Kompletný zborník príspevkov - Katedra informatiky

Transkript

UNIVERZITA KONŠTANTÍNA FILOZOFA V NITRE
FAKULTA PRÍRODNÝCH VIED
KATEDRA INFORMATIKY
Informatický seminár
Katedry informatiky 2007
Využitie operačných systémov a počítačových sietí v podpore výučby
informatických predmetov
Nitra 2007
UNIVERZITA KONŠTANTÍNA FILOZOFA V NITRE
FAKULTA PRÍRODNÝCH VIED
KATEDRA INFORMATIKY
Informatický seminár
Katedry informatiky 2007
Využitie operačných systémov a počítačových sietí v podpore výučby
informatických predmetov
Nitra 2007
Názov:
Informatický seminár Katedry infomatiky 2007 – Využitie operačných
systémov a počítačových sietí v podpore výučby informatických predmetov
Zopodpovední redaktori:
Edícia:
Mgr. Martin Cápay
PaedDr. Viera Palmárová
Prírodovedec č. 267
Zborník príspevkov vznikol v rámci projektu KEGA 3/4029/06.
Vedeckí garanti seminára
prof. Ing. Milan Turčáni, CSc.
doc. Ing. Cyril Klimeš, CSc.
doc. Ing. Arnošt Motyčka, CSc.
Ing. Zoltán Balogh, PhD.
Zodpovední recenzenti
prof. Ing. Milan Turčáni, CSc.
doc. Ing. Cyril Klimeš, CSc.
Organizačný výbor seminára
Ing. Zoltán Balogh, PhD.
Mgr. Martin Cápay
Ivana Haberlandová
Mgr. Jana Heringhová
Mgr. Miroslava Mesárošová
PaedDr. Viera Palmárová
Rukopis neprešiel jazykovou úpravou.
© Katedra informatiky FPV UKF v Nitre
ISBN 978-80-8094-167-3
ISKI 2007 - Využitie operačných systémov a počítačových sietí v podpore výučby informatických predmetov
MODELOVANIE MEDZIPROCESOROVÝCH KOMUNIKÁCIÍ
A SYNCHRONIZÁCIA POMOCOU PETRIHO SIETÍ
MODELLING COMMUNICATION AMONG PROCESSES
AND SYNCHRONIZATION WITH PETRIS' NETS
Zoltán Balogh, Cyril Klimeš
Univerzita Konštantína Filozofa v Nitre
Fakulta prírodných vied, Katedra informatiky, e-mail [email protected], [email protected]
Abstrakt
Článok je zameraný na názorné vysvetlenie modelovania paralelných procesov využitím
Petriho sietí. Jednou z možností názornej ilustrácie problému s procesmi je vytvorenie
vhodného modelu. Tieto modely nazývame modely paralelných výpočtov. Umožňujú nám
pomocou matematických a simulačných nástrojov skúmať vlastnosti a správanie výpočtových
systémov tvorených paralelne prevedenými procesmi. Medzi prostriedky, ktoré nám umožňujú
vytvoriť tieto modely, patria Petriho siete. Petriho siete sú jedným z najpoužívanejších
nástrojov pre modelovanie a návrh zložitých systémov s paralelnými procesmi
a hierarchickou štruktúrou.
Abstract
The article is about modeling parallels processes by means of Petri nets. One of the
opportunities of the illustrated problem is to create an appropriate model. These models are
well known as models of parallel calculations. Using mathematic and simulation tools they
allow us to investigate the attributes and behavior of calculating systems. The tools that allow
us to create these models are Petri nets. Petri nets are one of the most used tools for modeling
and designing of complicated systems with parallel processes and hierarchy structure.
Kľúčové slová
paralelné procesy, komunikácia, deadlock, synchronizácia, Petriho siete,
Keywords
parallel process, communications, deadlock, synchronizing, Petri nets
1 Úvod
V operačných systémoch môže súčasne bežať niekoľko procesov a v systéme môže existovať
mnoho inštancií jedného programu (jeden program môže byť spustený niekoľkokrát súčasne).
Každý proces má vymedzený svoj pamäťový priestor a k systémovým prostriedkom
pristupuje prostredníctvom volania jadra operačného systému. Súčasný beh niekoľkých
rôznych procesov je typickým rysom pre aplikácie v reálnom čase. Tieto procesy môžu byť
navzájom nezávislé alebo nejakým spôsobom môže závisieť beh jedného procesu na behu
3
iného procesu. Beh jedného procesu má teda vplyv na beh druhého procesu a naopak. Potom
je potrebné mať k dispozícii mechanizmy pre:
- synchronizáciu dvoch alebo viacej procesov navzájom,
- odovzdávanie dát medzi procesy.
Často sú tieto dva mechanizmy kombinované. Napríklad keď jeden proces požaduje dáta po
druhom procese, musí čakať pokiaľ dáta nie sú dostupné, až potom môže dôjsť k ich výmene.
Procesy, ktoré spolu navzájom komunikujú, môžu priamo zdieľať adresový priestor alebo
môžu k svojej komunikácii využívať zdieľaný súbor alebo pamäťové moduly. Pretože prístup
jednotlivých procesov k týmto dátam je asynchrónny, môže viesť k narušeniu ich
konzistencie. Aby k tomuto narušeniu nedošlo, je nutné vhodnými prostriedkami operačného
systému zaistiť koordinovaný prístup jednotlivých procesov k týmto zdieľaným prostriedkom.
Tento koordinovaný prístup však znamená určité obmedzenie pre procesy, ktoré k týmto
dátam pristupujú. Obmedzenie spočíva v tom, že proces nemôže zdieľané dáta meniť
kedykoľvek, iba len so súhlasom ostatných procesov, prípadne operačného systému.
Nevyhnutným požiadavkám pre zaistenie komunikácie medzi procesmi je zdieľaná ochrana
prostriedkov – zdrojov. Pri zdieľaní prostriedkov sa budeme zaoberať problematikou:
- kritických sekcií – úseky programov, kde sa s zdieľanými prostriedkami proces komunikuje,
- zastavením činnosti systému (zatuhnutie) – deadlock – kde zdroje sú chybne chránené proti
súčasnému prístupu.
Pri komunikácii s prostriedkami je nevyhnutne dodrať určité pravidlá:
- len jeden proces v danom čase môže mať prístup k chránenému prostriedku – zdroji,
- procesy zostávajú vzájomne nezávislé, zastavenie jedného procesu neovplyvní zpracovanie
ostatných procesov.
U procesov je nutné zaistiť:
- bezpečnosť,
- životaschopnosť.
2 Obecná problematika synchronizácie
Nekoordinovaný prístup k zdieľaným prostriedkom môže viesť k častým chybám.
Odstránením týchto chýb je možné aplikovať synchronizáciu prístupu procesov k zdieľaným
objektom. Prístup k zdieľaným prostriedkom bude regulárne, pokiaľ budú tieto procesy spĺňať
Bernsteinové podmienky, aby zdieľané prostriedky jednotlivých procesov boli použité len pre
vnútorné operácie. V praxi tieto Bernsteinové podmienky znamenajú tak veľké obmedzenia,
že sú pre veľa úloh nesplniteľné a málokedy sa používajú. Pokiaľ však procesy
Bernsteinových podmienok dôslednejšie splňujú, konzistencia zdieľaných dát je zaručená.
U procesov, ktoré nespĺňajú Bernsteinove podmienky, je potrebné zaistiť konzistenciu dát
iným spôsobom. Odstránením nekoordinovaných chýb je možné pomocou synchronizačných
nástrojov. Teda v použití koordinovaného prístupu k zdieľaným prostriedkom. Pokiaľ procesy
nespĺňajú Bernsteinové podmienky, je treba vždy analyzovať možné kolízie a tie potom
odstrániť synchronizačnými nástroji.
4
Procesy zdieľajú nejakú spoločnú oblasť operačnej pamäti, súbor alebo iný systémový
prostriedok - zdroj. Pre využitie tohto systémového prostriedku platia súťažné podmienky.
Príkladom môže byť spolupráca procesov s jedným V/V zariadením – tlačový spojler
(Simultaneous Periphrial Operations On Line)
Zdieľanie prostriedkov definuje nájdenia cesty, ako zakázať viac ako jednému procesu zápis
alebo čítanie zdieľaných dát v danom čase. Problém stanovenia súťažných podmienok môže
byť taktiež formulovaný abstraktnou cestou. Tá časť programu, kde je požadovaný prístup
k zdieľaným prostriedkom sa nazýva kritická sekcia.
Je potrené určiť spôsob, ako dva procesy môžu byť vo svojich kritických sekciách súčasne –
súťažné podmienky. Spolupráca paralelných procesov musí byť korektná a musí efektívne
využívať zdieľané dáta. Preto treba splniť 4 podmienky:
- žiadne dva procesy nesmú byť súčasne vo vnútri svojich kritických sekcií,
- nie sú žiadne predpoklady o relatívnej rýchlosti procesu alebo počtu CPU,
- žiadny bežiaci proces mimo svojej kritickej sekcii neblokuje iné procesy,
- žiadny proces by nemal neobmedzene dlho čakať na vstup do svojej kritickej sekcii.
3 Metódy grafického znázornenia paralelizmu
Slovné vyjadrenie problémov synchronizácie procesov niekedy nie je dostačujúce a presné.
Pre lepšiu a názornejšiu predstavu o možných kolíziách je vhodné použiť pre rozkreslenie
behu procesov niektoré grafické metódy. Jedna z možností grafického vyjadrenia je použitie
postupového priestoru. Táto metóda umožňuje prehľadne graficky znázorniť zakázané sekcie,
do ktorých sa procesy pri behu môžu dostať. Tento spôsob je však použiteľný len pre dva,
maximálne tri procesy. Pri väčších počtoch procesov je vhodné pre grafické znázornenie ich
tokov a synchronizáciu použiť Petriho siete.
3.1 Znázornenie pomocou postupového priestoru
Postupový priestor dvoch procesov je znázornený kartézskou sústavou súradníc, kde ku
každej osi je priradený pravé jeden proces. Obecne má postupový priestor dimenziu n, kde n
je počet procesov, ktoré znázorňuje. To je dôvod, prečo toto grafické znázornenie možno
použiť pre maximálne tri procesy. Na nasledujúcom obrázku 1 je vidieť postupový priestor
procesov vedených v predchádzajúcom príklade. K osi x je priradený proces P1, k osi y je
proces P2. Paralelnému behu procesu odpovedá postupová cesta. Každý bod tejto postupovej
cesty ukazuje pozíciu, v ktorom sa beh daného procesu nachádza. Tvar postupovej cesty
závisí na prepínaní kontextu. U jednoprocesorových systémov je postupová cesta zložená
z pravouhlých úsečiek. Obecne má tvar neklesajúcej funkcie.
Vyznačený obdĺžnik určuje zakázanú sekciu – oblasť, ktorá by postupová cesta nemala prejsť.
V praxi to znamená, že v dobe prechodu postupové cesty okolo hrany zakázanej sekcie
nesmie dôjsť k prepnutiu medzi procesmi. Z takejto grafickej interpretácie máme veľmi
presnú predstavu o umiestení synchronizačných nástrojov, ktoré zamedzí nežiaducim
5
prepnutiam kontextu, teda k nekoordinovanému prístupu jednotlivých procesov k zdieľaným
prostriedkom.
Sleep
P2
Print
S=0
Postupová cesta
Zakázaná oblasť
Sleep
Zakázaná oblast
Sleep
P(port) reg.=reg.+S S=reg.
Sleep
P1
Obr. 1 Znázornenie behu aplikácií pomocou postupového grafu
3.2 Znázornenie pomocou Petriho sietí
Výhodnejším modelom znázornenia paralelného behu aplikácií sa javí použitie Petriho sítí.
Na obrázku 2 je znázornení paralelný beh dvoch procesov pomocou Petriho sietí. Petriho sieť
môžeme znázorniť pomocou grafu, obsahujúcim tri typy prvkov:
Graf pozostávajúci z troch typov prvkov:
- uzly – umožňujú popísať stavy systému, v programe zodpovedajú jednotlivým príkazom,
- prechody – modelujú možnosť zmeny stavu systému,
- orientované hrany – prepojujú uzly a prechody, definujú cesty.
6
Obr. 2 Zobrazenie behu aplikácii pomocou Petriho sietí (problém kritickej sekcie)
Pre znázornenie behu programu sa využívajú tzv. značené Petriho siete. Každému prvku
v sieti je pridelený určitý počet značiek, ktoré sú realizované čiernymi bodkami (token). Beh
programu je znázornený posunom čiernych bodiek jednotlivými uzlami. Postup z jedného
uzla do druhého môže zrealizovať len vtedy, keď je splnená podmienka prechodu medzi nimi
– prechod je otvorený. Prechod je otvorený vtedy, keď všetky prvky, ktoré do prechodu
vstupujú, obsahujú aspoň toľko bodiek, koľko z nich vystupuje. Otvorenie prechodu spôsobí
v sieti zmenu značkovania. Zmena značkovania prebieha nasledujúcim spôsobom:
z každého uzlu je odobratých toľko bodiek, koľko je priradených hranám do nasledujúceho
prechodu,
do každého uzlu je pridaných toľko bodiek, koľko do nej vstupuje s orientovanými hranami
z prechodu.
Paralelný beh procesov sa v grafe prejaví existenciou viacerých bodiek. Pomocou Petriho
siete je možné ľahko vyjadriť konkrétnu časť programu, kde vznikajú požiadavky na
synchronizáciu procesov. Oproti postupovému priestoru môžeme Petriho siete použiť i na
znázornenie viacerých procesov. Pre popis celého behu paralelných procesov je však potreba
zachytiť pohyb bodiek. To býva veľmi náročné, zvlášť u zložitejších procesov. K znázorneniu
behu aplikácie pomocou Petriho sietí sa často používa simulácia pomocou programov
navrhnutých k týmto účelom.
4 Klasické synchronizačné úlohy
Pre detailnejší popis problematiky synchronizácie procesov budú v nasledujúcich odstavciach
popísané klasické problémy, ktorými sa môžeme vždy stretnúť pri vytváraní paralelných
aplikácií. Každý príklad synchronizačnej úlohy je znázornený pomocou Petriho sieťami.
7
4.1 Producent - konzument
Niekedy tato úloha také sa nazýva aj ako problém obmedzenej vyrovnávacej pamäti- buffera.
Jedná sa o jednosmernú asynchrónnu komunikáciu medzi procesmi pomocou úseku pamäti
obmedzenej dĺžky (obmedzeného bufferu). Producent zapisuje položky do tohto bufferu,
konzument položky naopak odoberá. V vzťahu producent - konzument môžeme tiež najť
určitú symetriu. Pri všeobecnom pohľade na tuto úlohu môžeme povedať, že producent
produkuje plné položky pre príjemcu, naopak konzument vytvára prázdne položky pre
producenta. Asynchrónni prístup potom znamená, že obe pracujú nezávisle na sebe. Pokiaľ je
buffer prázdny (neexistujú plné položky), je konzument nútený čakať, pokiaľ je naopak buffer
plný (neexistujú prázdne položky), je producent nútený čakať. Ich činnosť však musí byť
synchronizovaný. Pri znázornení pomocou Petriho sietí sú použité dva uzly znázorňujúce
prázdne a plné položky. Súčet bodiek v oboch uzloch (prázdne a plné), udáva kapacitu
bufferu.
produce_data
S_empty
S_full
insert_data
into_ buffer
remove_data
From buffer
consume_data
producent
konzument
Obr. 3 Producent - konzument
Pohyb bodiek v grafe prebieha nasledujúcim spôsobom:
- Producent pred zápisom položiek odbere jednu bodku z uzla prázdne a po zápise pridá
jednu bodku do uzla plné.
- Konzument naopak pred odobratím vyberie jednu bodku z uzla plné a po odobratí pridá
jednu bodku do uzla prázdne.
Úloha producent - konzument má praktické uplatnenie všade tam, kde spolu procesy
komunikujú asynchrónne, pri vyrovnávaní rýchlosti produkcie a zapracovaní dát.
8
Príkladom takejto úlohy v aplikácii môže byť napr. komunikácia medzi procesom zaisťujúcim
kontinuálne vzorkovanie z A/D prevodníka a procesom zaisťujúcim odosielanie dát do iného
počítača k zapracovaniu pomocou rozhrania Ethernet. Kontinuálne vzorkovanie predstavuje
producenta, odosielanie dát po komunikačnom médiu konzumenta. Rýchlosť producenta je
stále tá istá, rýchlosť konzumenta môže byť veľmi rozdielna v závislosti na zaťažení
Ethernetu. Výpadky v komunikácii sú potom odstránené pomocou vyrovnávacieho buffera.
Všeobecne platí že, čím väčšia je veľkosť buffera, tým väčšie môžu byť výpadky
v komunikácii. Aby nedochádzalo k zaplňovaniu buffera, musí byť priemerná rýchlosť
odoberaných položiek väčší alebo rovná rýchlosti zápisu týchto položiek.
4.2 Čitateľ – zapisovateľ (Readers-Writers)
Tato úloha sa objavuje v procesoch ktoré zdieľajú spoločné dátové štruktúry. Niektoré
procesy tieto dáta modifikujú – zapisovateľ a niektoré procesy z týchto dát len čítajú –
čitatelia.
Synchronizácia medzi týmito procesmi musí rešpektovať nasledujúce pravidlá:
- pokiaľ zapisovateľ dáta zapisuje, nesmie zapisovať žiadny iný zapisovateľ,
- pokiaľ zapisovateľ dáta zapisuje, nesmie tieto dáta čítať žiadny čitateľ,
- pokiaľ čitateľ dáta číta, nesmie do nich žiadny zapisovateľ zapisovať,
- pokiaľ čitateľ dáta číta, môže ľubovoľný iný čitateľ tieto dáta tiež čítať.
Čítanie môže byť viacerými čitateľmi naraz vtedy dovolené, keď zápis v danom čase môže
riešiť len jeden zapisovateľ, ostatní pisatelia a čitatelia musia čakať na ukončenie operácie
tohto zapisovateľa. Model tejto úlohy v Petriho sieťach (obr.4 a 5) vyzerá nasledovne:
Každý čitateľ odoberie pred operáciou čítanie z kontrolného uzla jednu bodku. Po ukončení
čítania túto bodku vráti späť do kontrolného uzla.
Každý zapisovateľ čaká na dokončenie operácií všetkých čitateľov alebo iného zapisovateľa a
pred operáciou zápisu z kontrolného uzla odoberie všetky bodky (znemožní akíkoľvek ďalší
zápis alebo čítanie). Po ukončení zápisu vráti všetky tieto bodky späť do kontrolného uzla.
Celkový počet bodiek zodpovedá maximálnemu počtu čitateľov (č max).
9
Obr. 4 čitatelia - zapisovatelia
Obr. 5 čitatelia - zapisovatelia
10
Z načrtnutej schémy sú vidieť možné problémy pri riešení tejto úlohy. Môže dôjsť k umoreniu
zapisovateľa vplyvom veľmi dlhej doby čakania na ukončenie operácií čitateľov. Čitatelia sa
môžu postupne striedať, takže ich operácie nemusia nikdy skončiť. Pri žiadosti zapisovateľa o
zápis je teda treba zaistiť, aby žiadny čitateľ nezačal so zdieľanými dátami pracovať.
4.3 Problém hladných filozofov (The Dining Philosophers Problem)
Predstavme si štyroch filozofov sediacich okolo okrúhleho stola. Všetok svoj čas trávia
premýšľaním alebo jedením. U každého filozofa je miska ryže. Sprava i zľava má filozof
k dispozícii paličku na konzumáciu ryže. Paličky musia filozofovia zdieľať, pretože medzi
nimi je vždy len jedna palička. Filozof, pokiaľ sa chce najesť, musí sa zmocniť paličiek po
svojich bokoch (s jednou paličkou sa nenaje, a iné sú príliš ďaleko). V danej chvíli môže
filozof zobrať len jednu paličku (každý filozof pracuje sekvenčne, takže nemôže vziať obe
naraz). Pokiaľ má obe paličky, môže sa nasýtiť, potom odloží paličky a môže ďalej
premýšľať. Pokiaľ sú paličky používané, je nútený čakať a premýšľať až mu susedný filozof
nevráti paličku. Model tejto úlohy pomocou Petriho sietí je znázornený na obrázku 6.
Filozofovia sú tu označení číslami 1 až 4, paličky sú prezentované ako zdieľané objekty S.
Filozofovia sa môžu nachádzať v troch stavoch: čakajú na paličky, konzumujú, premýšľajú.
F1
tanier
F4
tanier
tanier
F2
tanier
PROBLÉM
F3
Obr. 6 Problém hladujúcich filozofov
11
Pri riešení tejto úlohy je treba zaistiť, aby sa každý filozof občas najedol a neumrel na hlad.
Môže tiež dôjsť k zablokovaniu všetkých filozofov, napr. pokiaľ všetci uchopia paličku po
svojej pravej strane, paličky po ľavej strane by sa potom nedočkali.
Obr. 7 Problém hladujúcich filozofov – model pomocou Petriho sietí
Úlohu možno riešiť niekoľkými spôsobmi:
- znížiť počet filozofov pri zachovaní rovnakého počtu paličiek,
- dovoliť filozofovi vziať paličku len vtedy, keď sú obe voľné,
- riešiť asymetrický prístup k paličkám, párny filozof by uchopil najprv ľavú paličku a potom
pravú, nepárny filozof naopak.
Pokiaľ bude úloha vyriešená jedným z vyššie uvedených spôsobov nedôjde k zablokovaniu.
Literatúra
[1] Klimeš, C.: Principy výstavby počítačů a operačních systémů. KOVOSIL Ostrava, 2007.
198 str. ISBN 978-80-903694-1-2
[2] Klimeš, C. – Balogh, Z.: Principy operačných systémov. Edícia prírodovedec č. 186, FPV
Nitra 2005. 242 strán. Vydavateľstvo Michala Vašku, Prešov, ISBN 80-8050-894-1
[3] Klimeš, C. – Turčáni, M.: Úvod do operačných systémov. Edícia prírodovedec č. 187,
FPV Nitra 2005. 215 strán. Vydavateľstvo Michala Vašku, Prešov, ISBN 80-8050-895-X
12
O autoroch
Doc. Ing. Cyril Klimeš, CSc., Univerzita Konštantína Filozofa v Nitre, Fakulta prírodných
vied, Katedra informatiky, e-mail [email protected]
Ing. Zoltán Balogh, PhD., Univerzita Konštantína Filozofa v Nitre, Fakulta prírodných vied,
katedra informatiky, e-mail [email protected]
13
EXCEL AKO NÁSTROJ NA MODELOVANIE
V PRÍRODOVEDNÝCH PREDMETOCH
EXCEL AS A MODELLING TOOL IN SCIENCES
Ján Beňačka
Univerzita Konštantína Filozofa
Fakulta prírodných vied, Katedra informatiky, [email protected]
Abstrakt
Článok prináša niekoľko príkladov použitia Excelu ako nástroja na modelovanie
v stredoškolskej fyzike a biológii.
Abstract
The paper gives a few examples modeling with Excel in secondary school physics and
biology.
Kľúčové slová
Excel, model
Keywords
Excel, model
1 Excel a školská fyzika a biológia
Excel je vynikajúcim nástrojom na modelovanie a následné štúdium rôznych závislostí.
Uvádzame niekoľko príkladov z fyziky a biológie. Niektoré úlohy sú popísané obyčajnou
diferenciálnou rovnicou. V prípade separovateľných premenných možno takéto rovnice
analyticky riešiť na gymnáziu s nadanými žiakmi na Seminári z matematiky (voliteľný
predmet – v Anglicku sú tieto rovnice v osnovách matematiky pre najvyšší ročník strednej
školy). Analytické riešenie týchto rovníc počítačom je praktickou ukážkou použitia
matematického softvéru Derive, dodaného na školy v rámci projektu Infovek, takže žiaci
analytické riešenie odvodzovať nemusia. Numerické riešenia uvedených úloh Excelom sú
principiálne veľmi jednoduché a pre žiakov zrozumiteľné a ich presnosť je pri počte delení
1000 a viac dostačujúca.
2 Pružný odraz zvisle padajúcej guľôčky na naklonenej rovine
Ak dokonale pružná guľôčka padne zvisle z výšky h na naklonenú rovinu zvierajúcu
s horizontálou uhol α, potom sa po odraze bude na základe zákona odrazu pohybovať po
parabole (šikmý vrh [1]) s rovnicou
14
x2
4h sin 2 2α .
Odvodenie príslušného vzťahu je fyzikálne i matematicky zaujímavé. Interaktívna aplikácia,
ktorá umožňuje znázorniť uvedené závislosti je na obr. 1 – 3. Umožňuje tiež verifikovať
výpočet vrcholu a bodu dopadu na naklonenú rovinu. Zaujímavý je výpočet rovníc ďalších
parabol, po ktorých sa bude guľka pohybovať po ďalších odrazoch a ich zobrazenie.
Zaujímavý je i fakt, že ak vystrelíme guľôčku z bodu dopadu pod uhlom dopadu smerom
doľava, prejde príslušnú parabolu a po odraze v počiatku súradnicového systému bude stúpať
zvisle nahor do počiatočného bodu, odkiaľ potom vykoná uvedený pohyb v opačnom slede po
tej istej trajektórii.
y = x cot 2α −
3 Vyhodnotenie laboratórnej úlohy „Rýchlosť a dráha telesa na
naklonenej rovine“
V tejto gymnaziálnej laboratórnej úlohe [2] sa guľôčka púšťa po naklonenej rovine z rôznych
výšok (t. j. pohybuje sa po rôzne veľkej dráhe s) a meria sa čas, za ktorý ju prejde. Sila, ktorá
pôsobí na guľôčku je F1 = gm sin α , kde m je hmotnosť guľôčky. Táto sila je konštantná,
preto ide o rovnomerne zrýchlený pohyb (trenie sa zanedbáva). Grafom dráhy v závislosti od
gt 2
s=
sin α
2
času je parabola
a grafom rýchlosti je priamka v = gt sin α .
Pri experimente žiaci merajú pre každú dráhu čas t1 trikrát a počítajú aritmetický priemer.
Potom zostroja bodový graf závislosti s = s (t ) (obr. 20 – červené body). Týmito bodmi sa
preloží regresná krivka druhého stupňa (modrá parabola) a nechá sa zobraziť jej rovnica.
Z koeficientu pri kvadratickom člene je možné počítať gravitačné zrýchlenie g (ostatné
koeficienty by mali byť za ideálnych podmienok nulové).
Rýchlosť sa určí tak, že sa odmeria čas t 2 (pre každú dráhu trikrát), za ktorý prejde guľka po
dopade na vodorovnú rovinu dráhu 1 meter (predpokladá sa rovnomerná rýchlosť). Rýchlosť
sa vypočíta v = 1 / t 2 . Potom sa zostrojí bodový graf závislosti v = v(t1 ) (červené body).
Týmito bodmi sa preloží regresná priamka (modrá) a nechá sa zobraziť jej rovnica.
Z koeficientu pri lineárnom člene je možné počítať gravitačné zrýchlenie g (ostatné
koeficienty by mali byť za ideálnych podmienok nulové).
4 Model populácie živočíchov
Na uzavretom teritóriu je počet N jedincov živočíšneho druhu závislého od tu sa
nachádzajúceho zdroja potravy daný počiatočnou úlohou [3]
dN
r
= rN − N 2 N (0) = N
0,
dt
K
,
kde r je prírastok na jedného jedinca za časovú jednotku (pre hraboša poľného, sardinku
tichomorskú, srnca obecného a človeka celosvetovo v poradí 5,07; 0,39; 0,23; 0,01686 na
15
deň), K je kapacita prostredia (maximálny počet jedincov, ktorí môžu na teritóriu žiť) a N 0 je
počiatočný počet jedincov.
Riešenie úlohy v Exceli Eulerovou metódou s delením časového intervalu na 1000 dielov je
pre žiakov chápajúcich princípy diferenciálneho počtu zrozumiteľné a jednoduché. Na modeli
je možné skúmať vplyv jednotlivých parametrov na populačnú krivku (obr. 21).
Analytické riešenie úlohy separáciou premenných je
1 − y0
y = 1−
1 − y 0 1 − e rt ,
(
kde
y=
)
N
N
y0 = 0
K,
K , pričom y, y 0 < 1 .
5 Obrázky
h
4
alfa
7
Pružný odraz voľne padajúcej guličky na naklonenej rovine
5
4
3
y [m]
2
-1
1
0
-1 0
1
2
3
4
5
6
7
8
9
10
-2
-3
-4
-5
naklonená rovina
dráha
počiatok
x [m]
Obr. 1 Dráha voľne padajúcej guľôčky po dokonalom odraze na naklonenej rovine
h
4
alfa
18
5
4
3
y [m]
2
-1
1
0
-1 0
1
2
3
4
5
6
7
8
9
10
-2
-3
-4
-5
naklonená rovina
dráha
počiatok
x [m]
16
h
4
alfa
45
5
4
3
y [m]
2
-1
1
0
-1 0
1
2
3
4
5
6
7
8
9
10
-2
-3
-4
-5
naklonená rovina
dráha
počiatok
x [m]
Obr. 4. Rýchlosť a dráha guľôčky na naklonenej rovine
17
dN
r
= rN − N 2
dt
K
Populácia živočíchov
0,1
K
100
N0
2
100
tmax
dt
n
130
0,13
1000
80
t
N
2,00
2,03
2,05
2,08
2,10
2,13
0
0,13
0,26
0,39
0,52
0,65
N [ks]
r
Populácia
120
60
dN/dt
0,196
0,198
0,201
0,203
0,206
0,209
dN
0,025
0,026
0,026
0,026
0,027
0,027
40
20
0
0
20
40
60
80
100
t 120
[deň]
140
Obr. 5 Počet jedincov živočíšneho druhu na uzavretom teritóriu
Literatúra
[1] Hlavička, A. – Bělař, A. – Krčmešský, J. et al. Fyzika pro pedagogické fakulty 1. díl. 2.
vyd. Praha : SPN. 1978
[2] Koubek V. –Šabo I., Fyzika pre 1. ročník gymnázií. 7. vyd. Bratislava : SPN, 2004.
[3] Smítalová, K. – Šujan Š. Dynamické modely biologických spoločenstiev. Bratislava :
Veda, 1989. ISBN 80-224-0033-5
O autorovi
PaedDr. Ján Beňačka, Katedra informatiky, Fakulta prírodných vied,
Univerzita Konštantína Filozofa, Tr. A. Hlinku 1, 949 74 Nitra, [email protected]
18
SIMULACE DYNAMICKÝCH MODELŮ S VYUŽITÍM
METOD SYSTÉMOVÉ DYNAMIKY
SIMULATION OF DYNAMIC MODELS WITH UTILIZATION
OF SYSTEM DYNAMICS
Eva Burianová
Ostravská univerzita v Ostravě
Přírodovědecká fakulta, Katedra informatiky a počítačů, [email protected]
Abstrakt
Příspěvek je zaměřen na využití systémového myšlení a systémové dynamiky při simulaci
složitých dynamických modelů. V příspěvku jsou popsány základní metody a principy
systémové dynamiky a možnosti využití při tvorbě modelu. Metody systémového myšlení
a systémové dynamiky byly aplikovány i do výuky jak v USA, kde byla systémová dynamika
definována panem J. Forresterem v Massatchussetts Institute of Technology, tak v
Evropských státech, například v Německu, Rakousku a ve Švédsku.
Abstract
Paper is dedicated to utilization of system thinking as well as system dynamics upon
simulation of complex dynamic models. We described basic methods and principles of system
dynamics and possibilities of application in establishment of a model. Methods of system
thinking and system dynamics were applied in learning all in the U.S.A., where system
dynamics was defined by J. Forrester of Massachusetts Institute of Technology, and in
European states, e.g. in Germany, Austria and Sweden.
Klíčová slova
Dynamické systémy, systémové myšlení, systémová dynamika, simulace, systém, model.
Keywords
Dynamic systems, system dynamics, simulation, systém, model.
1 Dynamické systémy
Pro poznávání komplexních dynamických systémů není uplatnění klasických nástrojů
modelování rozhodovacích procesů dostatečné. Vhodným nástrojem se stává takový model,
na němž můžeme simulovat fungování systému, interaktivně ovlivňovat chování modelu,
navrhovat zdokonalení modelu.
Metody simulující komplexní dynamický systém nebo proces řadíme mezi metody založené
na systémovém přístupu. Vhodným nástrojem pro analýzu a racionalizaci řízení složitých
procesů a systémů jsou simulační metody.
19
Využívání simulačních metod v různých oblastch má souvislost se zaváděním výpočetní
techniky a využíváním počítačů. V současné době v souvislosti s vývojem technických, ale i
programových prostředků, které umožňují rychlé zpracování mnoho složitých výpočtů, je
možno uvažovat o rozšiřování tvorby simulačních modelů v řízení a rozhodování, které by
umožnily kontrolované experimenty s některými typy zkoumaných systémů, podobně jako
v oblasti přírodních věd, kde experimentální práce je jednou z nejdůležitějších metod jak
získávat nové poznaty, tak ověřovat teorii a hypotézy.
Simulační modely poskytují informace o pravděpodobných důsledcích alternativních
rozhodnutí. Jejich použití je výhodné zejména tehdy, sledujeme-li více cílů.
Použití simulačních metod:
Tvorba modelů je nedílnou součástí metodologie počítačové simulace. Modely libovolného
charakteru se používají pro jeden či více z následujících cílů [2]:
• systemizace myšlenkových pochodů,
• usnadnění komunikace mezi lidmi,
• výchova a výcvik,
• predikace chování modelovaného systému,
• experimenty (jako náhrada za experimenty s modelovaným systémem).
Simulace se zpravidla používá k dosažení jednoho z následujících cílů:
• pochopení reálného (modelovaného systému),
• parametrické studie reálného systému,
• náhrada za experimenty s reálným systémem.
2 Definice simulace
Obecně platnou definici pojmu simulace, stejně jako pojmu systémy na podporu rozhodování
v literatuře nenajdeme. Jedna z vhodných definic je uvedena v [8]:
Simulace je v širším slova smyslu proces tvorby modelu reálného systému a provádění
experimentů s tímto modelem za účelem dosažení lepšího pochopení chování studovaného
systému nebo za účelem posouzení různých variant činnosti systému. Simulace nám dává
možnost prověřit plány a strategie předtím, než jsou realizovány. Simulace sama o sobě neřeší
manažerský problém. Rozhodnutí provádí manažer (rozhodovatel).
Dalšími definicemi simulace se zabývají následující autoři [2]:
Podle Shannona je simulace proces tvorby modelu reálného systému a provádění
experimentů s tímto modelem za účelem dosažení lepšího pochopení chování studovaného
systému či za účelem posouzení různých variant činnosti systému.
Taylor definuje simulaci jako numerickou metodu, která spočívá v experimentování
s matematickými modely (dynamickými) reálných systému na číslicových počítačích.
Dahl považuje simulaci za techniku, která nahrazuje dynamický systém modelem s cílem
získat informace o systému pomocí experimentů s modelem.
Zeigler charakterizuje problematiku simulace pomocí tří elementů (reálný systém, model,
počítač) a dvou vztahů – modelového a simulačního.
20
3 Matematické řešení modelu dynamického systému
Dynamický sytém lze chápat jako soubor vzájemně propojených prvků, jejichž hodnoty se
vyvíjejí v čase a které se navzájem ovlivňují. Při modelování dynamického systému je nutné
definovat stavové veličiny v jejich závislosti na čase. Tvorba modelu dynamického systému je
popisem toho, jak se mění hodnoty stavových veličin X v čase t. (tj z X(t) na hodnotu v čase
t+dt, tj. X(t+dt), kde dt je nějaký časový okamžik, malý z hlediska významu jednotlivých
veličin).
Změny hodnot stavových veličin můžeme popsat dvěmi způsoby (případně jejich kombinací):
• jako diskrétní modely (změny hodnoty X(t) na hodnotu X(t+dt) je náhodná veličina,
základní charakteristiky náhodné veličiny jsou známé).
• jako spojité modely ( změny hodnoty X(t) jsou na hodnotu X(t+dt) vyjádřeny pomocí
spojité funkce, která je známá,
• smíšené modely (část stavových veličin je ovlivňována náhodnými změnami a část se
mění spojitě.
Vytvořit matematický model dynamického systému složený ze systému diferenciálních
rovnic, které popisují dynamiku systému je obtížné. Principy simulací, algoritmizací
simulačních modelů a klasifikací simulačních jazyků se zabývá [3].
Podle charakteru uvažovaných vazeb rozlišujeme simulace na deterministické a stochastické.
Deterministické simulace lze opsat deterministickými rovnicemi a nerovnostmi, ve
stochastických simulacích uvažujeme náhodné veličiny.
V Massachusetts Institute of Technology v USA byla vyvinuta profesorem Sloanovy školy
managementu panem Jay W. Forresterem koncem 50. let jedna z metod, která popisuje
dynamiku systému, popisuje komplexní a dynamické přírodní a ekonomické systémy. Tato
metoda byla nazvána systémovou dynamikou a zabývá se konstrukcí matematického modelu
dynamického systému ve třech krocích:
• konstrukce kauzálních diagramů, popisujících daný systém
• konstrukce proudových diagramů,
• vytvoření diferenciálních rovnic z proudových diagramů.
Z této metodiky vycházejí další školy systémové dynamiky (Švédsko, Německo), v jejich
metodice (v českém překladu) jsou kauzální diagramy nazývány příčinnými diagramy a
proudové diagramy diagramy toků, přičemž třetí krok, tvorba diferenciálních rovnic, je řešen
v rámci aplikačního software, který je vytvořen jako nástroj pro tvorbu dynamických
simulačních modelů na základě metodologie systémové dynamiky. (například software
Powersim, Vensim a další).
4 Systémová dynamika a její modelování
Pojem systémová dynamika je chápán ve dvou úrovních:
• jako systémový způsob myšlení či řešení problémů, přičemž jsou zkoumané jevy a
procesy chápány komplexně v jejich vnitřních a vnějších souvislostech,
21
• jako jedna z matematických metod řešení dynamických modelů.
V oblasti moderních systémových přístupů k sociálním systémům představuje systémová
dynamika jednu ze systémových disciplin, mezi které dále patří metodologie měkkých
systémů (SSM - Soft System Methodology), akční výzkum a další. Blíže se z tohoto pohledu
zabývá systémovou dynamikou publikace [7].
4.1 Vývoj a současný stav teorie systémové dynamiky
Zpočátku byly metody systémové dynamiky těsně spojovány s matematickými počítačovými
simulacemi. V současné době se mnozí autoři se zabývají vazbou systémové dynamiky a
systémového myšlení. Každoročně je konána světová konference systémové dynamiky.
Prvním úspěchem těchto dynamických modelů a simulačních projektů bylo jejich uplatnění
v průmyslu. Na počátku 70.tých let se začaly metody systémové dynamiky prosazovat ve
světě. V současné době hrají tyto metody důležitou úlohu v poznávání a porozumění
komplexních dynamických systémů. Metody systémové dynamiky jsou často využívány
v netechnických oblastech, jako např. modelování sociálních a ekonomických systémů.
Klasifikací názvů pro oblast počítačových simulací v socio-ekonomických systémech se
zabývá článek F. Maiera a A. Groslera [4]. Tito autoři přehledně rozdělili počítačové
simulátory k výuce socio-ekonomických systémů na dvě hlavní oblasti. První oblast zahrnuje
modelově orientované simulační nástroje a druhá simulační nástroje orientované na
manažerské hry.
Aplikace systémové dynamiky jsou obsaženy v desítkách monografií, metod systémové
dynamiky se používá pro analyzování chování složitých systémů v řadě zemí.
