CN105808753A - 一种区域性数字资源系统 - Google Patents

Abstract

本申请提供了一种区域性数字资源系统，包括FELOM平台，所述FELOM平台预先设置有可扩展的学习对象模型，所述可扩展的学习对象模型包括数字资源信息、语义关系、知识类型和属性信息，所述语义关系表示数字资源与数字资源之间的关系；云存储服务器，与所述FEDORA系统连接，用于存储海量学习对象资源。本申请适用于新一代区域性基础教育领域的资源公共平台，支持海量数字资源的统一管理和分布式存储，结合当代区域性领域数字资源和用户的特点，利用学习对象技术管理多种格式的数字资源，实现数字资源的灵活地、可重构地语义化管理，满足差异化的用户需求，解决了传统基础教育资源平台应用规模小、支持场景单一、难以支持数字学习资源细粒度化重组和重用等弊端。

Description

一种区域性数字资源系统

技术领域

本申请涉及数字化信息技术领域，尤其涉及一种区域性数字资源系统。

背景技术

数据资源管理是利用计算机技术对数据资源进行有效的收集、存储、处理和应用的过程，其目的在于充分有效地发挥数据资源的作用。随着教育信息化建设的迅速发展，使得教学过程中产生的数字资源的总量海量增长。

然而，使用传统结构化数据库系统管理数字资源，常常存在重复冗余、离散分布等问题，进而导致资源的复杂混乱、相互分割、查找低效，使得海量存在的数字资源不能在教学中充分利用，对数字资源造成严重浪费，阻碍了数字资源有效的教学应用。与此同时，数字资源面向教学应用过程越来越呈现出教学场景应用相关、教师专业能力水平相关和学科教学应用方式相关等特征，教育数字资源需要能够方便的、适应教学需求的精细化重组和重用；缺乏语义支持的数字资源管理系统难以精准化的提供用户服务。这些问题在区域性的数字教育资源公共服务平台建设过程中尤为突出。

目前，在我国基础教育领域，数字资源管理平台采用的仍然是传统数据库系统，这种方式造成的教育资源冗余隔离、难以定制应用等问题，在区域范围内愈发明显。

现有技术不足在于：

现有技术中对数字资源的管理采用的是传统结构化数据库系统，造成了数字资源的冗余隔离，难以支持海量资源的灵活定制应用，难以满足数字资源海量存储与精准应用的需求。

发明内容

本申请实施例提出了一种区域性数字资源系统，以解决现有技术中采用传统数据库系统管理数字资源所带来的数字资源冗余隔离、难以支持海量资源的灵活定制应用、难以满足数字资源海量存储与精准应用需求的技术问题。

本申请实施例提供了一种区域性数字资源系统，包括：

FELOM平台，所述FELOM平台预先定义有可扩展的学习对象模型，所述可扩展的学习对象模型包括数字资源信息、语义关系、知识类型和属性信息，所述语义关系表示数字资源与数字资源之间的关系；

云存储服务器，与所述FELOM平台的内核系统FEDORA系统连接，用于存储若干数字资源。

有益效果如下：

本申请实施例所提供的数字资源系统，基于FEDORA为内核系统，对FEDORA系统扩展了底层存储，将云存储服务器与FEDORA系统建立连接，面向区域范围内的基础教育用户提供海量数字化学习资源的存储、共享与管理服务，基于学习对象元数据标准定义了可扩展的学习对象模型，并提供基于关系的分布式检索和资源推荐服务，可以适应新一代区域环境下服务于公共教育资源应用的多元化需求，利用学习对象技术解决了基础教育领域中传统结构化数据库系统管理数字资源带来的弊端，实现数字资源的灵活地、可重构应用，基于语义技术满足差异化的用户需求。

