содержание
Введение. 2
1. Анализ предметной области. 4
1.1. Описание предметной области. 4
1.2. Инфологическое моделирование. 5
2. Инфологическое проектирование. 10
2.1. Модель «сущность-связь». 10
2.2. Связи между сущностями. 12
Заключение. 15
Список литературы… 16
/>Введение
Систематестирования знаний – программная система, призванная обеспечить проверкузнаний учащихся. Во многих случаях разделяют использование таких систем длясобственно контроля знаний и для самоконтроля (пробного тестирования).
Целью даннойкурсовой работы является систематизация, накопление и закрепление знаний опостроении инфологической модели тестовой программы по электронному учебнику.
Процесспроектирования БД на основе принципов нормализации представляет собойпоследовательность переходов от неформального словесного описанияинформационной структуры предметной области к формализованному описаниюобъектов предметной области в терминах некоторой модели.
Инфологическаямодель применяется на втором этапе проектирования БД, то есть после словесногоописания предметной области. Процесс проектирования длительный и требуетобсуждений с заказчиком и со специалистами в предметной области. Наконец, приразработке серьезных корпоративных информационных систем проект базы данныхявляется тем фундаментом, на котором строится вся система в целом, и вопрос овозможном кредитовании часто решается экспертами банка на основании именнограмотно сделанного инфологического проекта БД. Следовательно, инфологическаямодель должна включать такое формализованное описание предметной области,которое легко будет «читаться» не только специалистами по базам данных. И этоописание должно быть настолько емким, чтобы можно было оценить глубину икорректность проработки проекта БД, и конечно, оно не должно быть привязано кконкретной СУБД. Выбор СУБД – это отдельная задача, для корректного ее решениянеобходимо иметь проект, который не привязан ни к какой конкретной СУБД.
Инфологическоепроектирование прежде всего связано с попыткой представления семантикипредметной области в модели БД.
В настоящеевремя практически во всех сферах человеческой деятельности используются базыданных. Данная инфологическая модель базы данных может применяться в различныхучебных заведениях. Для обеспечения надежности системы управления данныминеобходимо выполнить следующие основные требования:
целостностьи непротиворечивость данных,
достоверностьданных,
простотауправления данными,
безопасностьдоступа к данным.
/>1. Анализ предметнойобласти
1.1. Описание предметной области
Современноесостояние отечественной системы образования характеризуется достаточно высокойнасыщенностью высших и других учебных заведений средствами вычислительнойтехники, что заставляет задуматься над эффективностью ее применения в учебномпроцессе. Одно из наиболее распространенных направлений — создание иэксплуатация автоматизированных систем контроля знаний (АСКЗ). В настоящеевремя известно множество практических реализаций систем автоматизированноготестирования как по отдельным дисциплинам (предметные тесты), так иуниверсальных систем оценивания знаний (т. н. “конструкторы тестов”), полностьюили частично инвариантных к конкретным дисциплинам и допускающих ихинформационное наполнение преподавателями — организаторами тестирования.
Анализэффективности автоматизированного тестирования в высших и других учебныхзаведениях показывает, что многие преподаватели настороженно и даже негативноотносятся к подобным системам. Среди наиболее существенных недостатковсовременных подходов к автоматизированному тестированию, называемых в качествепричин такого отрицательного отношения, можно отметить:
необходимостьформулирования вариантов ответов на тестовые задания по принципу “одинабсолютно правильный” — “N абсолютно неправильных”. Это не дает возможностиорганизовать полноценное тестирование по слабо формализованным дисциплинам, длякоторых характерна диалектичность знаний (дисциплины общественно-политического,гуманитарного, социально-экономического и т.п. циклов);
примитивностьи негибкость процедур расчета итоговой оценки, сводимых либо к определениюотношения количества правильных ответов к количеству заданных вопросов, либо ксуммированию баллов, назначаемых за каждый правильный ответ;
невозможностьавтоматизации разнообразных методик контроля знаний, широко применяемых впедагогической практике (оценка широты либо глубины знаний, учет относительнойважности отдельных тем или разделов изучаемой дисциплины, выбор сложности тестас учетом уровня подготовленности и самооценки тестируемого, стимуляцияправильных ответов и т.п.);
значительнаятрудоемкость ручного формирования такого множества тестовых заданий и вариантовответов на каждое из них, которое позволит исключить или минимизироватьвероятность предъявления одного и того же задания различным тестируемым припараллельной проверке их знаний.
Особенноярко указанные недостатки автоматизированного тестирования проявляются приконтроле знаний по дисциплинам гуманитарного, социально-экономического иобщественно-политического циклов. Степень формализации знаний по этимдисциплинам в силу диалектичности слишком низка, чтобы их наличие моглоопределяться по тому, насколько хорошо помнит экзаменуемый отдельные факты,точные определения или конкретные формулы и правила их применения.
