зміст
Введення. 21. Аналіз предметної області. 4
1.1. Опис предметної області. 4
1.2. Інфологічне моделювання. 5
2. Інфологічне проектування. 10
2.1. Модель «сутність-зв'язок». 10
2.2. Зв'язки між сутностями. 12
Висновок. 15
Список літератури .. 16
Введення
Система тестування знань - програмна система, покликана забезпечити перевірку знань учнів. У багатьох випадках поділяють використання таких систем для власне контролю знань і для самоконтролю (пробного тестування).Метою даної курсової роботи є систематизація, накопичення і закріплення знань про побудову инфологической моделі тестової програми по електронному підручника.
Процес проектування БД на основі принципів нормалізації представляє собою послідовність переходів від неформального словесного опису інформаційної структури предметної області до формалізованого опису об'єктів предметної області в термінах деякої моделі.
Инфологическая модель застосовується на другому етапі проектування БД, тобто після словесного опису предметної області. Процес проектування тривалий і вимагає обговорень із замовником і з фахівцями в предметної області. Нарешті, при розробці серйозних корпоративних інформаційних систем проект бази даних є тим фундаментом, на якому будується вся система в цілому, і питання про можливе кредитуванні часто вирішується експертами банку на підставі саме грамотно зробленого інфологічне проекту БД. Отже, инфологическая модель повинна включати таке формалізований опис предметної області, яке легко буде "читатися» не тільки фахівцями по базах даних. І це опис має бути настільки ємним, щоб можна було оцінити глибину і коректність опрацювання проекту БД, і звичайно, воно не повинно бути прив'язане до конкретної СУБД. Вибір СУБД - це окреме завдання, для коректного її вирішення необхідно мати проект, який не прив'язаний ні до якої конкретної СУБД.
Інфологічне проектування перш за все пов'язане зі спробою подання семантики предметної області в моделі БД.
В даний час практично у всіх сферах людської діяльності використовуються бази даних. Дана инфологическая модель бази даних може застосовуватися в різних навчальних закладах. Для забезпечення надійності системи управління даними необхідно виконати наступні основні вимоги:
цілісність і несуперечність даних,
достовірність даних,
простота управління даними,
безпеку доступу до даних.
1. Аналіз предметної області
1.1. Опис предметної області
Сучасний стан вітчизняної системи освіти характеризується досить високою насиченістю вищих та інших навчальних закладів засобами обчислювальної техніки, що змушує задуматися над ефективністю її застосування в навчальному процесі. Одне з найбільш поширених напрямів - створення і експлуатація автоматизованих систем контролю знань (АСКЗ). В даний час відомо безліч практичних реалізацій систем автоматизованого тестування як з окремих дисциплін (предметні тести), так і універсальних систем оцінювання знань (т. зв. "Конструктори тестів"), повністю або частково інваріантних до конкретних дисциплін та допускають їх інформаційне наповнення викладачами - організаторами тестування.Аналіз ефективності автоматизованого тестування у вищих та інших навчальних закладах показує, що багато викладачів насторожено і навіть негативно ставляться до подібних систем. Серед найбільш істотних недоліків сучасних підходів до автоматизованого тестування, які називаються в якості причин такого негативного ставлення, можна відзначити:
необхідність формулювання варіантів відповідей на тестові завдання за принципом "один абсолютно правильний" - "N абсолютно неправильних". Це не дає можливості організувати повноцінне тестування по слабо формалізованим дисциплін, для яких характерна діалектичність знань (дисципліни суспільно-політичного, гуманітарного, соціально-економічного і т.п. циклів);
примітивність і негнучкість процедур розрахунку підсумкової оцінки, приводяться або до визначення відношення кількості правильних відповідей до кількості поставлених запитань, або до підсумовування балів, що призначаються за кожну правильну відповідь;
неможливість автоматизації різноманітних методик контролю знань, широко застосовуються в педагогічній практиці (оцінка широти або глибини знань, облік відносної важливості окремих тем чи розділів дисципліни, що вивчається, вибір складності тесту з урахуванням рівня підготовленості та самооцінки тестованого, стимуляція правильних відповідей тощо);
значна трудомісткість ручного формування такого безлічі тестових завдань і варіантів відповідей на кожне з них, яке дозволить виключити або мінімізувати ймовірність пред'явлення одного і того ж завдання різним тестуємим при паралельній перевірці їхніх знань.
Особливо яскраво зазначені недоліки автоматизованого тестування виявляються при контролі знань з дисциплін гуманітарного, соціально-економічного та суспільно-політичного циклів. Ступінь формалізації знань з цих дисциплін чинності диалектичности занадто низька, щоб їх наявність могло визначатися по тому, наскільки добре пам'ятає екзаменований окремі факти, точні визначення або конкретні формули та правила їх застосування.