4.2 Systémové myšlení a systémová dynamika
Nejznámějším obhájcem systémového myšlení je Peter Senge [5]. Systémové myšlení
znamená změnu paradigmat způsobu, jak funguje svět, způsobu jak fungují společnosti, a
lidských rolí v nich. Senge a jeho kolegové učí manažery hledat vztahy mezi prvky systému;
aby se vyvarovali dlouhodobého řešení problémů; aby hledali klíčové body systému (místa,
kde drobná změna bude mít obrovský efekt na chování systému); a aby se vyvarovali řešení,
které ošetřuje pouze symptomy vlastního problému.
Vztah mezi oběma obory (systémovým myšlením a systémovou dynamikou) můžeme
ilustrovat pomocí Vennova diagramu.
Systémové myšlení
Systémová dynamika
Obr. 1 Vennův diagram Systémového myšlení a Systémové dynamiky:
22
Diagram znázorňuje, že obě odvětví mají mnoho společného. Cílem systémové dynamiky
bylo poskytnout manažerům nástroj k porozumění komplexních systémů, které byli pověřeni
řídit. Metodologie systémové dynamiky používá počítačové simulace modelů,
vytvořených podle vztahu struktury systému a jeho chování v čase.
Podle Forrestera je lidské vědomí nejbrilantnější existující pamětí, ale máme problémy
přiřazovat důsledky k příčinám, zvláště pokud nejsou časově blízké, a nemůžeme spolehlivě
předpovídat výsledek jakékoliv, ani té nejjednodušší situace s nejjednoduššími příčinami.
Jinými slovy nejsme dynamickými simulátory. To není překvapující, uvážíme-li, že simulace
výsledku nejkomplexnějších problémů je tak obtížná, jako je řešení soustavy sta
diferenciálních rovnic.
Forrester používá k ilustraci těchto představ nálevku.
Obr. 2 Nálevková reprezentace našich mentálních informací
Vrcholek nálevky reprezentuje naši mentální informaci, tedy všechno, co nosíme v hlavě.
Tato informační databáze je největší a nejkomplexnější, která je nám dostupná. Další je psaná
databáze, která je stokrát nebo dokonce tisíckrát menší. Reprezentuje všechny informace,
které máme na papíru nebo uloženy elektronicky. Dále máme numerickou databázi,
reprezentující všechny informace v podobě čísel a představující další sto až tisíckrát menší
hodnotu a bohatství informace. Je zřejmé, že místo nálezu nejúplnějších informací je na
vrcholku nálevky v mentální databázi.
4.3 Metodologie systémové dynamiky
Tvorba modelu pomocí systémové dynamiky má několik kroků:
1) definování problémů k řešení,
2) definování systémových prvků modelu,
3) vytvoření mentálního modelu,
4) formalizace modelu,
5) vytvoření simulačního modelu za pomoci některého softwarového programu, který je
založen na principech systémové dynamiky.
Hlavními prvky metod systémové dynamiky (SD) - jsou:
• rozdíly mezi zásobami a toky v systémových modelech,
• speciální metody zápisu v ”zásoby a toky” diagramech (stock and flow diagrams),
23
•
počítačové jazyky pro numerickou simulaci dynamických systémů na počítačích.
1) Definování problému
Modelování problému začíná definicí problému. Problém, který chceme modelovat, je
základním kamenem celé aktivity. Definování problému je v podstatě definování účelu
modelu.
K definování problému patří definování hranic modelu pomocí diagramu hranic. Diagram
hranic pomáhá rozhodnout, které proměnné zahrneme do modelu a zda budou vnitřní nebo
vnější.
Obr. 3 Diagram hranic:
2) Definování systémových prvků modelu
Definováním systémových prvků rozumíme identifikovat klíčové pojmy a složky modelu,
které zahrneme do modelu. Je nutné všechny prvky modelu pojmenovat a promyslet jednotky
míry pro každou proměnnou.
3) Mentální vyjádření systému
K mentálnímu vyjádření systému používá systémová dynamika především dva nástroje:
příčinné smyčkové diagramy nebo diagramy toků. Někdy je využívána pro popis mentálního
modelu i soustava navzájem přilehlých šestiúhelníků, tato soustava však nepopisuje ani
polaritu vlivu jednotlivých prvků.
Příčinný smyčkový diagram
Příčinný smyčkový diagram popisuje prvky systému a příčinné vztahy mezi nimi. Na
následujícím obrázku je popis používané symboliky.
24
Symboly příčinných smyčkových diagramů
Příčinné
spoje
O
Změna s opačnou tendencí
S
Změna se stejnou tendencí
Zpožďovací spoj
Zesilující smyčka se zpětno vazbou, která
zesiluje změnu
R nebo + nebo
Smyčky se zpětnou
vazbou
Vyrovnávací smyčka se zpětnou vazbou, která
hledá rovnováhu.
B nebo - nebo
Obr. 4 Systémové prvky
K příčinným smyčkovým diagramům je potřeba přistupovat opatrně, protože v sobě skrývají
jistá úskalí. Největší úskalí spočívá v různém charakteru prvků systému, některé prky mají
charakter hladin (akumulací) a některé charakter toků. V příčinných smyčkových diagramech
jsou hladiny od toků odlišeny tak, že hladiny jsou opatřeny rámečkem.
Diagram toků
Diagram toků obsahuje prvky systému vzájemně propojené, prvky systému jsou pak
definovány pomocí rovnic.
Symboly diagramu toků
Konstanta
Ventil toku (regulátor)
Přítok
Inicializační
spoj
Hladina
Chování
systému
Odtok
trubice toku
Míra toku
(změna systému)
Pomocná_proměnná
Zpožděný spoj
příčinná smyčka
Symbol
mraku
(hranice
systému)
Obr. 5 Symboly diagramu toků
25
4) Formalizace modelu
Dalším stupněm je formalizace modelu. V tomto stadiu jsou navrhovány rovnice modelu. Je
nutné určit vzájemnou závislost proměnných.
Současně s odvozením rovnic zahrnuje toto stádium výběr hodnot parametrů. Parametry jsou
konstanty, počáteční hodnoty hladin a grafické funkce (tabulové funkce).
5) Tvorba simulačního modelu
Jestliže je vytvořen model podle předcházejících kroků, potom můžeme za pomoci
softwarového nástroje vytvořit simulační model. Musí být definovány všechny proměnné a
rovnice, vyřešeno časování modelu, následně můžeme simulovat model a prohlédnout jeho
chování v čase.
Při tvorbě počítačového simulačního modelu si musíme definovat tři body:
• Prvním je časový horizont; to znamená časový úsek, ve kterém chceme model
simulovat. Ten se bude lišit v závislosti na účelu modelu.
• Druhým je časový krok, který měří, jak často bude aplikace vykonávat své výpočty.
Čím menší je časový krok, tím častěji se budou provádět matematické výpočty a tím
pomaleji model poběží.
• Třetím je integrační metoda. (Powersim nabízí několik metod, včetně Eulerovy a
různých Runge Kuttových metod.)
Jestliže model přiměřeně reprezentuje opravdový problém, můžeme ho používat pro analýzu a
experimentování, můžeme simulovat efekty rozmanitých změn politiky před tím, než
například přijmeme důležité rozhodnutí.
5 Principy systémové dynamiky
Jay W. Forrester [8] stanovil čtyři základní principy systémové dynamiky:
První z nich je, že veškeré dynamické chování ve světě nastává, jestliže se toky akumulují
v hladinách. Hladinu si můžeme představit jako vanu a tok jako potrubí s kohoutkem, které
vanu plní.
Hladina
Tok
Druhou základní myšlenkou je, že hladiny a toky systémů tvoří smyčky se zpětnou vazbou.
Zpětná vazba je přenos a návrat informace. V modelech systémové dynamiky putuje
informace o hladině systému strukturou modelu, až dosáhne tok této hladiny. Tok reaguje na
informaci tím, že ovlivní hladinu, a tím se smyčka se zpětnou vazbou uzavře.
26
Hladina
Tok
Smyčka se
zpětnou Hladina
vazbou
Tok
Existují dva druhy smyček se zpětnou vazbou - pozitivní a negativní. Pozitivní smyčka
generuje samozesilující chování a negativní smyčka generuje stabilizující neboli vyvažující
chování.
Příkladem pozitivní smyčky je vztah mezi narozením a populací v rozvíjející se zemi. Když
populace země roste, roste počet narození a čím více dětí se narodí každý rok, tím více se
nárůst populace zesílí.
Populace
+
Narození
Příkladem negativní smyčky je vztah mezi úmrtím a populací v rozvíjející se zemi. Když
populace země roste, více lidí zemře a čím více lidí zemře každý rok, tím více smyčka brání
původnímu růstu populace.
Populace
_
Úmrtí
Třetí základní myšlenkou modelování v systémové dynamice je, že smyčky se zpětnou
vazbou jsou navzájem spojeny nelineárními vazbami.
6 Software pro tvorbu dynamických simulátorů
Skupina pracovníků vedená J. Forresterem vyvinula systém DYNAMO, který je
představitelem prvních moderních simulačních jazyků. Moderní softwarové produkty pro
systémovou dynamiku jsou již grafické, umožňují zobrazení toků diagramů, vytvoření grafů,
krokování atd.
Aplikační programy, které jsou založeny na systémových přístupech jsou zdokonalovány na
takovou úroveň, že je možné, aby je využívali nejen informatici a programátoři, ale běžní
uživatelé. Prostředí programů, uživatelské rozhraní a jeho obsluha je tomu přizpůsobena.
DYNAMO
Dynamo je prvním systémovým dynamickým simulačním jazykem. Byl vytvořen
v šedesátých letech v Cambridge. Je možné ho nainstalovat na PC a kompatibilních počítačích
pod DOS nebo Windows.
Powersim
Poversim je simulační programové vybavení, pracující pod Windows. Umožňuje interaktivní
experimentování v oblastech obchodní strategie, operace, marketing, analýza konkurence a
27
podpora rozhodování. Pomocí tohoto simulačního programu můžeme vytvářet diagramy,
které reprezentují systémy, např. továrny, oddělení, firmy. Tyto diagramy můžeme přetvářet
na interaktivní dynamické modely. Pomocí těchto modelů může uživatel sledovat důsledky
svého rozhodnutí – jak krátkodobé tak dlouhodobé. S modelem pracujeme interaktivně,
můžeme měnit vstupní nastavení a zkoušet nové strategie.
Tento simulátor je vhodný i pro výuku. Představuje možnost stavby fyzikálních, chemických,
biologických, ekonomických modelů a zjišťování možných výsledků podle zvolené strategie.
Je totiž představitelem systémové dynamické metody modelování a simulace daného systému,
jeho chování v reálném čase.
IThink/Stella
Tento program umožňující dynamické modelování byl vyroben pro počítače Macintosh, je
graficky orientován.
Vensim
Vensim je integrované prostředí pro tvorbu, analýzu dynamických zpětnovazebních modelů.
Vensim podporuje vývoj systémově dynamických modelů a dalších modelů, které se mění
s časovými změnami. Modely jsou konstruovány v grafickém prostředí nebo v textovém
editoru. Vensim je charakterizován dynamickými funkcemi.
CreditSim
CreditSim je manažerský simulátor, jeho demo verzi je možno rovněž stáhnout z internetu.
7 Závěr
Softwarové produkty založené na principech systémové dynamiky umožňují rozhodovateli
vytvářet simulace v „přívětivém“ grafickém prostředí, měnit hodnoty vstupů, studovat
chování systému a srovnávat výsledky v závislosti na změně vstupních dat, případně měnit
strukturu vytvořeného modelu
Využívání dynamických systémů a manažerských simulátorů v praxi vede k racionalitě v
rozhodování. Zavádění nových metod, mezi nimiž jsou metody založené na modelování
dynamických systémů, do praxe v oblasti řízení, pomáhá v cestě od empiricko-intuitivního
rozhodování k rozhodování vědeckému. Systémy pracující na bázi metod systémové
dynamiky, nám umožňují vytvářet takové modely komplexních složitých dynamických
systémů, které mohou sloužit jako systémy na podporu rozhodování a navíc mohou být
využívány rozhodovateli interaktivním způsobem.
Literatura
[1] Forrester, Jay W.: The Beginning of System Dynamics, Banquet Talk at the
international meeting of the SystemDynamics Society, Studgart, 1989
[2] Chobot, M., Turnovcová A.: Modely rozhodovania v konfliktných situáciách
a za neurčitosti, Alfa, 1980
[3] Koontz, H.:Management, Victoria Publishing, Praha, 1993
[4] Maier, Frank H., Grosler, A.: A Taxonomy for Computer Simulations to
Support Learning about Socio-Economic System, 1998
[5] Senge, P.: The Fifth Discipline, New York, 1994
[6] Šustav, M., Wild, J.: Referenční příručka k úvodnímu kurzu Powersim
28
[7]
[8]
Construktor 2.5, Chomutov, 1998
Vodáček, L., Rosický, A.: Informační management, Management Press, 1997
Zonková, Z.,Poštová,E.,Moravcová,E.,Hančlová,J.:Operační výzkum, skripta
VŠB, 1994
O autorovi
Ing. Eva Burianová, Ph.D., Katedra informatiky a počítačů, PřF OU, 30. dubna 22, 70103
Ostrava, [email protected]
29
ANALÝZA ELEKTRONICKÉHO TESTOVANIA V CMS
MOODLE
ANALYSIS OF ELECTRONICAL TESTING IN CMS
MOODLE
Martin Cápay
Abstrakt
Didaktické testy sú všeobecne považované za objektívny spôsob testovania. Ich tvorbu ako
i štatistické vyhodnotenie ich výsledkov popisuje teória testov a testovania. V dnešnej dobe sa
čoraz viac vyžaduje automatické generovanie elektronických testov z vopred zostavenej sady
otázok. Aktuálnu situáciu elektronického testovania s použitím CMS Moodle ako i možnosti
rozšírenia tohto systému sú popísané v príspevku.
Abstract
Didactical tests are considered an objective way of testing. There is a theory of tests and
testing, which describes statistical evaluation of didactical tests. Nowadays automatical
generating of tests from prepared base of questions is required. This paper deals with actual
situation in electronical testing in CMS Moodle and the possibilities of extension of this
system.
Kľúčové slová
Elektronické testovanie, Moodle, e-learning
Keywords
Elektronical testing, Moodle, e-learning
1 Úvod
Testovanie vedomostí plní vo vzdelávaní množstvo funkcií, pričom najdôležitejšia je funkcia
diagnostická a klasifikačná. Okrem nich je testovanie vhodné na získanie obojsmernej spätnej
väzby. Teória testovania a testov je dlhodobo využívaná najmä pri tvorbe štardanizovaných
papierových testov. S príchodom éry počítačov však prišiel aj nový spôsob realizácie
testovania pomocou automaticky vyhodnocovaného elektonického testu. Čoraz viac sa dbá na
rýchle a objektívne hodnotenie. V prezenčnom ako i dištančnom type vzdelávania je dôležitá
aj funkcia priebežnej kontroly, ktorú je možné pomocou elektronických testov jednoducho a
rýchlo zabezpečiť.
30
2 Elektronické testovanie
Rozšírenie osobných počítačov a čoraz väčší dopyt po možnosti pripojenia sa do celosvetovej
siete počítačov jednoznačne určuje nový trend vzdelávania - e-learning. E-learning či už v
čistej podobe alebo v zmiešanej podobe (blended learning) vyžaduje moderný systém riadenia
vzdelávania. Práve preto môžeme povedať, že v súčasnej dobe prevláda snaha vzdelávacích
organizácií o zavedenie LMS - Learning management system. Existuje veľké množstvo
takýchto systémov. Z mnohých spomenme aspoň niektoré.
Open source
• Claroline (www.claroline.net)
• Fle3 (http://fle3.uiah.fi/)
• ILIAS (http://www.ilias.de/ios/index-e.html)
• Moodle (www.moodle.org)
Komerčné produkty
• MS Class Server implementovaný na Ústave technológie vzdelávania, Pedagogickej
fakulty Univerzity Konštantína Filozofa v Nitre http://ukf-tvz.sk/class/
• WebCT (www.webct.com) využívaný napríklad na Fakulte informatiky a
managementu v Hradci Králové a ČVUT v Prahe
• Eden (www.rentel.cz)
• produkt spoločnosti Dupres Consulting, spol. s.r.o. s názvom Enterprise Knowledge
Platform využívaný na UMB v Banskej Bystrici (http://elearn.umb.sk) ako centrálny
LMS ako i na Pedagogickej fakulte Trnavskej Univerzity LearningSpace využívaný
na Prírodovedeckej fakulte Ostravskej univerzity (http://elearning.osu.cz)
• eAmos (http://www.eamos.cz) využívaný na všetkých fakultách Jihočeskej Univerzity
v Českých Budějoviciach
• eDoceo využívaný napríklad na Katedre chémie, Pedagogickej fakulte Univerzity v
Hradci Králové ako i Na vysokej škole ekonomickej v Prahe
• na Ekonomickej fakulte ZČU v Plzni využívajú LMS Unifor , uLern, Aspen LMS,
Oracle iLearning.
Ďalšie informácie o LMS je možné získať na internete, na adrese http://www.edutools.info/.
Okrem on-line spôsobu testovania pomocou LMS (CMS, LCMS) je častým javom tvorba
vlastného (autorského) systému „šitého“ na mieru pre danú organizáciu (firma, katedra,
fakulta a pod.). Táto možnosť nie je z časového hľadiska možná pre všetky vzdelávacie
organizácie.
Na Katedre informatiky FPV UKF v Nitre sa v posledných rokoch sa využíva voľne šíriteľný
Moodle (momentálne vo verzii 1.6), ktorý je nami považovaný za najprogresívnejšie
vzdelávacie prostredie súčasnosti (momentálne je k dispozícii verzia 1.8).
31
3 Implementácia elektronického testovania v LMS Moodle súčasnosť
V LMS Moodle máme niekoľko možností k preverovaniu vedomostí študentov. Z aktivít,
ktoré je možné bodovo hodnotiť, a ktoré musia byť vyhodnotené učiteľom patrí Zadanie.
Zadanie je možné využívať v úlohách, ktoré sú zamerané na praktické zručnosti, napríklad v
oblasti programovania je to tvorba komplexnej aplikácie. Riešenie úlohy skontroluje učiteľ a
na základe nim určených kritérií priradí za dané riešenie body. Zadanie sa tak môže javiť ako
subjektívne hodnotená aktivita.
Inou aktivitou, ktorú vyhodnocuje systém na základe vopred definovaných podmienok
(nastavení) je aktivita Test - Quiz. Učiteľ v ňom môže vytvárať bázu otázok, ktoré je možné
roztriediť do kategórií. Pri generovaní testov sú otázky v jednej kategórii považované za
homogénne, teda po obsahovej stránke navzájom zameniteľné. Testy sú vyhodnotené
automaticky podľa učiteľom nastavených kritérií. Pre test je možné okrem náhodného výberu
otázok nastaviť aj náhodné miešanie odpovedí v rámci otázok. Vlastnosťou vhodnou pre testy
bez klasifikačnej funkcie je možnosť nastavenia adaptívnosti, kedy je možné odpovedať na
otázku až do doby zadania správnej odpovede. Pre každý test je možné nastaviť prístupové
heslo, ako i obmedzenie testu na skupinu IP adries.
K dispozícii je niekoľko možných typov otázok, pričom najpoužívanejšími a zároveň aj
najjednoduchšími typmi na zadávanie sú otázky s možnosťou výberu odpovedí (s jednou
správnou alebo viacerými správnou odpoveďami) a otázka s krátkou odpoveďou. Test môže
obsahovať otázky viacerých typov. Každej otázke môžeme pomocou rozdielneho počtu bodov
za správnu odpoveď prideliť rôznu váhu otázky v teste. Pri otázkach s viacerými možnosťami
odpovedí je možné nastaviť trestné body za nesprávnu odpoveď.
LMS Moodle ponúka aj položkovú analýzu otázok v databáze. Pomocou tejto analýzy je
napríklad možné zistiť percentuálny podiel úspešnosti správnych ako i nesprávnych odpovedí.
Možnosti automaticky generovaných testov sú však najmä z hľadiska ich štatistického
vyhodnotenia nedostatočné. Pri snahe o štatistické vyhodnotenie testov nenájdeme vhodnú
metódu ako skúmať testy v celku. Každý test sa totiž vyznačuje unikátnosťou. Každému
študentovi sa generuje rozdielny test. Analýza testov len na úrovni otázok je z didaktického
hľadiska nepostačujúca. Otázkou však ostáva, či existuje iná možnosť ich spracovania.
Ďalším problémom LMS Moodle je export databázy otázok v rámci kurzu. Systém ponúka
možnosť exportu do viacerých formátov (XHML, Moodle XML formát, formát GIFT apod.).
V starších verziách systému Moodle bola fuknčnosť týchto formátov při následnom importe
veľmi zlá. V posledných verziách už nie sú problémy s formátom GIFT a Moodle XML
formát. V prípade exportu otázky v ktorej je použitý obrázok, nedôjde k exportu samotného
obrázku ale len k informácii, kde daný obrázok hľadať.
V neposlednom rade je veľkou nevýhodou aj pomerne zdĺhavý proces zadávania otázok do
systému. Keďže každá otázka, aj keď rovnakého typu, musí byť zadávaná v samostatnom
32
formulári a následne uložená. Odozva zo strany servera ako i niekoľkonásobné aktivovanie
tých istých ponúk na formulári predlžuje čas potrebný na administráciu.
Poslednou formou ako preveriť vedomosti je modul „HotPot“ dovoluje učiteľovi
administrovať Hot Potatoes testy prostredníctvom Moodle. Tieto testy vytvára učiteľ na
svojom počítači a až potom sú uploadované do kurzu na server. Na tvorbu testov tohto druhu
je určená aplikácia Hot Potatoes od Half-Baked Software Inc. (http://hotpot.uvic.ca).
Najzaujímavejšie sú moduly JCross slúžiaci na vytváranie krížovky a JMix, pomocou ktorého
je možné vytvoriť pomiešanú vetu určenú na usporiadanie. Aktivita Hot Potatoes je veľmi
zaujímavá forma testovania najmä po formálnej stránke. Podľa nášho názoru však je vhodná
len na precvičovanie. Veľkou nevýhodou je nespojiteľnosť aktivity HotPot s aktivitou Quiz.
3 Implementácia elektronického testovania v LMS Moodle budúcnosť
Po zhodnotení súčasného stavu implementácie elektronického testovania v LMS Moodle by
sme do budúcnosti stanovili základné ciele, ktorý by v našom prípade priniesli vylepšenie
stavu testovacieho modulu.
•
•
•
•
•
analýza databáz, do ktorých sú ukladané zadania otázok a následná analýza algoritmu
slúžiaceho na export týchto databáz
rozšírenie systému o nové typy otázok, prípadne úprava existujúcich typov do
vyhovujúcej formy
vylepšenie formulára na zadávanie otázok
rozšírenie systému o metodickú príručku tvorby didaktických testov, s prihliadnutím
na elektronické prostredie používateľov
rozšírenie systému o príručku tvorby testov v prostredí Moodle
4 Záver
Elektronické testovanie bude mať z dlhodobého hľadiska rastúcu frekvenciu používania. I
keď na základe našich prieskumov medzi študentmi Katedry informatiky UKF v Nitre nie je
tento štýl testovania momentálne z ich strany považovaný za jednoznačne správne riešenie,
naša snaha o zdokonalenie sa v tejto oblasti nebude prerušená. Výhod elektronického
testovanie je nesporne viac ako nevýhod.
Literatúra
Informácie pre vzdelávacie komunity [online]. [cit. 2006-09-05]. Dostupné na internete:
www.edutools.info
33
TRHAN, P. 2005. The Enterprise Knowledge Platform – plnohodnotný e-learningový
informačný systém. In Didinfo 2005. Banská Bystrica, 2005. ISBN 80-8083-090-8, s.64-67.
SKALKA, J. 2003. Testovanie pomocou počítača vo vyučovacom procese. In Informačné
technológie vo vzdelávaní. Zborník z medzinárodnej vedeckej konferencie. Nitra : SPU v
Nitre, 2003. ISBN 80-8069-242-4, s. 19.
O autorovi
Mgr. Martin Cápay
Katedra informatiky, Fakulta prírodných vied, Univerzita Konštantína Filozofa v Nitre
Trieda A. Hlinku 1, 949 01 Nitra
[email protected]
34
PREDPOKLADY ZALOŽENIA VEDECKÉHO
ROZVOJOVÉHO INKUBÁTORA NA KI FPV UKF
THE ASSUMPTIONS FOR ESTABLISHMENT OF THE
SCIENTIFIC INCUBATOR AT THE DEPARTMENT OF
INFORMATICS, FPV UKF, NITRA
Martin Drlík
Abstrakt
V príspevku sa zaoberáme možnosťami založenia vedeckého rozvojového inkubátora na
Katedre informatiky FPV UKF v Nitre. Vznik takého subjektu je podmienený viacerými
faktormi, ktoré sa pokúsime v príspevku identifikovať. Príspevkom by sme chceli otvoriť
diskusiu o možnostiach uceleného výskumu na Katedre informatiky.
Abstract
We deal with the opportunities for foundation scientific incubator at the Department of
informatics, FPV UKF in Nitra. The foundation of such a subject dependents on several
factors that we try identify. We would like to open the discussion on the possibilities of
integrated research at the Department of Informatics.
Kľúčové slová
Vedecký inkubátor, tímový výskum, financovanie vedy
Keywords
Scientific incubator, team research, financing of science
1 Úvod
Výskumná činnosť patrí k prioritným aktivitám činnosti univerzity a stáva sa čoraz
dôležitejším kritériom hodnotenia jej kvality. Univerzita Konštantína Filozofa v Nitre vo
svojom dlhodobom zámere proklamuje podporu základného aj aplikovaného výskumu [1].
Základné podmienky pre rozvoj výskumnej činnosti sú kvalitné personálne zdroje, odbornosť,
finančné zabezpečenie, moderná infraštruktúra, jazyková vybavenosť, informovanosť a
premyslená dlhodobá stratégia. Podľa [1] sa za najdôležitejšie kritérium, ktoré rozhoduje o
podpore výskumných zámerov, považuje výskum spĺňajúci porovnateľné kritériá s
medzinárodným výskumom v ukazovateľoch:
•
úspešná grantová aktivita,
•
aktívna medzinárodná spolupráca,
35
•
kvalitná publikačná činnosť.
Ďalšie dôležité kritérium pre univerzitnú podporu niektorej z oblastí výskumu, je výskum
účelne prepojený so vzdelávacím procesom, t.j. s realizáciou
magisterských a
doktorandských študijných programov, vrátane aktívnej účasti študentov [2].
V súčasnosti nie sú známe presné pravidlá, ktoré by umožnili porovnávať výskum v oblasti
humanitných a prírodných vied, preto sa v našom príspevku sústredíme hlavne na oblasť
prírodných vied, a teda podmienky pre výskum na Fakulte prírodných vied UKF (FPV UKF).
Výskumná činnosť FPV UKF sa uskutočňuje výlučne na jej pracoviskách. V súčasnosti je
orientovaná do niekoľkých prioritných oblastí (biológia, ekológia, environmentalistika,
geografia a fyzika), a ich podpora je priamo zadeklarovaná aj v dlhodobom zámere fakulty
[2].
Čitateľ si určite všimol, že žiadna z priorít sa netýka Katedry informatiky. Nebudeme
popisovať dôvody, prečo je tomu tak, ale skúsime si položiť otázku, čo všetko je potrebné
pripraviť, aby sa výskum na Katedre informatiky dostal do zoznamu priorít fakulty, či
dokonca univerzity.
2 Východiská
Postoj univerzity a fakulty
Ak ešte chvíľu zostaneme na úrovni „politických vyhlásení“ (výstižnejšie charakterizuje tieto
dokumenty pojem „white paper“) uvedených v [1], mohli by sme sa pri založení vedeckého
inkubátora oprieť o druhý bod strategických priorít UKF, uvedený pod sloganom „UKF bude
vedeckou inštitúciou spĺňajúcou národné i medzinárodné kritériá“. Z neho môžeme odcitovať
nasledujúcu časť:
„Zámerom UKF je identifikácia, koncentrácia i finančná podpora rozvoja výskumných aktivít
spĺňajúcich národné a medzinárodné kritériá. S týmto zámerom sa musí uskutočňovať
personálna a finančná politika na úrovni fakúlt, katedier a ústavov s cieľom vytvoriť
optimálne podmienky pre prácu a finančne stabilizovať tvorivé osobnosti – zodpovedných
riešiteľov výskumných projektov a garantov výskumných tímov. V rámci svojich možností
cestou zlepšovania materiálnych a technických podmienok pre prácu výskumných tímov
podporovať rozvoj unikátnych pracovísk s koncentráciou intelektuálneho potenciálu
univerzity a upriamiť svoju orientáciu na základný výskum i aplikovaný výskum a vývoj pre
potreby praxe.“
Vidíme, že univerzita ponecháva priestor pre vznik nových unikátnych pracovísk, pričom
budeme predpokladať, že pod pojmom pracovisko sa nemyslí iba založenie pracoviska
v pravom slova zmysle, ale aj založenie čohosi takého, ako je plánovaný vedecký inkubátor
na Katedre informatiky.
Ako sa k tejto téme stavia FPV? Aj FPV proklamuje podporu pri vzniku nových unikátnych
pracovísk. Pravdou však zostáva, že doteraz žiadne pracovisko nevzniklo spôsobom, ktorým
by mal vzniknúť inkubátor na Katedre informatiky, t.j. formou dohody o podpore
konkrétneho výskumného zámeru, ktorý bude znamenať pre FPV pridanú hodnotu až o pár
rokov, ale pre svoje založenie potrebuje určité množstvo financií už v tomto období.
36
Naopak, predpokladá sa, že inkubátor vznikne rovnakým spôsobom, ako už spomenuté
pracoviská na biológii, fyzike, či ekológii, teda na základe dlhodobej grantovej úspešnosti,
úspešnej zahraničnej spolupráce, alebo na základe tradície.
Keďže však Katedra informatiky patrí k najmladším katedrám na FPV, nemôže v súčasnom
konkurenčnom prostredí čakať, kým sa zrealizuje podobný scenár.
V nasledujúcej kapitole preto skúsime identifikovať niektoré dôležité aspekty ovplyvňujúce
úspešnosť zámeru vybudovať cielený výskum na katedre. Uvedené názory predstavujú
príspevok do katedrovej diskusie na tému budúceho smerovania výskumu, nemajú
deklaratívny charakter. Ich cieľom je analyzovať súčasné možnosti, ktorými disponuje
Katedra informatiky, a hlavne hľadať možné východiská.
3 Návrh riešenia
Výskum na katedre
Doterajší výskum na katedre najvýstižnejšie charakterizuje prívlastok – didaktický.
V žiadnom prípade však neberieme toto zameranie v negatívnom zmysle slova, ale skôr ako
pozitívum, ktoré nám umožňuje hľadieť na veci aj z iného pohľadu. Didaktické zameranie
vyplynulo z historického zamerania celej UKF, z požiadaviek doby, zo spoločenskej
objednávky a z personálneho obsadenia.
Paradoxne, s meniacimi sa podmienkami, ktoré musí pracovisko spĺňať, aby i naďalej mohlo
realizovať výučbu, a teda aj výskum v oblasti didaktiky, sa musíme pozrieť na možnosti
transformácie tohto typu výskumu do oblasti vedeckého výskumu.
Ako sme v súčasnosti na tom? Ak sa pozrieme na výpis projektov Katedry informatiky zo
systému evidencie projektov na UKF (tab. 1) [3] za posledné roky, môžeme identifikovať 2
hlavné prúdy projektovej úspešnosti. Prvý prúd predstavujú edukačné projekty a projekty
ESF, z ktorých sa pravdepodobne nedá vychádzať pri písaní vedecko-výskumných projektov.
Na druhej strane sú však tieto granty významným zdrojom financií, ktoré plynú na katedru.
Tab. 1 Rozdelenie grantovej úspešnosti Katedry informatiky FPV UKF v Nitre
Typ
Vedecké a vedeckotechnické
Vedecké a vedeckotechnické
Kultúrne a edukačné
Inštitucionálne
Inštitucionálne
Rozvojové
Mobility
Sociálny Fond
Spolu
Druh
MEDZINÁRODNÉ V SPOLUPRÁCI
NÁRODNÉ (VEGA, APVT)
MEDZINÁRODNÉ PRIDELENÉ
FAKULTE UKF
MEDZINÁRODNÉ V SPOLUPRÁCI
NÁRODNÉ (KEGA)
INŠTITUCIONÁLNE (CGA,GAM)
INŠTITUCIONÁLNE (CGA,GAM)
ROZVOJOVÉ (MŠ SR)
MOBILITNÉ
EURÓPSKY SOCIÁLNY FOND
Grant
Bilaterálna vedecko-technická
spolupráca
Vedecká a edukačná grantová
agentúra
COMENIUS
Socrates - Erasmus
Kultúrna a edukačná grantová
agentúra
Celoškolská grantová agentúra
Grantová agentúra mladých
Rozvojové projekty
CEEPUS
Európsky sociálny fond
Počet
1
4
3
1
5
12
4
17
5
4
56
37
Druhú časť predstavujú rozvojové projekty, výrazne aplikačne orientované s najväčším
podielom financií pre potreby katedry.
Vedecký výskum v pôvodnom slova zmysle na katedre absentuje. Z toho dôvodu nie je
možné zmeniť smerovanie výskumu tým spôsobom, že sa maximálne podporí úsilie
jednotlivcov alebo malých skupiniek, ktorí sa zaoberajú určitou úzko špecializovanou
vedeckou problematikou, a že sa ňou začnú zaoberať aj ostatní.
Existujú potom ešte iné možnosti pre smerovanie výskumu na katedre? Určite ich existuje
viacero, ale pravdepodobne majú spoločnú charakteristiku. V týchto „iných“ procesoch
transformácie a zjednotenia výskumného úsilia chýba vedúca osobnosť, ktorá by vedela včas
odhaliť alebo usmerniť nesprávne smerovanie výskumu. Mali by sme preto počítať s tým, že
kým sa takáto vodcovská osobnosť nájde, existuje riziko nesprávneho rozhodnutia o tom, čo
je pre výsledok v danom období dôležité a pod.
Identifikácia cieľa vedeckého výskumu
Založenie vedeckého inkubátor je podmienené definovaním jasných a reálnych cieľov
v oblasti vedy a výskumu, v súlade so stratégiou katedry, fakulty a univerzity. Strategické
zámery sme už uviedli, zostáva nám identifikovať cieľ, ktorému sa bude pracovisko svojím
výskumom snažiť dostať.
E-learning
Human computer
interaction
Webové
technológie
Adaptívne
hypermediálne
systémy
Databázové a
informačné systémy
Modelovanie
procesov
Počítačové siete
Obr. 1 Identifikácia výskumnej oblasti z doterajších oblastí záujmu na Katedre informatiky
Na tomto mieste by bolo odvážne postulovať presnú tému, ktorou by sa riešitelia mali
zaoberať. Na základe našich doterajších poznatkov však môžeme predbežne vytipovať oblasť,
v ktorej si vôbec vieme predstaviť určitý integrovaný výskum. Zjednodušenú schému
uvedeného výberu zobrazuje Obr.1.
38
Výsledný prienik – adaptívne hypermediálne systémy – sú v súčasnosti experimentálnou
záležitosťou, neexistuje dostatočná záruka, že tento smer je správny. Výskum v oblasti AHS
je však dostatočne intenzívny, ponúka zatiaľ dostatok priestoru pre výskum. Okrem toho, zo
schémy na Obr. 1 vyplýva, že výskum v tejto oblasti integruje viacero významných oblastí
informatiky medzi ktorými nie je vymedzená presná hranica, čo poskytuje priestor pre nové,
zaujímavé témy výskumu.
Výskumný potenciál
K dosiahnutiu stanovených cieľov potrebujeme poznať skutočný výskumný potenciál, ktorý
máme k dispozícii. Nie je možné zovšeobecniť túto charakteristiku za celú katedru, napriek
tomu skúsme vymenovať silné a slabé stránky pracovníkov s významným podielom na
doterajšej grantovej úspešnosti.
Silné stránky
Aké sú silné stránky riešiteľského tímu? Skúsme ich identifikovať:
• skúsenosti s realizáciou viacerých projektov pre potreby fakultnej a univerzitnej
úrovne,
• praktické poznatky z implementácie informačných systémov, prevažne s webovým
používateľským rozhraním,
• skúsenosti s technologickým pozadím informačných systémov (siete, operačné
systémy, databázové systémy),
• zaužívaný spôsob tímovej spolupráce, založený na diskusii s pravidlami typu
brainstorming,
• rozpracované dizertačné práce, ktoré aj keď spadajú do oblasti teórie vyučovania
informatiky, súvisia s vedeckým zameraním inkubátora,
• skúsenosti s cieľovou oblasťou, v ktorej sa najčastejšie predpokladá použitie
teoretických výsledkov,
• priemerný vek riešiteľov,
• schopnosť „presmerovať“ časové a intelektuálne kapacity do vybranej problematiky,
• entuziazmus ☺.
Slabé stránky
•
•
•
•
•
•
•
•
málo skúseností s realizáciou klasických vedeckých projektov,
rôznorodosť aktivít vykonávaných jednotlivými členmi tímu, v rámci rôznych,
prevažne aplikačne orientovaných, projektov,
absencia zreteľnej vedeckej osobnosti,
nedostatok skúseností s publikovaním v publikáciách s vysokým impaktom,
nepostačujúca úroveň písomného a hovoreného prejavu v cudzom jazyku,
nejednotnosť v používaní metodiky formálneho zápisu problémov, ktoré sú
predmetom výskumu,
chýbajúce prepojenie výsledkov výskumu na výučbu (absencia magisterského štúdia
aplikovanej informatiky a doktorandského štúdia),
veľmi obmedzený prílev nových (nevybitých) spolupracovníkov schopných priniesť
do riešenej problematiky nový pohľad,
39
•
•
•
chýbajúce vedecké hodnosti, ktoré môžu byť formálnou prekážkou v procese
získavania vedecko-výskumných projektov,
príliš široké spektrum záujmov – práca systémom „toto chceme, tak to skúsme ☺“.
priemerný vek riešiteľov.
Uvedený zoznam nie je v každom prípade úplný, absentuje objektívny pohľad z vonka.
V každom prípade je však dôležitý z toho dôvodu, aby riešiteľský tím poznal hlavne svoje
slabé stránky, mohol ich systematicky eliminovať a riešiť bez toho, aby bol ohrozený
výsledok celej aktivity.
Časový harmonogram
Vytvorenie reálneho odhadu časového harmonogramu je jednou z dôležitých etáp projektu.
Podľa neho sa bude riešiteľský tím riadiť. Harmonogram musí zohľadňovať aktuálny stav
poznatkov riešiteľov z cieľovej domény, v súčasnosti prebiehajúce projekty i skúsenosti
jednotlivých členov riešiteľského tímu. Nemôžeme vynechať odhad času, ktorý si musia
všetci riešitelia vyhradiť na prípravu a vlastnú realizáciu pedagogickej činnosti na katedre.
V tejto súvislosti nesmieme zabudnúť na zmeny, ktorým by malo prejsť vyučovanie
predmetov jednotlivých študijných odborov v najbližšej akreditácii.
Vzhľadom na tieto fakty, môžeme predpokladať, že založenie vedeckého inkubátora si
vyžaduje systematickú prácu počas obdobia najmenej 3-4 rokov. Presný harmonogram je
otázkou do diskusie, preto iba v krátkosti popíšeme jednotlivé etapy:
1. rok
a. Analýza súčasného stavu, založená na kvalitatívnej analýze dostupných
informačných zdrojov, ktoré sú dostupné na UKF (ScienceDirect, ACM library,
prípadne IEEE library). Zmapovanie výskumu na Slovensku a v Česku,
identifikácia okruhov záujmu.
b. Štúdium známych poznatkov, ťažiskových prác.
c. Vytvorenie prehľadu možností medzinárodnej i národnej spolupráce.
d. Vypracovanie plánu účasti na významných konferenciách pre nasledujúce roky
výskumu, prípadne pasívna účasť na konferencií s cieľom získania aktuálnych
poznatkov a možností budúcej spolupráce.
e. Identifikácia vhodnej témy (oblasti) v skúmanej problematike, ktorá nie je doteraz
dostatočne pokrytá.
f. Cieľavedomé smerovanie publikačnej činnosti do oblasti výskumu.
g. „Pootočenie“ didaktického výskumu do cieľovej oblasti.
h. Obhajoba dizertačných prác jednotlivých členov tímu.