附图说明

下面将参照附图描述本申请的具体实施例，其中：

图1示出了本申请实施例中FELOM平台的结构示意图；

图2示出了本申请实施例中预先设置的学习对象模型的示意图；

图3示出了本申请实施例中FEDORA系统与HDFS集群整合的配置流程示意图；

图4示出了本申请实施例中FEDORA数字对象模型的示意图；

图5示出了本申请实施例中FELOM平台学习对象的生成和使用示意图；

图6示出了本申请实施例中基于HDFS集群的FELOM平台分布式对象查询示意图；

图7示出了本申请实施例中FELOM学习对象模型的示意图；

图8示出了本申请实施例中扩充学习对象元数据的示意图；

图9示出了本申请实施例中创建资源类型的示意图；

图10示出了本申请实施例中修改资源类型的示意图；

图11示出了本申请实施例中根据关系检索学习对象的示意图。

具体实施方式

为了使本申请的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。并且在不冲突的情况下，本说明中的实施例及实施例中的特征可以互相结合。

发明人在发明过程中注意到：

我国基础教育领域中，管理数字资源采用传统的结构化数据库系统，造成了数字资源的冗余隔离，归纳起来主要有以下几点原因：

1)传统的结构化数据库系统主要支持结构化数据，难以支持海量的、多种格式的、非结构化的基础教育数字资源，从底层上造成数字资源的冗余隔离；

2)传统的结构化数据库系统缺乏自适应性，没有考虑到数字资源与数字资源、以及数字资源与用户之间的语义关系，或者语义关系较弱，缺乏灵活性和可重构性，从中间层上造成数字资源的冗余隔离；

3)传统数据库系统缺少基于资源与资源之间关系的搜索引擎，只是针对关键字进行检索，难以满足差异化用户对检索的需求，从应用层上造成数字资源的冗余隔离。

针对上述不足，本申请实施例提出了一种区域性数字资源系统，利用学习对象技术来管理基础教育的海量数字资源，下面进行说明。

学习对象是计算机领域中面向对象的思想与教学理论相结合的产物，具有可重用性、易用性和可交互性等特点，可以实现教育教学数字资源的自定义整合、高效共享与重用，为教育教学提供支撑。在一些教育比较发达的区域，基础教育数据管理向着支持数据重用、共享和知识化服务方向发展，创新云计算环境下的数据服务提供开放资源管理、共享、重用和知识化服务，以适应对数据的灵活重构、满足知识立体化的需求，适应云设施对海量、大规模服务支撑能力提供的海量数据资源聚合和共享服务支撑能力，学习对象技术是适应这一新环境的关键技术，它是融合数据、元数据及数据内容动态抽取与知识化服务功能于一体的新型数据管理技术。

图1示出了本申请实施例中FELOM平台的结构示意图，如图所示，所述区域性数字资源系统可以包括：

灵活可扩展学习对象管理FELOM(FlexibleExtensibleLearningObjectManagement)平台，以灵活可扩展的数字对象仓储结构(FEDORA，FlexibleExtensibleDigitalObjectandRepositoryArchitecture)为内核系统，所述FELOM平台预先设置有可扩展的学习对象模型，所述可扩展的学习对象模型包括数字资源信息、语义关系、知识类型和属性信息，所述语义关系表示数字资源与数字资源之间的关系；

云存储服务器，与所述FELOM平台内核系统FEDORA系统连接，用于存储若干数字资源。

其中，FEDORA是一个开源的数字资源管理系统，用一套关于数字资源元数据和数字资源的抽象接口功能集来管理数字资源。FEDORA有着灵活强大的自定义数字对象模型和强大的描述对象之间关系的功能，可以支持建模基础教育学习对象；并且FEDORA有着良好的网络接口和安全保证，相比于其他数字资源管理系统，有利于二次开发，做进一步的扩展。

图2示出了本申请实施例中预先设置的学习对象模型的示意图。本申请实施例中可以基于学习对象元数据(LOM，LearningObjectMetadata)、都柏林核心(DC，DublinCore)元数据等元数据标准，设置一套可扩展的学习对象模型FELOM(灵活可扩展的学习对象模型，FlexibleExtensibleLearningObjectModel)。FELOM模型的设计是为了提供一个描述学习对象的核心，对于学习对象基本属性的部分，是对于现有元数据模式的数据项的一些取舍，使它更贴近于区域性学习的实践；至于学习对象的语义关系描述部分，是在分析现有元数据模型中学习对象关系的基础上，站在知识视角下，深入知识的本身，描述学习资源背后的知识点之间的描述、分类和关系，这样的描述更贴近于学习资源关系的本质。