1.2. Інфологічне моделювання
Виходячи з необхідності підвищення ефективності навчального процесу та з можливості застосування сучасних інформаційних технологій найбільш перспективним і доцільним видається автоматизація процесу педагогічного тестування. Високий ступінь формалізації та уніфікації процедури тестування, можливість одночасного проведення тестування на декількох комп'ютерах, а також можливість організації дистанційного тестування за допомогою локальної обчислювальної мережі або через глобальну інформаційну мережу Інтернет визначили загальний інтерес до подібного способу оцінювання знань.Певний інтерес представляє виявлення ролі та значущості тестування на різних етапах контролю і оцінювання знань, а також його придатність при вивченні різних дисциплін. Не викликає сумнівів доцільність застосування традиційних АСКЗ при вивченні дисциплін, орієнтованих на засвоєння учнями кінцевого безлічі фактів або однозначно трактованих правил. Прикладом подібної ситуації можна вважати іспит на знання правил дорожнього руху. Практично безальтернативним видається застосування таких АСКЗ при проведенні масового одночасного державного тестування знань випускників середніх шкіл, хоча керівники центрів тестування відзначають велику кількість конфліктів, пов'язаних з оцінюванням знань з дисциплін мовного циклу, для яких характерна неоднозначність деяких "істинних" відповідей навіть з точки найбільш досвідчених викладачів -предметників. АСКЗ широко застосовуються для зменшення трудомісткості поточного контролю знань з природничо-наукових і технічних дисциплін (т. зв. "Зрізи"), мета якого полягає в оперативній і масової перевірки залишкових знань великої кількості учнів в доекзаменаціонний період.
Можна стверджувати, що процедури "класичного" тестування, засновані на парадигмі "один абсолютно правильна відповідь - N абсолютно неправильних відповідей" і виведення підсумкової оцінки з співвідношення кількості правильних відповідей і заданих питань, неадекватні уявленням більшості викладачів про процес оцінювання знань. Для багатьох дисциплін, знання в яких носять принципово нечіткий характер і не можуть бути зведені до однозначних формулювань (наприклад, дисципліни гуманітарного чи суспільного циклів), вони взагалі виявляються непридатними.
Отже, АСКЗ буде визнаватися конкретним викладачем ефективним інструментом проміжного чи підсумкового контролю знань тільки в тому випадку, якщо вона буде: а) містити інформаційну модель предметної області, релевантну предметним знанням організатора тестування в період проведення контролю; б) мати можливість враховувати неповні або не зовсім точні відповіді, в) містити адаптивну і керовану викладачем процедуру виявлення знань, аналізу їх глибини та якості з подальшою реконструкцією на цій основі інформаційної моделі учня; г) виводити підсумкову оцінку знань учня за результатами зіставлення еталонної моделі, що міститься в АСКЗ, з реконструйованої моделлю, побудованої за відповідями, кого навчають.
Побудова такої АСКЗ вимагає застосування принципово інших підходів до представлення і обробки знань. Сформулюємо основні принципи побудови АСКЗ нового покоління, засновані на методах і моделях, що розвиваються в рамках теорії інтелектуальних обчислень та інженерії знань. Ці принципи визначають концепцію інтелектуального тестування, більш адекватну уявленням викладача про необхідної організації процесу контролю та оцінювання знань і дозволяє реалізувати неформалізовані раніше педагогічні прийоми і методики:
Перехід від завдання істинності пропонованих варіантів відповідей у категоріях двійкової логіки ("правильно - неправильно") до більш загальної і універсальною схемою оцінювання відповідей функціями переваги, які визначаються в категоріях нечіткої логіки. Зауважимо, що такий перехід не заперечує і традиційний підхід, оскільки відповідно до сучасних уявлень двійкова логіка може вважатися приватним (точніше, виродженим) випадком нечіткої логіки.
Перехід від індивідуального організації тесту до колегіальної експертної підготовці всіх його етапів, що збільшить довіру кінцевих користувачів до АСКЗ і підвищить валідність результатів тестування.
Кількісне визначення складності та важливості кожного тестового завдання за пропорційною цифровою шкалою, що дасть можливість підвищити об'єктивність оцінювання демонстрованих знань.
Розбиття множини тестових завдань на тематичні підмножини, елементи яких семантично корелюють один з одним, з обов'язковим ранжируванням як тестових завдань всередині кожної підмножини, так виділених підмножин між собою. Реалізація цього принципу створить об'єктивну основу для формалізації ряду вживаних в даний час "ручних" методик контролю знань - таких, наприклад, як оцінювання широти або глибини знань, тести високої або низької складності і т.п.