1.2. Инфологическое моделирование
Исходя изнеобходимости повышения эффективности учебного процесса и из возможностиприменения современных информационных технологий наиболее перспективным ицелесообразным представляется автоматизация процесса педагогическоготестирования. Высокая степень формализации и унификации процедуры тестирования,возможность одновременного проведения тестирования на нескольких компьютерах, атакже возможность организации дистанционного тестирования посредством локальнойвычислительной сети либо через глобальную информационную сеть Интернетпредопределили всеобщий интерес к подобному способу оценивания знаний.
Определенныйинтерес представляет выявление роли и значимости тестирования на различныхэтапах контроля и оценивания знаний, а также его применимость при изученииразличных дисциплин. Не вызывает сомнений целесообразность применениятрадиционных АСКЗ при изучении дисциплин, ориентированных на усвоениеобучаемыми конечного множества фактов либо однозначно трактуемых правил. Примеромподобной ситуации можно считать экзамен на знание правил дорожного движения. Практическибезальтернативным представляется применение таких АСКЗ при проведении массовогоодновременного государственного тестирования знаний выпускников средних школ,хотя руководители центров тестирования отмечают большое количество конфликтов,связанных с оцениванием знаний по дисциплинам языкового цикла, для которыххарактерна неоднозначность некоторых “истинных” ответов даже с точки наиболееопытных преподавателей-предметников. АСКЗ широко применяются для уменьшениятрудоемкости текущего контроля знаний по естественно-научным и техническимдисциплинам (т. н. “срезы”), цель которого состоит в оперативной и массовойпроверке остаточных знаний большого количества обучаемых в доэкзаменационныйпериод.
Можноутверждать, что процедуры “классического” тестирования, основанные на парадигме“один абсолютно правильный ответ — N абсолютно неправильных ответов” и выводеитоговой оценки из соотношения количества правильных ответов и заданныхвопросов, неадекватны представлениям большинства преподавателей о процессеоценивания знаний. Для многих дисциплин, знания в которых носят принципиальнонечеткий характер и не могут быть сведены к однозначным формулировкам(например, дисциплины гуманитарного или общественного циклов), они вообщеоказываются неприменимыми.
Следовательно,АСКЗ будет признаваться конкретным преподавателем эффективным инструментомпромежуточного или итогового контроля знаний только в том случае, если онабудет: а) содержать информационную модель предметной области, релевантнуюпредметным знаниям организатора тестирования в период проведения контроля; б) обладатьвозможностью учитывать неполные или не совсем точные ответы; в) содержатьадаптивную и управляемую преподавателем процедуру выявления знаний, анализа ихглубины и качества с последующей реконструкцией на этой основе информационноймодели обучаемого; г) выводить итоговую оценку знаний обучаемого по результатамсопоставления эталонной модели, содержащейся в АСКЗ, с реконструированноймоделью, построенной по ответам обучаемого.
Построениетакой АСКЗ требует применения принципиально иных подходов к представлению иобработке знаний. Сформулируем основные принципы построения АСКЗ новогопоколения, основанные на методах и моделях, развиваемых в рамках теорииинтеллектуальных вычислений и инженерии знаний. Эти принципы определяютконцепцию интеллектуального тестирования, более адекватную представлениямпреподавателя о требуемой организации процесса контроля и оценивания знаний ипозволяющую реализовать неформализованные ранее педагогические приемы иметодики:
Переход отзадания истинности предлагаемых вариантов ответов в категориях двоичной логики(“правильно — неправильно”) к более общей и универсальной схеме оцениванияответов функциями предпочтения, определяемыми в категориях нечеткой логики. Заметим,что такой переход не отрицает и традиционный подход, поскольку в соответствии ссовременными представлениями двоичная логика может считаться частным (точнее,вырожденным) случаем нечеткой логики.
Переход отиндивидуального организации теста к коллегиальной экспертной подготовке всехего этапов, что увеличит доверие конечных пользователей к АСКЗ и повыситвалидность результатов тестирования.
Количественноеопределение сложности и важности каждого тестового задания по пропорциональнойцифровой шкале, что даст возможность повысить объективность оцениваниядемонстрируемых знаний.
Разбиениемножества тестовых заданий на тематические подмножества, элементы которыхсемантически коррелируют друг с другом, с обязательным ранжированием кактестовых заданий внутри каждого подмножества, так выделенных подмножеств междусобой. Реализация этого принципа создаст объективную основу для формализацииряда применяемых в настоящее время “ручных” методик контроля знаний — таких,например, как оценивание широты или глубины знаний, тесты повышенной илипониженной сложности и т.п.