2. rok
a. Systematické vzdelávanie sa členov riešiteľského tímu.
b. Vlastný výskum vo zvolenej oblasti.
c. Aktívna účasť na konferenciách.
d. Nadobudnutie skúseností s prípravou a publikovaním výsledkov v odborných
časopisoch.
e. Vyhľadávanie partnerov pre medzinárodnú spoluprácu, rozvoj existujúcej
spolupráce v podobe účasti na projektoch pod vedením vedúcich riešiteľov
spolupracujúceho pracoviska.
40
f. Grantová aktivita s cieľom získať vedecko – výskumný projekt typu APVV,
VEGA a pod.
3. rok
a. Systematické vzdelávanie sa členov riešiteľského tímu, neustále sledovanie smeru,
ktorým sa uberá výskum v skúmanej doméne nielen v intenciách Slovenska
a Českej republiky .
b. Vlastný výskum vo zvolenej oblasti.
c. Aktívna účasť na konferenciách s prezentáciou dosiahnutých výsledkov.
d. Príprava, v lepšom prípade publikovanie vlastných výsledkov v odborných
časopisoch.
e. Účasť členov riešiteľského tímu v organizačných, ale skôr programových
výboroch konferencií.
4. rok
a. Dovolíme si ponechať otvorený, keďže sme sa pokúsili odhadnúť ideálny časový
harmonogram transformácie výskumu v rámci katedry a vedeckého inkubátora.
Financovanie vedeckého inkubátora
Medzi najdôležitejšie ukazovatele kvality výsledkov výskumnej práce patrí úspešnosť
v súťaži o získanie výskumných grantov, publikačná činnosť a organizovanie vedeckých
podujatí. Úspešnosť vo výskumných projektoch predstavuje významný prvok pri získavaní
finančných prostriedkov, potrebných nielen na uskutočňovanie výskumných a vývojových
činností, ale aj na materiálno-technické vybavenie laboratórií a učební [2].
V súčasnosti je zrejmé, že samotná myšlienka vytvoriť takýto typ pracoviska na FPV UKF
nezabezpečí dostatok financií potrebných pre jeho založenie a prevádzku. Spôsob
financovania na FPV UKF je známy, odvíja sa od pedagogickej, publikačnej a vedeckej
aktivity pracoviska. Musíme predpokladať, že tento spôsob financovania nie je prispôsobený
pre financovanie takéhoto „virtuálneho“ pracoviska.
Otázkou, ktorou sa preto musíme zaoberať, je iný spôsob financovania vznikajúceho
inkubátora. Jedna z možností, aspoň v počiatkoch existencie pracoviska, je využiť doterajší
výskum a granty pre vytvorenie finančného balíka, z ktorého sa budú financovať jednak
výdaje týkajúce sa pôvodných projektov, ale čiastočne aj výdaje pokrývajúce požiadavkami
novovznikajúceho pracoviska.
V tejto súvislosti predpokladáme, že v počiatkoch existencie inkubátora bude časť výskumu
zameraná aj na prepojenie do oblasti didaktiky a vzdelávania ako takého. Samozrejme,
vyvíjaná aktivita bude v prvom rade zameraná na vytýčený výskumný cieľ, otázka aplikácie
do výučby alebo metodická stránka skúmanej problematiky budú akoby sekundárnym
produktom výskumu.
Toto pomerne odvážne tvrdenie vychádza z predpokladu, že na katedre v súčasnosti existuje
dobrý základ pre pedagogický výskum, dosiahli sa významné úspechy a ako sme už
spomínali, jej pracovníci majú didaktický pohľad na riešený problém „v krvi“.
Uvedený systém podpory inkubátora je iba krátkodobý, po tomto období, ktoré je v súlade
s krokmi uvedenými v časovom harmonograme, by malo byť výskumné pracovisko schopné
uchádzať sa o finančnú podporu z grantových programov pre vedu a výskum.
41
Domáca a zahraničná spolupráca
Súčasný výskum nie je možné realizovať bez spolupráce s ostatnými výskumnými skupinami.
Neustále rastie potreba komunikácie, výmeny skúseností, či spolupráce na spoločných
výskumných projektoch. Väčšina grantových možností priamo vyžaduje, aby sa na výskume
podieľali viaceré výskumné pracoviská.
V tejto oblasti katedra intenzívne rozvíja svoju aktivitu. Jej výsledkom je otvorená spolupráca
s univerzitami z Českej republiky a niektorými univerzitami zo Slovenska. Pre činnosť
pripravovaného vedeckého inkubátora je však nevyhnutné venovať zvýšenú aktivitu pri
vyhľadávaní rovnako orientovaných výskumných cieľov minimálne v európskom priestore.
Ako sme už uviedli v časovom harmonograme, nadviazanie medzinárodnej spolupráce sa
odvíja od samotných dosiahnutých výsledkov, aktívnej účasti na konferenciách a publikovaní
v prestížnych alebo špecializovaných publikáciách.
A čo didaktika na katedre?
V kapitole o identifikácii cieľa výskumu pripravovaného inkubátora sme uviedli základné
myšlienky, na ktorých môžeme postaviť budúcu špecializáciu špecializovaného „virtuálneho“
pracoviska. Jedným z pilierov je didaktický výskum na katedre.
Myslíme si, že by nebolo správne, ak by sme sa vzdávali doterajšej silnej stránky vedeckej
činnosti katedry. Máme na mysli dosiahnuté výsledky vo vzdelávaní, v e-vzdelávaní,
implementáciu nových metód výučby, tvorbu metodík, či písanie odborných učebných textov.
Okrem toho musíme brať do úvahy metodiku na rozdeľovanie dotácie zo štátneho rozpočtu
jednotlivým organizačným súčastiam FPV na základe výkonových ukazovateľov v oblasti
vzdelávania, vedy a ďalšej tvorivej činnosti.
Pokým platia stanovené kritériá, treba nájsť kompromis medzi výskumom, ktorý môže
prinášať výsledky až po dlhšom časovom období a výskumom, od ktorého sa odvíja súčasné
financovanie katedry. Dôvodom je skutočnosť, že okrem výskumných projektov významný
podiel na činnosti pracovníkov, a tým aj objeme finančných prostriedkov katedry, majú
národné kultúrno-edukačné projekty, vzdelávacie projekty financované v rámci Európskeho
sociálneho fondu, ako aj rozvojové projekty MŠ, ktoré slúžia na podporu rozvoja
informačných technológií a budovania unikátnych pracovísk.
Vhodný priestor pre prepojenie uvedených oblastí poskytujú projekty grantovej agentúry
KEGA, a čiastočne niektoré komisie VEGA. Pravdepodobne najvýstižnejšie vystihuje
prepojenie didaktiky a výskumného zámeru inkubátora tvrdenie, že v počas špecializovaného
výskumu realizovaného riešiteľmi sa postupne objavia vhodné témy na prípravu zaujímavých
projektov z oblasti didaktiky a nových foriem vzdelávania.
4 Záver
V príspevku sme sa pokúsili vypracovať analýzu možností zjednotenia výskumnej aktivity
členov Katedry informatiky na FPV UKF v Nitre. Využili sme diskusný priestor, ktorý
ponúka Seminár ISKI 07, a pokúsili sme sa priniesť čo možno najobjektívnejší (otvorený pre
akúkoľvek diskusiu) pohľad zvnútra na smerovanie výskumu na katedre.
Hoci uvedená charakteristika pracoviska nie je v tomto momente pre katedru príliš priaznivá,
dôležité je aktívne prispieť k zmene tohto stavu. Myslíme si, že je preto potrebné poznať
svoje silné a slabé stránky, a definovať si ciele, o ktorých realizovateľnosti sme presvedčení.
42
Literatúra
1. Dlhodobý zámer Univerzity Konštantína Filozofa v Nitre na roky 2007-2017. 2007 [cit.
30.8.2007] Dostupné na Internete http://www.ukf.sk/skdata/ouniverzite/docs/dlhodoby_zamer_UKF_2006-16b.doc
2. Dlhodobý zámer rozvoja Fakulty prírodných vied UKF v Nitre na roky 2007 až 2016. 2007.
[cit. 30.8.2007] Dostupné na Internete <http://www.fpv.ukf.sk/material/dz/DZ_FPV.pdf>
3. Evidencia projektov na UKF. [cit. 28.8.2007] < http://www.projekty.ukf.sk/>
4. KLIMEŠ, Cyril. Proč vědecká škola a jak se k ní dostat? In ISKI 2007 : Informatický
seminár katedry informatiky 2007. Nitra : FPV UKF, edícia prírodovedec, č. 267, 2007. ISBN
978-80-8094-167-3
O autorovi
Mgr. Martin Drlík
Katedra informatiky
Fakulta prírodných vied
Tr. A. Hlinku 1
949 74 Nitra
[email protected]
43
ELEKTRONICKÁ KOMUNIKACE A MOŽNOSTI
AKTIVIZACE DISTANČNÍCH STUDENTŮ
ELECTRONIC COMMUNICATION AND POSSIBILITIES
FOR ACTIVITY AND MOTIVATION OF DISTANCE
STUDENT
Rostislav Fojtík
Přírodovědecká fakulta, Katedra informatiky a počítačů, [email protected]
Abstrakt
Článek popisuje základní typy komunikací, které lze využívat při distanční a kombinované
výuce. Jsou popsány jejich klady a zápory.
Abstract
This paper is about basic approaches communication in distance and blended education. The
contribution refers their strengths and disadvantages.
Klíčová slova
Distanční výuka, elektronická konference, synchronní a asynchronní komunikace
Keywords
Distance education, electronic conference, synchronous and asynchronous communication
1 Úvod
Distanční a kombinovaná forma výuky vyžaduje jiné formy aktivizace studentů. Absence
přímého kontaktu mezi účastníky výuky vede mnohdy k méně soustavné práci studentů a
následně k problémům se zdárným ukončením kurzu.
2 Komunikace v distanční výuce
Jako velmi důležitý prvek při aktivizaci studentů a podporu jejich soustavné práce se jeví
komunikace mezi tutorem a studenty, ale i mezi studenty samotnými. Vzhledem k formě
distanční či kombinované výuky nelze příliš využít přímou kontaktní komunikaci. Je však
potřeba najít jiné formy a metody a nabídnout všem účastníkům studia alternativní
prostředky.
44
2.1 Druhy komunikace
V rámci distanční a kombinované formy můžeme využít například následující druhy
komunikačních prostředků:
• Prezenční konzultace – jedná se o vysoce účinnou formu vzájemné komunikace, která
probíhá během přímého kontaktu mezi vyučujícím a studenty. V rámci distanční a
kombinované formy vzdělávání ji lze realizovat buď pomocí individuálních konzultací
nebo prezenčních tutoriálů. Individuální konzultace jsou problematické z hlediska
zajištění potřebného času pro větší počet studentů. Naproti tomu prezenční tutoriály
jsou pro celou studijní skupinu a tudíž informace najednou dostávají ke všem
zúčastněným. Nevýhodou obou způsobů realizace je nutnost fyzické přítomnosti
studentů ve vzdělávací instituci. A to může být velmi problematické pro některé
studenty, jak z důvodů velké vzdálenosti mezi bydlištěm a školou, tak z hlediska
časových možností studentů. Na prezenční a kombinovanou formu studia se hlásí
převážně lidé již pracující.
+ velmi účinná
+ přímý kontakt mezi účastníky výuky
+ podpora sociálních aspektů výuky
- náročná na organizaci
- překážkou je vzdálenost a omezené časové možnosti studentů
•
Elektronická komunikace student – vyučující – tato forma se velmi často vyskytuje u
začínajících a méně zkušených tutorů distanční výuky. Její výhodou je přímá
adresnost dotazů a odpovědí. Na druhé straně velmi zatěžuje tutora, který je často
nucen odpovídat opakovaně na stejné nebo podobné otázky a problémy studentů.
Navíc je pro tutora velmi obtížné udržovat přehled v elektronické komunikaci. To
vede velmi často k nevyřízení některého z dotazů, „ztracení“ e-mailů apod.
+ přímá adresnost
- nevhodná, příliš zatěžuje tutora
- působí jen na jednotlivce
- duplikace dotazů a odpovědí
- špatně se udržuje přehlednost v elektronické komunikaci
•
Elektronická konference – ideální je, když probíhá přímo v LMS. Mezi výhody patří
jednoduchá a přehledná správa elektronické konference a neustálý přehled o aktivitách
jednotlivých studentů v daném kurzu. Tato aktivita se dá následně hodnotit. Veškerou
korespondenci navíc vidí všichni studenti. Zodpovězený dotaz je tím určen všem a
nejen dotazovanému. Na dotazy navíc nemusí odpovídat jen vyučující, ale i jiní
studenti. Při vysvětlování si zároveň upevňují své znalosti. Je to vlastně analogie
klasické výuky, kdy studenti mezi sebou komunikují, radí si a pomáhají při řešení
konkrétních problémů.
+ dotazy a odpovědi vidí všichni účastníci výuky
+ všichni se mohou zapojit
+ nahrazuje prostředí klasické třídy
- asynchronnost - může dlouho trvat, než se student dozví odpověď na svůj dotaz
45
•
Telefonní hovory – vzhledem k tomu, že pro mnohé studenty je obtížné navštěvovat
vzdělávací instituci, jsou pro ně telefonní hovory určitou volbou synchronní
komunikace. Výhodou je okamžitá reakce vyučujícího. Tento způsob komunikace
vzhledem k finanční náročnosti však není vhodný pro komunikaci v delším časovém
rozpětím. Jistou alternativou může být rychle se rozvíjející hlasová komunikace
přenášená pomoc služeb internetu VoIP.
+ okamžitá reakce
- nákladnost při delší konzultaci
- vhodnější pouze pro organizační dotazy
•
Virtuální třída – chat, whiteboard, videokonference apod. Obrovskou výhodou této
formy komunikace je její synchronní povaha. Všichni mohou okamžitě reagovat na
dění ve virtuální třídě, a to ať již aktivně či pasivně.
+ synchronnost – možnost okamžité reakce všech účastníků
- organizačně velmi náročné - obtížně se hledá společný čas
- náročné pro učitele po stránce organizační i technické
- náročnější technické zabezpečení
•
Synchronní komunikace pomoci ICQ, Windows Live Messenger, Skype atd.
+ synchronnost – okamžitá reakce
- jen pro komunikující
- hůř se zajišťuje historie komunikace
•
Oznámení a krátké zprávy v rámci LMS - většina moderních LMS poskytuje velké
množství prostředků pro komunikaci se studenty. Mohou to být krátké zprávy a
oznámení, které se studentům objeví ihned po přihlášení do systému, informace
v kalendáři, hodnocení korespondenčních úkolů, upozornění na důležité informace a
data a podobně. Tato komunikace je většinou pouze jednosměrná. Výhodou je její
integrace do řídícího systému. Tutor i student má neustálý přehled o veškeré takto
vedené komunikaci.
Samozřejmě je možné využít další způsoby hlavně v oblasti synchronních komunikací. Ty
však se zatím moc nevyužívají, a to hlavně z technických důvodů. Z dosavadních zkušeností
se jeví jako výhodné využívat více typů komunikací, aby si každý ze studentů mohl vybrat
ten, který mu nejvíce vyhovuje. Aby se však studenti do komunikace zapojili, je potřeba
studenty motivovat a aktivizovat. To je možné například pomocí ohodnocení aktivity studentů
v rámci komunikací. Další možností je neustálá podpora ze strany tutora. Ten by měl vytvářet
atraktivní otázky a problémové úkoly, které studenty budou zajímat a zapojí se do diskuze.
Jako příklad může sloužit výsledek komunikačních aktivit studentů v předmětu Programování
v C, kterého se v zimním semestru akademického roku 2006-2007 zúčastnilo 25 studentů.
Díky bodům za krátké doplňkové úkoly a aktivitu v elektronické diskuzi nebyla většina
studentů během celého semestru pasivní a pracovala průběžně. Velmi významnou roli v
úspěšnosti studentů hrála elektronická komunikace. V LMS byla bohatá diskuze, která
vznikala nejen z popudu tutora kurzu, ale hlavně samotných studentů. Ti si vyměňovali své
názory, nápady a náměty k řešení. Intenzita diskuze byla dobrá během celého semestru a díky
46
ní nebyli studenti pasivní. Pasivita je v distanční formě studia mnohem nebezpečnější než u
formy prezenční, kde vyučující je schopen více a jednodušeji studenty aktivizovat.
E-mailová aktivita studentů
1.-15.1.
22.-31.12.
15.-21.12.
8.-14.12.
1.-7.12.
24.-30.11.
17.-23.11.
10.-16.11.
3.-9.11.
27.10.-2.11.
20.-26.10.
13.-19.10.
6.-12.10.
29.9.-5.10.
22.-28.9.
20
18
16
14
12
10
8
6
4
2
0
Graf 1 E-mailová aktivita studentů před zavedením elektronické koference
Pokud se podíváme na graf, který zachycuje e-mailovou aktivitu studentů v době, kdy se
nepoužívala elektronická konference, pak je vidět, že aktivita studentů nebyla moc velká a
kulminovala jen v několika časových obdobích. Nejprve na začátku semestru, kdy se dotazy
týkaly zahájení a organizace kurzu. Další tři vrcholy byly v období odevzdávání
korespondenčních úkolů. Poslední zvýšená aktivita se opět týkala organizačních záležitostí,
které byly spojené s udělováním zápočtů.
Po zavedení elektronické konference v rámci LMS Moodle se aktivita studentů výrazně
zvýšila. Navíc se nevyskytovaly tak výrazné výkyvy jako u komunikaci pomoci e-mailu.
Aktivita studentů byla více kontinuální. Před zavedením LMS Moodle používalo ve
sledovaném předmětu Programování v C nejvíce studentů pro komunikaci klasickou
elektronickou poštu. Jen polovina studentů se zapojila do elektronické konference, a to ještě
ve velmi nízké intenzitě.
47
Počty studentů používající různé typy komunikace
20
18
16
14
12
10
8
6
4
2
0
e-mail
elektronická
konference
ICQ
telefon
Graf 2 Počty studentů používající různé typy komunikace
Po zavedení LMS Moodle a změně hodnocení studentů se situace výrazně změnila. Kromě
jediného studenta se všichni ostatní aktivně zapojili do elektronické konference. Prvotní
motivací pro zapojení bylo stanovení bodového hodnocení aktivity v konferenci. Jakmile se
však studenti do konference zapojili, zjistili, že jim přináší také nové poznatky. Odpovědi na
dotazy nevytvářel totiž jen vyučující, ale i samotní studenti.
Počty studentů používající různé typy komunikace
30
25
20
15
10
5
0
e-mail
elektronická
konference
ICQ
telefón
prezenční
konzultace
Graf 3 Počty studentů používající různé typy komunikace
Pro průběh studia musí tutor navrhnout časový harmonogram, který bude obsahovat i návrh
období s vyšší a nižší intenzitou studia. Při jeho sestavování je potřeba mít na paměti, že
výuka je vedena distanční formou a že studenti studují i další předměty. Nemůžeme očekávat
48
vysokou intenzitu práce v rámci každého týdne semestru. Distanční studenti jsou většinou již
zaměstnáni a v některém z týdnů mohou být pracovně tak vytíženi (dlouhodobé služební
cesty, pracovní uzávěrky…), že budou muset omezit své studijní aktivity. Proto je vhodnější
v rámci semestru navrhnout několik intenzivnějších momentů, které budou střídat méně
náročná období.
5 Závěr
Jak se z dosavadních zkušeností ukazuje, jako nejvhodnějším způsobem komunikace
v distanční a kombinované formě výuky je elektronická konference a oznámení v rámci LMS.
Důležitým úkolem tutora je zajišťovat a podporovat intenzivní komunikaci mezi všemi
účastníky výuky. Komunikace neslouží pouze k předávání informací. Nezastupitelnou roli
hraje také v oblasti aktivizace a motivace studentů, které jsou velmi významné pro zdárné
ukončení studia.
Literatura
Susarit V. E-learning Standard, National Science and Development Agency, Thailand,
http://www.su.ac.th/html_broadcast/2.ppt, online 2003
Ceia L. E-Learning, Standards and Specifications, Escola Superior de Educação de
Portalegre, Departamento de Matemática e Informática e suas Didácticas, 2003
http://www.adlnet.gov/scorm/20043ED/Documentation.cfm, online 2004
O autorovi
Mgr. Rostislav Fojtík, PhD.
Katedra informatiky a počítačů
Přírodovědecká fakulta
Ostravská univerzita
30.dubna 22, Ostrava
[email protected]
49
VÝUKA INFORMATIKY NA STŘEDNÍCH ŠKOLÁCH
V ČESKÉ REPUBLICE
HIGH SCHOOL COMPUTER SCIENCE EDUCATION IN
CZECH REPUBLIC
Hashim Habiballa, Eva Volná, Rostislav Fojtík, Zdenka Telnarová
Ostravská Univerzita v Ostravě
Přírodovědecká Fakulta, katedra informatiky a počítačů, [email protected]
Abstrakt
Neradostná perspektiva výuky informatiky na středních školách v České republice v kontextu
nejen vzdálených zemí nemůže zůstat bez odezvy vysokoškolských informatiků. Za posledních
cca 20 let bohužel informatika na středních školách ztratila citelně svou úroveň – v podstatě
se z ní stala výuka informační gramotnosti a příliš to bohužel nezmění ani korigované
Rámcové vzdělávací plány. Tento článek se snaží nabídnout řešení v podobě osvědčených
osnov z Izraele, které nabízejí rozšíření vzdělávání o typická univerzitní informatická témata
vyučovaná intuitivní formou.
Abstract
The quality of high school computer science education in the Czech Republic in the context of
foreign countries has currently low level. In the past twenty years it has significantly
degraded – it practically has completely slipped into computer literacy and also corrected
frame educational plans didn’t improved significantly this problem. This article presents the
Israeli curricula trying to implement university computer science themes by intuitive form.
Kľúčové slová
Didaktika informatiky, středoškolské vzdělávání, matematická informatika
Keywords
Computer science education, high school education, mathematical computer science
1 Úvod – proč se akademici mají zajímat o výuku na SŠ
Neradostná perspektiva výuky informatiky na středních školách v České republice v kontextu
nejen vzdálených zemí nemůže zůstat bez odezvy vysokoškolských informatiků. Za
posledních cca 20 let bohužel informatika na středních školách ztratila citelně svou úroveň – v
podstatě se z ní stala výuka informační gramotnosti a příliš to bohužel nezmění ani
korigované Rámcové vzdělávací plány. Ve srovnání s ostatními zeměmi tak vycházíme velmi
špatně a to bohužel i s našimi nejbližšími sousedy. Vysoké školy sice dobře připravují učitele
informatiky, ale efekt je malý a zejména univerzitní informatická pracoviště nejsou
systematicky zapojeny do tvorby norem vzdělávání. Tato pracoviště pak sklízejí plody své
50
ignorance ve formě studentů neschopných algoritmicky myslet, řešit úlohy, používat důležité
matematické nástroje jako je logika, algebra. Tento článek se snaží nabídnout řešení v podobě
projektu rozšíření vzdělávání o typická univerzitní informatická témata vyučovaná intuitivní
formou, což je v zemích s vyspělou výukou informatiky jako je Izrael běžné.
Situace se mohla významně zlepšit s novými rámcovými vzdělávacími plány pro gymnázia.
Bohužel jejich tvorba až téměř do poslední fáze byla prováděna především Výzkumným
ústavem pedagogickým v Praze, což rozhodně není informatické nebo didaktickoinformatické pracoviště a podle toho vypadal také výsledek. Zcela zmizel předmět
informatika a nahradila ho jakási podivná směs témat s názvem „Informační a komunikační
technologie“. Přesto si myslíme, že má-li alespoň minimalisticky pokrýt plnoprávný vědní
obor informatika (tedy plnoprávnou vědní disciplínu jako je chemie, fyzika atd.), měla by
struktura a rozsah některých témat doznat podstatných změn. Návrh RVP by měl obsahovat
alespoň přesnější specifikaci, co se myslí výukou „algoritmického řešení problémů“. Přesto si
myslíme, že informatika jsou především algoritmy a jejich vlastnosti jako je složitost. Vše
ostatní jsou pouze aplikace těchto základních přístupů – samozřejmě je dobré, když se naučí
studenti i tyto aplikace, ale bez znalosti principů, jsou to jen velmi krátkodobě použitelné
znalosti a dovednosti – za deset let mohou aplikace fungovat zcela odlišně. Principy, které se
za nimi skrývají, ale určitě přetrvají mnohem déle a naučit se nějaký aplikační software nebo
hardware, kterém běží (viz třeba Von Neumannova koncepce – je stará půl století, ale přesto
na ní pracují stále dnešní počítače, naproti tomu znalost uživatelského rozhraní a softwaru
dvacet let starého počítače je dnes asi téměř k ničemu. Alespoň naše zkušenost je taková, že
když mají studenti znalost principu – třeba solidní základ objektově-orientovaného
paradigmatu (úmyslně nepíšeme programování – jde o základní principy jako je dědičnost,
polymorfismus atd.), pak pro ně není problém naučit se konkrétní vývojový nástroj OOP.
Bohužel naopak to nefunguje dobře – příklad – dnes je velkým hitem programovací jazyk
JAVA a často se začíná tím, že se „budeme učit Javu a zároveň programovat“. Většinou to
pak dopadá asi tak, že abychom mohli vůbec něco dělat, naučíme se, že vše budeme psát do
jakési metody „main“ v nějakém „objektu“, bez toho abychom tušili, co vlastně děláme.
Netvrdíme, že je to jednoduchá věc, dokázat dobře podat abstraktní pojmy, ale jde to (není to
jen planá akademická debata). Trochu to připomíná, jako bychom výuku chemie zjednodušili
a místo třeba skupin prvků, jejich vlastností, typů vazeb mezi atomy a s jejich zobecněním na
vlastnosti látek, elektrolytický potenciál kovů, bychom učili spíš věci typu: jak si správně
naředit kyselinu do autobaterie, jak si postavit vlastní článek (baterii), jak si namíchat dobré
hnojivo na zahrádku... Netvrdíme, že i to druhé není důležité, ale i nechemik musí cítit, že ty
první obecné znalosti jsou pro GYMNAZISTU mnohem důležitější než ty druhé. Jistě z
krátkodobého pohledu se může zdát, že v praxi spíš uplatníme „řemeslné“ dovednosti, ale
myslíte, že za dvacet let budou mít auta olověné akumulátory?
2 Izraelské osnovy výuky informatiky na SŠ
Nechceme zde vytvořit filozofickou úvahu na téma obsahu výuky informatiky, což by jistě
bylo také užitečné, ale chceme učitelskou veřejnost v ČR seznámit s unikátními učebními
osnovami, které vznikly během mnohaletého výzkumu týmu odborníků v Izraeli. Tyto osnovy
a vytvořená bohatá paleta učebnic a dalších výzkumů může být zajímavou inspirací kam
směřovat i českou didaktiku informatiky nebo se z ní alespoň částečně poučit (učebnice jsou
51
pochopitelně s ohledem na studenty vytvořeny v Hebrejštině). Komise, založená Izraelským
ministerstvem školství, vytvořila v roce 1990 nové učební osnovy informatiky pro střední
školy (v Izraeli odpovídá střední škola 10. - 12. ročníku školní docházky). Tato komise se
skládala z informatiků z různé úrovně školství (SŠ, VŠ) a z ministerstva. Učební osnovy byly
bohatě publikovány na mezinárodní úrovni 2 a jsou rovněž dostupné na Internetu:
http://www.openu.ac.il/Personal_sites/download/galezer/high-school-program.pdf
http://www.openu.ac.il/Personal_sites/download/galezer/curr_and_syll.pdf
Učební osnovy již byly vyzkoušeny v rámci pilotního projektu na vybraných školách a nyní
již byly oficiálně schváleny ministerstvem pro výuku na všech školách.
Principy, podle kterých byly osnovy tvořeny, jsou následující (a věříme, že jde o principy
platné celosvětově bez ohledu na konkrétní podmínky dané země).
• Informatika by měla být vyučována na rovnocenné úrovni jako jiné vědní obory
(fyzika, chemie, biologie).
• Výuka by se měla koncentrovat na klíčových konceptech oboru. Zejména je
potřeba zdůraznit pojem algoritmického problému a jeho řešení - algoritmu. Obsah
výuky musí zahrnovat především koncepty nikoliv měnící se technologie.
• Je potřeba vytvořit odlišné modely výuky (program s 1, 3 a 5 tématy). Provede se
diferenciace programů pro školy (studenty) s neinformatickým zaměřením a se
zaměření na informatiku.
• Každý program musí mít povinnou a volitelnou část pro vyšší flexibililitu.
• Je uplatněn princip "zipu" - konceptuální (teoretická) výuka je kombinována s
experimentální.
• Měla by být vyučována dvě rozdílná paradigmata při programování. Neměl by se
tedy udržovat zastaralý způsob jednoho způsobu algoritmického myšlení a řešení
problémů (většinou procedurální paradigma).
• Je nezbytné vytvořit kvalitní učebnice pro všechna vyučovaná témata. Tyto
učebnice tvoří několik nezávislých týmů na akademických institucích, přičemž
ovšem tyto týmy tvoří jednak odborní informatici, učitelé středních škol i vědci z
oboru didaktiky informatiky.
• Všichni učitelé musí nezbytně mít formální odborné vzdělání v informatice. Toto
vzdělání musí odpovídat alespoň bakalářskému ODBORNÉMU studiu informatiky
(samozřejmě akreditované učitelské studijní programy v ČR toto mají splňovat).
Učební osnovy
Osnovy se dělí do pěti modulů, z nichž některé mají více než jednu alternativu. Každý modul
má dotaci 90 hodin.
•
Základy 1 a 2: Tento zdvojený modul (180 hodin celkem) má dát základy
algoritmizace jednak teoreticky (bez konkrétního programovacího jazyka) a
paralelně probíhá výuka v konkrétním programovacím jazyce (procedurálním).
o Výuka v Základech 1 zahrnuje následující témata:
o Úvod (koncept programu - algoritmu - a jeho vstupů a výstupů, ale také velmi
stručně popis počítačů, hardware, software, operačních systémů,
programovacích jazyků, kompilace a spouštění programů),
o základní model výpočtu (popis prvků procedurálního programování,
proměnné, přiřazení, jednoduchá sekvence příkazů),
52
•
o návrh algoritmů pro řešení problémů (dekompozice problému na
podproblémy),
o podmíněné vykonávaní příkazů (podmínka jako nástroj algoritmizace, nejsou
na této úrovni vyučovány ani vnořené operátory ani operátor negace),
o správnost algoritmu (testování, syntaktické, run-time chyby a chyby výstupů
algoritmu),
o iterativní vykonávání příkazů (jednoduché iterace, čítače, akumulátory,
ukončovací podmínka, nekonečná iterace, příkaz "while"),
o efektivita algoritmů (identifikace a vyčíslení složitosti dominantních částí
algoritmu, časová složitost jako funkce velikosti vstupu algoritmu, porovnání
složitosti, nejhorší případ - v žádném případě nejde o formální definici časové
složitosti),
o funkce (rozložení na podproblémy, volání funkce, tělo funkce, volání
parametrů hodnotou, lokální proměnné),
o jednorozměrná pole (pole jako kolekce proměnných stejného typu, spojení s
iterací jako prostředkem pro práci s polem),
o složitější příklady (využití dovedností z předchozích kapitol pro procvičení,
skládání jednodušších sekvencí a struktur pro řízení programu).
o Výuka v Základech 2 zahrnuje následující témata:
o Návrh algoritmů (složitější problémy, rozklad shora-dolů"),
o základní model výpočtu (popis prvků procedurálního programování,
proměnné, přiřazení, jednoduchá sekvence příkazů),
o procedury (rozšíření učiva z modulu Základy 1, typy volání parametrů, rozsah
platnosti proměnných),
o datové typy (deklarace typu, výčtové typy, pole),
o rekurze (koncept, výhody a nevýhody, vztah k rekurzivní definicím funkcí faktoriál, Fibonacciho posloupnost),
o znaky a řetězce (práce s texty, operace s řetězci),
o pokročilé algoritmické problémy (vyhledávání, řazení),
o rozšíření správnosti a efektivity algoritmů (hlubší diskuze o správnosti a
časové složitosti i ve spojitosti s návaznými kapitolami - rekurze).
Druhé paradigma a aplikace: Uvádí studenty do druhého programovacího
paradigmatu nebo přináší aplikace informatiky - např. informační systémy nebo
počítačovou grafiku a to jak teoreticky tak prakticky. V případě, že obsahem je druhé
paradigma, musí jít o odlišný přístup než procedurální.
o Druhé paradigma se primárně zaměřuje na logické programování. Nejprve se
provádí výklad výrokové a predikátové logiky, včetně rozdílů vyplývajících
pro logické programování. Dále se probírají klasická témata jako při
vysokoškolské výuce jazyka Prolog. Je potřeba zdůraznit, že se zde studenti
seznámí s principy formální dedukce (což je nezbytné pro pochopení tohoto
paradigmatu), což v naší středoškolské výuce logiky zcela chybí.
o Alternativně se vyučuje architektura počítačů, včetně Assembleru (resp. jazyků
nízké úrovně). Zde se vyučují číselné soustavy, architektura procesoru,
strojový jazyk procesoru a následně principy assembleru, zásobníku, přerušení.
o Další alternativou je počítačová grafika. Zahrnuje rozdíl mezi 2D a 3D
grafikou a jejich implementace z hlediska hardwarového (buffery, vstupně-
53
•
•
výstupní zařízení), 2D modely (bodová reprezentace, drátový model, CSG
atd..), vrstvy, reprezentace křivek a ploch (polygony, B-spline, Bezierovy
křivky, plochy), zobrazování, transformace, tvorba obrazu (algoritmy
vykreslování - DDA, Cohen-Sutherland, atd..), standardy grafických formátů
(principy, algoritmy - OPENGL, GIF, atd..). Důležitý je také projekt, který
studenti musí sami naprogramovat - jedná se o funkční projekci 3D objektů.
o Poslední detailně popsanou aplikační alternativou jsou informační systémy
(IS). Definuje se pojem informačního systému a jeho využití, akce v IS interaktivní vs. dávkové zpracování, dotazy a reporty, updaty, transakce. Důraz
na relace a relační databáze, včetně SQL, E-R modelu, Data-Flow diagramů.
Opět se zde zpracovává praktický projekt.
Softwarový návrh: Má prohloubit dovednosti ze Základů 1, 2 (důraz na datové
struktury, abstraktní datové typy) a navázat integrací do větších softwarových celků.
Zahrnuje témata jako práce s knihovnami funkcí, abstraktní datové typy, zásobník,
seznam, časová a prostorová složitost včetně O-notace, třídy složitosti, binární strom,
případová studie (návrh "komplexního softwarového balíku" - příprava na praxi).
Teorie: Tento poměrně exotický modul má dát studentům náhled na složité (ale
fundamentální) partie teoretické informatiky. Buď je kompletně tvořen modulem
Výpočetních modelů - různé typy automatů 5 nebo tvoří Výpočetní modely jen
polovinu modulu (45 hodin) a druhá část je věnována numerickým metodám.
o V modulu výpočetních modelů se zaměřuje výuka především na koncept
automatu - akceptoru jazyka (nikoliv tedy na generativní koncept gramatiky,
regulárního výrazu). Je to vcelku pochopitelné, neboť automat je selskému"
uvažování bližší a dá se uvádět na jednodušších příkladech než gramatické
struktury. Výuka zabírá celou Chomského hierarchii (tedy konečné automaty,
zásobníkové automaty a Turingovy stroje). Velký důraz se také klade na
pochopení vztahu determinismu-nedeterminismu.
o Volitelně se také vyučuje numerická matematika, což je opět zajímavá a složitá
problematika, která se dá ovšem uplatnit pro řešení mnoha problémů v
matematice a informatice (vždyť řešení rovnic nebo soustav lineárních rovnic
je univerzální úlohou). V tomto modulu se vyučují obecné koncepty
počítačových výpočtů (tedy reprezentace číselných hodnot, nepřesnosti,
zaokrouhlování, kumulace numerických chyb), řešení soustav lineárních
rovnic (Gaussova eliminace), řešení nelineárních rovnic (iterativní metody bisekce, Newtonova metoda).
Z těchto modulů pak mohou být vytvořeny tři studijní verze. Verze "nízké úrovně - 1 modul"
(90 hodin), verze střední úrovně - 3 moduly" (270 hodin) a verze "vysoké úrovně - 5 modulů"
(450 hodin).
Verze "1 modul" obsahuje pouze Základy 1 a je povinná v rámci těchto osnov (je vyučována
buď v 10. nebo až 11. ročníku).
Verze "3 moduly" obsahuje Základy 1,2 a dále modul Druhé paradigma nebo aplikace. Tento
modul se rovněž vyučuje v 10. nebo 11. ročníku a to intenzivně během jednoho roku.
Verze "5 modulů" obsahuje všechny moduly a je určena primárně pro studenty, kteří se
zajímají specificky o informatiku (kterých je dnes ale samozřejmě mnoho). I když teoretický
modul se může zdát pro středoškolskou informatiku jako příliš složitý, má pro potenciální
54
studenty informatiky velký význam (záleží na způsobu podání, které nemůže kopírovat styl
VŠ výuky).
Implementace na školách, problémy a zajímavé experimentální výsledky
Původní vzorek 8 škol (1991), kde se osnovy zkoušely, byl brzy (1994) rozšířen na 40 škol a
v roce 2000 již byly osnovy zařazeny na všechny střední školy. Velkým problémem byla
nedostatečná formální příprava učitelů, což se řešilo pomocí nouzových intenzivních kurzů na
univerzitách, kde učitelé bez formálního vzdělání v informatice získali potřebnou kvalifikaci.
To je podobný problém i v ČR, kde se také do rozšiřujících studií informatiky - obvykle
alespoň tříletých - hlásí velmi mnoho již zkušených učitelů jiných aprobací než informatiky (v
kontrastu s kriticky prázdnými ročníky klasického prezenčního studia učitelství). Nicméně i
pro plně aprobované učitele informatiky bylo potřebné uspořádat kurzy pro seznámení s
novými - revolučními - osnovami a vzniklými učebnicemi.
V rámci zavádění osnov byly mimo jiné provedeny dva zajímavé pedagogické výzkumy,
jejichž závěry by pro (učitele) informatiky měly být zajímavé. První z nich se týká časové
složitosti (náročnosti) algoritmů. Pokud se budeme snažit představit něco typického pro
informatiku, asi nás především napadne pojem algoritmus jako řešení nějakého problému
(např. seřazení posloupnosti čísel). Hned na to nás asi napadne také pojem časové složitosti 4
, protože algoritmické řešení musí být také dostatečně efektivní (rychlé), aby mělo pro praxi
smysl. V rámci modulu Základy 1 je zařazena také malá část věnovaná časové složitosti
algoritmů (připomeňme, že tento modul je povinný). I když jde samozřejmě o dost
kontroverzní téma pro středoškolskou výuku - její zařazení není nijak podobné složitosti
didakticky pojaté na vysokoškolské úrovni (tedy žádné formální definice, ale pouze výpočet
konkrétní složitosti - počtu elementárních kroků). Jde spíše o snahu studentům alespoň
částečně umožnit pochopit, že programy řešící stejný problém, mohou být různě efektivní. Při
praktické výuce byly zjištěny zajímavé časté chyby, kterých se studenti dopouštějí při
chápání, zda jeden program je "rychlejší" než druhý 3. Tyto chyby se dají také charakterizovat
pomocí univerzálních typů pro vzdělávání v oblasti přírodních věd. Byly identifikovány u
vybraných frekventantů SŠ podle nových osnov.