Перехід від характерного для сучасних АСКЗ використання програмно реалізованих алгоритмів прямого тестування (при якому вибір чергового завдання практично не залежить від відповідей тестованого на попередні питання) до їх модульним конструювання при підготовці тесту, а також до побудови алгоритмів адаптивного тестування, що обумовлюють вибір чергового i-го завдання відповідями учня на попередніх (i - 1) - м, (i - 2) - м ,..., і т.д. кроках тесту. Реалізація цього принципу дозволить формалізувати широко застосовуються в педагогічній практиці методики додаткових, навідних і уточнюючих питань.
Побудова, уніфіковане опис і однотипна реалізація в рамках однієї і тієї ж ІАСКЗ набору алгоритмів тестування, що реалізують різні методики контролю знань, та надання організатору тестування можливості вибирати в конкретній ситуації ті з них, застосування яких або пропонується нормативними документами, або визначається його власними уподобаннями.
Створення інструментарію для побудови, налаштування та модифікації різних шкал підсумкового оцінювання знань, включаючи як можливість зміни кількості і ширини оціночних інтервалів, так і визначення та варіювання зон невизначеності оцінок. Це дає можливість організувати параметричний аналіз валідності проміжних і підсумкових результатів тестування.
Автоматизація найбільш трудомісткого етапу підготовчої стадії тестування, пов'язаного з формуванням безлічі тестових завдань і варіантів відповідей на них. Базис цієї процедури можуть скласти, зокрема, формалізована модель знань з дисципліни, що вивчається, представлена у вигляді структурованої семантичної мережі, і відомі з інженерії знань фрейм-технології.
2. Інфологічне проектування
2.1. Модель «сутність-зв'язок»
Инфологическая модель застосовується після словесного опису предметної області. На підставі аналізу предметної області виділимо наступні сутності моделі «сутність-зв'язок» («Entity Relationship» - ER-моделі).| Питання |
| Код питання |
| Розділ |
| Глава |
| Параграф |
| Текст питання |
| Код відповіді |
| Користувач |
| Код користувач |
| Тип користувача |
| Права користувача |
| Пароль |
| Відповіді |
| Код відповіді |
| Код питання |
| Бал |
Ця модель найбільшою мірою узгоджується з концепцією об'єктно-орієнтованого проектування, яка зараз, безсумнівно, є базовою для розробки складних програмних систем, тому багато понять вам можуть здатися знайомими, і якщо це дійсно так, то тим простіше вам буде освоїти технологію проектування баз даних, засновану на ER-моделі.
Сутність, за допомогою якої моделюється клас однотипних об'єктів. Сутність має ім'я, унікальне в межах модельованої системи. Так як сутність відповідає деякому класу однотипних об'єктів, то передбачається, що в системі існує безліч екземплярів даної суті. Об'єкт, якому відповідає поняття сутності, має свій набір атрибутів - характеристик, що визначають властивості даного представника класу. При цьому набір атрибутів повинен бути таким, щоб можна було розрізняти конкретні екземпляри сутності.
Розглянемо сутності проектованої предметної області.
Користувач |
Код користувача |
Тип користувача |
Права користувача |
Пароль |
Питання |
Код питання |
Розділ |
Глава |
Параграф |
Текст питання |
Код відповіді |
Відповіді |
Код відповіді |
Код питання |
Бал |
Домашній тел ефон |
Адреса |
Рік народж ення батькові |
Зв'язок один-до-одного означає, що примірник однієї сутності пов'язаний тільки з одним примірником іншої сутності.
Зв'язок один-до-багатьох (1: М) означає, що один примірник сутності, розташований зліва по зв'язку, може бути пов'язаний з декількома екземплярами суті, розташованими праворуч по зв'язку.
Зв'язок «багато-до-багатьох (М: М) означає, що кілька екземплярів першої сутності можуть бути пов'язані з декількома екземплярами друге суті, і навпаки. Між двома сутностями може бути задано скільки завгодно зв'язків з різними смисловими навантаженнями.
Підручник |
містить |
Відповіді |
Питання |
Визначимо зв'язку між виявленими сутностями.
1 М М 1
У різних нотациях потужність зв'язку зображується по-різному. Між двома сутностями може бути задано скільки завгодно зв'язків з різними смисловими навантаженнями. Зв'язок будь-якого з цих типів може бути обов'язковою, якщо в даній зв'язку повинен брати участь кожен екземпляр сутності, необов'язковою - якщо не кожен екземпляр сутності повинен брати участь у цьому зв'язку. При цьому зв'язок може бути обов'язковою з одного боку і необов'язковою з іншого боку. Обов'язковість зв'язку теж по-різному позначається в різних нотациях. Ми знову використовуємо нотацію POWER DESIGNER. Тут необов'язковість зв'язку позначається порожнім кружечком на кінці зв'язку, а обов'язковість перпендикулярної лінією, який перекреслює зв'язок. І ця нотація має просту інтерпретацію. Кружальце означає, що жоден примірник не може брати участь в цьому зв'язку. А перпендикуляр інтерпретується як те, що, принаймні, один примірник сутності бере участь в цьому зв'язку.