Переход отхарактерного для современных АСКЗ использования программно реализованныхалгоритмов прямого тестирования (при котором выбор очередного заданияпрактически не зависит от ответов тестируемого на предыдущие вопросы) к ихмодульному конструированию при подготовке теста, а также к построениюалгоритмов адаптивного тестирования, обусловливающих выбор очередного i-гозадания ответами обучаемого на предыдущих (i — 1) — м, (i — 2) — м,..., и т.д. шагахтеста. Реализация этого принципа позволит формализовать широко применяемые впедагогической практике методики дополнительных, наводящих и уточняющихвопросов.
Построение,унифицированное описание и однотипная реализация в рамках одной и той же ИАСКЗнабора алгоритмов тестирования, реализующих различные методики контроля знаний,и предоставление организатору тестирования возможности выбирать в конкретнойситуации те из них, применение которых либо предписывается нормативнымидокументами, либо определяется его собственными предпочтениями.
Созданиеинструментария для построения, настройки и модификации различных шкал итоговогооценивания знаний, включая как возможность изменения количества и шириныоценочных интервалов, так и определение и варьирование зон неопределенностиоценок. Это дает возможность организовать параметрический анализ валидностипромежуточных и итоговых результатов тестирования.
Автоматизациянаиболее трудоемкого этапа подготовительной стадии тестирования, связанного сформированием множества тестовых заданий и вариантов ответов на них. Базис этойпроцедуры могут составить, в частности, формализованная модель знаний поизучаемой дисциплине, представленная в виде структурированной семантическойсети, и известные из инженерии знаний фрейм-технологии.
/>2. Инфологическоепроектирование
2.1. Модель «сущность-связь»
Инфологическаямодель применяется после словесного описания предметной области. На основаниианализа предметной области выделим следующие сущности модели «сущность-связь»(«Entity Relationship»- ER-модели).
/>
/>Вопросы Код вопроса Раздел Глава Параграф Текст вопроса Код ответа Пользователь Код пользователь Тип пользователя Права пользователя Пароль Ответы Код ответа Код вопроса Балл
Как любаямодель, модель «сущность-связь» имеет несколько базовых понятий, которыеобразуют исходные кирпичики, из которых строятся уже более сложные объекты позаранее определенным правилам.
Эта модель внаибольшей степени согласуется с концепцией объектно-ориентированногопроектирования, которая в настоящий момент, несомненно, является базовой дляразработки сложных программных систем, поэтому многие понятия вам могутпоказаться знакомыми, и если это действительно так, то тем проще вам будетосвоить технологию проектирования баз данных, основанную на ER-модели.
Сущность, спомощью которой моделируется класс однотипных объектов. Сущность имеет имя,уникальное в пределах моделируемой системы. Так как сущность соответствуетнекоторому классу однотипных объектов, то предполагается, что в системесуществует множество экземпляров данной сущности. Объект, которомусоответствует понятие сущности, имеет свой набор атрибутов – характеристик,определяющих свойства данного представителя класса. При этом набор атрибутовдолжен быть таким, чтобы можно было различать конкретные экземпляры сущности.
Рассмотрим сущностипроектируемой предметной области.
/>
/>
/>/>/>2.2. Связи между сущностями
Связиделятся на три типа по множественности: один-ко-одному (1: 1), один-ко-многим(1: М), многие-ко-многим (М: М).
Связьодин-ко-одному означает, что экземпляр одной сущности связан только с однимэкземпляром другой сущности.
Связьодин-ко-многим (1: М) означает, что один экземпляр сущности, расположенныйслева по связи, может быть связан с несколькими экземплярами сущности,расположенными справа по связи.
Связь«многие-ко-многим (М: М) означает, что несколько экземпляров первой сущностимогут быть связаны с несколькими экземплярами второй сущности, и наоборот. Междудвумя сущностями может быть задано сколько угодно связей с разными смысловыминагрузками. /> />
Определим связи между выявленными сущностями.
1 М М 1
В разныхнотациях мощность связи изображается по-разному. Между двумя сущностями можетбыть задано сколько угодно связей с разными смысловыми нагрузками. Связь любогоиз этих типов может быть обязательной, если в данной связи должен участвоватькаждый экземпляр сущности, необязательной – если не каждый экземпляр сущностидолжен участвовать в данной связи. При этом связь может быть обязательной содной стороны и необязательной с другой стороны. Обязательность связи тожепо-разному обозначается в разных нотациях. Мы снова используем нотацию POWER DESIGNER.Здесь необязательность связи обозначается пустым кружочком на конце связи, аобязательность перпендикулярной линией, перечеркивающей связь. И эта нотацияимеет простую интерпретацию. Кружочек означает, что ни один экземпляр не можетучаствовать в этой связи. А перпендикуляр интерпретируется как то, что, покрайней мере, один экземпляр сущности участвует в этой связи.