• Kratší program má menší časovou složitost: Tato chyba odpovídá obecnému
chybovému konceptu "čím více A, tím více B". Studenti si myslí, že méně příkazů v
programu znamená také vyšší efektivitu.
• Méně proměnných znamená menší časovou složitost: Podobně jako u předchozí
chyby studenti spojují nesprávně počet proměnných s efektivitou.
• Programy obsahující stejné příkazy v různém pořadí jsou stejně efektivní: Jde o
instanci obecného principu stejné A, stejné B".
• Dva algoritmy provádějící stejný úkol mají stejnou složitost
Dalším velmi zajímavým výzkumem je studie věnovaná asi nejkontroverznějšímu modulu Teorii. Díky experimentu s vybranými studenty se podařilo odhalit problémy ve vnímání
nedeterminismu versus determinismu při návrhu konečných automatů 1 . Tento rozpor mohou
vnímat i vysokoškolští učitelé při výuce teorie formálních jazyků a automatů.
Nedeterminismus je pro studenty navyklé na algoritmické - tedy deterministické myšlení
poněkud složité téma. Rovněž současné počítače jsou typicky deterministické stroje a proto se
zdá, že nedeterminismus při návrhu automatů nutí studenta vlastně dělat přesný opak toho, co
je mu během studia informatiky vštěpováno. Nemusíme při něm promýšlet odezvy na
všechny možné situace (to odpovídá automatu, který nemusí být typicky nedeterministický,
55
ale nemá ošetřeny všechny situace) a navíc můžeme v případě několika možných řešení jedné
situace využít právě tuto nedeterministickou možnost (to by u deterministických strojů bylo
něco nemožného). Návrh nedeterministického automatu je tedy obecně mnohem jednodušší
(pohodlnější). Na druhou stranu to vyžaduje se částečně oprostit od klasického algoritmického
myšlení, protože na výpočet nedeterministického automatu se lze v každém kroku dívat jako
na nalezení jedné z cest, která vede k úspěšnému rozpoznání slova (automat jakoby uměl
uhodnout", kterou možnost z několika použít).
V experimentu měli studenti možnost si sami vybrat, zda zapíší automat nedeterministicky
(jednoduše) nebo si řešení zkomplikují a budou se snažit vytvořit automat deterministický
(nebo částečně deterministický). Výzkum ukázal, že přibližně polovina studentů volí řešení
spíše deterministické (někdy jen s lokálním nedeterminismem). Také se ukázalo, že existují
velké rozdíly mezi skupinami studentů podle učitele (tedy hodně záleží na tom, jak sám učitel
dokáže význam vztahu determinismus-nedeterminismus posoudit a pochopit). Ze
subjektivních hodnocení vyplynuly například přímo obavy z nedeterminismu a dokonce i u
jednoho z učitelů.
3 Závěr
Na poměrně malém prostoru jsme se snažili provést překlad, kompilaci a komentář k
osnovám, které již jsou v Izraeli standardizovány. Mezi pozitiva, která bychom mohli
částečně přejmout i v ČR patří především důraz na principy nikoliv konkrétní technologie produkty. Bohužel do naší výuky INFORMATIKY stále více pronikají na úkor principů právě
tyto rychle umírající technologie či dokonce konkrétní produkty. Místo principů počítačem
podporované sazby textu učíme MS-Word. Místo konceptů počítačové grafiky učíme práci s
konkrétním produktem. Podíváme-li se na modul Počítačové grafiky, právě tyto silné a hlavně
přetrvávající principy tvoří páteř výuky. Naučíme-li studenty práci s produktem, na první
pohled jim tím dáme velkou výhodu, neboť bez dalšího studia jsou schopni se v praxi uplatnit.
Bohužel jen na velmi omezenou dobu, protože tyto produkty rychle vystřídá jiná technologie
(vzpomeňme například na výuku psaní textů v editoru T602 - 10 let zpět - což je dovednost v
dnešní době nepoužitelná).
Druhou zajímavou vlastností osnov je povinná výuka algoritmizace alespoň na minimální
úrovni. Jistě se najde mnoho oponentů takového přístupu, přesto se těžko dá nazývat předmět
INFORMATIKA bez výuky algoritmizace alespoň na minimální úrovni (algoritmické
myšlení a řešení problémů je asi nejtypičtějším znakem tohoto oboru, který ho diferencuje od
jiných věd). Odvážné je rovněž zavést (ovšem na intuitivní úrovni) pojem efektivity
(složitosti), přesto je to další klíčové vlastnost, která pro nasazení produktů informatiky v
každodenním životě hraje nezbytnou roli.
Rovněž vybrané aplikace (počítačová grafika, informační systémy) a jejich vysoká teoretická
úroveň mohou být vzorem i pro české osnovy. Absolventi s takovýmito znalostmi mohou být
nasazeni při praktickém vývoji databází, programování informačních systémů na základě
návrhu podle rozšířených modelovacích nástrojů a standardů.
Posledním sice asi nejkontroverznějším, ale přesto potřebným modulem je teorie. Pochopit
například vztah jazyka-gramatiky-automatu nebo determinismu a nedeterminismu je obtížné i
pro studenta VŠ. Přesto by studenti uvažující o studiu informatiky měli mít možnost získat
představu o těchto tématech již na SŠ (samozřejmě zcela odlišným způsobem - tedy
intuitivně, na příkladech a ne formálně algebraicky). Studenti VŠ programů v informatice
56
nemají ve většině případů zažito, že informatika je disciplína vysoce provázaná s
matematikou (algebrou). Jejich představa o VŠ studiu informatiky je v lepším případě spojena
s programováním a bohužel často ani to neplatí a představa je spojena se skládáním
hardwarových komponent, budováním počítačových sítí a ve vůbec nejhorším případě pak s
uživatelskou prací v aplikačních programech.
Kromě výše uvedených modulů, které jsou dobře použitelné i pro naši výuku, je vidět, že cíle
výuky INFORMATIKY a tzv. INFORMAČNÍ GRAMOTNOSTI jsou relativně neslučitelné a
bylo by zřejmě dobré je vyučovat pod samostatnými předměty. Jednak jsou cílové skupiny
výuky INFORMATIKY odlišné podle zaměření studenta (viz odstupňované zapojení počtu
modulů) zatímco u INFORMAČNÍ GRAMOTNOSTI jde spíše o homogenní výuku pro
všechny. A v druhé řadě jde v INFORMATICE o výuku plnoprávného vědního oboru,
zatímco u gramotnosti jde o společensky vyžadované dovednosti absolventa (podobně jako u
výuky čtení a psaní) - samozřejmě by se ideálně tyto dovednosti měli spíše vyžadovat již od
absolventa základního školství.
Literatúra
ARMONI, M., GAL-EZER, J. On the Achievements of High School Students Studying
Computational Models. In Proceedings of ITICSE, 2004, Leeds, UK.
GAL-EZER, J., HAREL, D. Curriculum and course syllabi for a high-school program in
computer science. Comp. Sci. Education, 2/1999(9), p.114-147.
GAL-EZER, J., ZUR, E. The Efficiency of Algorithms - Misconceptions. Computers and
Education, 2004, 42, 3, pp. 215-226.
HABIBALLA, H., KMEŤ, T. Vyčíslitelnost a složitost. MFI 15 (2005 - 06), č. 2 a 3.
HABIBALLA, H., VOJKOVSKÝ, P. Formální jazyky a automaty. MFI 13(2003-04), č. 5 a 6.
O autoroch
RNDr. PaedDr. Hashim Habiballa, PhD.
RNDr. PaedDr. Eva Volná, PhD.
Mgr. Rostislav Fojtík, PhD.
Ing. Zdeňka Telnarová, PhD.
Katedra informatiky a počítačů
Přírodovědecká fakulta
Ostravská Univerzita
30. dubna 22
701 03
Email: [email protected]
57
ANGLIČTINA PRE INFORMATIKOV VERZUS VŠEOBECNÁ
ANGLIČTINA
IT ENGLISH VERSUS GENERAL ENGLISH
Jana Heringhová
Abstrakt
Článok sa venuje otázke neustále sa zvyšujúcej potreby využívania anglického jazyka v oblasti
IT. Katedra informatiky sa snaží pripraviť svojich študentov do praxe aj po tejto stránke.
Z toho dôvodu bol pre študentov IT vytvorení kurz angličtiny v LMS Moodle, ktorý by mal
pokryť nie len problematiku z IT, ale v menšej miere aj potreby každodennej komunikácie.
Abstract
The paper deals with the ever-growing need for English at work as well as everyday
situations. Taking into account the fact, Department of Informatics has decided to incorporate
English into the syllabus of its study program. There has been a course created in LMS
Moodle aiming at IT terminology as well as phrases from everyday life and communication.
Kľúčové slová
Angličtina pre informatikov, všeobecná angličtina, LMS Moodle
Keywords
IT English, General English, LMS Moodle
1 Úvod
Can you speak English? Ovládate anglicky? Is your speaking competence active? Hovoríte
anglicky aktívne? Are you willing to travel abroad due to work? Ste ochotný cestovať do
zahraničia kvôli práci... S rovnakými, alebo veľmi podobnými otázkami sa čoraz častejšie
musia popasovať uchádzači o prácu, a to nie len z oblasti IT. Otázky typu - vaša jazyková
kompetencia, čo sa týka angličtiny sa už zdá sa stáva takou samozrejmosťou ako vodičský
preukaz kategórie B, alebo práca so základným balíkom MS Office. S postupnou
globalizáciou narastá aj potreba spoločného jazyka, ktorý by uľahčil spoluprácu jednotlivých
krajín v rámci Európy a vôbec sveta ako takého. Mojim zámerom teraz nie je angličtinu
ospevovať, alebo sa snažiť objasniť, prečo sa práve ona stala hlavným jazykom
dorozumievania vo svete, túto úlohu prenecháme kompetentnejším. Berme jednoducho
potrebu hovoriť anglicky ako fakt, ako napr. to, že sme sa naučili písať, čítať, či počítať.
K čomu ale smeruje tento dlhý úvod? Z dôvodu, čo najúspešnejšieho uplatnenia sa
absolventov na trhu práce je predsa potrebné, aby na pracovnom pohovore obstáli čo možno
58
s najlepším „score“. A nie len tam. Nemôžu predsa očakávať, že po kladnej odpovedi na
otázku „Viete anglicky?“, od nich nikto nebude vyžadovať, aby prečítali manuál v angličtine,
napísali e-mail k dodávateľovi do Holandska, zaučili ľudí v Británii, alebo Juhoafrickej
republike. A to ani nechcem spomínať telefonovanie a videokonferencie. Každý, kto chce
svoju hodnotu na trhu práce zvýšiť predsa nemôže tento fakt kompletne ignorovať a zakladať
iba na svojich vynikajúcich znalostiach istej problematiky napríklad v oblasti IT. Nechcem
tým povedať, že ak aj vynikajúci uchádzači anglicky nevedia, majú okamžite putovať na úrad
práce, to ani náhodou. Dopyt po „IT-čkároch“ je stále vysoký - či už anglicky vedia, alebo nie
- chcem iba podotknúť, že vždy je lepšie držať krok s dobou a napr. zálohovať radšej na USB
kľuč ako na 5.25“ diskety. Každý, kto nechce byť obmedzený hranicami svojho jazyka
a svojej krajiny, ako aj vyťaženosťou slovenských prekladateľov, by si mal tento fakt
uvedomiť. Aj z tohto dôvodu nájdete Anglický jazyk I., II. v sylabách pre študijný odbor
Aplikovaná Informatika. Avšak zaradením angličtiny do študijného programu pre študentov
informatiky nie je ani ešte zďaleka všetko vyriešené. Čo vlastne takýto študenti potrebujú
vedieť, s akými problémami sa asi s najväčšou pravdepodobnosťou stretnú v praxi? Za dva
semestre sa predsa nedá obsiahnuť jazyk v celej svojej komplexnosti. IT English verzus
General English. Počítačová angličtina verzus Všeobecná Angličtina. Má sa učiteľ IT English
obmedziť iba na oblasť IT? Po dvoch rokoch učenia na Katedre informatiky zisťujem, že
tadiaľto cesta nevedie. Termíny z IT English, ako napr. slot, buffer, switch, chat, atď. sú už do
takej miery zaužívané v bežnej komunikácii, že môžem pokojne vyhlásiť, že IT terminológia
už málo komu robí väčšie problémy. Z tohto dôvodu preložiť manuál nespôsobuje študentom
až taký problém ako napr. napísať čo i len krátky e-mail, alebo pripraviť hovorenú
prezentáciu. Telefonovanie je väčšinou kameňom úrazu, ako aj posluch ako taký. V knihách
špecializovaných na IT English je väčšinou zaradená len gramatika, ktorá je nevyhnutne
potrebná pri písaní manuálov a popisovaní funkcii zariadenia. Tieto knihy sa jednoducho
zameriavajú iba na cieľovú skupinu, v ktorej sa nachádzajú len tí študenti, ktorí už zvládli
všeobecnú hovorovú angličtinu a chcú sa neskôr zamerať iba na špecifiká počítačovej
angličtiny. Takýchto študentov je avšak v priemere 10 z 80ich. Tento fakt sa jednoducho nedá
prehliadnuť. Nie je predsa možné venovať sa iba 10 študentom, pokiaľ 70 ďalších je celkom
odsunutých na vedľajšiu koľaj bezprostredne po tom ako sú požiadaní pripraviť si čo i len
dvojminútový improvizovaný rozhovor na tému napr. „Na letisku“, alebo „V reštaurácii“.
2 Vytvorenie kurzu IT English v prostredí LMS Moodle
Po zvážení danej situácie bol vytvorený e-learningový kurz angličtiny v LMS Moodle, ktorý
sa zaoberá nie len terminológiou a problematikou z IT, ale, aspoň v malej miere, pokrýva aj
oblasť všeobecnej angličtiny potrebnej pre každodennú komunikáciu. Semestrálny kurz
pozostáva z 10 lekcií: Užívateľ počítača, Architektúra počítača, Prídavné zariadenia, Bity a
Baity, Grafické používateľské rozhrania, Operačné systémy, Multimédia, Aplikácie, Balík
Microsoft Office a Zariadenia na zálohovanie (Computer User, Computer Architecture,
Peripherals, Bits and Bytes, Graphical User Interfaces, Operating Systems, Multimedia,
Applications Programs, Microsoft Office Suite a Storage Devices). Spomenutý kurz je
pripravený pre zimný semester. Kurz v letnom semestri by sa mal venovať hlavne Internetu,
sieťam, ochrane dát a trendom v IT. Štruktúra každej lekcie je skoro totožná, je tvorená
šablónovité. Dôvodom je hlavne zistenie, že ak študenti, a to sa týka hlavne študentov IT,
59
nemali každú hodinu podobne štruktúrovanú, dosahovali oveľa horšie výsledky. Na druhej
strane je potrebné rozvíjať všetky zručnosti, písanie, čítanie ako aj posluch a hlavne
hovorenie. Je ich teda potrebné obsiahnuť všetky, avšak, ako som už predtým spomenula,
ukázalo sa, že pre týchto študentov je lepšie, ak si zvyknú na postupnosť, t.j. že prvé bude
čítanie, potom písanie, potom gramatika, potom hovorenie, atď. Posluch nie je ešte v kurze
zahrnutý. Používajú sa CD nahrávky k učebnici Infotech - English for Computer Users
z Cambridge University Press a to priamo na hodine.
Obr. 1 Ukážka štruktúry prvej lekcie IT English v LMS Moodle
2.1 "Warm Up"
Prvá položka "Warm Up"- obsahuje väčšinou tri otázky z problematiky o ktorej sa bude
neskôr na cvičení hovoriť. Otázky sú veľmi jednoduché. Ich cieľom je hlavne prinútiť
študentov, aby sa sústredili na tú oblasť z IT, ktorej sa budú neskôr na hodine venovať. Je to
taktiež informácia pre učiteľa, ktorý ľahko zistí, čo už študenti o danej problematike vedia
a akú terminológiu majú zvládnutú. Pracuje sa metódou brainstormingu.
2.2 Čítanie
Čítanie by malo sprostredkovať základné informácie o danom probléme ako aj obsiahnuť
základnú terminológiu. Pri čítaní treba dbať na to, aby po čase nezačala aktivita študentov
klesať. K tomu napomáha hlavne vloženie úloh priamo do čítaného textu. Študenti musia
nielen text prečítať, ale aj do textu doplniť vhodný termín z ponuky, zoradiť písmenka do
správneho poradia tak, aby vytvorili zmysluplné slovo, zoradiť vety podľa poradia, atď.
Obr. 2 Ukážka čítaného textu
60
Študenti si môžu text vytlačiť a odpovede vpisovať na papier, alebo je možné úlohu
vypracovať priamo do priloženej šablóny, v ktorej sa využívajú nástroje na tvorbu
formulárov. Takto vypracované úlohy si študenti môžu takisto uložiť a vytlačiť, alebo poslať
učiteľovi, napr. ako samostatnú prácu, alebo domácu úlohu. K čítaniu sa väčšinou viaže aj
cvičenie, ktoré má overiť schopnosť študentov pochopiť a porozumieť čítaný text. Zaradenie
ďalších úloh závisí vždy od preberanej témy. Môže to byť popis grafu, tajnička, popis funkcie
zariadenia, vyplnenie tabuľky, atď.
Obr. 3 Ukážka testu Pravda/Nepravda
2.3 Gramatika
Zaujímavá je časť venovaná gramatike pozostávajúca z výkladu s testovými úlohami. Tu si
študenti môžu ihneď overiť, či preberanú gramatiku pochopili a či ju vedia správne použiť
v praxi. Úloh v rámci cvičenia je vždy viacej. Študentom sa však náhodne vygeneruje napr.
len 5 z 15, ktoré boli do cvičenia pôvodne vložené. Takto môže študent robiť ten istý test
viackrát, pričom by mali byť vygenerované vždy nové úlohy, alebo by bolo aspoň zmenené
poradie. Úlohy z testových cvičení môže neskôr učiteľ použiť pri tvorbe súhrnných testov z
prebraného učiva. Testy sú vyhodnotené automaticky. Študenti následne získajú spätnú väzbu
o tom, ktoré úlohy vypracovali správne a ktoré nie.
Obr. 4 Ukážka testu s výberom možností z roletového menu
Obr. 5 Ukážka vyhodnotenia testu
61
Obr. 6 Vyhodnotenie testu s výberom možností
Obr. 7 Vyhodnotenie testu s krátkou odpoveďou
2.4 Situačné úlohy
Na záver je vždy zaradená úloha na precvičenie každodennej komunikácie. Používajú sa opäť
rôzne typy úloh, ktoré ale nie sú hodnotene. Študenti pracujú so šablónou, ktorá využíva
nástroje na tvorbu formulárov.
Obr. 7 Cvičenie na precvičenie písania a fráz z každodennej komunikácie
62
3 Záver
Kurz IT angličtiny vytvorený v LMS Moodle by mal študentom uľahčiť prácu v oblasti IT, čo
sa týka čítania anglických manuálov a získavania informácií z internetu, ako aj pomôcť
budúcim uchádzačom k získaniu čo možno najlepších pracovných príležitostí a otvoril im
cestu do sveta.
O autorovi
Mgr. Jana Heringhová, Katedra Informatiky FPV UKF v Nitre, Trieda A. Hlinku 1, 949 74
Nitra, [email protected]
63
VYUŽITÍ TEORIE CHAOSU PŘI MĚŘENÍ INTERAKCÍ
SUBJEKTŮ OBCHODNÍ SFÉRY
CHAOS THEORY USAGE IN SUBJECTS OF TRADING
SPHERE INTERACTION MEASUREMENT
Naděžda Chalupová
Mendelova zemědělská a lesnická univerzita v Brně
Provozně ekonomická fakulta, Ústav informatiky, [email protected]
Abstrakt
Příspěvek představuje jednu z moderních teorií mající potenciál uplatnit se při sledování
a hodnocení vztahu spotřebitele a poskytovatele – teorii chaosu. V poslední době je
pokládána za jakousi revoluci překonávající omezený pohled současné vědy a rozšiřující její
omezené obzory.
Abstract
The contribution presents one of the modern theories having potential to apply in the
consumer and provider relation monitoring and evaluating – Chaos Theory. It is thought as
a revolution exceeding the limited contemporary science view and extending its limited scope
recently.
Kľúčové slová
poskytovatel, spotřebitel, sledování vztahu, teorie chaosu, zákazník
Keywords
provider, consumer, relation monitoring, chaos theory, customer
1 Úvod
Zákazník představuje pro organizaci zdroj jejích příjmů, je vlastně jakýmsi hnacím motorem
veškerých jejích aktivit a příčinou jejího úspěchu či neúspěchu nebo existence či neexistence
na trhu. Vlivem dnešní síly konkurence a, jak uvádí Kout (2006), zejména díky nasycenému
trhu přicházejí nově získaní zákazníci převážně od konkurence, a proto je udržení stávajících
zákazníků měřítkem úspěchu a konkurenční výhodou. Odchod stávajících zákazníků přináší
jak snížení zisků, tak ztrátu pozice na trhu a zároveň narůstající náklady na získání nových
klientů. Z této skutečnosti vyplývá mnohdy podceňovaná důležitost sledování zákazníka, jeho
chování, preferencí, vyřčených i nevyřčených přání a dalších souvisejících faktorů směřující
k následné možnosti vztah ovlivňovat či dokonce řídit.
64
2 Vztah zákazníka a poskytovatele
Při sledování a hodnocení interakce poskytovatel–spotřebitel je důležité chápat jej z různých
pohledů a zvážit všechny faktory, které ji ovlivňují. Aby bylo možné uvedený vztah do
budoucna nějak korigovat je nutné nejprve konkrétněji identifikovat problém, který má být
řešen. Podle Parr Rud (2001) je jedním ze způsobů ujasnění si, čeho má být vlastně dosaženo,
zamyšlení se nad následujícími otázkami:
•
•
•
•
•
•
•
•
•
•
Chcete přilákat nové zákazníky?
Chcete, aby tito noví zákazníci byli profitabilní?
Chcete se vyhnout vysoce rizikovým zákazníkům?
Chcete pochopit charakter vašich stávajících zákazníků?
Chcete ze svých neprofitabilních zákazníků učinit více profitabilní?
Chcete si udržet své profitabilní zákazníky?
Chcete získat zpět své ztracené zákazníky?
Chcete zlepšit spokojenost zákazníků?
Chcete zvýšit tržby?
Chcete snížit výdaje?
Při hledání odpovědí na některé z uvedených otázek je obvykle využíváno klasických
statistických metod, jejichž použití ale není vždy zcela vhodné a přesné. V posledních letech
dochází k rozvoji moderních metod, které přistupují k datovým analýzám zcela odlišným
způsobem než statistika. Jedním z reprezentantů této kategorie metod je teorie chaosu.
3 Teorie chaosu
Kořeny teorie chaosu lze nalézt již v roce 1900, ve studiích Henri Poincarého o problému
drah pohybu tří objektů se vzájemnou gravitační silou, tzv. problému tří těles. Poincaré
objevil, že mohou existovat orbity, které jsou neperiodické, a které nejsou ani neustále
vzrůstající ani se neblíží k pevnému bodu. Navazovaly studie dalších vědců a postupem času
bylo zřejmé, že převažující teorie systémů v tomto období (lineární teorie) prostě nemůže
vysvětlit pozorované chování v určitých experimentech.
Výrazný podíl na vývoji teorie chaosu měl vznik elektronického počítače. Edward Lorenz jej
použil v roce 1961 k výpočtu svého modelu simulujícího počasí. Chtěl vidět opět svou
sekvenci a aby ušetřil čas, začal simulaci zprostředka. Měl totiž vytištěna data z minulé
simulace a tak je zadal jako vstupní data do svého modelu. K jeho překvapení bylo
předpovídané počasí zcela jiné, než na jeho původním modelu. Lorenz zkoumal, proč tomu
tak je, a příčinu objevil ve své sestavě. Sestava zaokrouhlovala proměnné na 3 desetinná
místa, zatímco počítač pracoval s 5 desetinnými místy. Tento rozdíl je malý a neměl by mít
prakticky na řešení vliv. Avšak Lorenz objevil, že malé změny v počátečních podmínkách
vedou k velkým změnám na výstupu z dlouhodobého hlediska.
3.1 Základy teorie
Teorie chaosu popisuje chování nelineárních (nelze je přesně vystihnout lineárním modelem)
dynamických (v čase se mění) systémů, které mají nějaký vnitřní skrytý řád, ale přesto se jeví
65
jako systémy řízené náhodnými jevy. Chaos 1 je jev charakterizovaný vysokou citlivostí na
počáteční podmínky. V souvislosti s takovou citlivostí se hovoří o, snad nejčastěji citovaném
principu chaosu projevujícím se v meteorologii, tzv. „motýlím efektu“ 2 vyjadřujícím citlivou
závislost vývoje systému na počátečních podmínkách, jejichž malé změny mohou mít za
následek velké variace v delším průběhu. V důsledku této citlivosti se chování těchto
systémů, vykazujících chaos, jeví jako náhodné, i když model systému je deterministický
v tom smyslu, že je dobře definovaný a neobsahuje žádné náhodné parametry (Wikipedie,
2007).
Je-li vytvořen nějaký lineární model nějakého systému, pak tento model popisuje skutečný
systém pouze v případě, že je tento systém lineární. Není-li tomu tak, pak modely budou
představovat skutečný systém pouze za ideálních podmínek a po krátkou dobu. Je-li
v systému přítomná nelineární dynamika, může deterministický systém generovat náhodně
vyhlížející výsledky, které ale mohou zahrnovat trvalejší trendy a cykly (Dostál, Rais, Sojka,
2005).
Systémy, které vykazují chaos, jsou v jistém smyslu složitě uspořádané. Chování systému
směřuje k rovnováze definované tzv. atraktorem. Ten může být (Dostál, Rais, Sojka, 2005):
•
•
•
bodový – rovnováha je představována bodem, tzn. systém se ustálil v nějakém
stabilním stavu a v podstatě už nejde o dynamický systém (např. vychýlené kyvadlo
se ustálí v jednom bodě),
cyklický – rovnováha je představována limitním cyklem, tzn. systém osciluje mezi
několika stavy (např. kyvadlo se stále dodávanou energií se bude pohybovat okolo
rovnovážného bodu),
chaotický – jedná se o tzv. dynamickou rovnováhu, rovnováha je oblastí, v níž je
dosahováno dynamické rovnováhy (např. kyvadlo s nepravidelně dodávanou energií
se pohybuje ve stejné oblasti).
3.2 Aplikace teorie
Tato poměrně mladá teorie nachází uplatnění v mnoha oborech lidské činnosti. Mezi systémy
vykazující chaos lze zahrnout kromě atmosféry (chování počasí), turbulence tekutin,
biomedicíny (průběh biologických signálů – EKG, EEG) atd. také vývoj populace, ekonomii,
finančnictví (fungování burzovního trhu) apod.
Z výše uvedeného vymezení úrovní chaotického chování je zřejmé, že trh je neperiodický, je
tedy definován chaotickým neboli fraktálním atraktorem (Dostál, Rais, Sojka, 2005). Stejné
chování je samozřejmě typické i pro zákazníka, který je součástí trhu.
Vstupními daty pro analýzu pomocí teorie chaosu jsou jednorozměrné časové řady o co
řádově stovkách hodnot (čím více, tím lépe). Použitím teorie chaosu je možné zjistit, zda mají
data nějakou vnitřní strukturu nebo zda se jedná o data náhodná. Již tento výsledek může
znamenat cíl celého výpočtu. Pokud data nemají vnitřní strukturu pak nemá smysl se zabývat
vlivy, které by mohly na data působit. Tyto vlivy jsou náhodné nebo prostě vůbec neexistují.
1
Tradičně je tento pojem vnímán jako stav neuspořádanosti, zmatku, stav kde vládne nepředvídatelnost,
neuchopitelnost jakýchkoli struktur, stav blízký nicotě, stav neexistence řádu.
2
Název se vztahuje k myšlence, že i něco tak nepatrného jako mávnutí motýlích křídel zvíří vzduch v Pekingu,
v konečném důsledku může vyvolat tajfun na polovině světa.
66
To může přinést mnohým firmám a analytikům velmi cennou informaci. Jestliže však je v
datech nalezena nějaká struktura, pak má smysl tato data dále analyzovat s cílem zjistit, co je
ovlivňuje. Následně pak lze vypracovat systém závislosti. (Hestley, 2005).
Data v časové řadě lze vyhodnotit pomocí Hurstova esponentu, který určuje míru chaotičnosti
časové řady. Dokáže rozlišit chaotickou (fraktální) časovou řadu od skutečně náhodné a nalézt
dlouhodobý paměťový cyklus u chaotické časové řady. Hurstův exponent měří také
„rozeklanost“ časové řady a fraktální (neceločíselnou) dimenzi. Výpočet Ljapunovova
exponentu kvantifikujícího citlivost k počátečním podmínkám umožňuje vyhodnotit
spolehlivost predikce měřeného jevu. Vyjadřuje průměrný růst nekonečně malé chyby
v počátečním bodě. Převrácená hodnota Ljapunovova exponentu pak udává prediktabilitu
časové řady. Jestliže Hurstův exponent potvrdí, že časová řada má paměťový efekt
a Ljapunovův exponent ohodnotí spolehlivost predikce, pak by predikce měla být kvalitní
(Dostál, Rais, Sojka, 2005).
4 Výsledky
Vztah zákazníka a poskytovatele je bez pochyby velmi složitým problémem právě proto, že je
ovlivňován mnoha vlivy. Některé jsou člověku známé a dovede s nimi přesně kalkulovat,
některé známé vlivy naprosto přesně kvantifikovat zatím nedokáže. Existují pak také síly
neznámé – ty které jev ovlivňují (třeba jen nepatrně), ale díky nízké úrovni lidského chápání
nejsou brány v úvahu, neboť zdánlivě se zkoumaným jevem vůbec nesouvisí (např. vliv
zvolení nové hlavy státu na spotřebu energií).
V současné době člověk není schopen do předpovědi tak složitého jevu zahrnout všechny
působící parametry. I kdyby tyto všechny vlivy zcela znal, nikdy nebude moci znát všechny
počáteční podmínky s dostatečnou přesností tak, aby bylo možné přesně vypočítat
dlouhodobou předpověď. Přesto v určitém časovém rozmezí (které se postupem doby stále
prodlužuje) je možné s určitou pravděpodobností další vývoj odhadnout.
Skutečnost, že dlouhodobé předpovědi nebývají příliš úspěšné, není tedy jednoznačně
způsobena neschopností prognostických týmů, ale do určité míry je způsobena
neodstranitelnou vnitřní vlastností vztahu zákazníka a poskytovatele, kterou je vyšší řád
složitosti (jehož detailní poznání je omezeno současnými znalostmi).
5 Závěr
V současné době i nadále dochází k rozvoji teorie chaosu. Její uplatnění se prolíná napříč
všemi vědními obory. Nelze ji však chápat jako všezahrnující, schopnou beze zbytku popsat
chování zákazníků na trhu a lidí ve společnosti vůbec. Nicméně již dnes dokáže poskytnout
odpovědi na řadu otázek, které dříve byly spíše předmětem dohadů. Tím, že „odtajňuje“
některé zažité zvyklosti, kterými se společnost řídí, potenciálně může posunout rozhodování
člověka o krok dále – blíže k reálné skutečnosti. Teprve v budoucnu se ale ukáže, jakou roli
bude tato teorie skutečně hrát při zkoumání procesů odehrávajících se na trhu.
67
Literatura
Dostál, P., Rais, K., Sojka, Z. Pokročilé metody manažerského rozhodování. 1. vyd. Praha:
Grada Publishing, 2005, 168 s. ISBN 80-247-1338-1.
Hestley a.s. Teorie chaosu [on-line] [2005] [cit. 2007-09-05] Dostupné na internetu:
<http://analyzy.hestley.com/teorie-chaosu.htm>.
Kout, J. Prevence odchodu zákazníka pomocí metod dataminingu. In IT Systems. roč. 8, č. 6,
Brno: CCB, 2006, s. 28–30. ISSN 1802-002X.
Parr Rud, O. Data Mining Praktický průvodce dolováním dat pro efektivní prodej, cílený
marketing a podporu zákazníků (CRM). 1. vyd. Praha: Computer Press, 2001, 329 s. ISBN
80-7226-577-6
Přispěvatelé Wikipedie Teorie chaosu. Wikipedie: Otevřená encyklopedie. [on-line] [cit.
2007-09-09] [Datum poslední revize: 8. 9. 2007, 23:56 UTC] Dostupné na internetu:
<http://cs.wikipedia.org/wiki/Teorie_chaosu>.
O autorovi
Ing. Naděžda Chalupová, Ústav informatiky, PEF MZLU v Brně, Zemědělská 1, 613 00
Brno.
[email protected]
Příspěvek vznikl v rámci řešení VZ MSM 6215648904/03/03/02.
68
TRANSFORMACE OBJEKTOVÉ PETRIHO SÍTĚ Z JAZYKA
OPNML DO GRAFU
TRANSFORMATION OF OBJECT-ORIENTED PETRI NET
FROM OPNML LANGUAGE TO GRAPH
Petr Jedlička
Abstrakt
Jazyk OPNML je otevřený přenositelný formát na bázi XML určený k popisu objektově
orientované Petriho sítě. Aby bylo možno takto zaznamenanou Petriho síť zobrazit ve formě
grafu, byla v jazyce XSLT vytvořena šablona pro transformaci modelu z jazyka OPNML do
vektorového grafického formátu SVG.
Abstract
OPNML language is an open portable format based on XML which is determined to the
description of object-oriented Petri net. To display Petri net as a graph, there was in XSLT
language created the template for model transformation from OPNML language to SVG
vector graphic format.
Klíčová slova
Petriho síť, objektová orientace, OPNML, XML, XSLT, SVG
Keywords
Petri net, object orientation, OPNML, XML, XSLT, SVG
1 Úvod
Jazyk OPNML (Object Petri Net Markup Language) byl vytvořen jako otevřený přenositelný
formát na bázi XML určený k popisu objektově orientovaných Petriho sítí (Object Oriented
Petri Nets – dále jen OOPN) (Jedlička, 2007). Jako výchozí formát byl použit jazyk PNML,
vytvořený v Institutu informatiky Humboldtovi univerzity v Berlíně (Weber, 2006). Jazykem
PNML lze však popsat pouze strukturované a modulární Petriho sítě. Objektové Petriho sítě
jsou značně složitější, proto i definice jazyka OPNML je mnohem rozsáhlejší oproti PNML.
Jako výchozí byla pro konstrukci jazyka OPNML použita koncepce OOPN Martiníka (1999).
Jazyk OPNML splňuje zásady jazyků XML, je tedy nezávislý na platformě,
přenositelný a díky textové podobě rovněž snadno čitelný pro člověka. Čitelnost v tomto
případě však rozhodně neznamená názornost. Orientace v dokumentu OPNML je pro člověka
obtížná, vytvoření názorné představy o struktuře popsané sítě pak téměř nemožné. Jednou z
výhod Petriho sítí je ale možnost jejich zobrazení v podobě grafu. Toho je vhodné využít i u
69
OOPN zapsaných v jazyce OPNML. Současně by bylo výhodné zůstat ve sféře jazyků XML,
neboť zde existuje mnoho různých nástrojů a technologií pro manipulaci s XML dokumenty a
nebylo by tudíž potřeba vytvářet vlastní. Řešíme tedy problém, jak pomocí technologie XML
vytvořit graf OOPN.
2 Materiál a metodika řešení
Z výše uvedených důvodů vyplývá, že nejlepším řešením pro zobrazení grafu OOPN bude
použití formátu SVG. Jazyk SVG (Scalable Vector Graphic) byl vytvořen (podobně jako
OPNML) aplikací jazyka XML. Je určen k prezentaci dvoudimenzionální vektorové grafiky a
případně i na ní založených animací. Zatím poslední verze jazyka nese označení 1.2 (W3C,
2005). Kromě specializovaných editorů a prohlížečů lze dokument v jazyce SVG v grafické
podobě prezentovat prostřednictvím klasických webových prohlížečů. Některé prohlížeče umí
SVG grafiku zobrazovat přímo, do jiných je třeba nainstalovat plugin, např. Adobe SVG
Viewer.
Transformace modelu z jazyka OPNML do jazyka SVG je v obecné rovině
transformací dat z jednoho XML jazyka do jiného. K těmto účelů je určen jazyk XSLT
(eXtensible Stylesheet Language Transformation), který slouží k vytváření šablon, na
jejichž základě jsou prováděny transformace XML dokumentů. XSLT je součástí širší
specifikace – jazyka XSL (eXtensible Stylesheet Language). Druhou část XSL – podstatně
složitější – tvoří jazyk XSL-FO (XSL Formatting Objects), který slouží k definici formátování
výstupu transformace. Transformace dokumentů z jednoho jazyka XML do jiného na základě
XSLT šablony jsou prováděny speciálními programy, tzv. XSLT procesory. Mezi nejznámější
patří Xalan Java, Xalan C++, Saxon, Microsoft XML Parser a XT. Pro přístup k jednotlivým
částem dokumentu XSLT využívá jazyka XPath.
Stejně jako SVG je i XSL výtvorem konsorcia W3C. Jazyk XSL vznikl odvozením od
jazyka DSSSL (Document Style Semantics and Specification Language). První verze jazyka
XSLT byla v podobě doporučení konsorcia W3C zveřejněna 16. listopadu 1999. Následně byl
uvolněn pracovní návrh verze 1.1, ale než byl dopracován do podoby doporučení, začaly
práce na verzi 2.0 a vývoj verze 1.1 byl zastaven. Verze 2.0 byla ve formě doporučení
zveřejněna 23. ledna 2007 (W3C, 2007).
Myšlenka použít jazyky XSLT a SVG k vytvoření grafu Petriho sítě není zcela nová.
Na katedře informatiky Univerzity Carla von Ossietzky v německém Oldenburgu bylo ve
spolupráci s dalšími vědeckými pracovišti v Německu vytvořeno několik nástrojů pro
modelování, transformace, simulace a verifikace Petriho sítí. Celá sada dostala název PEP –
Programming Environment based on Petri Nets (Stehno, 2004). Mimo jiné zde byla
vytvořena i transformační šablona v jazyce XSLT pro konverzi Petriho sítí z jazyka PNML do
formátu SVG. Tato šablona sice není přímo použitelná pro vytvoření grafu z dokumentu
OPNML, ale lze z ní částečně vycházet. Nyní se podíváme, jak je zde řešeno vytvoření grafu
Petriho sítě a jeho komponent. Šablona je příliš rozsáhlá na to, abychom ji popisovali
podrobně. Soustředíme se proto pouze na významné prvky a principy využití jazyka SVG.
Výstup do více souborů
Šablona předpokládá dokument v jazyce PNML ve verzi basic nebo structured (viz Weber,
2006). Druhá ze jmenovaných verzí umožňuje hierarchizovat Petriho síť do více stránek.
Šablona grafy těchto stránek zobrazuje volitelně buď do jednoho dokumentu, nebo ukládá
70
každý graf do samostatného souboru. OOPN bude prakticky vždy hierarchická a její
zobrazení do jediného grafu by bylo velmi nepřehledné, ne-li nemožné. Možnost ukládat
grafy jednotlivých částí OOPN do samostatných souborů bude tedy zcela určitě využita.