Крім того, в ER-моделі допускається принцип категоризації сутностей. Це означає, що, як в об'єктно-орієнтованих мовах програмування, вводиться поняття підтипу сутності, тобто сутність може бути представлена у вигляді двох або більше своїх підтипів - сутностей, кожна з яких може мати загальні атрибути і відносини і / або атрибути та відносини, які визначаються одного разу на верхньому рівні і успадковуються на нижньому рівні. Всі підтипи однієї сутності розглядаються як взаємовиключні, і при поділі сутності на підтипи вона повинна бути представлена у вигляді повного набору взаємовиключних підтипів. Якщо на рівні аналізу не вдається виявити повний перелік підтипів, то вводиться спеціальний підтип, званий умовно «Інші», який в подальшому може бути уточнений. У реальних системах буває досить ввести подтіпізацію на двох-трьох рівнях.
Сутність має ім'я, унікальний у межах моделі. При цьому ім'я сутності - це ім'я типу, а не конкретного екземпляра.
Сутності поділяються на сильні і слабкі. Сутність є слабкою, якщо її існування залежить від іншої сутності - сильної по відношенню до неї.
Сутність може бути розщеплена на два або більше взаємовиключних підтипів, кожен з яких включає загальні атрибути та / або зв'язку. Ці загальні атрибути та / або зв'язку явно визначаються один раз на більш високому рівні. У підтипах можуть визначатися власні атрибути та / або зв'язку. У принципі виділення підтипів може тривати більш низьких рівнях, але в більшості випадків виявляється достатньо двох-трьох рівнів.
Сутність, на основі якої визначаються підтипи, називається супертіп. Підтипи повинні утворювати повне безліч, тобто будь-який екземпляр супертіпа повинен ставитися до деякого підтипу. Іноді для повноти безлічі треба визначати додатковий підтип, наприклад, «Інші».
Висновок
На мій погляд, нелегко правильно сприйняти і оцінити тих порад і рекомендацій з побудови хорошою инфологической моделі, які десятиліттями формувалися найбільшими фахівцями в області обробки даних. В ідеалі необхідно, щоб попередньо був реалізований хоча б один проект інформаційної системи, запропонований його реальним користувачам.Будь-які теоретичні рекомендації сприймаються всерйоз лише після кількох безрезультатних спроб пожвавлення невдало спроектованих систем. (Хоча є й такі проектувальники, які продовжують вірити, що зможуть реанімувати вмираючий проект за допомогою зміни програм, а не инфологической моделі бази даних)
Для визначення переліку та структури даних, що зберігаються треба зібрати інформацію про реальних і потенційних додатках, а також про користувачів бази даних, а при побудові инфологической моделі слід дбати лише про надійність зберігання цих даних, геть забуваючи про додатки і користувачів, для яких створюється база даних.
Доцільно:
чітко розмежовувати такі поняття як запит на дані і ведення даних (введення, редагування та видалення);
пам'ятати, що, як правило, база даних є інформаційною основою не одного, а кількох додатків, частина з яких з'явиться в майбутньому;
поганий проект бази даних не може бути виправлений за допомогою будь-яких (навіть найвитонченіших) додатків.
Список літератури
1. Атре Ш. Структурний підхід до організації баз даних. - М.: Фінанси і статистика, 1983. - 320 с.2. Бойко В.В., Савінков В.М. Проектування баз даних інформаційних систем. - М.: Фінанси і статистика, 1989. - 351 с.
3. Дейт К. Посібник з реляційної СУБД DB2. - М.: Фінанси і статистика, 1988. - 320 с.
4. Джексон Г. Проектування реляційних баз даних для використання з мікроЕОМ. - М.: Світ, 1991. - 252 с.
5. Кирилов В.В. Структурізованние мову запитів (SQL). - СПб.: ІТМО, 1994. - 80 с.
6. Мартін Дж. Планування розвитку автоматизованих систем. - М.: Фінанси і статистика, 1984. - 196 с.
7. Мейєр М. Теорія реляційних баз даних. - М.: Світ, 1987. - 608 с.
8. Тіорі Т., Фрай Дж. Проектування структур баз даних. У 2 кн., - М.: Світ, 1985. Кн.1. - 287 с.: Кн.2. - 320 с.
9. Ульман Дж. Бази даних на Паскалі. - М.: Машинобудування, 1990. - 386 с.
10. Хаббард Дж. Автоматизоване проектування баз даних. - М.: Світ, 1984. - 294 с.
11. Цікрітізіс Д., лохівський Ф. Моделі даних. - М.: Фінанси і статистика, 1985. - 344 с.