其次，结合区域基础教育领域数字资源的自身特点，设置学习对象的基本的元数据标记。同时考虑到数字资源的多样性，以及未来数字资源的不确定性，设计对元数据规范提供动态管理。管理员可以在后台增删改元数据，并指定元数据的取值类型，从而满足各种资源的描述需求。

然后，结合区域基础教育领域的课程本体，增加灵活的元数据标记，使得资源可以按照知识点、适应年级、学科、课程、主题等等关键信息进行资源类型管理。

最后，基于学习对象的关系描述和差异性的用户行为，自适应匹配数字资源与数字资源的语义关系、数字资源与用户需求之间匹配特征，并提供基于这种语义关系的分布式检索和优质资源推送。

实施中，所述云存储服务器具体可以为开源分布式文件系统(HDFS，HadoopDistributedFileSystem)集群，所述HDFS集群包括虚拟服务器、虚拟存储和虚拟网络，所述FEDORA系统的底层存储参数扩展为所述HDFS集群底层存储。

实施中，所述底层存储参数可以包括路径配置文件和获取底层存储路径的方法类。

图3示出了本申请实施例中FEDORA系统与HDFS集群整合的配置流程示意图，如图所示，可以包括如下步骤：

步骤301、安装Hadoop；

步骤302、配置好HDFS的集群路径；

步骤303、安装FEDORA；

步骤304、编写HDFS底层存储管理模块，将原有获取相对路径的方法修改为获取HDFS集群的方法，增加初始化HDFS客户端过程；

步骤305、修改FEDORA应用中的读、写、删等方法类文件和配置文件，将原有对本地文件操作的方法修改为对HDFS集群操作的方法，并将修改后的操作类文件拷贝到HDFS的指定文件夹中，再将配置文件中有关底层存储的部分相关参数修改为使用HDFS集群存储数字资源；

步骤306、启动HDFS集群；

步骤307、启动FEDORA管理客户端，进行数字对象的增、删、改、查操作性功能验证；

步骤308、验证FEDORA能否正常访问HDFS集群。

至此，扩展FEDORA底层存储结束。

本申请实施例选择FEDORA作为数字资源管理方法的软件系统，选择HDFS作为数字资源底层扩展存储系统，通过将FEDORA中有关底层存储的部分相关参数(如，存储路径、方法类等)修改为使用Hadoop分布式文件系统集群，进而支持海量的、多种格式的、非结构化的基础教育数字资源管理。

实施中，所述云存储服务器具体可以用于按照预先设置的对象存储模型存储所述若干数字资源，所述存储模型包括永久标识符PID、FEDORA对象可标记语言(FOXML，FedoraObjectXML)元数据、对象属性、关系元数据、数据流、发布器，所述永久标识符PID为数字对象的标识，所述FOXML元数据、对象属性和关系元数据用于管理数字对象和建立数字对象的索引，所述数据流为数字对象包含的不同媒体格式的数字内容，所述存储模型中数字资源以数据流的形式封装；所述发布器用于发布和访问所述数字内容。

其中，所述存储模型即为所述FEDORA系统的数字对象模型，数字资源可以以数据流的形式封装在数字对象模型中。

图4示出了本申请实施例中FEDORA数字对象模型的示意图，本申请实施例可以基于FEDORA数字对象模型存储学习对象模型，如图所示，数字对象模型可以包括：

永久标识符PID，作为数字对象的唯一标识；

FOXML(FEDORAObjectXML，FEDORA对象可标记语言)元数据、对象属性和关系元数据，作为用于管理数字对象和建立数字对象的索引的元数据；

数据流，可以包括数据流1～n，即，数字对象包含的不同媒体格式的数字内容；

发布器，可以包括默认发布器、自定义发布器，用于发布和访问数字内容的组件。

实施中，所述FELOM平台可以包括：数字对象模型模块、灵活可扩展学习对象模型模块、基础教育领域学科本体模块、用户管理模块和自适应管理模块，其中，

所述数字对象模型模块分别与所述灵活可扩展学习对象模型模块、所述基础教育领域学科本体模块连接，用于管理数字资源；

所述灵活可扩展学习对象模型模块分别与基础教育领域学科本体模块、数字对象模型模块、用户管理模块连接，用于增加、修改和/或删除区域学习对象元数据；

所述基础教育领域学科本体模块，用于对数字资源整合分类；

所述用户管理模块包括用户权限单元、私人定制单元、行为记录单元和用户偏好单元；

所述自适应管理模块，与所述基础教育领域学科本体模块、用户管理模块和灵活可扩展学习对象模型模块连接，用于学习对象重组重用、扩充数字对象元数据、创建定制资源类型和/或添加数字对象关联关系。