Místo
Místo je v grafu Petriho sítě znázorněno pomocí kružnice, příp. elipsy. Jak PNML, tak
i OPNML připouští i použití obrázku (pravoúhlého). Pro kružnici a elipsu je v PEP z jazyka
SVG použit element ellipse, pro obrázek element image. Pomocí atributů je pak nastaveno
umístění, rozměry, parametry obrysové čáry a u kružnice a elipsy rovněž barva výplně.
Kromě souřadnic umístění mají všechny parametry implicitní hodnoty.
Ukázka elementu ellipse:
<ellipse cy="0" cx="0" rx="10" ry="10" style="fill:white;stroke: black;"/>
Přechod
Přechody bývají v grafech Petriho sítí zobrazeny jako obdélníky. Stejně jako v případě místa
také zde PNML i OPNML připouští i použití obrázku. Použije se buď SVG element rect (pro
obdélník) nebo již známý image. Nastavitelné parametry i jejich implicitní hodnoty se neliší
od předchozího případu místa.
Ukázka elementu rect:
<rect x="80" y="12" width="160" height="20" fill="white" stroke="black" />
Hrana
Šablona z projektu PEP podporuje pouze zobrazení „obyčejných“ hran, reprezentovaných
jednosměrnou šipkou. Testovací a inhibiční hrany nejsou podporovány. Hrana je modelována
SVG elementem path. Jeho atributy umožňují zvolit obvyklé parametry čáry, jako jsou
souřadnice bodů, kterými má procházet, dále barva, šířka, styl (plná, tečkovaná, čárkovaná,
čerchovaná) apod. Zajímavá je v SVG možnost vytvoření vlastního stylu čerchování, kdy lze
dvojicemi čísel nastavit délky čárek a mezer mezi nimi. Je také možné zvolit mezi rovnou
resp. lomenou úsečkou a Bézierovou křivkou.
Počátek každé hrany je stanoven na střed jejího počátečního uzlu. Hrany jsou
vykresleny dříve než uzly (to je dáno pořadím zápisu elementů do dokumentu SVG), proto je
vždy část hrany od středu k okraji značky uzlu překryta samotnou značkou uzlu a hrana se
zobrazuje až od okraje značky. Druhý konec čáry hrany je však opatřen šipkou a ta ji musí
končit přesně na okraji koncového uzlu. Souřadnice tohoto bodu jsou v šabloně vypočítány na
základě znalosti souřadnic středu uzlu, jeho rozměrů a tvaru (elipsa/obdélník).
Za pozornost stojí rovněž způsob vytvoření šipky na konci čáry hrany. Tvar, který má
být vykreslen na konci čáry (u klasické plné šipky trojúhelník), se popíše některým
z elementů jazyka SVG v rámci pojmenovaného elementu marker. URL tohoto elementu je
pak zadáno do atributu marker-end elementu path, jenž modeluje čáru hrany.
Ukázka elementu path:
<defs>
<marker id="mEndArc" markerWidth="5" markerHeight="6" orient="auto" refX="5"
71
refY="3">
<path d="M 0 0, 5 3, 0 6 Z" style="fill:black; stroke-width:1"/>
</marker>
</defs>
<path d="M5,5 C5,45 45,45 45,5" stroke="black" fill="red"
marker-end="url(#mEndArc)"/>
Dílčí shrnutí
Představená XSLT šablona je použitelnou výchozí definicí pro vytvoření šablony transformace dokumentů z jazyka OPNML do jazyka SVG. Na obrázku 1 je ukázka výstupu
transformace.
Obr. 1 Ukázka grafu P/T Petriho sítě vytvořeného v jazyce SVG
transformační šablonou projektu PEP
Výsledky
V této části bude prezentována XSLT šablona pro transformaci OOPN z jazyka OPNML do
grafu sítě ve formátu SVG. Šablona umožňuje převedení všech údajů popisujících objektovou
Petriho síť v jazyce OPNML do grafického vyjádření. Proto byly pro transformaci zvoleny
pouze stránky tříd a stránky instancí tříd sítě, nikoliv jejich instance a značení těchto instancí.
Zpracování instancí stránek by přineslo stejné grafy jako jsou grafy stránek, rozdílné by bylo
pouze aktuální umístění značek. Kompletní šablona je dostupná z internetu na webové adrese
https://akela.mendelu.cz/~petrj/opnml/. Zde uvedeme jen významná rozšíření oproti výše
představené šabloně z projektu PEP.
72
Výstup do více souborů
Výstup do více souborů, který je v šabloně PEP volitelný a nastává, jen když je zpracovávaná
síť hierarchická, je v případě objektové Petriho sítě aplikován vždy. Každá hlavní podstránka
a každá podstránka metody každé třídy nebo její instance je zobrazena samostatným grafem
uloženým v samostatném souboru. Názvy souborů jsou tvořeny podle následujícího
schématu:
• hlavní stránka objektové Petriho sítě: mainPage.svg
• hlavní podstránka třídy: class.název_třídy.svg
• hlavní podstránka instance třídy: object.název_třídy.svg
• podstránka konstruktoru: constructor.název_třídy(datové_typy_parametrů).svg
• podstránka destruktoru: destructor.název_třídy(datové_typy_parametrů).svg
• podstránka metody: method.název_třídy.typ_vlastníka.název_metody(datové_typy_parametrů).svg
• hierarchická podstránka: page.název_podstránky.svg
Místo
Byly zavedeny značky pro vstupní místo a výstupní místo podstránky metody, konstruktoru a
destruktoru s velkým písmenem „I“ (input), resp. „O“ (output) uprostřed kružnice místa.
V šabloně byl zaveden parametr displayParams. Nastavení jeho hodnoty na 1 způsobí
automatické zobrazování parametrů vstupních a výstupních míst, aniž by v dokumentu
modelu bylo třeba používat popisný element inscription převzatý z jazyka PNML. Stejné
použití atributu displayIDs způsobí automatické zobrazování identifikátorů uzlů (míst a
přechodů) v grafu sítě.
Přechod
Bylo třeba zavést nové značky pro synchronní a asynchronní hierarchické přechody. Uvnitř
těchto značek se zobrazuje název podstránky, kterou přechod reprezentuje. Je-li touto
podstránkou „prostá“ hierarchická podstránka (tedy nikoliv podstránka metody), je její název
současně odkazem na její graf, který se po kliknutí na odkaz zobrazí v prohlížeči. U metod
tuto vazbu nelze aplikovat, neboť z důvodu polymorfismu není předem známo, ze které třídy
bude pocházet metoda reprezentovaná přechodem.
Hrana
Definice objektové Petriho sítě (Martiník, 1999) zavádí kromě „obyčejných“ hran ještě hrany
inhibiční a jazyk OPNML umožňuje použít i hrany testovací. Inhibiční hrana je v grafu
zakončena malou kružnicí, testovací hrana má podobu oboustranné šipky – viz obr. 2. Obě
tyto hrany šablona v grafu vytváří.
Druhé rozšíření šablony si vyžádala potřeba zpracování výrazů hranových funkcí.
Výraz je zapsán buď v jednom textovém elementu nebo strukturovaně. Pokud je použita
textová podoba, je obsah elementu přímo zobrazen na určené souřadnice. Strukturovaně
zapsaný výraz (v jazyce MathML) je nejprve převeden do textové podoby a teprve poté
umístěn do grafu.
73
Obr. 2 Graf sítě s inhibiční hranou a testovací hranou
V úvodní části souboru šablony je možné nastavit několik parametrů transformace. Některé se
aplikují pouze v případě, kdy příslušný parametr chybí v OPNML dokumentu. Jsou to tyto
parametry:
Jméno parametru Popis
defDir
defSize
defTransWidth
defTransHeight
defFillColor
defLineColor
defIdSize
displayIDs
displayParams
Aktuální
hodnota
cílový adresář vytvářených SVG dokumentů
./SVG/
implicitní šířka a výška značky místa
20
implicitní šířka značky přechodu
30
implicitní výška značky přechodu
10
implicitní barva výplně prvků grafu
white
implicitní barva čáry
black
implicitní velikost písma
12
přepínač automatického zobrazování identifikátorů uzlů: 0 = 1
nezobrazovat, 1 = zobrazovat
přepínač automatického zobrazování parametrů vstupních a 1
výstupních míst podstránek: 0 = nezobrazovat, 1 = zobrazovat
3 Závěr
Navržená XSLT šablona umožňuje transformaci modelu objektové Petriho sítě z jazyka
OPNML do vektorového formátu SVG. Pro každou stránku sítě je vygenerován jeden soubor
s jejím grafem. Grafy jsou mezi sebou provázány pomocí XLink odkazů tak, jak jimi
zobrazované stránky sítě tvoří hierarchickou strukturu. Šablona je ve své finální podobě
zveřejněna na adrese https://akela.mendelu.cz/~petrj/opnml/. Tam jsou také vystaveny ukázky
grafů podstránek objektové Petriho sítě, jež jsou výsledkem transformace vzorového OPNML
dokumentu právě podle této šablony.
Tento příspěvek vznikl v rámci řešení výzkumného záměru VZ MSM 6215648904/03/03/04.
Literatura
JEDLIČKA, Petr. Object Petri Net Markup Language [online]. [2006–2007] , 18. 1. 2007 [cit.
2007-09-07]. Dostupný z WWW: <https://akela.mendelu.cz/~petrj/opnml/>.
74
JEDLIČKA, P.: XML formát pro záznam objektové Petriho sítě. In Acta Universitatis
Agriculturae et Silviculturae Mendelianae Brunensis. 2007, sv. LV, č. 3, s. 47–55. ISSN
1211-8516.
MARTINÍK, I. Metodologie tvorby objektově-orientovaných programových systémů
s využitím teorie objektových Petriho sítí. 1. vyd. Ostrava: VŠB-TU, 1999. 218 s. Disertační
práce.
STEHNO, C PEP – Programming Environment based on Petri Nets. [online]
27. 10. 2004. [cit. 7. 9. 2007]. URL <http://theoretica.informatik.uni-oldenburg.de/~pep/>.
W3C – WORLD WIDE WEB CONSORTIUM Scalable Vector Graphics (SVG) Full 1.2
Specification. [online] Ver. 1.2, 13. 4. 2005. [cit. 7. 9. 2007].
URL <http://www.w3.org/TR/SVG12/>.
W3C – WORLD WIDE WEB CONSORTIUM XSL Transformations (XSLT) Version 2.0
[online] Ver. 2.0, 23. 1. 2007. [cit. 7. 9. 2007]. URL <http://www.w3.org/TR/2007/RECxslt20-20070123/>.
WEBER, M. Petri Net Markup Language. [online] 10. 1. 2006. [cit. 7. 9. 2007]. URL
<http://www2.informatik.hu-berlin.de/top/pnml/about.html>.
O autorovi
Ing. Petr Jedlička, Ph.D., Ústav informatiky, PEF MZLU v Brně, Zemědělská 1, 613 00 Brno.
[email protected]
75
MOŽNOSTI ADAPTÍVNYCH HYPERMEDIÁLNYCH
KURZOV V E-LEARNINGU
POSSIBILITIES OF ADAPTIVE HYPERMEDIA COURSES
IN E-LEARNING
Jozef Kapusta
Abstrakt
Problematika adaptívnych hypermédií v sebe zahŕňa ako technickú časť, t.j. potreba
vyriešenia a implementácie adaptívneho systému, návrh adaptivity a štruktúry adaptívnych
hypermédií, tak aj pedagogickú, t.j. nový fenomén výučby e-learning, pedagogickopsychologické aspekty tvorby materiálov pre podporu výučby, osnovanie učiva, efektivitu
podania problematiky a pod.
Abstract
The problem of adaptive hypermedia encompasses a technical part (e.g. an urgent need for
solving and implementation of adaptive systems, model of adaptability and structure of
adaptive hypermedia) as well as a methodological one (e.g. a new phenomenon of eLearning, didactic and psychological aspects of material production, facilitation of the
process of teaching and learning, concept of the study, designing of syllabus, effectiveness of
setting up the problem solving task, etc.).
Kľúčové slová
Adaptívne hypermediálne systémy, e-learning, e-kurzy
Keywords
Adaptive hypermedia systems, e-learning, e-courses
1 Úvod
Myšlienka zavádzania adaptívnych hypermediálnych systémov (ďalej AHS) do
hypertextových dokumentov je známa od roku 1992. Samozrejme od tohto kroku, bolo iba
otázkou času, kedy sa adaptivita prenesie do všetkých oblastí internetu, nevynímajúc ani
vzdelávací proces.
Prvé pokusy o vytvorenie AHS boli motivované snahou oživiť statické hypermediálne
systémy. Tieto tendencie vyústili do vzniku špecifického typu aplikácií kombinujúcich
hypermédia, techniky modelovania používateľov a určitú formu umelej inteligencie, ktorá
prispôsobuje formu, ale tiež aj obsah hypermediálnych dokumentov na mieru každému
používateľovi.
76
Výskum v oblasti AHS sa realizuje hlavne na technicky zameraných univerzitách a
inštitúciách. Avšak začleňovanie AHS do výučby si vyžaduje poznatky nielen zo
softvérového inžinierstva, webového inžinierstva, problematiky programovania systémov, ale
tiež aj poznatky z pedagogiky, psychológie a hlavne z didaktík predmetov, pre ktoré sa AHS
vyvíjajú.
2 Problematika adaptívnych hypermediálnych systémov
Asi väčšina autorov chápe AHS podľa definície jedného z hlavných odborníkov tejto oblasti
P. Brusilovského [1] nasledovne: „by adaptive hypermedia systems we mean all hypertext
and hypermedia systems which reflect some features of the user in the user model and apply
this model to adapt various visible aspects of the system to the user“, čo sa dá voľne preložiť:
„Adaptívnymi hypermediálnymi systémami sa myslia všetky hypertextové a hypermediálne
systémy, ktoré odrážajú niektoré črty používateľa v modeli používateľa a používajú tento
model na prispôsobenie rôznych rysov viditeľného výstupu, ktorý je systémom poskytnutý
používateľovi“
Inými slovami, AHS by mal spĺňať tri kritériá: mal by to byť hypertextový alebo
hypermediálny systém, mal by obsahovať model používateľa a mal by byť schopný
prispôsobiť hypermédia použitím tohto modelu.
AHS sleduje chovanie a charakteristiku konkrétneho používateľa a na ich základe zostavuje a
používateľovi poskytuje adaptovaný dokument. Pre svoju prácu potrebuje väčšina systémov
poznať relevantné údaje o používateľovi. Tieto údaje poskytuje väčšine systémov samotný
používateľ. Vo výučbových adaptívnych systémoch sú to hlavne testy, dotazníky a pod.
Okrem informácií poskytnutých samotným používateľom využívajú systémy aj automatický
zber údajov o používateľovi. Do automatického zberu údajov patrí napr. sledovanie, ktoré
spojenia a aký typ spojení používateľ najčastejšie používa, ako dlho sa zdržiava v
konkrétnych uzloch, ako aj počet navštívení konkrétneho uzla a pod. Všetky tieto údaje sú
uložené v tzv. modeli používateľa (user model). Existujú aj systémy, ktoré od používateľa
nepožadujú žiadne informácie, a model používateľa si vytvárajú iba na základe interakcií
používateľa so systémom.
AHS zostavuje adaptovaný dokument pre konkrétneho používateľa. Jeho vstupy sú
hodnotami parametrov používateľa a dátového zdroja dokumentu. Dátový zdroj dokumentu je
rozdelený do blokov, ktoré pozostávajú z elementov. Element dátového zdroja môže byť časť
textu prezentovanej informácie, obrázok, ovládací prvok a pod. Je potrebné si uvedomiť, že
element dátového zdroja dokumentu je väčšou jednotkou, ako napr. element značkovacieho
jazyka XML. Tento jazyk sa často používa pre implementáciu dátového zdroja dokumentu,
ktorý potom pozostáva z jedného alebo viacerých elementov XML.
77
Obr. 1 Princíp adaptívneho hypermediálneho systému
Konkrétne chovanie elementu pri zostavovaní adaptovaného dokumentu závisí na hodnote
ovládacieho signálu. Spôsob, akým element na ovládací signál reaguje, napr. či sa do
adaptovaného dokumentu skopíruje celý, modifikovaný alebo sa vôbec nezobrazí, je popísaný
v metadátach elementu. Ku každému elementu sú pripojené metadáta elementu a jeden, resp.
niekoľko ovládacích signálov [2].
Obr. 2 Štruktúra komplexného elementu
3 Adaptívne techniky
Prispôsobovanie v AH systéme je založené na vedomostiach o obsahu jednotlivých stránok,
väzbách medzi nimi a predpokladoch o vedomostiach, preferenciách a ďalších
charakteristikách študenta. Podstatnou činnosťou pri tvorbe AHS je práve vytvorenie obsahu
78
a tiež získanie a reprezentácia vedomostí o prispôsobovaní. V súčasnosti sa využívajú najmä
prístupy založené na explicitnej reprezentácii vedomostí prostredníctvom pravidiel.
Možnosti prispôsobovania sú dané charakterom poskytovaných údajov. Klasický
hypermediálny dokument nie je nič iné ako značená postupnosť textu, multimediálnych
objektov a odkazov. Používané adaptívne techniky môžeme rozdeliť na dve osi adaptability
[3].
3.1 Adaptívna podpora navigácie
Prispôsobenie navigácie je z pohľadu podstaty hypermediálneho systému veľmi dôležité.
Prispôsobovanie spočíva v ovplyvňovaní cesty používateľa v informačnom priestore.
Adaptívna podpora navigácie bola od začiatku jednou z hlavných dôvodov tvorcov AHS.
S narastajúcim objemom informácií totiž začala byť navigácia v statickom hyperpriestore pre
používateľa problematická a adaptívne techniky sľubovali riešenie tohto problému. Cieľom
prispôsobovania navigácie je zabezpečené, aby nasledujúca informácia bola pre používateľa
zaujímavá či užitočná.
Na realizáciu podpory navigácie v informačnom obsahu sa používajú najmä tieto techniky:
• priame vedenie: AHS vedie používateľa v informačnom priestore, t.j. vyberá najvhodnejšie
koncepty a fragmenty im priradené. Realizuje sa pomocou tlačidla „Ďalej“,
• usporiadavanie odkazov: odkazy na ďalšie stránky sa hierarchicky usporiadajú podľa
vhodnosti,
• anotácia odkazov: adaptívny systém označuje odkazy „vhodné“ pre používateľa,
• skrývanie odkazov: odkazy, ktoré vedú k neodporúčaným informáciám sa skryjú.
Skrývanie možno realizovať niekoľkými formami: odkaz sa nezobrazí (zobrazí sa iba text
odkazu), odkaz sa blokuje (spôsob prezentácie závisí od kombinácie nezobrazenia odkazu
a anotácie odkazu), alebo odkaz sa zruší z prezentácie,
• generovanie odkazov: AHS dynamicky generuje nové odkazy (napr. objavuje súvislosti
medzi jednotlivými konceptami),
• adaptácia máp: AHS na základe modelu používateľa a/alebo modelu prostredia dynamicky
vytvára mapu domény (grafická prezentácia navigácie).
3.2 Adaptívna prezentácia
Personalizácia obsahu dokumentov je úloha oveľa komplikovanejšia ako vyhodnocovanie
vhodnosti odkazov či dokumentov pre konkrétneho používateľa. Pre dosiahnutie
„rozumných“ výsledkov potrebujeme kvalitné informácie o obsahu dokumentu, čo môže byť
v niektorých prípadoch veľmi problematické.
Hlavným spôsobom personalizácie obsahu dokumentu zostáva adaptívna prezentácia textu.
Do adaptívnej prezentácie preto patria techniky alternatívneho zobrazovania fragmentov
stránok alebo celých stránok, alternatívne zobrazenie obrázkov, alternatívny text, rozbaľovací
text a iné.
Metódy adaptácie obsahu:
• doplňujúce vysvetlenia – vysvetlivky k obrázkom, príkladom a pod.,
• predpokladové vysvetlenia – časti textu, ktoré dopĺňajú informačný obsah o text, ktorý
tvorí pozadie, nutné pre pochopenie textu,
• porovnávacie vysvetlenia – porovnania obsahu s inými časťami (napr. porovnanie techník
a pod.),
79
• usporadúvanie – rôzne usporiadanie fragmentov, v závislosti od stupňa vedomostí alebo
iných faktorov.
Na dosiahnutie týchto efektov sa používa viacero techník, medzi najvýznamnejšie patria napr.
• podmienený text – rôzne časti textu sú zobrazované na základe vedomostí používateľa,
môžu byť aj skryté
• rozťahovací text – text sa zobrazuje až na požiadanie používateľa
• varianty výkladu/varianty obsahu stránok – pre každú stránku existuje viacero variantov,
pričom používateľovi sa prezentuje najvhodnejšia z nich.
4 Záver
Hlavný prínos AHS pre teóriu vyučovania informatiky vidíme v skvalitnení vyučovacieho
procesu, vo zvýšení jeho efektívnosti a obohatení o nové prvky ako sú hypermédia a
personalizácia vyučovania. V našej práci by sme sa chceli zamerať na oblasť AHS vo
vysokoškolskom vzdelávaní. Každá nová metóda výučby je vhodná pre konkrétnu skupinu
študentov. Nakoľko je potrebné adaptovať výklad učiva študentom vysokej školy? Potrebuje
študent vysokoškolského štúdia pri vzdelávaní personalizáciu obsahu a výkladu učiva a je
vôbec vhodné individualizovanie učiva na vysokej škole? Je pre študenta vysokej školy
časovo náročnejšie štúdium kurzov na báze AHS alebo klasických e-leraningových kurzov?
Aj tieto otázky budú predmetom skúmania na exprimentálnej vzorke študentov. Metodika a
model e-leraningového kurzu, hlavne návrh mechanizmu prispôsobovania, ako aj návrh
konceptov a modelu aplikačnej domény budú navrhnuté za pomoci systému AHA!
(http://aha.win.tue.nl/), ktorý plánujeme implementovať na katedre informatiky. Tento systém
slúži na tvorbu adaptívnych e-kurzov a je vyvíjaný na Eindhoven University of Technology.
Experimentom overíme, či takto zostavené e-kurzy pomocou AHS budú v porovnaní s
„klasickými“ e-kurzami efektívnejšie z hľadiska času potrebného na prebranie daného učiva v
predmetoch zameraných na „Aplikácie informatiky a Programovanie“ v kombinovanej forme
bakalárskeho štúdia v odbore Aplikovaná informatika.
Literatúra
[1]
[2]
[3]
BRUSILOVSKY, P.: Methods and techniques of adaptive hypermedia. In.: User
Modeling and User-Adapted Interaction, 1996. vol. 6, no. 2-3, str. 87–129.
BUREŠ, M. – JELÍNEK, I.: Formální popis adaptivního webového systému.
In.: 2. mezinárodní matematický workshop, ECON, Brno : 2003.
ISBN 80-86433-28-5.
BIELIKOVÁ, M. – NÁVRAT, P. a kol.: Štúdie vybraných tém softvérového
inžinierstva. Vydavateľstvo STU, Bratislava : 2006
O autorovi
PaedDr. Jozef Kapusta, Katedra Informatiky FPV UKF v Nitre, Trieda A. Hlinku 1, 949 74
80
PROČ VĚDECKÁ ŠKOLA A JAK SE K NÍ DOSTAT?
WHY SCIENTIFIC SCHOOL AND HOW TO ACHIEVE IT?
Cyril Klimeš
Univerzita Konstantina Filozofa v Nitře
Fakulta přírodních věd, katedra informatiky, e-mail [email protected]
Abstrakt
Příspěvek řeší problematiku vědeckých škol, jejich principů zakládání a financování. Jsou
diskutovány cesty vytváření vědeckých škol. Je uveden modelový příklad financování vědecké
školy.
Abstract
Paper is dedicated to the issues of scientific schools, the principles of their foundation and
financing. We discuss here how to create the scientific school. Financing model for scientific
school has been shown here, as well.
Klíčová slova
Vědecká škola, vědecká osobnost, špičkový výzkum, grantová činnost, financování vědy.
Keywords
Scientific school, scientific person, to reasearch, grant activities, financing of sience.
1 Cesty k vědecké škole
Úvahy nad vznikem vědecké školy vychází z potřeby podpory výzkumu na katedře
informatiky. Tato podpora bude následně analyzována a charakterizována v několika částech:
- Část proklamativní.
- Část analytická.
- Část návrhová.
1.1 Část proklamativní
Zde vycházíme z přesvědčení, že:
1. Věda jako celek je založena na vědeckých osobnostech, které jsou mezinárodně uznávané,
stávají se zakladateli vědeckých škol, udávají dlouhodobý směr ve svém oboru i měřítka
skutečné kvality.
2. Bez vědeckých osobností a pěstování vědecké excelence by budoucnost vědy v
podmínkách vysokých škol neměla opodstatnění a smysl, neboť pro vysoké školy patří
výzkum k hlavním posláním (ne však jediným).
3. Skutečnou vědeckou osobnost a vědeckou excelenci lze rozeznat, pokud je k tomu vůle.
81
4. Podpora vědecké excelence a vědeckých osobností, které se zpravidla zabývají zásadními a
dlouhodobě řešenými problémy, vyžaduje stabilní prostředí s předvídatelnými pravidly a
způsoby financování.
5. Stávající systémy hodnocení výzkumu i nástroje institucionálního a účelového financování
sice vytvářejí tlak na udržování a mírný růst průměru úrovně, případně na eliminaci
vysloveného podprůměru, neposkytují však cílené nástroje a prostředky pro specifickou
podporu skutečné vědecké excelence úrovně mezinárodní. Jen takový cíl však může zajistit
vědě budoucnost.
1.2 Část analytická
1.2.1 Role a charakteristika vědeckých osobností
Vědecké školy nejsou obecně zřizovány zřizovateli; vědecké školy vyrůstají kolem vědeckých
osobností. Vědecké osobnosti vytvářejí jméno vědě a instituci. Úroveň průměru se může
zvyšovat jen díky osobnostem a vědeckým školám, které určují cestu. Přestože výzkum je
činností zpravidla týmovou, role vedoucí vědecké osobnosti je pro úspěch týmu klíčová.
Vědecká osobnost, která patří ke špičce v měřítku mezinárodním, musí v daném měřítku při
řešení určitého významného problému vést. Toto vedení se může projevovat různými
způsoby:
- Vedoucí vědecká osobnost je známa na podstatné části vedoucích světových pracovišť
daného oboru a s několika z nich dlouhodobě spolupracuje.
- Publikuje v časopisech, v nichž publikují i světové špičky oboru.
- Její výsledky jsou citovány v monografiích, které slouží jako učebnice na významných
univerzitách ve světě. Nezávisle na ní ve světě vznikají a jsou obhajovány Ph.D. dizertace na
témata vycházející z výsledků její práce.
- Jezdí za ní vedoucí osobnosti ze zahraničí, na své náklady a někdy i na dlouho.
- Je členem některých redakčních rad časopisů vymezujících daný obor (těch není obvykle
mnoho).
Výše uvedené body představují velmi tvrdá kritéria, která nemusí být splněna všechna
najednou. Jsou-li však splněna alespoň tři z nich v přesvědčivé míře, můžeme si být téměř
jisti, že máme co dělat se skutečnou vědeckou osobností. I v rámci vedoucích vědeckých
osobností by bylo možné rozlišit dva stupně:
- „Špičkový vědecký pracovník“ oboru bude v našich podmínkách reprezentantem toho
nejlepšího, co v daném oboru máme, bude uznávaný a známý v Evropě i ve světě, ale nebude
součástí úzké špičky světové vědy, která diktuje další směry vývoje oboru.
- „Excelentní (outstanding) vědecký pracovník“ bude - v souhlasu s anglickým termínem vědec "stojící mimo" běžné rozložení kvality, na jejímž jednom konci jsou právě špičkoví
vědci. Excelentní vědecké osobnosti, podle této definice, by se tedy jevily jako “outliers” v
pomyslném grafu statistické distribuce vědecké kvality.
1.2.2 Podmínky špičkového výzkumu
Špičkovému badateli jde především o práci a možnost její realizace a je věcí odpovědnosti
instituce a společnosti, aby ji umožnila. Využití přítomnosti výrazné vědecké osobnosti na
určitém pracovišti je dáno podmínkami, které jsou jí vytvořeny. Je třeba bez závisti přijmout
82
zásadu, že mimořádným osobnostem je třeba vytvořit i mimořádné podmínky. Jen tak může
být jejich potenciál využit ve prospěch celku (pracoviště, oboru). Antirovnostářské klima se
projevuje nejen respektem k osobnostem, ale i ochotou přísně rozlišovat při posuzování
výsledků výzkumu, navrhovaných projektů apod.
– co jsou práce špičkové světové úrovně
– světového standardu
– vedoucí národní úrovně
– národního standardu
– podprůměrné národní úrovně.
Rezignace na kritérium nejvyšší a zároveň tolerantní hodnocení toho, co dosahuje úrovní
nejnižších, nevytváří prostředí, v němž by se skutečné špičky mohly projevit a uplatnit.
Vedle změny postoje jsou samozřejmě důležité i podmínky materiální. Odpovídající finanční
zajištění musí svou nadstandardní výší odpovídat nadstandardnímu přínosu.
1.2.3 Zhodnocení funkce dosavadních systémů podpory výzkumu
Základním zdrojem finanční podpory projektů vedoucích vědeckých osobností by mělo být
institucionální financování. Jeho nedostatečná výše, kdy kryje spíše jen základní chod
pracoviště, ztěžuje vedoucím kateder a ústavů diferencovanější vnitřní rozdělení prostředků s
ohledem na excelenci výsledků – zejména nemůže-li se pro takový krok opřít o
nezpochybnitelné diferencované hodnocení.
Je pravda, že vedoucí vědecké osobnosti mají velkou pravděpodobnost získání dodatečných
prostředků z účelového financování, i když není pravidlem, že by byly výrazně úspěšnější než
badatelé průměrní.
Doposud se směřování výzkumu realizovalo definováním směrů výzkumu na katedrách.
Definování výzkumu na katedře podle výzkumných směrů je nevyhovující, problémy jsou
především:
- Statický a popisný charakter výzkumných směrů, tj. pouze se konstatuje, co se asi bude
dělat,
- Volné stanovení a sledování jednotlivých výzkumných směrů neumožňuje realizovat
strategii rozvoje katedry v souladu se schválenou koncepcí rozvoje univerzity v oblasti VaV.
- Nejasný statut výzkumného směru,
- Nemožnost kontrolovat skutečný přínos a kvalitu a vlastní přínos pro strategický záměr
katedry.
- Nejasné financování výzkumného směru,
- Nejsou dopředu stanoveny cíle, doba řešení ani kontrolovatelná kvalita výzkumného směru,
- Výzkumné směry nepřinesly za dobu své existence výrazný posun v postavení katedry v
oblasti vědy a výzkumu.
Za klíčové považuji nejdříve stanovení skutečných a jasných cílů katedry v oblasti VaV a to
v souladu se strategii rozvoje univerzity.
83
1.3 Část návrhová
Strategickým cílem je „Dostat katedru do povědomí jako pracoviště, kde existuje špičková
vědecká školy plně akceptované zahraniční odbornou komunitou.“
Definujme si na tomto místě pojem vědecké školy:
- Výzkum koncentrovaný do určité oblasti.
- Existence mezinárodně uznávaných představitelů tohoto výzkumu.
- Kvalita výzkumu plně srovnatelná na mezinárodní úrovni:
- Aktivní mezinárodní spolupráce.
- Uznání mezinárodní komunitou.
- Publikační činnost převážně v mezinárodních odborných publikacích.
- Pravidelný proces transferu výzkumu:
- Aktivní presentační činnost (semináře, konference).
- Výchova nových generací vědců v dané oblasti.
Vybudovat vědeckou školu je možno dvěma možnými cestami:
1.3.1 První cesta
V období následujících 2-4 létech vybudování výzkumného pracoviště na katedře mající
charakter „vědecké školy“, schopné produkovat v zahraničí uznávané vědecké výsledky a
zajistit jejich transfer. Toto pracoviště musí splňovat následující ukazatele:
a) Existence mezinárodně uznávaných představitelů tohoto výzkumu.
b) Významná publikační aktivita v mezinárodně uznávaných odborných časopisech a tomu
odpovídající ohlasy této aktivity.
c) Aktivní mezinárodní spolupráce a uznání mezinárodní odbornou komunitou.
d) Úspěšná grantová činnost v dané oblasti.
e) Existence transferu výzkumné činnosti, tj.:
- Aktivní vlastní presentační činnost (organizování seminářů, konferencí).
- Aktivní doktorské programy realizované na mezinárodní úrovni.
1.3.2 Druhá cesta
V období následujících 3 let vybudovat vědecký rozvojový inkubátor pro potenciální novou
vědeckou školu, která by po cca 3-4 létech působení v tomto inkubátoru mohla být
klasifikována dle 1. cesty.
2 Realizace vědecké školy
2.1 Jaké jsou možné principy realizace navrhovaných změn v části 1?
Z dotačních financí „za studenty“ jsme ze zákona povinni financovat i výzkumnou činnost.
Stávající systém rozdělování financí na univerzitě tento aspekt nereflektuje. Důsledkem
tohoto stavu je, že se neřídí a nesleduje, jakým způsobem a s jakým výsledkem jsou tyto
finance na vědu vynakládány.
84
Finance získané na základě počtu studentů a koeficientu náročnosti programů
zákonem
stanovené využití
Finance na vzdělávací činnost
finance na výzkumnou
činnost
2.2 Jak změnit tento stav?
Na úrovni fakulty vyčlenit část těchto financí pro cílené a kontrolovatelné užití podporující
další rozvoj vědy.
Finance na vzdělávací činnost
finance na výzkumnou
činnost
standardní využití
Cílené využití
2.3 Postup realizace
Uvedené cíle je možné uskutečnit ve formě projektů dvou typů:
- vědeckých rozvojových projektů, zaměřených na podporu realizace výše uvedených cílů, tj.
vytvoření a podpora vědeckých škol, případně vědeckého rozvojového inkubátoru,
- vědeckých realizačních projektů, zaměřených na podporu realizace konkrétních dílčích
vědeckých projektů.
2.3.1 Vědecké rozvojové projekty musí mít příslušné atributy
- Navrhovatele odpovědného za realizaci projektu,
- Jasně stanovené cíle projektu včetně popisu cílového stavu,
- Doba realizace, tj. zahájení a ukončení,
- Kontrolovatelné etapy se stanovenými typy výstupy,
- Odhadované a zdůvodněné náklady nutné pro řešení projektu.
- Zabezpečení nutných zdrojů pro realizaci,
- tj. způsob financování, tj. specifikace očekávaných zdrojů potřebných na celou dobu
existence projektu:
- Jaká část z rozpočtu např. katedry je vyčleněna na tento projekt (např. ve formě
mezd, jiných nákladů apod.),
- Jaké prostředky se očekávají z grantových zdrojů (i ve výhledu),
85
- Jaké zdůvodněné finance jsou požadovány navíc po vedení fakulty nebo
univerzity (pokud tomu tak bude),
- Personální zabezpečení projektu.
- Způsob, jak budou zajištěna, dosažena a kontrolována požadovaná kvalitativní hlediska, tj.
ukazatele a) – d) z předchozího návrhu První cesty.
2.3.2 Vědecké realizační projekty musí mít následující atributy
- Navrhovatele odpovědného za realizaci výzkumu,
- Jasně stanovené cíle projektu především v oblasti presentace a publikace výsledků,
- Doba realizace, tj. zahájení a ukončení,
- Kontrolovatelné etapy se stanovenými typy výstupů,
- Odhadované a zdůvodněné náklady nutné pro řešení projektu.
- Zabezpečení nutných zdrojů pro realizaci, tj.
- Způsob financování, tj. specifikace očekávaných zdrojů potřebných na celou dobu
existence projektu:
- Jaká část z rozpočtu např. katedry je vyčleněna na tento projekt (např. ve
formě mezd, jiných nákladů apod.),
- Jaké prostředky se očekávají z grantových zdrojů (i ve výhledu),
- Jaké zdůvodněné finance jsou požadovány navíc po vedení fakulty nebo
univerzity (pokud tomu tak bude),
- Personální zabezpečení projektu.
3 Postup realizace procesů pro podporu vzniku vědecké školy na
katedře informatiky (modelový příklad)
Základním procesem je stanovení mimořádných odměn pro pracovníky katedry ve vazbě na
mezinárodní transfer výsledků v oblasti vědy a výzkumu.
Cílem procesu je motivovat pracovníky katedry informatiky ke zvýšení aktivit v oblasti
transferu výsledků vědy a výzkumu do zahraničí a zvýšit tak mezinárodní prestiž katedry
informatiky.
Vstupem procesu je:
- disponibilní objem mzdových prostředků určených pro tyto odměny,
- výkaz předložený pracovníkem, obsahující:
K1- seznam publikací v zahraničních časopisech (zaslaných, přijatých, publikovaných),
K2 - seznam aktivních účastí na zahraničních konferencích,
K3 - seznam zahraničních doktorandů, na jejichž školení se podílí,
K4 - podíl pracovníka na realizaci Double Diploma,
K5 - podíl pracovníka na zajištění pobytu zahraničních odborníků na katedře.
Popis procesu
Při stanovení rozpočtu katedry bude vyčleněna disponibilní částka určená na tyto odměny.
Proces bude realizován k termínu 31.12. daného roku. K tomuto termínu všichni pracovníci
katedry zpracují příslušný výkaz o činnosti.
86
Na základě tohoto výkazu se polovina disponibilního objemu mzdových prostředků rozdělí
podle podílu pracovníků na publikační činnosti v zahraničí a účasti na zahraničních
konferencích.
Druhá polovina disponibilních prostředků se rozdělí podle posouzení (vedoucí katedry) podílu
pracovníka na školení zahraničních doktorandů a pobytu zahraničních specialistů na katedře.
Odměny budou vypláceny v prosinci daného roku.
Pravidla pro využití kritérií K1 – K5 v řízení katedry:
1. V rozpočtu katedry informatiky bude na daný rok vyčleněna částka 10% pro podporu
aktivit souvisejících s realizaci uvedeného cíle.
2. Vyčleněná částka bude rozdělena na dvě části:
2.a. část pro mimořádné odměny pracovníkům katedry za dosažené výsledky podle kritérií
K1-K5 (cca 50 % z vyčleněné částky)
2.b. část pro finanční zajištění akcí souvisejících s realizací akcí týkajících se kritérií K1-K5,
tj.
- Finanční podpora publikačních aktivit v zahraničí (poplatky za publikace, literatura a
pod.)
- Finanční podpora výjezdů na zahraniční konference (aktivní účast), pokud nejsou plně
financovány z jiných zdrojů.
- Finanční podpora výjezdů pracovníků podílejících se na realizaci projektu Double
Diploma na partnerské zahraniční univerzity,
- Finanční podpora výjezdů pracovníků katedry za účelem školení jejich zahraničních
doktorandů,
- Finanční podpora pobytu zahraničních odborníků na katedře informatiky.
O částky uvedené v části 2b budou pracovních katedry žádat na základě přesného popisu
účelu čerpání financí.
Mimořádné odměny z vyčleněné částky budou pracovníkům katedry rozděleny podle
následujícího postupu:
- Stanoví se procentuální podíl pracovníka na publikační aktivitě (K1) v zahraničí a na
aktivních účastí na zahraničních konferencích (K2). Podle tohoto podílu bude vyplacena
polovina částky určená na příslušné odměny.
- Každému pracovníkovi katedry, který školí v zahraničí doktoranda (K3) bude vyplácena
pevná finanční částka odměny.
- Vedoucí katedry posoudí podíl jednotlivých pracovníků na plnění kritérií (K4), (K5) a ze
zbývající části odměn stanoví odměny pro jednotlivé pracovníky.