Кроме того,в ER-модели допускается принцип категоризации сущностей.Это значит, что, как в объектно-ориентированных языках программирования,вводится понятие подтипа сущности, то есть сущность может быть представлена ввиде двух или более своих подтипов – сущностей, каждая из которых может иметьобщие атрибуты и отношения и/или атрибуты и отношения, которые определяютсяоднажды на верхнем уровне и наследуются на нижнем уровне. Все подтипы однойсущности рассматриваются как взаимоисключающие, и при разделении сущности наподтипы она должна быть представлена в виде полного набора взаимоисключающихподтипов. Если на уровне анализа не удается выявить полный перечень подтипов,то вводится специальный подтип, называемый условно «Прочие», который вдальнейшем может быть уточнен. В реальных системах бывает достаточно ввестиподтипизацию на двух-трех уровнях.
Сущностьимеет имя, уникальное в пределах модели. При этом имя сущности – это имя типа,а не конкретного экземпляра.
Сущностиподразделяются на сильные и слабые. Сущность является слабой, если еесуществование зависит от другой сущности – сильной по отношению к ней.
Сущностьможет быть расщеплена на два или более взаимоисключающих подтипов, каждый изкоторых включает общие атрибуты и/или связи. Эти общие атрибуты и/или связиявно определяются один раз на более высоком уровне. В подтипах могутопределяться собственные атрибуты и/или связи. В принципе выделение подтиповможет продолжаться на более низких уровнях, но в большинстве случаевоказывается достаточно двух-трех уровней.
Сущность, наоснове которой определяются подтипы, называется супертипом. Подтипы должныобразовывать полное множество, то есть любой экземпляр супертипа долженотноситься к некоторому подтипу. Иногда для полноты множества надо определятьдополнительный подтип, например, «Прочие».
/>Заключение
На мойвзгляд, нелегко правильно воспринять и оценить тех советов и рекомендаций попостроению хорошей инфологической модели, которые десятилетиями формировалиськрупнейшими специалистами в области обработки данных. В идеале необходимо,чтобы предварительно был реализован хотя бы один проект информационной системы,предложенный его реальным пользователям.
Любыетеоретические рекомендации воспринимаются всерьез лишь после несколькихбезрезультатных попыток оживления неудачно спроектированных систем. (Хотя естьи такие проектировщики, которые продолжают верить, что смогут реанимироватьумирающий проект с помощью изменения программ, а не инфологической модели базыданных)
Дляопределения перечня и структуры хранимых данных надо собрать информацию ореальных и потенциальных приложениях, а также о пользователях базы данных, апри построении инфологической модели следует заботиться лишь о надежностихранения этих данных, напрочь забывая о приложениях и пользователях, длякоторых создается база данных.
Целесообразно:
четкоразграничивать такие понятия как запрос на данные и ведение данных (ввод,изменение и удаление);
помнить,что, как правило, база данных является информационной основой не одного, анескольких приложений, часть их которых появится в будущем;
плохойпроект базы данных не может быть исправлен с помощью любых (даже самыхизощренных) приложений.
/>Список литературы
1. Атре Ш. Структурный подход к организации баз данных. – М.: Финансы истатистика, 1983. – 320 с.
2. Бойко В.В., Савинков В.М. Проектирование баз данных информационных систем.– М.: Финансы и статистика, 1989. – 351 с.
3. Дейт К. Руководство по реляционной СУБД DB2. – М.: Финансы и статистика,1988. – 320 с.
4. Джексон Г. Проектирование реляционных баз данных для использования смикроЭВМ. — М.: Мир, 1991. – 252 с.
5. Кириллов В.В. Структуризованный язык запросов (SQL). – СПб.: ИТМО, 1994.– 80 с.
6. Мартин Дж. Планирование развития автоматизированных систем. – М.: Финансыи статистика, 1984. – 196 с.
7. Мейер М. Теория реляционных баз данных. – М.: Мир, 1987. – 608 с.
8. Тиори Т., Фрай Дж. Проектирование структур баз данных. В 2 кн., – М.: Мир,1985. Кн.1. – 287 с.: Кн.2. – 320 с.
9. Ульман Дж. Базы данных на Паскале. – М.: Машиностроение, 1990. – 386 с.
10. Хаббард Дж. Автоматизированное проектирование баз данных. – М.: Мир,1984. – 294 с.
11. Цикритизис Д., Лоховски Ф. Модели данных. – М.: Финансы и статистика,1985. – 344 с.