู้เชี่ยวชาญทางการ
เมตาดาต้าหรือผู้ให้บริการเนื้อหา เป็นผลให้พิจารณาแรงจูงใจ
ในระหว่างการวิเคราะห์ folksonomies มุ่งจับขยายภาพดิจิตอลรายละเอียดของทรัพยากรทางการศึกษา

การทำงานในอนาคตรวมถึงวิเคราะห์เชิงลึก ผลของการศึกษาของเราเพื่อศึกษาผลของ categorizers
describers ' และ ' แท็กทางสังคมเพื่อขยายภาพดิจิตอลรายละเอียดสำหรับการศึกษาระดับ granularity
ทรัพยากรที่แตกต่างกันและรูปแบบที่แตกต่างกัน