具体实施中，所述基础教育领域模块可以根据领域知识点或者按照学科、课程等进行整合分类。

所述数字对象模型模块包括存储模式和管理模式，实现数字对象的重组重用。

用户可以通过所述用户管理模块进行关系检索，系统可以通过所述用户管理模块向用户进行资源推送等。

自适应管理模块可以根据用户管理模块来进一步实现学习对象的重组重用、扩充学习对象元数据、创建定制资源类型和/或添加学习对象关联关系。

实施中，所述FELOM平台可以进一步包括：

上传模块，用于上传数字资源，将所述数字资源存储至所述云存储服务器；

设置模块，用于为所述数字资源设置资源类型，所述资源类型包含若干学习对象元数据，所述学习对象元数据包括元数据名称和数据类型。

图5示出了本申请实施例中FELOM平台学习对象的生成和使用示意图，如图所示，所述FELOM平台学习对象的生成和使用过程可以包括如下步骤：

首先，获取单个资源；判断所述资源的资源文件是否在预设文件大小(例如：2G)之内，如果在所述2G之内，则可以通过addDataStream()函数以完全管理的方式生成数据流；如果超过2G(可以称所述资源文件为大文件)，则通过FTP上传所述大文件，通过addDataStream()函数以外链的方式关联文件URL和数据流ID。

然后，注入、抽取所述数据流，管理、生成学习对象，根据管理方式的不同，又可以有如下区分：对于小于2G的文件得到管理的数据流dataStream，抽取成不同的格式，例如：ppt格式、文本格式、PDF格式和音视频格式；对于大于2G的文件得到所述文件的URL地址，可以进行大文件的下载等操作。

具体实施中，针对多媒体教育资源的格式和大小差异，对数据流的注入和抽取过程进行二次开发，将所述数字资源灵活地存储至所述FELOM平台内核FEDORA系统的底层扩展存储服务器(即云存储服务器，HDFS集群)，并根据实际需求管理学习对象的生成和使用。

实施中，所述设置模块可以进一步用于为所述数字资源设置所述数字资源与其他数字资源之间的关系，和/或，为所述数字资源设置所述数字资源与用户之间的关系。

实施中，所述FELOM平台可以进一步包括：

添加模块，用于为所述资源类型添加元数据，设置元数据属性项的数据类型。

实施中，所述FELOM平台可以进一步包括：

第一接收模块，用于接收用户发送的修改资源类型元数据的请求；

修改模块，用于根据所述修改资源类型元数据的请求，增加或删除所述资源类型的元数据属性项。

实施中，所述FELOM平台可以进一步包括：

第二接收模块，用于接收用户发送的学习对象检索请求；

检索模块，用于根据所述学习对象检索请求以及预先设置的所述学习对象与数字资源的关联关系，输出与所述学习对象关联的数字资源。

图6示出了本申请实施例中基于HDFS集群的FELOM平台分布式对象查询示意图，如图所示，查询过程可以包括：用户向结构化查询语言(SQL，StructuredQueryLanguage)统一描述、发现和集成(UDDI，UniversalDescription，Discovery，andIntegration)注册机器发送查询请求，由分发查找引擎或中间节点存储器进行查找，所述中间节点存储器可以直接从学习对象存储器中进行查找，也可以指示分发查找引擎进行分发式查找；所述分发查找引擎可以向多个学习对象存储器(如图所示，学习对象存储器1-6)进行分发式查找，最终返回用户查找结果。

每次查询时可以对本次查询相关的信息进行设置，如：使用的查询方式，结果集个数，结果的元数据规范格式等等，同时可以为本次请求建立唯一编号的Session存储检索的相关信息，添加对目标服务器的异步查询结果监听器等等，进而实现同步的“点对点”查询和异步的“一对多”查询相结合的分布式检索。