Literatura
[1] Klimeš C.: Systém dalšího vzdělávání pracovníků výzkumu a vývoje v Moravskoslezském
kraji a jeho realizace. In. Sborník přednášek konference Řízení vědy, výzkumu a vývoje a
jejich trendy, str. 38 – 46. Ostravská univerzita v Ostravě 2006. ISBN 80-7368-200-1
87
O autorovi
Doc. Ing. Cyril Klimeš, CSc., Univerzita Konstantína Filosofa v Nitře,
Fakulta přírodních věd, katedra informatiky, e-mail [email protected]
88
ADAPTIVITA INFORMAČNÍCH SYSTÉMŮ
INFORMATION SYSTEM ADAPTIVITY
Roman Malo
Abstrakt
Problematika informačních systému a jejich adaptace je problémem, který vzhledem ke
kontinuálnímu zvyšování společenského uplatnění a významu těchto systémů představuje
jednu z důležitých výzkumných domén. Příspěvek se stručně zabývá adaptivitou informačních
systémů, základními otázkami, jež se vyskytují při jejím zavádění, a možnostmi jejího nasazení
ve vybraných oblastech, a to na příkladu univerzitního systému MZLU v Brně.
Abstract
An area of information systems and their adaptation is a problem that is one of important
science domains especially because of a continual increasing utilization and importance these
systems. The paper briefly describes information system adaptation, basic questions of its
implementation and possibilities of its applying within the university system MUAF in Brno.
Klíčové slova
Adaptivita, informační systémy, eLearning
Keywords
Adaptation, information system, eLearning
1 Úvod do problematiky
Problematika uplatnění adaptačních mechanismů a možností adaptivity obecně se v rámci
informačních systémů skládá za dvou základních pohledů:
• pohled metodického,
• pohled technického.
Zatímco pohled metodický nastoluje otázky, kde, kdy a proč lze adaptovat daný informační
systém, z pohledu technického je třeba řešit otázku, jak adaptovat a případně jaké technologie
použít.
Adaptivních mechanismů je využíváno v řade systémů, které se orientují například na (Bureš,
Morávek, Jelínek 2005):
• vyhledávání informací,
• online dokumentaci,
89
•
•
•
online nápovědu,
výuková hypermédia
personalizovaný přístup.
Ačkoliv jsou současné informační systémy poměrně rozdílné (zaměření, velikost, použité
technologie), z metodického pohledu na adaptaci je však můžeme považovat za shodné.
Vlastní adaptaci je možné sledovat zejména ve dvou rovinách:
• v rovině uživatelského rozhraní,
3
• v rovině adaptace obsahu.
Adaptace uživatelského rozhraní je problémem relativně jednodušším než adaptace vlastního
obsahu a v řadě systémů již jsou některé rysy plně implementovány. Uživatelé mohou více či
méně přizpůsobovat vzhled systému, se kterým pracují, případně se uživatelské rozhraní
přizpůsobuje klientskému zařízení, pomocí něhož uživatelé k systému přistupují.
2 Adaptace univerzitního IS MZLU v Brně
Univerzitní informační systém Mendelovy univerzity (UIS) je webový informační systém,
který se za dobu svého vývoje rozrostl do komplexního systému s několika samostatnými
subsystémy. Tento systém je používán na různých instalacích několika desetitisíci uživatelů.
Snaha o zlepšení kvality práce se systémem se odrazila i ve snaze tvůrců o maximální
možnost přizpůsobení systému uživatelům. V současné době nabízí systém možnost
přizpůsobování uživatelského rozhraní formou změny a případně tvorby vlastního designu a
rovněž vytváření profilů, pomocí kterých je možné na základě momentálních činností
přizpůsobovat systém uživatelským požadavků. Tato personalizace prováděná uživateli je
doplněna schopností systému pracovat v režimech, které jsou vhodné pro mobilní klientská
zařízení.
3
Často se hovoří i o adaptaci formy (viz (Bureš, Morávek, Jelínek; 2005)) podávání
informací, ale tuto možnost lze zjednodušeně považovat za adaptaci obsahu.
90
Obr. 1 Ukázka variant designu systému
Adaptace vlastního obsahu je v rámci UIS řešena v aplikacích, ke kterým má přístup řada
uživatelů s rozdílnými požadavky a právy k zobrazovaným informacím. Individualita
uživatelů je zde modelována na principu stereotypů, další potřebné informace o uživatelích
jsou získávány implicitně z dat systému. Typickými uživatelskými stereotypy jsou student,
učitel, studijní referent a podobně.
Výše uvedené formy adaptace jsou provozovány napříč jednotlivými aplikacemi a pracují na
úrovni celého systému. Další adaptační mechanismy jsou postupně připravovány
k implementaci na úrovni jednotlivých subsystémů. Jedním z těch, kde jsou tyto aktivity
nedůležitější, je subsystém eLearningový.
91
3 Adaptace eLearningového obsahu
ELIS (eLearningový informační systém) je ve své podstatě jedním ze základních subsystémů
UIS. Jedná se o množinu aplikací, které poskytují funkčnost systémů LMS, LCMS i VLE a
které mají svůj neoddiskutovatelný význam při zavádění eLearningové podpory zejména
kombinovaných studijních programů.
Svou nesporný význam má při podpoře výuky adaptace obsahu, který je poskytován
studentům nejen jako výukový text, ale například i obsah sloužící pro zefektivnění kontroly
nabytých znalostí. Momentálně je tak při vývoji systému řešena problematika:
• adaptivních elektronických testů,
• adaptace výukových materiálů.
Elektronické testy jsou v rámci ELIS využívány poměrně často, a to nejen jako zkušební
nástroj, ale i nástroj výukový, kdy se studenti mohou v rámci cvičných testů poučit z vlastních
chyb a získávají zpětnou vazbu, na bázi které si mohou stanovit další postup sebevzdělávání.
Implementace adaptivních testů vyžaduje řešit dva základní problémy, kterými jsou:
• postupný výběr otázek,
• vyhodnocení testu.
Oba dva uvedené problémy jsou již dlouhou dobu teoreticky zpracovávány řadou odborníků a
existují přístupy, které je možné při zavádění převzít a pouze zajistit jejich přizpůsobení pro
potřeby ELIS. Klasickým případem je výběr otázek z báze otázek a jejich předkládání
řešitelům testu na bázi Item Response Theory (IRT) (Rudner, 1998). Obtížnost jednotlivých
otázek, která je podstatná pro výběr těžší či lehčí otázky, je možné v rámci ELIS stanovovat:
• explicitně na základě otázce přidělených bodů a
• implicitně výpočtem průměrné úspěšnosti otázky v předešlých testech.
Adaptace výukových materiálů a jejich přizpůsobování studijním potřebám studentů je
problémem již méně propracovaným. Studijní elektronické opory vytvářené v systému ELIS
jsou hierarchicky uspořádány, přičemž celá struktura je kompatibilní se strukturou popsanou
v rámci referenčního modelu SCORM. 4 Adaptovat lze:
• jednotlivé dílčí části opor (stránky),
• výběr částí opor.
4
Jedná se o část balení obsahu (Content Packaging) ve verzi 1.2.
92
Obr. 2 Struktura elektronické opory
V případě první varianty dostává každý ze studentů oporu stávající ze stejného počtu dílčích
částí, ale obsah každé části je přizpůsoben právě jeho individualitě. Ve druhém případě pak je
již struktura e-opory přímo adaptována a některé části mohou být vypuštěny nebo přidány,
jsou-li pro konkrétního studentu zbytečné respektive potřebné. Oba přístupy mohou být
samozřejmě kombinovány.
4 Závěr
Adaptace informačních systému a jejich obsahu je z hlediska implementace poměrně mladou
záležitostí, která se uplatňuje zejména v rámci hypermediálních systémů. Univerzitní
informační systém MZLU v Brně je jedním ze systémů, kde je řešena jak adaptace
uživatelského rozhraní, ale i adaptace obsahu.
V rámci metodické podpory vývoje UIS je na Ústavu informatiky Provozně ekonomické
fakulty zpracovávána problematika adaptivních systémů, a to zejména z pohledu univerzitních
informačních systémů a jejich eLearningových modulů. Řada aktivit je však řešena obecně a
získané poznatky je možné uplatnit například v rámci systémů, které se orientují pro podporu
elektronického podnikání a obchodu.
93
Literatúra
Bureš, M., Morávek, A., Jelínek, I. Nová generace webových technologií. Praha: Vox, 2005.
ISBN 80-86324-46-X.
Rudner, L., M. An On-line, Interactive, Computer Adaptive Testing Tutoriál [online]. c1998
[cit. 2007-09-03]. Dostupné z < http://edres.org/scripts/cat/catdemo.htm>.
O autorovi
Ing. Roman Malo, Ph.D.
Ústav informatiky
Provozně ekonomické fakulta MZLU v Brně
Zemědělská 1, 61300 Brno
[email protected]
94
ZVYŠOVANIE KOMPETENCIÍ UČITEĽOV STREDNÝCH
ŠKÔL V OBLASTI PROGRAMOVANIA A E-LEARNINGU
INCREASING COMPETENCES OF SECONDARY SCHOOL
TEACHERS IN THE FIELD OF PROGRAMMING AND
E-LEARNING
Miroslava Mesárošová
Abstrakt
V rámci Projektu zvýšenia kvalifikácie súčasných a budúcich učiteľov základných a stredných
škôl v oblasti programovania (KEGA 3/3041/05) organizuje Katedra informatiky FPV UKF
v Nitre sériu odborných seminárov pod názvom „Zvyšovanie kompetencií učiteľov stredných
škôl v oblasti programovania a e-learningu“ zameraných na modernizáciu vyučovania na
stredných školách. V tomto článku sa chceme venovať možnostiam získavania potrebných
vedomostí a zručností nevyhnutných pre rozvinutie počítačovej gramotnosti učiteľov na
príslušnej úrovni, a teda naplnenia cieľa projektu.
Abstract
The Department of Informatics FNS UCF in Nitra organizes a set of specialised workshops
"Increasing Competences of Secondary School Teachers in the Field of Programming and
E-Learning" as a part of a Project of Increasing the Qualification of Current and Future
Primary and Secondary School Teachers in the Field of Programming (KEGA 3/3041/05). In
this paper we deal with the possibilities of acquiring the knowledge and abilities necessary
for developing computer intelligence of the teachers to the adequate level and so achieving
the aim of a project.
Kľúčové slová
seminár, programovanie, e-learning
Keywords
workshop, programming, e-learning
1 Zvyšovanie kompetencií učiteľov stredných škôl v oblasti
programovania a e-learningu
V rámci Projektu zvýšenia kvalifikácie súčasných a budúcich učiteľov základných a stredných
škôl v oblasti programovania (KEGA 3/3041/05) organizuje Katedra informatiky FPV UKF
v Nitre sériu odborných seminárov pod názvom „Zvyšovanie kompetencií učiteľov
95
stredných škôl v oblasti programovania a e-learningu“ zameraných na modernizáciu
vyučovania na stredných školách. Ako už sám názov napovedá, semináre sa venujú dvom
hlavným oblastiam: vzdelávanie s podporou e-learningu a modernizácia vyučovania
programovania, kde sa využíva najmä prostredie Delphi.
1.1 O projekte
Samotný projekt vychádza najmä z potreby aktualizácie obsahu vyučovania na školách a jeho
prispôsobenia potrebám modernej spoločnosti. Tu má veľký význam najmä využívanie
počítačov, špecificky Internetu. Je nevyhnutné, aby sa práca s počítčom neobmedzovala len
na hodiny zamerané na výpočtovú techniku, ale prenikala aj do ostatných.
O potrebe zvyšovania počítačovej gramotnosti v spoločnosti, najmä v radoch učiteľov, ktorí
by potom tieto vedomosti a zručnosti mali odovzdávať svojim študentom, sa už napísalo veľa.
Nesporný je význam e-learningu, a to ako v priamom vyučovacom procese, tak i v domácej
príprave a pri samoštúdiu. V tomto článku sa chceme zamerať na možnosti zvyšovania
kompetencií učiteľov – na to, ako im odovzdať potrebné vedomosti a umožniť im získať
zručnosti nevyhnutné pre rozvinutie počítačovej gramotnosti na príslušnej úrovni.
Keďže projekt sa zameriava na vyučovanie programovania na základných a stredných
školách, táto téma sa nesie aj v špecifickej aktivite realizovanej v rámci projektu – sérii
seminárov, ktoré sa uskutočňujú v priestoroch Katedry informatiky UKF v Nitre. Riešitelia
projektu totiž zastávajú názor, že hoci odborná literatúra je určite základom pre
samovzdelávanie učiteľov, obrovský prínos pre nich môžu mať práve osobné stretnutia
s lektormi ako aj „spolužiakmi“ a možnosť porozprávať sa s nimi o problémoch, ktoré majú
v danej oblasti alebo ktoré budú riešiť pri využívaní nadobudnutých vedomostí a zručností pri
samotnom vyučovaní v škole.
Preto sa riešiteľský kolektív rozhodol pozvať učiteľov informatiky zo stredných škôl v Nitre a
okolí a poskytnúť im možnosť získať nové poznatky a rozšíriť svoje kompetencie v atmosfére
„triedy“, v ktorej neexistuje bariéra učiteľ-žiak, ale všetci sú si rovní, keďže všetci sú učitelia.
Jediný rozdiel, ktorý odlišuje lektora od „študentov“ je ten, že lektor poskytuje „výklad
učiva“, teda prezentuje danú tému (programovanie v prostredí Delphi) a odpovedá na
prípadné otázky „študentov“.
Okrem prvkov prednášky, kde je len odprezentovaná určitá téma, a prvkov seminára, v rámci
ktorého sú už do práce zapojení aj samotní účastníci, majú semináre v rámci spomínaného
projektu ešte ďalšiu výhodu: väčšina účastníkov sa pozná, či už zo školy alebo z rôznych
školení a iných akcií, ktoré absolvovali v minulosti, a teda medzi nimi nevzniká napätá
atmosféra, resp. nemusia sa vyrovnávať s nepríjemnými pocitmi, že sa opäť ocitli
„v školských laviciach“. Ďalším zaujímavým znakom týchto seminárov je fakt, že väčšina
účastníkov pozná osobne aj lektorov, keďže mnohí pozvaní boli študentmi práve Katedry
informatiky UKF v Nitre, a samozrejme, aj lektori poznajú ich. Tým atmosféra a najmä
komunikácia na seminároch dostáva priateľskejší charakter a je uvoľnenejšia. Keďže je
známe, že ak sa študent na hodine cíti dobre, aj jeho výsledky sú lepšie, môžeme
predpokladať, že naši „študenti“ si zo seminárov odnesú viac vedomostí a získajú viac
zručností, než keby sa zúčastňovali bežných prednášok alebo aj seminárov v neznámom
prostredí.
96
2 Odborné semináre
V rámci plánovania seminárov boli stanovené nasledovné základné body, s ktorými boli
oboznámení aj účastníci seminárov:
Séria odborných seminárov „Zvyšovanie kompetencií učiteľov stredných škôl v oblasti
programovania a e-learningu“ je zameraná na modernizáciu vyučovania na stredných
školách v dvoch hlavných oblastiach: vzdelávanie s podporou e-learningu a vyučovanie
programovania v prostredí Borland Delphi.
Účastníci sa naučia pracovať s e-learningovými materiálmi a kurzami, využívať ich vo
vyučovaní a taktiež vytvárať vlastné kurzy v prostredí LMS Moodle. V rámci druhej oblasti
získajú účastníci zručnosti v e-learningovom štúdiu programovania (Pascal a Delphi),
samotnom programovaní v Delphi, naučia sa riešiť úlohy s využitím Delphi, vytvárať vlastné
úlohy a implementovať programovanie v Delphi do vyučovacieho procesu na strednej škole.
Účastníci seminárov získajú prístup do existujúceho elektronického kurzu programovania
používaného na Katedre informatiky FPV UKF v Nitre a bude im zabezpečená podpora
v oblasti programovania a didaktiky programovania. Na základe jednotlivých stretnutí budú
vytvorené učebné materiály, elektronický kurz programovania v Pascale a elektronický kurz
programovania v Delphi. Na záver všetkých seminárov bude vydaný zborník s jednotlivými
príspevkami od učiteľov, ktoré pripravia v rámci svojej záverečnej práce.
Cieľová skupina:
učitelia stredných škôl
Počet účastníkov:
20
Obdobie konania seminárov: október 2006 – október 2007
Počet seminárov:
cca 5 - 6
Miesto konania:
UKF, Tr. A. Hlinku 1, Nitra, miestnosť B114
Výstupy projektu:
Elektronický kurz programovania v Pascale
Elektronický kurz programovania v Delphi
(kurzy dostupné pre využitie vo vyučovacom procese)
Učebné materiály pre učiteľov
Zborník
2.1 Ako prebiehajú semináre
V prípravnom období bol vypracovaný okrem základného popisu tejto aktivity aj predbežný
časový harmonogram a náplň jednotlivých seminárov. V septembri 2006 sme oslovili školy
v Nitre a ďalších mestách, kde sme predpokladali záujem učiteľov o semináre tohto druhu.
Učiteľom informatiky sme ponúkli možnosť zúčastniť sa seminárov a na základe ich reakcie
sme vytvorili študijnú skupinu, ktorá následne absolvovala jednotlivé semináre.
2.1.1 Moderná výučba s podporou e-learningu
Prvý z nich sa uskutočnil 27.10.2006 pod názvom Moderná výučba s podporou e-learningu.
V rámci tohto seminára boli účastníci oboznámení s novými prístupmi vo výučbe s využitím
IKT. Veľká pozornosť bola venovaná práve využívaniu e-learningu vo vyučovaní i pri
samoštúdiu. Účastníci boli oboznámení s možnosťami, ktoré e-learningové vzdelávanie
poskytuje, ako aj špecificky s prostredím LMS Moodle, ktoré je využívané na Katedre
97
informatiky. Okrem prezentácie už existujúcich kurzov bol súčasťou tohto stretnutia aj
úvodný kurz tvorby e-learningových kurzov.
Druhá časť seminára bola venovaná programovaniu v prostredí Delphi. Účastníci absolvovali
úvod do prostredia Delphi a získali prístup do kurzu programovania, ktorý je využívaný na
Katedre informatiky a ktorý im bude k dispozícii po celú dobu konania seminárov ako učebný
materiál. Kurz obsahuje nielen teoretické informácie, ale aj riešené úlohy, cvičenia a testy.
2.1.2 Výučba programovania s podporou e-learningu
Druhé stretnutie s názvom Výučba programovania s podporou e-learningu sa uskutočnilo
17.11.2006. Napriek tomu, že išlo o štátny sviatok, zúčastnila sa ho väčšina prihlásených
účastníkov.
Hlavná pozornosť bola venovaná programovaniu, porovnaniu vyučovania programovania
v Pascale a Delphi, prezentácii úloh, ktoré je možné využiť v jednotlivých témach, ako aj
metodike tvorby úloh pre študentov, pri čom boli využité ukážky úloh z e-learningového
kurzu programovania.
2.1.3 Programovanie v Delphi a jeho didaktická implementácia v modernej škole
Pod názvom Programovanie v Delphi a jeho didaktická implementácia v modernej škole sa
uskutočnili ďalšie tri stretnutia – 5.2.2007, 11.5.2007 a 26.6.2007. Náplňou týchto stretnutí
bola práca v prostredí Delphi. Lektor účastníkom predviedol, ako je možné jednotlivé témy
prezentovať študentom, aké príklady použiť a zároveň aj ako ich riešiť. V súlade s modernými
trendmi vo vyučovaní, ktoré má byť užitočné pre študentov, na každom seminári sa
diskutovalo o tom, v akých situáciách je možné jednotlivé získané vedomosti a zručnosti
využiť.
2.1.4 Didaktická implementácia Delphi vo vyučovaní s podporou e-learningu
Záverečné stretnutie s účastníkmi seminárov je predbežne naplánované na október 2007.
Pozornosť už nebude venovaná získavaniu nových poznatkov, ale skompletizovaniu celej
série seminárov, učebným materiálom, ktoré boli vytvorené katedrou príp. aj účastníkmi,
diskusii k využitiu týchto materiálov ako aj vedomostí zo seminárov v škole. Zároveň by
organizátori radi získali určitú reflexiu od účastníkov, aby mohli do budúcnosti pripraviť
podobné aktivity ušité na mieru cieľovej skupiny.
3 Záver
Opodstatnenosť výberu témy pre projekt zrejme nie je potrebné vysvetľovať. Je zrejmé, že vo
vyučovaní informatiky má programovanie svoju nenahraditeľnú funkciu. Na druhej strane,
učenie ako také, vyžaduje prispôsobovanie sa moderným trendom a hľadanie možností, ako
zvládať to obrovské množstvo informácií, ktorými sme denne zahlcovaní. Jednou z možností
dneška je aj e-learning. Je to silný nástroj, ktorý poskytuje množstvo výhod. Preto spojenie
programovania a e-learningu nie je náhodné, ale práve naopak. V rámci sledovania
smerovania vzdelávania je nevyhnutné, aby sa obidvom v rámci informatiky venovala
pozornosť.
Témou tohto článku však nebol projekt ako taký, ako skôr realizácia špecifickej aktivity
v rámci neho – série odborných seminárov. Veríme, že účastníkom priniesli očakávané
98
výsledky a že v budúcnosti ešte budeme mať možnosť zorganizovať ďalšie aktivity, ktoré im
pomôžu v ich učiteľskej praxi.
Literatúra
Elektronický kurz programovania: http://informatika.ukf.sk/moodle/
Projekt zvýšenia kvalifikácie súčasných a budúcich učiteľov základných a stredných škôl
v oblasti programovania: http://ki.fpv.ukf.sk/projekty/kega_3_3041_05/
O autorovi
Mgr. Miroslava Mesárošová
Katedra informatiky
Fakulta prírodných vied
Trieda A. Hlinku 1
949 01 Nitra
[email protected]
99
NÁVRH OBJEKTOVÉHO A DATOVÉHO MODELU PRO
IMPLEMENTACI EXPERTNÍHO SYSTÉMU
DESIGN OF OBJECT AND DATA MODEL FOR
IMPLEMENTATION OF EXPERT SYSTEM
Rostislav Miarka
Přírodovědecká fakulta, Katedra informatiky a počítačů
Abstrakt
Cílem tohoto článku je navrhnout třídy objektů pro práci s pravidly v diagnostickém fuzzy
orientovaném expertním systému vytvořeném v objektově orientovaných programovacích
jazycích. Při vytváření instancí těchto objektů, tj. při vytváření pravidel znalostní báze
expertního sytému, je vhodné tyto objekty ukládat do relační databáze. Proto bude navržen i
ER-model, který bude odpovídat uvedenému class modelu.
Abstract
The aim of this paper is design classes of objects for work with rules in diagnostic fuzzy
oriented expert system created in object oriented programming languages. At creation
instances of these objects, i. e. at creating rules of knowledge base of expert system, is useful
to save these objects into relation database. Therefore will be designed also an ER-model that
matches to mentioned class model.
Kľúčové slová
objektový model, datový model, expertní systém
Keywords
object model, data model, expert system
1 Úvod
Diagnostický fuzzy expertní systém má na svém vstupu hodnoty N vstupních proměnných a
na základě těchto hodnot se pokouší určit hodnotu výstupní proměnné. Pravidla ve znalostní
bázi jsou ve tvaru:
IF (X1 = A1) AND (X2 = A2) AND … AND (XN = AN) THEN Y = B
To znamená, pokud hodnota vstupní proměnné X1 je rovna A1, hodnota X2 je rovna A2 atd.,
potom hodnota výstupní proměnné Y je rovna B. Při vyhodnocování dotazu se expertní
systém snaží najít taková pravidla, která odpovídají svým antecedentem zadanému vstupu. Ve
fuzzy orientovaném expertním systému mohou proměnné nabývat jak diskrétních, tak
spojitých hodnot. U diskrétních proměnných je hodnota omezena výčtem hodnot, kterých
100
může proměnná nabývat. V případě spojitých proměnných je pak zadán interval hodnot, ve
kterém se může hodnota nacházet.
2 Návrh objektového modelu
Názvy tříd a jejich atributy budou uvedeny kurzívou, aby byly zřetelně odlišeny od ostatního
textu.
První třídou v objektovém modelu bude třída Proměnná. Její atributy budou Název proměnné,
Druh proměnné (vstupní nebo výstupní proměnná) a Typ proměnné (spojitá nebo diskrétní
proměnná). Každá proměnná může nabývat pouze určitých hodnot. K tomu, abychom při
vyhodnocování vstupních dat určili, zda má zadaný vstup smysl, potřebujeme dvě třídy. První
se nazývá Diskrétní povolená hodnota a má pouze jeden atribut – Povolená hodnota. Druhá
se nazývá Spojitá povolená hodnota a má atributy Typ hodnoty (celé číslo nebo reálné číslo),
Dolní mez a Horní mez. Tyto dvě třídy jsou ve vazbě s třídou Proměnná. V případě první
třídy je to vazba N:1 – povolených hodnot u diskrétní proměnné bude více. U druhé třídy je
vazba stejná, ale v praxi se spíše setkáme s vazbou 1:1 – interval spojitých hodnot bude pouze
jeden. Tyto dvě třídy slouží k definování možných hodnot proměnných. K definování
konkrétních hodnot, které se objeví na vstupu nebo výstupu, slouží podobné třídy – Diskrétní
hodnota proměnné a Spojitá hodnota proměnné. Diskrétní hodnota proměnné má pouze
atribut Hodnota s konkrétní hodnotou vstupní nebo výstupní proměnné. Spojitá hodnota
proměnné má atributy Dolní mez 1, Dolní mez 2, Horní mez 1 a Horní mez 2. Protože prvek
může do fuzzy množiny náležet pouze zčásti, potřebujeme k jejímu určení 4 koeficienty –
označme je a, b, c, d. Prvky z uzavřeného intervalu <b, c> do množiny zcela jistě náleží.
Prvky z otevřených intervalů (a, b) a (c, d) do množiny patří pouze částečně. Zbylé prvky do
množiny nepatří. V tomto případě tedy atributy třídy představují koeficienty – Dolní
mez 1 = a, Dolní mez 2 = b, Horní mez 1 = c, Horní mez 2 = d. Vazba mezi třídou Proměnná a
Diskrétní hodnota proměnné je 1:N – jedna proměnná může nabývat více hodnot. Pro vazbu
mezí třídou Proměnná a Spojitá hodnota proměnné platí totéž.
Dalšími třídami jsou již třídy, pomocí kterých v databázi ukládáme pravidla znalostní báze.
Třída Pravidlo má atribut Počet vstupních proměnných, který slouží ke kontrole, zda počet
zadaných vstupů odpovídá pravidlu. Protože pravidlo obsahuje více proměnných, vstupuje
tato třída do vazby s třídami Diskrétní hodnota proměnné a Spojitá hodnota proměnné. Vazba
mezi třídou Pravidlo a oběma třídami je 1:N – jedno pravidlo může obsahovat více hodnot
nějakých proměnných. Na tuto vazbu je možné pohlížet i jako na vazbu M:N – jedno pravidlo
obsahuje více hodnot proměnných a jedna konkrétní hodnota může být součástí několika
pravidel. V tom případě bychom ale museli vytvořit navíc vazební třídu, která by nám tuto
vazbu rozložila na dvě vazby s násobností M:1 a 1:N. Poslední třídou je třída Báze znalostí,
která může mít atributy Název a Popis a případně další atributy, které bázi znalostí nějak blíže
identifikují. Tato třída je ve vztahu s třídou Pravidlo, a to s násobností 1:N – jedna báze
znalostí obsahuje více pravidel.
101
Obr. 1 Class model
3 Návrh datového modelu
Při vytváření objektů v nějakém programovacím jazyku je vhodné tyto objekty ukládat do
relační databáze. Proto musíme tyto objekty namapovat na databázové tabulky. Jejich logické
schéma zobrazuje následující ER-diagram.
Obr. 2 ER-diagram
102
O autorovi
Mgr. Rostislav Miarka, student doktorského studia, Katedra informatiky a počítačů,
Přírodovědecká fakulta Ostravské univerzity v Ostravě, 30. dubna 22, 70103 Ostrava
[email protected]
103
POTREBA BUDOVANIA CENTRÁLNYCH DOHĽADOVÝCH
SYSTÉMOV PRE SIEŤOVÉ MANAŽMENTY
BUILDING CENTRALIZED MONITORING SYSTEMS FOR
NETWORK MANAGEMENTS
Miloš Mucha, Erik Urland
NextiraOne Slovakia, s.r.o., J.Hagaru 9, 831 51 Bratislava
[email protected], [email protected]
Abstrakt
Predložený článok v krátkosti približuje čitateľovi základné pojmy, potreby a požiadavky
kladené na funkcionalitu centrálnych dohľadových systémov pre sieťové manažmenty v rámci
budovania NOC (network operating centre). Implementácia takýchto riešení v sebe implicitne
zahŕňa potrebu znalostí ako sieťovej infraštruktúry, operačných systémov a riadiacich
aplikácií, tak aj procesného riadenia, ktoré spoločne tvoria jeden komplexný funkčný celok
v rámci OSS (operations support system).
Abstract
In the presented paper we deal with basic terms and requirements given to functionality of
Centralized monitoring systems for NMS when building an enterprise NOC. Implementation
of such solutions require knowledge base of network infrastructure, operating systems and
management applications as well as process management, all together forming a complex
functional system within an OSS solution.
Kľúčové slová
Centrálny dohľadový systém, NOC, OSS, DCN (datová komunikačná sieť), NMS (sieťový
manažment systém), SLA (úroveň poskytovania služby), KPI (hlavné výkonnostné parametre)
Keywords
Centralized monitoring system, NOC, OSS, DCN (data communication network), NMS
(network management system), SLA (service level agreement), KPI (key performance
indicators)
1 Úvod
S príchodom a rozširovaním internetu, internetových technológií a on-line služieb, nových
sieťových platforiem a trvale klesajúcimi cenami jednotlivých komponentov sieťovej
infraštruktúry a zároveň ale neustále vzrastajúcimi nárokmi ako na prenosové kapacity, tak aj
na úroveň poskytovania s tým spojených služieb, musia jednotlivý poskytovatelia ISP
(internet service provider), telekomunikačný a mobilný operátori, prípadne veľké spoločnosti
104
či štátne inštitúcie vlastniace (a prenajímajúce) či už metalické alebo optické prenosové trasy
neustále investovať do rozvoja svojej sieťovej infraštruktúry a skvalitnenia poskytovaných
služieb. Dnes vo svete telekomunikačného trhu a ostrej konkurencie je dodržiavanie SLA
štandardom, bez ktorého si už ani podpísanie zmluvy o poskytovaní telekomunikačných
služieb nevieme predstaviť. Pre zabezpečenie prísnych podmienok SLA napríklad služby
MPLS VPN (multi protocol layer switching network virtual private network) medzi dvoma
lokalitami s dostupnosťou 99.95 to znamená mesačný výpadok maximálne v rozsahu 22
minút, čo je potrebné dodržať (inak hrozia sankcie) je zrejmé, že takéto podmienky nie je
možné dodržať bez nasadenia sofistikovaných a profesionálnych softvérových riešení na to
určených. Vo svete je v súčasnoti dostupných viacero renomovaných produktov od
spoločností IBM, HP, InfoVista, Cisco, CA, EMC atď, ktoré je možné použiť v zmysle
odporúčaní TMF (Tele management fórum) pri implementácii Centrálneho dohľadového
systému určeného práve pre monitoring sieťovej infraštruktúry a dodržiavanie SLA.
2 Požiadavky na funkcionalitu riešenia
Pri návrhu architektúry Centrálneho dohľadového systému spravidla vychádzame
z odporúčaní TMF[1] a NGOSS[2] (new generation operations system and software)
architektúry, ktorá je z pohľadu implementovaného softvérového systému nezávislá na
monitorovanej sieťovej infraštruktúre. Vo všeobecnosti môžme riešenie Centrálneho
dohľadového systému rozdeliť do nasledovných úrovní, ako sú naznačené na Obr.1.
Obr. 1 Jednotlivé úrovne riešenia Centrálneho dohľadového systému
Poznamenajme, že práve posledná úroveň spracovania udalostí a najmä jej prezentačná vrstva
je najčastejšie využívaná pre potreby NOC, kde určení operátori nepretržite kontrolujú
prostredníctvom takéhoto riešenia nielen samotný stav a riadnu funkcionalitu príslušnej
sieťovej infraštruktúry, ale aj dodržiavanie KPI pre jednotlivé služby, ktoré sú
prostredníctvom danej sieťovej infraštruktúry poskytované koncovým zákazníkom.
Impementácia a výsledná funkcionalita každého jedného Centrálneho dohľadového systému
105
je špecifická vzhľadom na potreby a možnosti príslušnej organizácie, avšak štandarne musí
spĺňať nasledovné základné funkcionality kladené na takýto „umbrella“ dohľadový systém,
ktoré môžme definovať nasledovne:
•
•
•
•
•
•
•
•
•
Zber udalostí (fault events) z príslušných sieťových zariadení alebo sieťových
manažmentov danej sieťovej infraštruktúry prostredníctvom špecifikovaných rozhraní
(interfaces),
Filtering udalostí podľa daného fault event zoznamu. Rozsah fault event zoznamu pre
danú technologickú platformu môže byť špecifický, spravidla je to podmnožina
všetkých udalostí poskytovaných sieťovou infraštruktúrou,
Konsolidácia udalostí - prevedenie udalostí z rôzných formátov rôzných systémov do
jednotného (normalizovaného) tvaru,
Deduplikácia definovaných udalostí, ktorú môžme za týmto účelom chápať ako
funkcionalitu dohľadového systému, ktorý zlučuje a odstraňuje duplicity dát získaných
z inštalovaných sond (mediačná úroveň) a pre lepšiu manipuláciu vedúcu k tvorbe
jednotlivých asociácií a filtrácií konvertuje udalosti ako sú chybové hlásenia a alarmy
do objektov udalostí. Samotné zariadenie môže opakovane generovať rovnakú udalosť
pokiaľ problém pretrváva. Dohľadový systém používa „deduplikáciu“, ktorá
zabezpečuje aby sa informácia generovaná z toho istého zdroja neduplikovala.
Duplicitné udalosti sú identifikované a spravidla uchované ako jedna udalosť
s informáciou o čase prvého a posledného výskytu i počte opakovaní, čo zabezpečí
redukciu množstva spracovávaných dát,
Špecifikácia severity (úroveň závažnosti) a následne reportingu vzniknutej udalosti
podľa daného predpisu. Odporúčaných je štandardne 5 základných úrovní (Critical,
Major, Minor, Warning, Normal) podľa odporúčania ITU-T X.733,
Obohatenie eventov v definovanom rozsahu o dodatočné informácie (napr.
Nodealias/name alebo lokalita zariadenia, zodpovedný administrátor atď.) podľa
dostupnej informácie a to buď v statickej „look-up“ tabuľke najčastejšie s manuálnym
vstupom, prípadne automaticky z určenej DB (napr. inventory management systém),
Základné korelácie udalostí (napr. typu Link up/Link down, protokol up/down atď),
kde pod koreláciou rozumieme schopnosť dohľadového systému dať do vzájomného
vzťahu jednotlivé objekty udalostí s ostatnými udalosťami. Na ich základe je potom
možné vytvárať závery, automatizovať operátorské reakcie a uľahčovať riešenia
vzniknutých sieťových problémov alebo porušenie SLA,
Rozne typy automatizácie, minimálne na úrovni generic clear udalostí – ich
automatické odstránenie z dohľadového systému na základe určeného pravidla,
napríklad časové hladisko alebo vzájomná korelácia príslušných eventov pri vyriešení
problému (tzv. problem resolution) a podobne. Vo všeobecnosti však môžeme
povedať, že pod automátizáciou implementovanou v dohľadovom systéme rozumieme
možnosť spúšťania plánovaných, proaktívnych a reaktívnych procedúr nad
originálnymi-zozbieranými udalosťami zo sieťovej infraštruktúry,
Archivácia udalostí vhodnou formou – napríklad v relačnej databáze (alebo do
textového flat-file súboru/CSV file) s definovanou štruktúrou, kde každý spracovaný
event na úrovni dohľadového systému bude archivovaný. Nad takto uloženými
udalosťami je potom možné vykonávať rôzne vyhľadávania, porovnania a reporty.
106
•
Uvedený prístup umožňuje touto cestou napr. mesačné vyhodnotenie dodržiavania
SLA alebo spracovanie trendových analýz-reportov a podobne,
Ďalšou zo základných charakteristík dohľadového systému je dizajn a možnosť úpravy
prezentačnej vrstvy systému podľa požiadaviek danej organizácie a v rozsahu
potrebnom pre jednotlivých jej užívateľov (napr. operátorov) systému. Na Obr. 2
a Obr. 3 sú znázornené niektoré ukážky takýchto grafických výstupov.
Obr. 2 Ukážka grafického výstupu z Centrálneho dohľadového systému
Obr. 3 Ukážka grafického výstupu z Centrálneho dohľadového systému
Je zrejmé, že pridanú hodnotu takéhoto Centrálneho dohľadového systému možno výrazne
povýšiť integráciou s ďalšími systémami OSS, medzi ktoré patrí napr. performance
monitoring (kontrola kvalitatívnych-výkonnostných ukazovateľov), service desk (trouble
107
ticket systém), prípadne inventory manažment (databáza jednotlivých komponentov sieťovej
infraštruktúry) a podobne. Z horeuvedeného plynie, že implementácia takéhoto riešenia nie je
triviálnou úlohou a vyžaduje si odborné znalosti a zručnosti ako zo sieťového prostredia
infraštruktúry, tak aj z operačných systémov, riadiacich aplikácií pre sieťové manažmenty,
relačných databáz, znalosti jednotlivých typov rozhraní potrebných pre integráciu
nadradeného „umbrella“ manažmentu so sieťovými manažmentami (napr. SNMP, JMS,
CORBA atď.), prípadne so systémami tretích strán. Za týmto účelom každý integrátor
realizujúci implementáciu hore naznačeného OSS riešenia musí disponovať konzultantami
a systémovými inžiniermi s adekvátnymi znalosťami a skúsenosťami, najmä z oblasti
počítačových sietí a sieťových manažmentov pre riadenie a administráciu týchto sieťových
prostredí. Bez nich nie je možná (alebo je iba málo pravdepodobná) úspešná realizácia
projektu implementácie Centrálneho dohľadového systému. Z toho plynie zrejmá potreba
pripravenosti absolventov vysokých škôl a univerzít so zameraním na IT v spomínaných
oblastiach, aby boli v budúcnosti schopní navrhovať a implementovať i riešenia z oblasti
OSS, ktoré si vyžadujú komplexné znalosti z danej problematiky.
3 Záver
V tomto príspevku sa autori snažili priblížiť v krátkosti a populárnou formou základné
poznatky a pojmy z oblasti impementácie Centrálnych dohľadových systémv v rámci OSS
riešení. Predložený článok má primárne informatívny charakter a môže slúžiť ako úvod do
tejto rozsiahlej problematiky, ktorá v súčasnosti je mnohokrát diskutovaná najmä v telco
prostredí, pri zavádzaní štandardov pre IT service manažment v rámci organizácií alebo pri
potrebách dohľadu poskytovania/zabezpečenia telekomunikačných služieb, ktoré
v posledných rokoch skutočne zaznamenávajú veľký rozmach v podobe IPTV, VoIP, VoD,
mobile video cez siete 3 generácie a podobne.