本申请实施例依托云平台技术扩展学习对象的存储能力，可以面向区域范围内的基础教育用户来提供海量数字化学习资源的共享存储服务，满足了基础教育资源海量、异构的要求(如，多种教育元数据规范及其扩展性需求、各种学习资源格式等)；另外，本申请实施例可以适应大规模、多场景环境下服务于资源教育应用的不同需求的自组织、动态设置和管理学习对象，满足基础教育资源灵活地、可重构地语义化管理，支持多种元数据模式兼容的学习对象查询语言实现异构元数据模式下海量学习对象的高效查询与检索，利用学习对象技术解决了基础教育领域中传统的结构化数据库系统管理数字资源带来的数据冗余隔离等弊端。

为了便于本申请的实施，下面以实例进行说明。

本申请实施例所提供的数字资源管理系统可以使用FEDORA3.7.1版本、Hadoop2.7版本，系统内面向基础教育领域的用户角色可以设定为系统管理员和一般用户(即数字资源贡献者)。

首先，扩展FEDORA底层存储，具体步骤可以如下所示：

1)安装Hadoop，配置HDFS集群路径；

2)选择另外一台机器，安装FEDORA；

3)编写HDFS底层存储管理模块，将原本获取相对路径的方法修改为获取HDFS集群的方法，增加初始化HDFS客户端过程；

4)修改FEDORA应用中的配置文件，拷贝步骤1、3中的配置文件到FEDORA的指定文件夹，将配置文件中有关底层存储的部分相关参数修改为使用HDFS集群存储数字资源；

5)启动HDFS集群，然后使用FEDORA-admin.bat或者FEDORA-admin.sh启动FEDORA管理客户端，进行数字对象的增、删、改、查操作；

6)验证FEDORA能否正常访问HDFS集群。

至此，扩展FEDORA底层存储成功。

然后，管理基础教育学习对象，具体过程如下：

1)学习对象的存储模型设计：基于FEDORA通用数字对象模型，将数字资源以数据流的形式封装在数字对象模型中；

2)学习对象基础元数据的设计：基于学习对象元数据、都柏林核心元数据等元数据标准，自定义一套可扩展的学习对象模型FELOM；

图7示出了本申请实施例中FELOM学习对象模型的示意图，包括BindingResources(数字资源信息)、General(属性信息)、SemanticRelationship(语义关系)和KnowledgeType(知识类型)，其中：

BindingResources可以包括：标识符、标题等；

General可以包括：标识符identify、知识点knowledgepoint、描述description、发行商publisher、创建者creator、贡献者contributor、语言language、覆盖范围coverage、版权rights、关键词keyword、源信息source、推荐指数remarklevel、创建时间createddate等；

SemanticRelationship可以包括：isKindof/hadkind函数、isPartof/hasPart函数、isResultof/hasResult函数、isConditionof/hasCondition函数、isSymbolof/hasSymbol函数、isDefinitionof/hasDefinition函数、isPropertyof/hasProperty函数、hasEquivalent函数、hasParallel函数、hasOpposite函数等；

KnowledgeType可以包括：事实性知识、概念性知识、程序性知识、元认知知识等。

这里需要指出，这些数据项可以是由用户所录入的，也可以由系统生成，采用大部分数据项由系统生成的方式，可以减少使用者的信息输入量，同时也便于系统对于元数据的维护。同时，这些数据项也并非都要实现，可以根据实际的使用情况酌情增删即可。

3)学习对象元数据的扩充：

图8示出了本申请实施例中扩充学习对象元数据的示意图，如图所示，管理员可以根据实际需求，在元数据管理中添加新的元数据，定义元数据属性项的数据类型；

元数据可以包括：id、名称、描述、关键字、语言、上传时间、更新时间、发布时间、状态、资源类别、评价类别、学科、年级、主题、大小；

数据类型可以为：char、int、string、datetime等所有主流数据类型。

4)资源类型的创建：

图9示出了本申请实施例中创建资源类型的示意图，如图所示，用户可以根据自身需要，自定义资源类型，填写类型描述，勾选合适的元数据来定义资源类型的元数据属性；

5)资源类型的修改：

图10示出了本申请实施例中修改资源类型的示意图，如图所示，用户在使用过程中可以动态修改已经创建的资源类型，增加或者删除资源类型的元数据属性；

6)学习对象之间关系的自适应关联：

图11示出了本申请实施例中根据关系检索学习对象的示意图，如图所示，用户可以根据系统提供的关系描述查看、修改学习对象的关联，添加或解除学习对象的关联数字资源，也可以根据关系检索学习对象。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