Literatúra
[1] Odporúčanie TMF GB921 v4.0 pre eTOM (Enhanced Telecom Operations Map) sériu
M.3050.x aktuálne platná špecifikácia z roku 2004. Dostupné na internete:
<http://www.billingcollege.com/upload/M.3050.0.pdf>
[2] NGOSS aktuálny release 6.0 z roku 2006. Dostupné na internete:
<http://www.tmforum.org/TechnicalPrograms/NGOSSDocuments/1913/Home.html>
O autorovi
Ing. Miloš Mucha, senior konzultant pre sieťové manažmenty a OSS riešenia, NextiraOne
Slovakia, J.Hagaru 9, 831 51 Bratislava, [email protected]
Dr. Erik Urland, riaditeľ úseku profesionálnych služieb, NextiraOne Slovakia, J.Hagaru 9,
831 51 Bratislava, [email protected]
108
PARALELNÉ PROCESY V IMAGINE LOGO
PARALLEL PROCESSES IN IMAGINE LOGO
Gabriela Lovászová – Viera Palmárová
Fakulta prírodných vied, Katedra informatiky, [email protected], [email protected]
Abstrakt
Imagine Logo je moderná implementácia programovacieho jazyka Logo podporujúca
vizuálne, objektové, udalosťami riadené i paralelné programovanie. V príspevku uvádzame
prehľad príkazov používaných v Imagine Logu pri programovaní aplikácií s viacerými
procesmi. Možnosti paralelného programovania v tomto prostredí demonštrujeme na
konkrétnom interaktívnom projekte.
Abstract
Imagine Logo is a modern Logo implementation that allows visual, object-oriented, eventdriven and parallel programming. In this paper, we give an overview of the instructions used
in Imagine Logo when running parallel processes. We describe concrete interactive project
based on using several parallel processes.
Kľúčové slová
Imagine Logo, paralelné procesy
Keywords
Imagine Logo, parallel processes
1 Úvod
Súčasné operačné systémy podporujú multitasking a multithreading. Moderné programovacie
jazyky obsahujú prostriedky, ktoré programátorom umožňujú vytvárať aplikácie s viacerými
nezávislými alebo spolupracujúcimi vláknami (procesmi). Takým je aj jazyk Imagine Logo.
Použitím paralelných procesov môžeme riešenie mnohých úloh v projektoch Imagine Loga
významne zjednodušiť.
2 Paralelné procesy v Imagine Logu
V Imagine Logu existujú tri druhy procesov:
109
1. Príkazový riadok je proces, ktorý v Imagine Logu prebieha vždy. Umožňuje zadanie
príkazu používateľom a jeho vykonanie interpreterom jazyka Logo. Kým sa neukončí
vykonanie príkazu zadaného do príkazového riadku, nie je možné zadať ďalší príkaz.
2. Reakcie na udalosti sú procesy, ktoré sa spustia pri určitej udalosti viažucej sa niektorý
objekt v projekte Imagine Loga, napríklad pri stlačení tlačidla, pri kliknutí na korytnačku,
pri zmene hodnoty posúvača a podobne. Rovnako ako pri príkazovom riadku, nie je
možné reagovať na nejakú udalosť kým ešte beží iný proces reagujúci na túto udalosť.
3. Procesy spustené programom sa spúšťajú niektorým z príkazov uvedených v tabuľke 1
paralelne s procesom, v ktorom bol príkaz vykonaný, napríklad s príkazovým riadkom
alebo s reakciou na udalosť.
Tabuľka 1. Spúšťanie procesov
Príkaz
anglicky
Popis
odštartuj zoznamInštrukcií
launch
odštartujPo ms zoznamInštrukcií
after
stále zoznamInštrukcií
forever
každých ms zoznamInštrukcií
every
Spustí nový paralelný proces, ktorý
vykoná zoznam inštrukcií zadaný vo
vstupe a proces sa skončí.
Spustí nový paralelný proces, ktorý
po časovom intervale zadanom
v milisekundách v prvom vstupe
vykoná zoznam inštrukcií zadaný
v druhom vstupe a proces sa skončí.
Spustí nový nekonečný paralelný
proces, ktorý bude vykonávať zoznam
inštrukcií zadaný vo vstupe
opakovane v nekonečnom cykle.
Spustí nový nekonečný paralelný
proces, ktorý bude vykonávať zoznam
inštrukcií zadaný v druhom vstupe
opakovane každých niekoľko
milisekúnd zadaných v prvom vstupe.
Všetkým príkazom uvedeným v tabuľke 1 môžeme pridať ďalší vstup typu slovo, ktorým
pomenujeme spúšťaný proces. V tomto prípade celú inštrukciu uzavrieme do okrúhlych
zátvoriek, aby sme neštandardný počet vstupov správne priradili príkazu. Napríklad inštrukcia
(každých 100 [do 1 vp 1] “dokola)
spustí nekonečný proces s menom dokola, ktorý každých 100 milisekúnd posunie korytnačku
dopredu a otočí vpravo, takže sa bude pohybovať po kružnici nezávisle a paralelne s inými
procesmi.
110
Ak procesu nezadáme explicitne meno, bude identifikovaný svojím telom – zoznamom
inštrukcií, ktoré vykonáva. Procesy spúšťané z príkazového riadku a reakcie na udalosti majú
implicitné mená: @Riadok pre príkazový riadok a @menoObjektuUdalosť pre reakcie na
udalosti. Mená bežiacich procesov zistí operácia uvedená v tabuľke 2.
Tabuľka 2. Zoznam procesov
Operácia
anglicky
Popis
všetkyProcesy
allProcesses
Vráti zoznam všetkých momentálne
bežiacich procesov.
Napríklad ak inštrukcia zobraz všetkyProcesy vypíše nasledujúci zoznam:
[@Riadok @t1priZapnutí dokola [do 1 vl 1]]
Znamená to, že momentálne bežia štyri procesy:
•
•
•
•
príkazový riadok,
reakcia na stlačenie tlačidla t1,
proces s explicitným menom dokola,
proces s telom [do 1 vl 1].
Proces príkazového riadku existuje len jeden, rovnako ako konkrétny udalostný proces
konkrétneho objektu. Zoznam všetkých procesov teda určite nemôže obsahovať napríklad dva
procesy @Riadok alebo @t1priZapnutí, môže však obsahovať viac procesov dokola alebo viac
reakcií na udalosť priZapnutí pre rôzne tlačidlá.
Tabuľka 3. Zastavovanie procesov.
Príkaz
anglicky
zastavMa
stopMe
zastav menoProcesu
zastav zoznamInštrukcií
cancel
zastavVšetky
stopAll
Popis
Zastaví svoj vlastný proces, to znamená, že sa
môže použiť len v tele procesu.
Zastaví proces (alebo procesy) s explicitným
menom uvedeným vo vstupe alebo proces
(procesy), ktorého telo je zhodné so zadaným
zoznamom inštrukcií.
Zastaví všetky bežiace procesy.
Konečné procesy – inštrukcie zadané v príkazovom riadku, reakcie na udalosti a procesy
spustené príkazmi odštartuj a odštartujPo – skončia po vykonaní všetkých inštrukcií v ich tele.
Všetky procesy – konečné aj nekonečné – sa dajú explicitne zastaviť príkazmi uvedenými
v tabuľke 3.
111
Procesy prebiehajú v Imagine Logu z pohľadu používateľa paralelne. V skutočnosti sa
jednotlivé bežiace procesy v rámci aplikácie (projektu) striedajú. Striedanie procesov riadi
operačný systém. O tom, v ktorom momente dôjde k prepnutiu na iný proces resp. na ktorý
konkrétny proces, nemôžeme vopred robiť žiadne závery. V prípade, že správne vykonanie
programu závisí od konkrétneho poradia vykonania paralelných procesov alebo ich častí,
použijeme na zladenie činnosti procesov príkaz vykonajIba (tabuľka 4). Ním vyznačíme
kritické oblasti programu, ktoré manipulujú s údajmi, ktoré môžu byť zdieľané inými
procesmi bežiacimi v tom istom čase.
Tabuľka 4. Zladenie kritických oblastí programov.
Príkaz
vykonajIba id zoznamInštrukcií
anglicky
Popis
runCritical
Vykoná zoznam inštrukcií uvedený
v druhom vstupe iba v prípade, že
súčasne neprebieha iná inštrukcia
vykonajIba s rovnakým prvým
vstupom.
3 Ilustračný projekt
Obr. 1 Pohľad na prostredie projektu Včely
112
3.1 Zadanie
Projekt je simuláciou života včelej rodiny. Z úľa vyletujú robotnice a zbierajú nektár z kvetov
na lúke. Ak robotnica nájde kvet, zostane na ňom dve sekundy a pokračuje v lietaní a zbieraní
nektáru ďalej. Jedna zo včiel je matka. Tá nektár nezbiera. Robotnice sledujú matku a snažia
sa počas letu zdržiavať v jej blízkosti. Používateľ môže do simulácie zasiahnuť viacerými
spôsobmi (pomocou tlačidiel alebo napísaním príkazu do príkazového riadka):
•
•
•
•
•
•
vypustiť z úľa novú robotnicu
poslať všetky včely naspäť do úľa
vypustiť všetky včely z úľa von
pokosiť lúku resp. vysadiť ďalšie kvety
odstrániť niektorú z robotníc (náhodne zvolenú) resp. odstrániť všetky robotnice
získať informáciu o momentálnej situácii na lúke (ktoré robotnice práve lietajú, ktoré
sedia na kvete, ktorá koľko nektáru nazbierala)
3.2 Lietanie matky
Po otvorení projektu sa vykoná automaticky príkaz start. Objekt triedy Matka má definovaný
príkaz let, ktorým sa odštartuje proces realizujúci lietanie včely – matky po stránke. Meno
procesu vytvoríme z mena objektu a prípony leti.
viem start
m1'let
koniec
viem krok
vp -20+nahodne 40
do 3
koniec
viem let
(kazdych 50 [krok] slovo mojeMeno "leti)
koniec
Ak po otvorení projektu napíšeme do príkazového riadku inštrukciu (objekt sa volá m1):
zobraz vsetkyProcesy
tak sa vypíše
[@Riadok m1leti]
3.3 Vytvorenie novej robotnice
Na obrázku 1 lieta po lúke niekoľko robotníc, používateľ môže stlačením tlačidla pridať
ľubovoľný počet ďalších robotníc. Ihneď po vytvorení robotnica vyletí z úľa (odštartuje sa
nový nezávislý proces, ktorý riadi lietanie po lúke). Pri zapnutí tlačidla t1 (nová robotnica) sa
vykonajú inštrukcie:
113
nova "robotnica []
pre noveMeno [let]
3.5 Lietanie robotníc
Trieda Robotnica je odvodená od triedy Matka. Na rozdiel od matky, robotnica lieta po lúke
„inteligentne“. Podľa nastavenia hodnoty odchýlky na posúvači sa pri lietaní rozhoduje, či
urobí krok smerom k matke alebo krok náhodne zvoleným smerom (tak ako to robí matka).
Čím je hodnota premennej odchýlka (je to spoločná premenná triedy) menšia, tým viac sa
robotnice „snažia“ dostať bližšie k matke:
viem krok
ak2 (nahodne odchylka)=0
[nechSmer smerk prvy vsetkyOd "matka do 3]
[obvykle'krok]
koniec
Keďže robotnica sa pri lietaní správa inak ako matka, má predefinovaný príkaz let. Proces
riadiaci lietanie každých 50 milisekúnd vykoná príkaz krok a skontroluje, či včela práve
nenašla červený kvet. Ak áno, vykoná príkaz cucaj a sám seba ukončí (včela sedí na kvete,
nemôže preto letieť ďalej)
viem let
(kazdych 50 [krok ak farbaBodu="cervena [cucaj zastavMa]] slovo mojeMeno "leti)
koniec
viem cucaj
nechKolko kolko+1
(odstartujPo 2000 [let] slovo mojeMeno "cuca)
koniec
V príkaze cucaj si robotnica zapamätá, koľký kvet v poradí práve navštívila a zostane na kvete
sedieť dve sekundy. Po dvoch sekundách bude opäť pokračovať v lietaní (príkazom let
spustíme príslušný nový proces).
3.5 Zrušenie robotnice
Robotnice môžeme kedykoľvek všetky zrušiť. Pri zapnutí tlačidla t2 (zruš robotnice) sa
vykoná inštrukcia:
zrusObjekt vsetkyOd "robotnica
Okrem toho môžeme simuláciu skomplikovať spustením ďalšieho paralelného procesu, ktorý
náhodne vyberie niektorú z robotníc a zruší ju. Zrušením objektu sa ukončia aj všetky procesy
spustené pre príslušný objekt.
Reakcia na udalosť priZapnutí tlačidla t4 (osud):
vykonajIba 1 [zrusObjekt ?prvok vsetkyOd "robotnica]
114
3.6 Hlásenie stavu
Do príkazového riadku môže používateľ kedykoľvek napísať niektorú z inštrukcií:
zobraz hlasteStav vsetkyOd “robotnica
zobraz hlasteStav ktoLeti
zobraz hlasteStav ktoCuca
Imagine vypíše informáciu, koľko jednotlivé robotnice zo zoznamu všetkých robotníc (resp.
zo zoznamu práve letiacich alebo práve sediacich na kvete) navštívili kvetov. Robotníc môže
byť v projekte veľmi veľa, výpis môže trvať aj niekoľko sekúnd. Ak by počas vypisovania
informácií o robotniciach bola niektorá z robotníc iným procesom zrušená, došlo by ku chybe
(nie je možné posielať správy objektu, ktorý neexistuje). Z tohto dôvodu je potrebné
v procese, ktorý ruší robotnicu, ako aj v procese, ktorý vypisuje hlásenie, použiť príkaz
vykonajIba:
viem hlasteStav :ktore
zmazpv
vykonajIba 1
[
prePrvky "k :ktore [zo (slovo :k "| nazbierala | (pre :k [kolko])) cakaj 100]
]
koniec
3.7 Z úľa a do úľa
Príkazom doUla zastavíme všetky bežiace procesy a presunieme všetky včely do úľa (na
domovskú pozíciu).
viem doUla
preKazdu vsetkyOd "matka [domov nechvuli "ano nechkolko 0]
zastavVsetky
koniec
Príkazom zUla vypustíme všetky včely (ak sú v úli t. j. nelietajú) z úľa:
viem zUla
preKazdu vsetkyOd "matka [ak vuli [let nechvuli "nie] ]
koniec
3.8 Sadenie kvetov na lúke
Vysádzanie kvetov riadi samostatný proces, ktorý používateľ odštartuje zapnutím tlačidla t3
(kvety):
( sadic'kazdych 100 [nechpoz ? odtlac] "sadi )
Vysádzanie kvetov je možné aj zastaviť vypnutím tlačidla t3:
zastav "sadi
115
4 Záver
Ilustračný projekt, ktorý sme predstavili, využíva všetky typy procesov použiteľných v jazyku
Imagine Logo. V projekte súčasne bežia aj také procesy, ktoré zdieľajú tie isté údaje, čo môže
spôsobiť situáciu známu z teórie operačných systémov ako „race condition“ (súbeh). Výskyt
chyby, ktorá je následkom tejto situácie, a jej odstránenie vyznačením kritických častí kódu sa
dá v projekte názorne demonštrovať.
Literatúra
TOMCSÁNYI, P. 2007. Synchronizing Processes in Imagine Logo: Why and How. In:
EuroLogo 2007 – 40 Years of Influence on Education : Proceedings of the 11th European
Logo Conference. Bratislava : Knižničné a edičné centrum FMFI UK, 2007. s. 78. ISBN 97880-89186-20-4
KLIMEŠ, C. – BALOGH, Z. 2005. Princípy operačných systémov. Nitra: FPV UKF, Edícia
Prírodovedec č. 186, 2005. 154 s. ISBN 80-8050-894-1
O autoroch
RNDr. Gabriela Lovászová, PhD., Katedra informatiky FPV UKF v Nitre, Trieda
A. Hlinku 1, 949 74 Nitra, [email protected]
PaedDr. Viera Palmárová, Katedra informatiky FPV UKF v Nitre, Trieda A. Hlinku 1, 949 74
116
PODNIKOVÁ ARCHITEKTURA, INFORMAČNÍ
TECHNOLOGIE A PODNIKOVÝ MANAGEMENT
ENTERPRISE ARCHITECTURE, INFORMATION
TECHNOLOGY AND BUSINESS MANAGEMENT
Ivana Rábová
Univerzita Knštantína Filozofa v Nitre, Fakulta prírodných ved, Ústav informatiky
Abstrakt
Podniková architektura je nástroj, který pomůže exekutivě přemýšlet o organizaci jako celku.
Zahrnuje širokou rozmanitost informací, určuje vztahy mezi různými dokumenty, tabulkami a
diagramy a ukládá všechny tyto informace společně do jednoho celku (repository) tak, aby si
manažeři mohli prohlížet vztahy, pokládat otázky, identifikovat problémy nebo spouštět
simulace. V příspěvku přibližuji podstatu, analýzu, modelování a význam podnikové
architektury pro podnikové řízení.
Abstract
The business architecture is the concept that helps to thinkoverthe whole organization.It
includes large-scale information, it determines the relationships between different documents,
tables and diagrams and puts it in one cmplex (repository. Than managers could make the
acquaintance of relationships, ask the questions, identificate problems or run simulations.
The article deals with essence, analyse, modeling and the business architecture importance in
business management.
Klíčová slova
Podniková architektura, podnikové modelování, podnikový proces, informační technologie,
UML.
Keywords
Business architecture, business modeling, business process, information technology, UML.
1 Úvod
Silné konkurenční prostředí, malý domácí trh a především nízká produktivita práce vede
management našich podniků k nutnosti provést radikální změny ve svých podnikových
procesech. Úspěšné řízení zásadních změn v produktivitě našich podniků je spojeno
s nástupem profesionálních metod v podnikovém řízení, v trvalém měření a následném
vyhodnocování jednotlivých podnikových procesů. Kvalita řízení procesních změn závisí na
117
kvalitě analytických výstupů a schopnosti podnikového managementu spustit a efektivně řídit
proces nezbytných změn. Ozbrojeny touto informací mohou řídící orgány provádět
informovaná rozhodnutí o tom, jak optimalizovat tyto procesy, a IT personál může navrhnout
odpovídající řešení.
Nejbohatším zdrojem informací jsou data, která sbírá a uchovává podnikový informační
systém. Ten je nedílnou součástí podniku a jeho podoba je závislá na podnikových procesech,
které podporuje. Význam analýzy podnikových potřeb a zvyklostí s ohledem na druh výroby
není třeba zdůrazňovat. Analýzu lze provádět mnoha způsoby a mnoha nástroji. Než
organizace začne navrhovat, optimalizovat a automatizovat své podnikové procesy, je nutné
zanalyzovat a zhodnotit procesy existující. Modelování podnikových procesů může pomoci
podnikovým analytikům rychle shromáždit a objektivně analyzovat informaci o operacích
organizace a efektivně komunikovat o této informaci s exekutivou a IT personálem a
poskytuje mechanismus pro zahrnutí klíčových podnikových znalostí, pro popis a identifikaci
problémů v aktuálních operacích.
Vytvořený model, který popisuje stav v okamžiku, kdy byla analýza provedena, často
nezachytí tyto změny v čase. V reálné situaci se podnik dynamicky vyvíjí a neustále
přizpůsobuje svou strukturu a fungování měnícím se potřebám a vnějším podmínkám. Má-li
proto model podnikových procesů mít praktický význam a použitelnost např. pro
implementaci informačního systému, musí být schopen dynamicky se měnit v souladu se
změnami podnikového organizmu, který prezentuje.
Existence dynamického modelu podnikových procesů však sama o sobě ještě nemusí být
velkým přínosem pro implementaci IS podniku. Rozhodujícími faktory jsou v tomto případě
jednak flexibilní podniková architektura a dále metoda nebo nástroje pro přenos modelu
podniku do konkrétní struktury algoritmů implementovaného informačního systému.
2 Podniková architektura
Co to je podniková architektura
Termín „podniková architektura býval používán po mnoho let v oblasti IT pro to, jak ukázat
různé typy pohledů na provoz podniku a jak poskytnout průvodce pro vývojáře softwarových
systémů a podpůrných aplikací.
V polovině 90. let termín architektura začal být používán podnikovými manažery, speciálně
těmi, kteří byli zapojeni do podnikového plánování a do projektů reengineeringu podnikových
procesů pro popis celkového pohledu na podnik. Někteří manažeři se začali zmiňovat o
popisu vysoké úrovně abstrakce všech základních podnikových procesů v organizaci jako o
„architektuře nebo modelování podnikových procesů“. Dnes se vžil spíše název „ podniková
architektura“ a tímto termínem se rozumí zevrubný popis všech klíčových prvků a vztahů ,
které tvoří organizaci.
118
Ve svých článcích vycházím z definice architektury podle IEEE standardu 1471-2000 (IEEE
Computer Society, 2000). Tedy: Podniková architektura je koherentní celek principů, metod a
modelů, které jsou použity v návrhu a realizaci podnikové organizační struktury, podnikových
procesů, informačních systémů a infrastruktury.
V příspěvku poskytuji několik slov tvorbě architektury, postupům a modelování jejích
konceptů. Základním zaměřením je však význam tohoto dokumentu pro management podniku
a jeho místo v podnikové informační strategii.
Modelování podnikové architektury
Přední světové metodiky v různých modifikacích využívají procesní modelování jako úvodní
krok zahájení analytických prací. Právě toto modelování je počáteční fází mnoha
softwarových projektů. Zejména při tvorbě úvodní studie je výhodné využít diagramy
popisující firemní procesy. Pro zadavatele informačního systému jsou dobře pochopitelné a
může se využít spolupráce se zákazníkem. Procesním modelováním se zabrání tomu, že
zákazník opomine spoustu souvislostí a požadavků, které ovlivní návrh informačního
systému. Zákazník se aktivně účastní mapování svých procesů a tím vytváří zadání pro
analýzu a design softwarové aplikace (Rábová, 2003, 2004).
Před lety bylo procesní modelování úlohou pro tužku a papír a byly vyhotovovány
nekontrolovatelné a různorodé výsledky, které bylo obtížné sdílet nebo modifikovat. Během
minulých dvou dekád se toto vyvinulo do dobře definovaných a na standardech založených
metodologií podporovaných širokou řadou nástrojů. Dnes je modelování jedna
z nejefektivnějších technik pro pochopení a komunikaci nejen podnikových procesů ale i
pravidel a dalších důležitých konceptů.
Za nejefektivnější přístup k modelování podnikové architektury považuji modelování pomocí
rozšiřujících mechanismů jazyka UML, který zveřejnili Eriksson a Penker v roce 2000
(Eriksson, Penker, 2000). Tento návrh obsahuje několik podnikových konceptů, jejichž
kombinací lze namodelovat podnik z mnoha pohledů a nabízí zajímavý metamodel podniku
složený z podnikových cílů, zdrojů, procesů a pravidel. Ve svých publikacích jsem detailněji
rozpracovala diagramy podnikových konceptů podle tohoto přístupu a doplnila je o ještě
formálnější vyjádření pomocí matematického aparátu. Současně velmi důkladně popisuji
vlastnosti a vztahy všech čtyř základních podnikových konceptů a doplňuji je o další
souvislosti v kontextu podnikového okolí.
Podniková architektura v kontextu řízení podniku
Na obrázku Obr. 1 je podniková architektura zasazena do kontextu řízení podniku. Ve vrcholu
pyramidy je poslání podniku: Proč existujeme? Vize stanovuje „image do budoucna“,
hodnoty, které podnik vlastní. Strategie je cesta k dosažení poslání a vizí podniku. Ta je
převedena do konkrétních cílů, které dávají směr a poskytují milníky v uskutečňování
strategie. Převod těchto cílů do konkrétních změn v rutinních operacích podniku je místo, kde
119
se do hry dostává podniková architektura. Nabízí holistickou perspektivu aktuálních a
budoucích operací a akce, které by se měly uskutečnit, aby se dosáhlo stanovených cílů.
Vedle architektury jako „hrubé“ části podniku je na obrázku také její „soft“, jemná část, její
kultura, která je formována lidmi a vedením a má stejnou, ne-li větší důležitost v dosahování
cílů. Porozumění podniku poskytované dokumentem podnikové architektury je potřebné na
jedné straně pro stanovení potřeb a priorit při neustálých změnách prostředí, na druhé straně
zhodnocuje, jak společnost může vyjít vstříc technologickým inovacím. Navíc, v dnešním
světě komunikací se žádný podnik nemůže soustředit jen na své vlastní operace. Architektura
je hodnotným vkladem pro spojení se zákazníky, dodavateli a ostatními partnery. Nejlepším
dokladem je outsourcing, ať už podnikových procesů nebo IT operací.
Poslání
Vize
Strategie
„as is“
„to be“
Cíle
Podniková
architektura
Produkty
Postupy
Kultura
(vedení, lidé)
Operace
Procesy
IT
Lidé
Obr. 1 Podniková architektura a řízení podniku (Lankhorst, 2005)
Kromě výše jmenovaných vnitropodnikových podnětů pro existenci dokumentu podnikové
architektury existuje také vnější celosvětový trend, který tlačí organizace k přijetí praktik
souvisejících s podnikovou architekturou. Je požadováno, aby společnosti a státní instituce
mohly prokázat, že mají jasno ve svých operacích a finančních transakcích, které jsou
v souladu se zákony.
120
V USA existuje požadavek, známý jako Information Technology Management Reform Act,
který vyzývá, aby všechny vládní a státní agentury měly IT architekturu, která je zde
definovaná jako “integrovaný framework pro vyvíjení a udržování existujících IT a
osvojování si nových IT pro dosažení strategických cílů a cílů managementu informačních
zdrojů“. Tento The Clinger-Cohen Act je důležitým stimulem pro vývoj podnikové
architektury jako discipliny, nejen v kontextu státní správy, ale obecně.
Ačkoliv většina evropských vlád neukládá takový striktní požadavek svým úřadům, tyto
praktiky zasahují Evropu také. Hlavní adekvátní framework známý jako Base II schválený
v roce 2004 centrální regulační bankou a vedením autorit ve skupině G10 ukládá bankovním
organizacím s ohledem na jejich řízení finančních rizik, aby podporovaly stabilitu ve
finančním světě. Tento framework Base II schvaluje přísnou regulaci bank v termínech
měření a řízení rizik s rozsáhlými implikacemi jak do organizací, tak do jejich IT systémů.
Tento požadavek bude jen těžko splnitelný bez důkladného architektonického přístupu.
Jak vnitřní strategické, tak vnější podněty zdůvodňují jasný trend pro použití a zavedení
postupů podnikové architektury a pro její popularizaci, která je vzhledem k absenci jakékoliv
sofistikované publikace na našem trhu vcelku mizivá.
Poznámka
Lze pozorovat,že oblast modelování firemních procesů a oblast modelování informačních
systémů vytvářejí relativně uzavřené světy,které si v některých ohledech dokonce konkurují.
Analytici z obou skupin považují svoji problematiku za komplexnější a pro firmu zásadnější.
Filosofie první skupiny odborníků se opírá o fakt, že firmu tvoří především její procesy. S nimi
firma stojí a padá,v jejich efektivnosti se odráží hospodářský výsledek a tedy i otázky bytí či
nebytí firmy. Poznání a následné zlepšování či restrukturalizace procesů, je tedy,
v současném vysoce konkurenčním prostředí, nezbytným předpokladem existence firmy.
Druhá skupina odborníků, zaměřená především na informační technologie, se opírá o fakt, že
výrazného zvýšení efektivnosti hospodaření lze dosáhnout především automatizací rutinních
činností. Obě skupiny odborníků se však snaží nalézt univerzální nástroj, metodu a techniku
dané oblasti. Unifikace a standardizace totiž vede k mnohem širší podpoře ze strany výrobců
softwarových nástrojů a samozřejmě i k rozšíření standardu mezi koncové uživatele.
V oblasti IT technologií se takovým standardem stal Unified Modeling Language (dále UML)
[UML 2002 ] a v oblasti Business Modeling se o to samé snaží konsorcium Business Process
Management Initiative s novým standardem Business Process Modeling Language (BPML)
[BPMI 2003 ]. Je zajímavé sledovat, ve kterých ohledech se oba přístupy doplňují, ve kterých
se překrývají a kde jsou dokonce v rozporu. Nelze jednoznačně říci, že by si vzájemně
konkurovaly, ale také rozhodně nejde o navazující řešení. Přitom o faktické návaznosti
modelování IT architektur na modelování firemních procesů z hlediska existence firmy,
firemních procesů, jako nástroj BPI a BPR nutně předchází modelování IS.
121
Metodika postupu při tvorbě podnikové architektury je v rukou každého manažera.
Doporučený je následující postup, který je v podstatě obsažen ve všech dostupných modelech
a přístupech. Nejdůležitější je shodnout se v potřebě existence takového dokumentu a stanovit
v organizační struktuře odpovědný tým. Ten vybere přístup, většinou svázaný se šablonou
nebo frameworkem a nástrojem pro modelování. Na základě současného stavu pak vytvořit
stav budoucí nebo cílový. Nedílnou součástí metiodického doporučení je průběžně rozšiřovat
a udržovat podnikovou architekturu a zahrnout ji jako podstatnou část informační strategie
podniku.
Uspořádání podnikových procesů a informačními systémy
Podniková strategie a cíle
Podniková architektura a definované procesy
Proces
objednávky
Aplikace
CRM
Databáze
CRM
Proces
dodávky
Proces
zakázky
Aplikace
SCM
Proces
placení
Aplikace
ERP
Databáze
SCM
Databáze
ERP
Obr. 2 Podniková architektura a podnikový informační systém
Pohled vztahů mezi procesy, aplikacemi a databázemi je přirozeným výstupem podnikové
architektury, vztahy mezi jednotlivými aspekty velmi srozumitelně a bez potřeby následného
komentáře ukazuje Obr. 2. Příliš mnoho organizací bez úplné architektury spojují aplikace
s odděleními nebo specifickými funkcemi. Klíčem k dobře organizované architektuře jsou
122
cíle, které jsou sledované přes úrovně detailů a sadu podnikových procesů které poskytují
přehled práce a výstupů organizace. Společně tato informace objasňuje jak jsou procesy
spojeny, přímo nebo nepřímo se zákazníky a jak dosahují specifických organizačních cílů.
3 Závěr
Původní cíl procesního modelování resp. modelování podnikové architektury je graficky
ilustrovat, co se aktuálně děje v organizaci. Jaké aktivity jsou zahrnuty při dosahování jejích
podnikových cílů, co udělat, aby se aktivity staly, a co udělat, aby byly objeveny? Jaké
aktivity jsou zahrnuty v interakci se subjekty zvnějšku systému, jako jsou dodavatelé a
zákazníci? Které faktory řídí tyto aktivity? Jaké informace jsou potřeba a jaké informace jsou
produkovány? Znovu shrnuji: podniková architektura je nástroj, který pomáhá exekutivě
přemýšlet o organizaci jako celku. Podniková architektura obsahuje širokou kolekci informací
a spojuje je dohromady do jedné databáze nebo repository tak, aby manažeři mohli pak vidět
vztahy a pokládat otázky k identifikaci problémů nebo provádět rozhodnutí o změnách které
jsou uvažovány.
Co lidé vlastně dělají, když transformují své procesy a organizace, co se vlastně
transformováním organizace rozumí? Je to osvojování si nových technologií, zásadní úpravy
podnikové strategie, reengineering podnikových procesů, fůze a akvizice, změny organizační
struktury a proměny organizace v různé druhy podnikatelských jednotek, úsilí o významnější
zlepšení inovačních činností, změny kultury. Lidé si často neumí se změnami poradit, dělají
předvídatelné i nepředvídatelné chyby, ty se opakují a v době rychlých změn mohou být
znepokojující. Podniková architektura slouží v takových situacích jako významný průvodce a
pomocník.
V průběhu několika příštích let podniková architektura se vyvine do jednoho z hlavních
nástrojů na které se organizace mohou spolehnout pro řízení změn. Bude se soustřeďovat
podnikové a IS manažery aby jim umožnila diskutovat o cílech organizace, podnikových
procesech a uspořádání organizace. Podniková architektura zajistí aby všechny nezbytné
informace byly lokalizovány na jednom místě a indexovány k podnikovým procesům.
Schopnosti simulace poskytované softwarovými nástroji pro podnikovou architekturu budou
podporovat zabezpečení, že manažeři mohou rychle spustit simulace aby zhodnotili důsledky
scénáře jakékoliv specifické změny. Jinými slovy je podniková architektura první krok
směrem k podniku, který může reagovat v reálném čase. To vybavuje manažery základem,
který budou potřebovat k rychlému provádění klíčových rozhodnutí kterým budou čelit
v budoucnu.
Literatúra
(BPMI, 2003): http://xml.coverpages.org/ni2003-08-29-a.html [cit. 02.03.2006]
ERRIKSON, H., PENKER, M. (2000): Business Modeling with UML, Wiley Publishing,
2000, ISBN 0-471-29551-5
IEEE Computer Society, (2000): IEEE std 1471-2000: IEEE Recomended Practise for
Architecture description of Software-Intensive Software, IEEE, New York
123
LANKHORST, M. (2005): Enterprise Architecture at Work, Springer-Verlag Berlin
Heidelberg, 2005, ISBN 3-540-24371-2
RÁBOVÁ, I. (2003): Modelování podnikových procesů využitím základních a rozšířených
diagramů aktivit UML, Acta Universitatis, LI, 6, 2003, s. 251-258, ISSN 121-185-16
RÁBOVÁ, I. (2004): Dokument podnikové architektury a konkurenceschopnost podniku, In
sborník z konference Firma a konkurenční prostředí, 2004, Brno, str. 154 – 161, ISBN 807302-079-3.
RÁBOVÁ, I. (2006): Podniková architektura, analýza, modelování a význam pro řízení
podniku, Habilitační práce, MZLU 2006
O autorovi
Doc. Ing. Ivana Rábová, Ph.D.
Mendelova zemědělská a lesnická univerzita v Brně, Provozně-ekonomická fakulta, Ústav
informatiky
Univerzita Konstantína Filozofa v Nitře, Fakulta prírodných ved, Ústav informatiky
[email protected]
124
QUO VADIS, PROGRAMOVANIE
QUO VADIS, PROGRAMMING
Skalka, Ján
Fakulta prírodných vied, Katedra informatiky , [email protected]
Abstrakt
Príspevok je zameraný na možnosti zvyšovanie úrovne a skvalitňovanie obsahu i formy
vzdelávania v oblasti programovania. Orientuje sa na vyučujúcich a prostredníctvom nich i
študenti stredných a vysokých škôl. Kladie si za cieľ popis aktuálneho stavu a možnosti foriem
automatizovaného vyučovania (zadávania i testovania vedomostí) v oblasti algoritmických a
programátorských zručností a implementácia výsledkov v praxi (LMS prostredie).
Kľúčové slová
programovanie, objektovo orientované programovanie, automatizácia, testovanie algoritmov,
e-learning
Keywords
programming, object oriented programming, automation, testing of algorithms, e-learning
1 Súčasný stav
S programovaním prichádzajú študenti po prvý raz do kontaktu zvyčajne na stredných
školách a podľa našich zistení overených praxou patrí medzi jednu z najmenej flexibilných
a najpomalšie sa moderným prostriedkom prispôsobujúcich oblastí.
Ako najvhodnejší jazyk disponujúci mnohými vlastnosťami uľahčujúcimi výučbu
programovania, sa na mnohých stredných školách využíva Pascal. Táto alternatíva je podľa
nás jednou z najefektívnejších, no prostredie, ktoré sa napriek mnohým proklamovaným
vyjadreniam stále využíva, je DOSovské prostredie Turbo Pascalu.
V súčasnosti sa na viacerých stredných školách začala využívať učebnica A. Blaha
Programovanie v Delphi. Takisto je k dispozícii i publikácia Informatika (Skalka – Klimeš –
Lovászová – Švec), určená pre stredné školy, v ktorej je viac ako 150 strán venovaných
programovaniu a porovnávaniu programovania v Turbo Pascale a Borland Delphi, ktorá bola
vytvorené i v rámci projektu KEGA 3/3041/05: Projekt zvýšenia kvalifikácie súčasných i
budúcich učiteľov základných a stredných škôl v oblasti programovania.
Na KI FPV UKF v Nitre bola počas predchádzajúcich troch rokov upravená metodika výučby
programovania tak, aby študenti prichádzali do styku s modernými vývojovými prostrediami
už od prvého semestra. Od počiatku sa stretávajú s udalosťami riadeným programovaním,
ktoré využívajú ako pri algoritmizácii, tak i pri oboznamovaní sa s programátorskými
technikami. Výučba je realizovaná prostredníctvom LMS, ktorého kurzy dosiahli niekoľko
ocenení. Na základné vedomosti nadväzujú predmety Objektovo orientované programovanie
a Programovanie databázových systémov.
125
Počas ostatných piatich rokov prebehla výučba programovania viacerými spôsobmi.
Modernizácia začala zverejnením učebných materiálov v elektronickej podobe a využívaním
webových generátorov zadaní pre predmety Objektovo orientované programovanie
a Programovanie databázových systémov, kde študenti riešili v rámci prípravy na štúdium
zadania programátorských úloh náhodne generovaných z rozsiahlej databázy a vyučujúci ich
na základe kontroly hodnotili a prostredníctvom webového systému o hodnotení informovali.
Zásadný zlom nastal pri začlenení elektronického kurzu do prostredia LMS, v ktorom bol
vytvorený samostatný modul umožňujúci vkladanie a generovanie úloh z databázy. Súčasne
s prechodom do LMS sa metodika začala uplatňovať i na predmety Algoritmy a štruktúry
údajov I. a Algoritmy a štruktúry údajov II., ktoré sú vyučované v 1. ročníku. Realizácia
metodiky priniesla ovocie a relevantne sa zvýšila i vedomostná úroveň absolventov predmetu,
no tento prístup predstavoval neúmerné časové i psychické zaťaženie pre vyučujúcich, ktorí
boli nútení odovzdané riešenia kontrolovať i nad rámec pracovného času (počet študentov bol
niekoľkonásobne vyšší a úlohy boli generované každý týždeň podľa prebranej témy).
Počas školského roka 2006/2007 sa preto rozsiahle opravovanie úloh obmedzilo na niekoľko
krátkych a dva rozsiahle testy, no výsledky študentov možno oproti predchádzajúcemu
školskému roku subjektívne hodnotiť ako slabšie.
Vyučujúci programovania sa preto v súčasnosti snažia o spojenie výhod automatizovaného
generovania zadaní s automatizovaným hodnotením riešení, ktoré by dokázali dostatočne
kvalitne pripraviť študentov, no neboli by náročné na čas vyučujúcich.
2 Možnosti skvalitnenia výučby
Možnosti ďalšieho skvalitnenie výučby je potrebné zamerať na zvyšovanie úrovne a
skvalitňovanie obsahu i formy vzdelávania. Cieľovou skupinou musia byť v prvom rade
vyučujúci a prostredníctvom nich i študenti stredných a vysokých škôl, pričom trojicu
hlavných cieľov predstavuje:
• vytvorenie nových a rozšírenie existujúcich učebných materiálov určených pre stredné
a vysoké školy,
• šírenie osvety v oblasti programovania a ďalšie vzdelávanie súčasných i budúcich
učiteľov programovania,
• automatizácia vyučovania programovania a jej implementácia v prostredí
elektronických kurzov.
Ciele stavajú na výsledkoch a skúsenostiach získaných počas riešenia projektu KEGA
3/3041/05, vďaka ktorému boli vytvorené učebné texty a elektronické kurzy programovania
(ocenené niekoľkými cenami) a prebehlo dlhodobé školenie skupiny vyučujúcich
programovania.