Claims (10)

1.一种区域性数字资源系统，其特征在于，包括：

学习对象管理平台FELOM，所述FELOM平台预先设置有可扩展的学习对象模型，所述可扩展的学习对象模型包括数字资源信息、语义关系、知识类型和属性信息，所述语义关系表示数字资源与数字资源之间的关系；

云存储服务器，与所述FELOM平台的内核系统FEDORA系统连接，用于存储若干数字资源。

2.如权利要求1所述的系统，其特征在于，所述云存储服务器具体为开源分布式文件系统HDFS集群，所述HDFS集群包括虚拟服务器、虚拟存储和虚拟网络，所述FEDORA系统的底层存储参数配置为所述HDFS集群底层存储路径。

3.如权利要求2所述的系统，其特征在于，所述底层存储参数包括路径配置文件和获取底层存储路径的方法类。

4.如权利要求1所述的系统，其特征在于，所述云存储服务器具体用于按照预先设置的对象存储模型存储所述若干数字资源；其中，所述存储模型包括永久标识符PID、FEDORA对象可标记语言FOXML元数据、对象属性、关系元数据、数据流和发布器，所述永久标识符PID为数字对象的标识，所述FOXML元数据、对象属性和关系元数据用于管理数字对象和建立数字对象的索引，所述数据流为数字对象包含的不同媒体格式的数字内容，所述存储模型中数字资源以数据流的形式封装；所述发布器用于发布和访问所述数字内容。

5.如权利要求1所述的系统，其特征在于，所述FELOM平台具体包括：数字对象模型模块、灵活可扩展学习对象模型模块、基础教育领域学科本体模块、用户管理模块和自适应管理模块，其中，

所述数字对象模型模块分别与所述灵活可扩展学习对象模型模块、所述基础教育领域学科本体模块连接，用于管理数字资源；

所述灵活可扩展学习对象模型模块分别与基础教育领域学科本体模块、数字对象模型模块、用户管理模块连接，用于增加、修改和/或删除区域学习对象元数据；

所述基础教育领域学科本体模块，用于对数字资源整合分类；

所述用户管理模块包括用户权限单元、私人定制单元、行为记录单元和用户偏好单元；

所述自适应管理模块，与所述基础教育领域学科本体模块、用户管理模块和灵活可扩展学习对象模型模块连接，用于学习对象重组重用、扩充数字对象元数据、创建定制资源类型和/或添加数字对象关联关系。

6.如权利要求5所述的系统，其特征在于，所述FELOM平台进一步包括：

上传模块，用于上传数字资源，将所述数字资源存储至所述云存储服务器；

设置模块，用于为所述数字资源设置资源类型，所述资源类型包含若干学习对象元数据，所述学习对象元数据包括元数据名称和数据类型。

7.如权利要求6所述的系统，其特征在于，所述设置模块进一步用于为所述数字资源设置所述数字资源与其他数字资源之间的关系，和/或，为所述数字资源设置所述数字资源与用户之间的关系。

8.如权利要求5所述的系统，其特征在于，所述FELOM平台进一步包括：

添加模块，用于为所述资源类型添加元数据，设置元数据属性项的数据类型。

9.如权利要求5所述的系统，其特征在于，所述FELOM平台进一步包括：

第一接收模块，用于接收用户发送的修改资源类型元数据的请求；

修改模块，用于根据所述修改资源类型元数据的请求，增加或删除所述资源类型的元数据属性项。

10.如权利要求5所述的系统，其特征在于，所述FELOM平台进一步包括：

第二接收模块，用于接收用户发送的学习对象检索请求；

检索模块，用于根据所述学习对象检索请求以及预先设置的所述学习对象与数字资源的关联关系，输出与所述学习对象关联的数字资源。