Následne možno ciele rozdeliť do nasledovných čiastkových cieľov V oblasti tvorby
a rozširovania učebných materiálov a ďalšieho vzdelávania učiteľov sú to:
• vytvorenie publikácie Základy objektovo orientovaného programovania v Delphi
určenej primárne učiteľom stredných škôl a študentom učiteľských aprobácií
s informatikou a sekundárne nadaným študentom stredných škôl. Cieľom
publikácie je poskytnutie nadstavbových vedomostí pre učiteľov programovania,
ktorého základný obsah bol pokrytý v rámci už spomenutého projektu,
126
•
•
•
•
•
organizácia školení (začiatočníci, pokročilí), ktoré sa osvedčili ako z hľadiska
zmapovania vedomostí i myslenia učiteľov programovania na SŠ, tak i z hľadiska
propagácie nových myšlienok a výmeny skúseností účastníkov s riešiteľmi
projektu i navzájom,
poskytnutie e-learningových kurzov programovania a následná podpora
vyučujúcich, skvalitňovanie a úpravy poskytnutých materiálov (pilotná realizácia
prebieha už počas školského roka 2007/08 na Gymnáziu v Žiari nad Hronom),
multimedializácia elektronických materiálov spočívajúca vo vhodnej úprave
dizajnu modelov sledovacích tabuliek, prostredníctvom ktorých sa najčastejšie
vysvetľuje činnosť algoritmu a programu,
rozšírenie a úprava animácií využívaných v úvodných lekciách programovania
primárne na zoznámenie sa s prostredím a technikami používaného vývojového
prostredia,
z dôvodu prispôsobovania sa požiadavkám trhu a komerčnej sféry úprava
učebných plánov i materiálov tak, aby sa nosným jazykom programovania na KI
FPV UKF stal jazyk Java. Výučbu tohto jazyka primárne predpokladáme
realizovať v neučiteľskom štúdiu aplikovanej informatiky, pričom jeho vhodnosť
pre učiteľské aprobácie (a tým pádom i transfer do výučby na stredných školách)
bude posúdená na základe skúseností vyučujúcich,
V oblasti automatizácie vyučovania programovania a na základe skúseností získaných počas
vývoja a využívania niekoľkých vlastných a napokon univerzálneho LMS, možno čiastkové
ciele definovať nasledovne:
• analyzovať a vymedziť možnosti automatizovanej kontroly na základe učebných
plánov a ich obsahu,
• navrhnúť a do LMS implementovať modul, ktorý bude schopný kontroly
správnosti riešení (zdrojových kódov programov) odovzdaných študentami,
• navrhnúť a implementovať algoritmy odhaľujúce nekalú činnosť študentov
(okopírované a mierne upravené cudzie riešenia),
• otestovať relevantnosť použitia modelu v praxi pri výučbe predmetu
Programovanie na KI FPV UKF (cca 200 študentov počas jedného semestra),
• analyzovať ďalšie možnosti vytvoreného nástroja, ktoré môžu byť využiteľné na
automatizovanú tvorbu zadaní, zvýšenie variability zadaní, automatizovanú tvorbu
riešení využiteľnú počas prípravy študenta atď.,
• otestovať nástroj v prostredí strednej školy a posúdiť možnosti jeho nasadenia
i v tomto prostredí.
3 Záver – očakávané výsledky
Po dosiahnutí vytýčených cieľov budú prínosy spočívať v:
• pre priame využívanie učebných materiálov a elektronických kurzov vyučujúcimi
a ich študentami:
o publikácia Základy objektovo orientovaného programovania v Delphi, ktorá
bude určená učiteľom SŠ, ich nadaným žiakom a študentom učiteľských
aprobácií KI FPV UKF,
127
•
o organizácia školení/seminárov pre učiteľov začiatočníkov i pokročilých pri
práci v prostredí Borland Delphi,
o tvorba, resp. rozširovanie elektronických kurzov orientovaných do oblasti
programovania a ich poskytovanie stredným školám,
o prispôsobenie/úprava učebných osnov požiadavkám praxe a ich úprava tak,
aby bolo možné využívať ako nosný programovací jazyk na KI FPV UKF
jazyk Java,
o vytvorenie elektronických kurzov orientovaných na výučbu programovacieho
jazyka Java,
o analýza možností nasadenia programovacieho jazyka Java na stredných
školách,
analýza a testovanie možností automatického generovania zadaní a testovania riešení
úloh orientovaných na programovanie:
o analýza možností automatického testovania vzhľadom na tematické celky,
o návrh a implementácia modulu LMS zabezpečujúca automatizovanú kontrolu
riešení a ich hodnotenie,
o návrh a implementácia algoritmov na kontrolu duplicít, resp. multiplicít
a určenie percenta podobnosti v kontrolovaných zadaniach,
o otestovanie zmysluplnosti využívania modelu v praxi,
o analýza možností navrhnutého riešenia pri parametrizácii zadaní (vytvorenie
jazyka/gramatiky zvyšujúceho variabilitu generovaných zadaní) a generovaní
zdrojového kódu na základe vlastného zadania.
O autorovi
Mgr. Ján Skalka, PhD., Katedra Informatiky FPV UKF v Nitre, Trieda A. Hlinku 1, 949 74
128
APLIKACE UMĚLÉ INTELIGENCE V EKONOMICKÉ
OBLASTI
THE APPLICATION OF ARTIFICIAL INTELLIGENCE IN
THE FIELD OF ECONOMICS
Jiří Šťastný, Martin Pokorný, Arnošt Motyčka
Provozně ekonomická fakulta, Ústav informatiky
[email protected], [email protected], [email protected]
Abstrakt
Příspěvek vymezuje základní směry výzkumu v oblasti umělé inteligence na Ústavu
informatiky Provozně ekonomické fakulty MZLU v Brně. Metody a technologie umělé
inteligence jsou aplikovány na ekonomických případech z praxe. Detailněji jsou popsány dva
v současné době řešené projekty, diagnostický systém hodnocení podnikové finanční situace
neuronovými sítěmi v podobě klasifikační úlohy a regresní a predikční úloha řešená
evolučními metodami.
Abstract
The paper defines key research specialization of artificial intelligence at the Department of
informatics, Faculty of Business and Economics MUAF in Brno. The artificial intelligence
methods and technologies are applied to practical economical cases. Two contemporary
projects are described in detail, the diagnostics system of business financial situation
evaluation based on classification task, and the regression and prediction task solved by
evolutionary methods.
Klíčová slova
umělá inteligence, ekonomie, klasifikace, predikce, regrese, neuronové sítě, evoluční metody
Keywords
artificial intelligence, economics, classification, prediction, regression, neural networks,
evolutionary methods
129
1 Umělá inteligence na ÚI PEF MZLU v Brně
Výzkum v oblasti umělé inteligence na ÚI PEF MZLU v Brně sleduje převážně ekonomickou
aplikaci s cílem podpory podnikových rozhodovacích procesů na strategické úrovni řízení.
Ekonomická orientace vychází z celkového zaměření fakulty a z možnosti spolupráce
s ostatními fakultními pracovišti. Jednotlivé směry výzkumu jsou vymezeny v následujícím
přehledu, uvedeny jsou též odkazy na publikace vztahující se k umělé inteligenci z posledních
pěti let 5:
Predikce vývoje ekonomických ukazatelů
Predikce budoucího vývoje ekonomických ukazatelů je řešena v rámci modelu pro odhad
trendu vícevrstvou perceptronovou neuronovou sítí (MLP) a dále využitím evolučních
algoritmů jako obecných optimalizačních metod. Novinkou je řešení regresní úlohy pomocí
gramatické evoluce. Odkázat lze na následující publikace: Cepl (2006), Cepl a kol. (2007),
Konečný (2006a, 2006b, 2006d), Konečný a kol. (2005), Ošmera a kol. (2005), Popelka
(2007, 2006), Trenz (2004).
Implementace podnikových rozhodovacích procesů a pravidel
Podpora rozhodovacího procesu na úrovni podnikových pravidel je řešena expertními
systémy a fuzzy expertními systémy, zejména s využitím prostředí systému LPA WinProlog.
Odkázat lze na následující publikace: Konečný (2007, 2005a, 2004a, 2004b), Pokorný a Trenz
(2006), Rábová a kol. (2005).
Diagnostický systém vyhodnocení podnikové finanční situace
Úlohy hodnocení finanční situace podniku jsou převážně typem úlohy klasifikační. Cílem je
sestavení systému umožňujícího identifikovat obvyklou finanční situaci podniku (zejména
situaci negativní) obdobně jako finanční analytik. Pozornost je zaměřena na sektor malých a
středních podniků. Využívány jsou vícevrstvé perceptronové neuronové sítě naučené na
základě báze vzorů sestavené expertem, snahou je získat i báze s reálnými ekonomickými
výsledky. V případě definovaných pravidel jsou využívány též expertní a fuzzy expertní
systémy. Odkázat lze na následující publikace: Pokorný (2005a, 2005b, 2005c), Pokorný a
Trenz (2005), Pokorný a kol. (2007).
Identifikace preferencí zákazníků
Výzkumný směr zaměřený do oblasti marketingu a řízení vztahu se zákazníky souvisí také
s problematikou poradenských systémů a sémantického vyhledávání v dokumentech. Jednou
z výzkumných aktivit je také simulace zákazníkovy úvahy při nákupu prostřednictvím
technologií neuronových sítí. Využití nachází rovněž expertní a fuzzy expertní systémy.
Odkázat lze na následující publikace: Dařena a kol. (2006), Mišovič a Trenz (2007, 2006),
Pokorný a Motyčka (2006), Pokorný a Trenz (2006), Trenz (2006b, 2005a, 2005b).
Aplikace podnikové inteligence
Implementace technologií umělé inteligence v rozhodovacím procesu souvisí a v mnoha
směrech navazuje na aplikace podnikové inteligence z oblasti integrace business intelligence,
5 Publikace jsou uvedeny v abecedním pořadí dle autorů a v rámci autora dle roku vydání (sestupně), nikoliv
podle důležitosti publikace.
130
datových skladů, OLAP nástrojů a metod data miningu. Odkázat lze na následující publikace:
Konečný (2006c, 2005b), Konečný a Rábová (2005), Pokorný (2004), Trenz (2006a)
Diagnostika klinického stádia nádoru prostaty
Mimoekonomickým směrem je výzkum v oblasti diagnostikování klinického stádia nádoru
prostaty neuronovou sítí (MLP) na bázi klasifikační úlohy. Snahou je dosáhnout diagnostické
přesnosti aspoň na úrovni lidského faktoru.
Z dalších publikací zaměřených především na metody a algoritmy umělé inteligence
v modelování, simulaci a optimalizaci lze jmenovat: Šťastný a Škorpil (2006, 2005a, 2005b,
2004, 2003).
Problematika je řešena v rámci Pracovní skupiny umělé inteligence ÚI PEF MZLU v Brně,
jejíž užší jádro má v současné době šest členů (doc. Konečný, doc. Šťastný, ing. Popelka,
ing. Trenz, ing. Cepl a ing. Pokorný). V rámci meziústavní spolupráce jsou využívány
kontakty s Ústavem podnikové ekonomiky, managementu, účetnictví a marketingu, a dále
s několika externími subjekty.
2 Projekt klasifikace podnikové finanční situace
Projekt spadající do třetího z uvedených výzkumných směrů si klade za cíl řešit klasifikační
úlohu hodnocení podnikové finanční situace jejím zařazením do jedné z předem vymezených
typických kategorií. Vstupními údaji rozhodovacího problému jsou finanční ukazatele
likvidity a zadluženosti (hodnocení stability), a dále aktivity spolu s rentabilitou (hodnocení
výnosnosti). Výstupní kategorie specifikuje finanční expert s ohledem na hodnocený segment
trhu a dané časové období tak, aby odpovídaly typickým typům hodnocení. Použitými údaji
jsou finanční ukazatele pivovarů v České republice za posledních několik let (průměrně
pětileté období).
Vzhledem k náročnosti stanovení exaktních pravidel pro vyhodnocení podnikové finanční
situace byl zvolen přístup hodnocení na základě historických dat vedoucí k využití neuronové
sítě. Elementárním vstupním vzorem je n-tice hodnot finančních ukazatelů daného podniku za
daný rok, přiřazení odpovídající výstupní kategorie všem vstupním vzorům provedl finanční
expert. Takto připravená data slouží pro naučení neuronové sítě, která je poté schopna
klasifikovat nové vzory podobně jako posuzující finanční expert.
Pro naučení bude použita vícevrstvá perceptronová neuronová síť (MLP), neurony vstupní
vrstvy odpovídají vstupním finančním ukazatelům, výstupní vrstva bude upravena podle
finálního počtu výstupních kategorií. Jedna z kategorií bude představovat atypickou finanční
situaci, při které je nezbytné posouzení člověkem. Aktivační funkce budou z třídy
sigmoidálních funkcí, učení sítě bude provedeno obvyklou metodou zpětného šíření chyb
s jejími modifikacemi (momentum, weight annealing apod.).
Simulačním prostředím je neuronový simulátor SNNS (Stuttgart Neural Network Simulator) a
jeho nadstavba Batchman umožňující přizpůsobení definice, učení, validace i testování sítě
vlastním programovacím jazykem.
131
3 Evoluční metody pro úlohy regrese a predikce
Evoluční metody jsou mimo jiné vhodné pro řešení problémů, které jsou jen obtížně řešitelné
klasickými metodami matematické statistiky. Takové problémy představují zejména úlohy
nelineární regrese a predikce.
Regresní úlohu je možné rozdělit na dvě fáze. První představuje výběr nebo tvorba vhodného
modelu tak, aby co nejvíce odpovídal charakteru empiricky zjištěných numerických dat. Tuto
fázi regresní úlohy lze řešit metodou tzv. gramatické evoluce (O'Neill a Ryan, 2003). Jedná se
o metodu založenou na genetickém algoritmu (Goldberg, 2002) rozšířeném o bezkontextovou
gramatiku a další pomocné algoritmy (Ošmera a kol., 2005). Gramatická evoluce hledá
optimální matematický model dané úlohy. Výstupem je pak řešení dané úlohy v symbolickém
tvaru v podobě matematické funkce, což je vhodné zejména pro řešení úloh nelineární
regrese.
Druhou fází regresní úlohy je pak nalezení vhodných parametrů modelu tak, aby výsledná
funkce co nejlépe popisovala konkrétní naměřené hodnoty. Pro tuto fázi, která řeší
optimalizaci parametrů modelu, lze použít metodu tzv. diferenciální evoluce (Price, 1999).
Metoda diferenciální evoluce je založena na genetickém algoritmu a je vhodná zejména pro
generování reálných čísel jako parametrů zadané funkce (Price, 1996).
Pomocí evolučních metod byla řešena úloha hledání regresního modelu pro výnos cibule
Imperial Brown, publikovaná v Meloun a Militky (1996). Vstupní data představuje množina
dvojic [x, y], kde x je hustota sazenic na m2 [sazenice/m2] a y je průměrný výnos cibule
[g/sazenici]. Vygenerované funkce byly srovnány s existujícím empirickým modelem
metodou nejmenších čtverců (RSS). Ze srovnání (Obr. 1) referenčního modelu a vybraného
vygenerovaného modelu bylo dokázáno, že evoluční metody jsou schopné generovat model
přesnější než klasické metody.
132
Hustota sazenic
[sazenice/m^2]
Naměřená data
Srovnání modelů
180
RM - referenční model
(Mead, 1979)
160
140
GDE6 - Vygenerovaný
model
120
100
80
60
40
20
Výnos [g/sazenice]
0
0
20
40
60
80
100
120
140
160
180
Obr. 1 Srovnání modelů
Literatura
CEPL, M. Neural Networks Methods analysis. In MendelNET 2006 - Sborník příspěvků z konference studentů doktorského
studia. Brno: Alfa Publishing, 2006, s. 213. ISBN 80-86851-62-1.
CEPL, M., TRENZ, O., POPELKA, O. Možnosti využití současných metod pro predikci ekonomických ukazatelů. In Firma
a konkurenční prostředí 2007 - Sekce 6: IS/IT a konkurenceschopnost podniků. Brno: MSD, s. r. o., 2007, s. 11--15. ISBN
978-80-86633-88-6.
DAŘENA, F., MOTYČKA, A., MALO, R. Decision Support Systems in Marketing Education. In Proceedings of the ICL2006.
Wien: International Association of Online Engineering, 2006, s. 1--4. ISBN 3-89958-195-4.
GOLDBERG, D. E. 2002, The Design of Innovation: Lessons from and for Competent Genetic
Algorithms. Boston: Kluwer Academic Publishers, 2002. 272 p. ISBN 1-4020-7098-5.
KONEČNÝ, V. Podniková pravidla a informační systémy. In Firma a konkurenční prostředí 2007. Sekce 6. IS/IT
a konkurenceschopnost podniků. MSD,spol. s r. o., 2007, s. 38--42. ISBN 978-8086633-88-6.
KONEČNÝ, V. Experimentální SW model n-vrstvé neuronové sítě. In Konference: Obchod a spotřebitel. Brno: KONVOJ,
2006a, s. 32--37. ISBN 80-7302-124-2.
KONEČNÝ, V. Modely trendů s vícevrstvou neuronovou sítí. In Firma a konkurenční prostředí 2006 - Sekce 7. IS/IT
a konkurenceschopnost podniků. Brno: KONVOJ, spol. s r.o., 2006b, s. 29--35. ISBN 80-7302-097-1.
KONEČNÝ, V. Moderní trendy inovace informačních systémů. In Mezinárodné vedecké dni 2006 "Konkurencieschopnosť
v EU - výzva pre krajiny V4". Nitra - Slovenská republika: Slovenská polnohospodárska univerzita v Nitre, 2006c, s. 1530-1535. ISBN 80-8069-704-3.
KONEČNÝ, V. Základní problémy řešení trendů pomocí neuronových sítí. In Konference: Obchod a spotřebitel. Brno:
KONVOJ, 2006d, s. 52--57. ISBN 80-7302-124-2.
133
KONEČNÝ, V. Možnosti využití technologií umělé inteligence v rozhodovacích procesech. In MOTYČKA, A. Informatika
XV/2004 - Sborník příspěvků. 1. vyd. Brno: KONVOJ, 2005a, s. 39--44. ISBN 80-7302-067-X.
KONEČNÝ, V. Umělá inteligence v BI. In MOTYČKA, A. Informatika XVII/2005 - Sborník příspěvků. Brno: KONVOJ,
2005b, s. 63--72. ISBN 80-7302-110-2.
KONEČNÝ, V. Technologie umělé inteligence v rozhodovacím procesu. In Medzinárodné vedecké dni 2004: Európska
integrácia - výzva pre Slovensko. 1. vyd. Nitra: SPU Nitra, 2004a, s. 517--522. ISBN 80-8096-356-0.
KONEČNÝ, V. Volba systému s umělou inteligencí pro podporu rozhodovacích procesů. In Firma a konkurenční prostředí
2004 - Sekce 4. Kvantitativní metody v hospodářství. Brno: KONVOJ, s. r. o., 2004b, s. 59--65. ISBN 80-7302-076-9.
KONEČNÝ, V., MATIÁŠOVÁ, A., RÁBOVÁ, I. Učení n-vrstvé neuronové sítě. Acta Universitatis Agriculturae et Silviculturae
Mendelianae Brunensis. 2005. sv. LIII, č. 6, s. 75--84. ISSN 1211-8516.
KONEČNÝ, V., RÁBOVÁ, I. Business Intelligence a konkurenceschopnost podniku. Acta Universitatis Agriculturae et
Silviculturae Mendelianae Brunensis. 2005. sv. LIII, č. 6, s. 85--92. ISSN 1211-8516.
MELOUN, M., MILITKY J. 1996, Statisticke zpracovani experimentalnich dat. Univerzita Pardubice, Czech Republic,
ISBN 80-7194-075-5.
MIŠOVIČ, M., TRENZ, O. Teoretické základy poradenských případů. In Sborník z konference Svět informačních systémů 2007.
Zlín: Univerzita Tomáše Bati, 2007, s. 95--103. ISBN 80-86119-13-0.
MIŠOVIČ, M., TRENZ, O. Komputerizace poradenských systémů. In Zborník príspevkov z medzinárodnej vedeckej konferencie
Medzinárodné vedecké dni 2006. Nitra: Slovenská poĺnohospodárska univerzita v Nitre, 2006, s. 120--126. ISBN 80-8069704-3.
OŠMERA, P.; POPELKA, O.; PANÁČEK, T. GRAMMATICAL EVOLUTION WITH BACKWARD PROCESSING. IN
PROCEEDINGS OF 12TH ZITTAU EAST-WEST FUZZY COLLOQUIUM. ZITTAU, 2005. P. 235-244.
ISBN 3-9808089-6-3.
O‘NEILL, M.; RYAN, C. Grammatical Evolution: Evolutionary automatic programming in an arbitrary
language. Kluwer Academic publishers, 2003. 160 p. ISBN 1-4020-7444-1.
POKORNÝ, M. Finanční analýza v informačním systému podniku. In Firma a konkurenční prostředí 2005. Odborná sdělení.
Svazek 1. 1. vyd. Brno: Konvoj, 2005a, s. 264--268. ISBN 80-7302-103-X.
POKORNÝ, M. Fuzzifikace ve finančně-analytických postupech. In MOTYČKA, A. Sborník příspěvků Informatika XVII.
Brno: Konvoj, 2005b, s. 147--153. ISBN 80-7302-110-2.
POKORNÝ, M. Vliv kvantifikovatelných faktorů vnějšího prostředí na finanční situaci podniku. In MOTYČKA, A.
Informatika XV/2004 - Sborník příspěvků. 1. vyd. Brno: KONVOJ, 2005c, s. 84--88. ISBN 80-7302-067-X.
POKORNÝ, M. Využití IS/ICT ve finančním řízení podniku. In MendelNet 2004 (Sborník abstraktů z konference studentů
doktorského studia.). 1. vyd. Brno: Konvoj, 2004, s. 112. ISBN 80-7302-088-2.
POKORNÝ, M., MOTYČKA, A. Umělý zákazník?. In Konference: Obchod a spotřebitel. Brno: KONVOJ, 2006, ISBN 80-7302124-2.
POKORNÝ, M., TRENZ, O. Podpora ekonomických rozhodovacích procesů technologiemi umělé inteligence. In MendelNet
2006. 2006, s. 224.
POKORNÝ, M., TRENZ, O. Metodika experimentu přetrénování neuronové sítě. In MendelNet 2005 (sborník abstraktů
z evropské vědecké konference doktorandů). 1. vyd. Brno: Konvoj, 2005, s. 118. ISBN 80-7302-107-2.
POKORNÝ, M., TRENZ, O., KONEČNÝ, V. Neuronový rozhodovací model o kapitalizaci podniku. Acta Universitatis
Agriculturae et Silviculturae Mendelianae Brunensis. 2007. sv. LV, č. 3, s. 97--104. ISSN 1211-8516.
POPELKA, O. Generování matematických modelů pomocí genetických algoritmů. In Firma a konkurenční prostředí 2007 Sekce 6: IS/IT a konkurenceschopnost podniků. Brno: MSD, s. r. o., 2007, s. 58--62. ISBN 978-80-86633-88-6.
134
POPELKA, O. Neural networks and evolutionary algorithms. In MendelNET 2006 - Sborník příspěvků z konference studentů
doktorského studia. Brno: Alfa Publishing, 2006, s. 90. ISBN 80-86851-62-1.
PRICE, K. 1999, An Introduction to Differential Evolution. In: David Corne, Marco Dorigo and Fred Glover
(editors) (1999). New Ideas in Optimization. McGraw-Hill, London (UK), pp. 79–108. ISBN 007-709506-5.
PRICE, K. 1996. Differential evolution: a fast and simple numerical optimizer. 1996 Biennial Conference of
the North American Fuzzy Information Processing Society, NAFIPS, pp. 524-527, IEEE Press, New York, NY, 1996. ISBN:
0-7803-3225-3.
RÁBOVÁ, I., KONEČNÝ, V., MATIÁŠOVÁ, A. Decision making with support of artificial intelligence. Agricultural Economics.
2005. sv. 51, č. 9, s. 385--388. ISSN 0139-570X.
STORN, R., On the Usage of Differential Evolution for Function Optimization. NAFIPS 1996, Berkeley, pp.
519 - 523.
ŠŤASTNÝ, J., ŠKORPIL, V. Back-Propagation and K-Means Algorithms Comparison. In: International Conference on Signal
Processing ICSP’06, Guilin, China, 2006, ISBN: 0-7803-9736-3, 5 pp.
ŠŤASTNÝ, J., ŠKORPIL,V. Back-Propagation and Genetic Algorithms for Image Processing. In: International Conference
ICAMaT2005, Bucharest, Romania, 2005a, ISBN: 973-27-1254-6, 5 pp.
ŠŤASTNÝ, J., ŠKORPIL,V. Neural Networks Learning Methods Comparison. International Journal WSEAS Transactions on on
Circuits and Systems, Issue 4, Volume 4, April 2005b, ISSN 1109-2734, pp. 325-330.
ŠŤASTNÝ, J., ŠKORPIL,V. Comparison Methods for Pattern Recognition. International Journal WSEAS Transactions on
Circuits and Systems. Issue 9, Volume 3, November 2004, ISSN 1109-2734, 6 pp.
ŠŤASTNÝ, J., ŠKORPIL,V. Analysis of Methods for Edge Detection. International journal Communications 2003, ISSN 00182028, 2003, 19 pp.
TRENZ, O. Manažerské rozhodování, možnosti podpory na straně aplikací. In Konference Královec. MZLU Konvoj, 2006a.
TRENZ, O. Sémantické vyhledávání -- nové koncepce návrhu vyhledávacího algoritmu. In Recenzovaný sborník mezinárodní
Baťovy doktorandské konference. Zlín: Univerzita Tomáše Bati ve Zlíně, 2006b, s. 236. ISBN 80-7318-384-6.
TRENZ, O. Analýza potřeb potenciálního zákazníka, individuální přístup k řešení jeho problémů a využitelnost v rámci
poradenských systému. In MOTYČKA, A. Informatika XVII/2005 - Sborník příspěvků. Brno: KONVOJ, 2005a, s. 258--265.
ISBN 80-7302-110-2.
TRENZ, O. Integrace sémantických principů vyhledávání do informačních systémů. In MendelNet 2005 (sborník abstraktů
z evropské vědecké konference doktorandů). 1. vyd. Brno: Konvoj, 2005b, s. 122--123. ISBN 80-7302-107-2.
TRENZ, O. Genetické algoritmy a jejich aplikace. In MendelNet 2004 - Sborník z konference studentů doktorského studia.
Brno: KONVOJ, spol. s r. o., 2004, s. 122--127. ISBN 80-7302-088-2.
O autorech
Doc. RNDr. Ing. Jiří Šťastný, CSc., Ing. Martin Pokorný, Doc. Ing. Arnošt Motyčka, CSc.
Ústav informatiky, Provozně ekonomická fakulta, MZLU v Brně
Zemědělská 1, 613 00 Brno, Česká republika
[email protected], [email protected], [email protected]
135
PODPORA MOBILITY V IPV6 A JEJ PRAKTICKÉ VYUŽITIE
IPV6 MOBILITY SUPPORT AND ITS PRACTICAL
UTILIZATION
Peter Švec
Abstrakt
Aby sa dosiahlo pripájanie zariadení k Internetu kedykoľvek a kdekoľvek je potrebné
definovať mobilné funkcie, ktoré umožnia spracovávať a riadiť komunikáciu počas pohybu
zariadenia. Takýto mechanizmus zahŕňa funkcie mobility hostiteľa (premiestnenie hostiteľa
bez prerušenia relácie), mobility siete (presun celej siete bez prerušenia otvorených relácií)
spolu s ostatnými základnými IPv6 funkciami ako je multihoming, autokonfigurácia,
bezpečnosť, riadenie prístupu atď. Kombinácia týchto technológií umožní na jednej strane
autám, vlakom, lietadlám pripojiť sa k Internetu a na druhej strane ľuďom prenášajúcim IP
zariadenia neprerušený prístup do Internetu bez ohľadu na to, či sa nachádzajú doma,
v kancelárii alebo na ceste medzi nimi.
Abstract
To achieve the possibility to connect all devices to the Internet at all time and any place, we
need efficient mobility support mechanisms to maintain ongoing communication flows while
on the move. Such mechanisms include host mobility support (displacement of a single host
without breaking open sessions), network mobility support (displacement of an entire network
without breaking open sessions), in addition to other core IPv6 technologies such as
multihoming, auto-configuration, security, access control.... The combination of all these
technologies will enable on one side cars, trains, airplanes to connect to the Internet and on
the other side people carrying IP devices to keep uninterrupted access to the Internet whether
they are located at home, office, or commuting between them.
Kľúčové slová
IPv6, MIPv6, mobilita hostiteľa, mobilita siete, multihoming, NEMO, KAME, USAGI
Keywords
IPv6, MIPv6, host mobility, network mobility, multihoming, NEMO, KAME, USAGI
1 Možnosti mobility v IPv6 - teória
1.1 Mobilita hostiteľa
Podpora mobility hostiteľa umožňuje IPv6 uzlom presun z jednej IPv6 siete to inej IPv6 siete
bez prerušenia prebiehajúcich spojení. Mobilita hostiteľa je zabezpečená protokolom Mobile
136
IPv6 (MIPv6), ktorý je štandardným IETF protokolom vytvoreným pre podporu mobility
hostiteľa v IPv6. Aplikáciou MIPv6 sa zaoberajú dva projekty. Prvým je KAME projekt,
ktorý sa orientuje na vývoj IPv6/IPSec referenčnej sady pre BSD systémy. Druhým je USAGI
projekt, ktorý sa zameriava na vylepšenie IPv6/IPSec sady pre Linux.
1.2 Mobilita siete
Mobilita siete sa objavuje keď celá sieť zmení bod pripojenia s ohľadom na topológiu
Internetu. Takéto siete budeme môcť čoskoro nájsť v dopravných prostriedkoch (autá, vlaky)
a na ľuďoch ako PAN siete tvorené PDA zariadeniami a mobilnými telefónmi. Mobilná sieť
je pripojená k Internetu prostredníctvom jedného alebo viacerých mobilných smerovačov.
Uzly, ktoré sú za mobilným smerovačom rozdeľujeme do troch kategórií:
• lokálne fixné uzly (patria do siete, ale nemajú možnosť zmeniť svoj bod pripojenia),
• lokálne mobilné uzly (patria do siete a majú možnosť zmeniť svoj bod pripojenia) a
• hosťujúce mobilné uzly (nepatria do mobilnej siete a sú schopné zmeniť svoj bod
pripojenia).
Ak mobilný smerovač zmení svoj bod pripojenia a pre uzly nie je poskytovaná žiadna
podpora mobility, všetky spojenia medzi mobilnými sieťovými uzlami a uzlami
umiestnenými v Internete sa prerušia. Riešením tohto problému sa zaoberá pracovná skupina
NEMO (NEtwork MObility). Najjednoduchším riešením je vytvorenie obojsmerného tunela
medzi domácim agentom a mobilným smerovačom podobne ako je to v MIPv6.
Táto pracovná skupina tiež skúma problémy súvisiace so špecifickou konfiguráciou
mobilných sietí ako sú napríklad vnorené mobilné siete (mobilné siete, ktoré sú pripojené do
väčšej mobilnej siete, napr. PDA, ktoré sa pripája do mobilnej siete vo vlaku), multihome
mobilné siete (mobilné siete s viacerými bodmi pripojenia do Internetu), kompatibilitou
s ostatnými IPv6 protokolmi ako napríklad multicast.
1.3 Multihoming
Multihoming je situácia, pri ktorej si uzol môže vybrať medzi viacerými možnosťami ako
dosiahnuť spojenie k cieľu. Môže to byť spôsobené tým, že uzol má viacero sieťových
rozhraní, z ktorých si môže vybrať alebo pretože sieť ku ktorej je uzol pripojený je k Internetu
pripojená cez viacero smerovačov alebo cez smerovač s viacerými rozhraniami. Takáto
konfigurácia s pohľadu mobility umožňuje mobilným uzlom zostať permanentne pripojený
k Internetu až kým nestratí konektivitu (ako dôsledok pohybu mimo oblasť pokrytia). Okrem
zvýšenej možnosti, že spojenie zostane udržané táto konfigurácia umožňuje rozloženie
sieťovej prevádzky medzi viaceré pripojenia. IETF sa otázkou multihomingu z pohľadu
mobility siete zaoberala, navrhla množstvo riešení avšak žiadne nebolo prijaté a IETF stratila
záujem o riešenie tohto problému. Multihoming sa rieši v rámci projektu NEMO.
137
2 Možnosti mobility v IPv6 – prax
2.1 Komunikácia medzi dopravnými prostriedkami
Jednou z možností mobility v počítačových sieťach je komunikácia medzi dopravnými
prostriedkami navzájom (V2V) alebo medzi dopravným prostriedkom a infraštruktúrou (V2I).
Komunikácia medzi dopravnými prostriedkami pozostáva z bezdrôtovej komunikácie
prostredníctvom infražiarenia alebo rádiových vĺn (VHF alebo mikrovlny). V spojených
štátoch je pre tento účel definované DSRC (Dedicated Short Range Communication) pásmo
s frekvenciou 5,9 GHz, ktoré poskytuje konektivitu do vzdialenosti 1 km a umožňuje
komunikáciu pri rýchlosti do 160 km/h. Protokol, ktorý v tomto pásme prenáša komunikáciu
je založený na protokole IEEE 802.11p. V Európskej únii sa zatiaľ na definovaní podobného
štandardu pracuje.
DSRC komunikačný systém pozostáva z dvoch častí: jedna časť je umiestnená v dopravnom
prostriedku (OBU, On-board Unit), druhá je súčasťou infraštruktúry (RSU, Road-side Unit).
RSU vysiela približne 10x za sekundu varovné a bezpečnostné správy a informuje
o aplikáciách dostupných na jednotlivých kanáloch. OBU zasa načúva na kontrolnom kanáli,
autentifikuje RSU a v prvom rade vykonáva bezpečnostné aplikácie. Následne mení kanál
a vykonáva ostatné aplikácie. Bezpečnosť tejto komunikácie je dosiahnutá šifrovaním na
linkovej vrstve použitím PKI infraštruktúry. V tabuľke 1 sú uvedené príklady aplikácií, ktoré
sa využívajú v komunikácii medzi dopravnými prostriedkami (autami) navzájom
a komunikácii áut a infraštruktúry.
Tabuľka 1: Aplikácie pri komunikácii dopravných prostriedkov
V2V aplikácie
V2I aplikácie
varovanie o prichádzajúcom vozidle záchrannej varovanie o vodičovi, ktorý sa pripája do
služby
jazdného pruhu a kvôli slepému bodu
nevidí súbežne idúce vozidlo
varovanie o slepom bode
varovanie o rýchlosti v zákrute
kooperatívne adaptívne riadenie rýchlosti jazdy
varovanie
o prichádzajúcom
vozidle
záchrannej služby
kooperatívne varovanie o možnom vzniku varovanie o možnej kolízii na diaľnici
kolízie
alebo železnici
kooperatívne varovanie o blížení sa k možnej varovanie o možnej kolízii na križovatke
kolízii
núdzové brzdenie
informácia o oprave v správny čas
asistent pri vjazde na diaľnicu z pripájajúceho asistent pri odbočovaní doľava
pruhu
varovanie o zmene jazdného pruhu
varovanie o nízkom moste
varovanie po zrážke
varovanie o plnom parkovisku
načúvanie na informáciu o zrážke
informácia o chodcovi prechádzajúcom
cez križovatku
varovanie o stave vozovky
varovanie o stave vozovky
informácie o možnostiach vozovky
SOS služby
zvyšovanie viditeľnosti
asistent pri rozbehu zo STOP značky
138
varovanie o vodičovi idúcom v protismere
varovanie o porušení signálu STOP
varovanie o porušení signálov semafora
Princíp DSRC komunikácie si vysvetlíme na technológii varovania o porušení signálov
semafora. V tomto prípade sa používa V2I komunikácia a jej úlohou je varovať vodiča, že pri
aktuálnej rýchlosti jazdy poruší signál semafora. Semafor v pravidelných intervaloch
bezdrôtovo vysiela správy, ktoré obsahujú stav semafora, jeho pozíciu, čas za ktorý sa stav
zmení a aký stav nastane. Okrem týchto informácii môže táto správa obsahovať aj informácie
o stave vozovky alebo počasia. Ak auto prijme signál od semafora, vypočíta svoju polohu
a na rozhodne sa, či túto informáciu poskytne vodičovi alebo nie. Na obrázku 1 je zobrazená
situácia, pri ktorej auto prichádza zo západu a semafor pomocou smerových bezdrôtových
antén vysiela svoje správy do všetkých smerov.
Obr. 1 Semafor vysiela DSRC signál
Auto prijíma signál od semafora, vyhodnotí svoju vzdialenosť, rýchlosť a zrýchlenie a na
základe informuje vodiča či môže bezpečne prejsť križovatkou alebo nie
Varovanie o rýchlosti v zákrute vie poskytnúť aj systém GPS. Avšak ten nezarátava
poveternostné podmienky, stav vozovky a pod. Na obrázku 2 je zobrazená situácia, kedy auto
prechádza horskou cestou. Prijíma signály od majákov umiestnených pri ceste. Na základe
prijatého tvaru a stavu zákruty preráta či je daná rýchlosť vhodná pre vjazd do zákruty alebo
139
nie. Pokiaľ má maják tiež senzory na vozovke, vie poslať prichádzajúcemu autu aj polohu
ľadu.
Obr. 2 Varovanie o rýchlosti v zákrute
Ako posledný príklad si uvedieme V2V komunikáciu (Obr. 3). V zníženej viditeľnosti začne
auto E prudko brzdiť. DSRC systém v aute začne vysielať varovanie o prudkom brzdení
o ostatné autá varujú vodiča o tejto situácii skôr ako to vodič spozoruje. Táto správa je
relevantná len pre autá B a C. Podobným spôsobom postupného šírenia informácie sa
realizuje aj varovanie o zrážke, prekážke, poľadovici a podobne.
Obr. 3 Varovanie o prudkom brzdení
Záver
Komunikácia medzi autami je len jednou z praktických aplikácii v mobilne IPv6. Dnes
používané bezdrôtové technológie síce dokážu prechádzať medzi jednotlivými prístupovými
bodmi, avšak len pri malých rýchlostiach. Ako riešenie tohto problému bol definovaný
protokol NEMO, ktorý pracuje len v IPv6. Aplikácie popísané v tomto článku nemožno
očakávať veľmi skoro. Keď si uvedomíme, že životnosť automobilov je približne 15 rokov,
140
tak aspoň tento čas bude trvať kým tieto technológie budú v autách štandardom. Reálne to
však asi nebude skôr ako o 30 rokov (a v našich podmienkach ešte neskôr)
Literatúra
FERNANDES, P. – NUNES, U. 2007. Vehicle Communications: A Short Survey. In:
MCCSIS 2007. Lisbon : IADIS Press, 2007, s. 134-138, ISBN: 978-972-8924-40-9
High-Priority Safety Applications: Further Development and Communication Requirements
http://www-nrd.nhtsa.dot.gov/pdf/nrd-12/1665CAMP3web/pages/4HiPriorityA.html
(10.9.2007)
Nautilus6 Project Overview - Deployment of the Mobile Internet, http://www.nautilus6.org
(10.9.2007)
The KAME project, http://www.kame.net (10.9.2007)
O autorovi
PaedDr. Peter Švec, Katedra informatiky FPV UKF v Nitre, Trieda A. Hlinku 1, 949 74 Nitra
[email protected]
141
VYUČOVANIE PREDMETU KÓDOVANIE A ZOBRAZENIE
INFORMÁCIÍ S VYUŽITÍM E-LEARNINGOVÉHO KURZU
TEACHING OF SUBJECT DATA CODING AND
REPRESENTATION USING E-LEARNING COURSE
Júlia Tomanová
Abstrakt
Článok sa zaoberá využitím e-learningového kurzu Kódovanie a zobrazenie informácií vo
vyučovaní tohto predmetu na Katedre informatiky Fakulty prírodných vied Univerzity
Konštantína Filozofa v Nitre. Kurz je vytvorený v prostredí LMS Moodle a je určený pre
študentov denného štúdia odboru Učiteĺstvo akademických predmetov v špecializácii
Informatika. V súčasnosti ho uplatňujeme počas kombinovanej formy výučby, dopĺňame ho
o nové učebné materiály a nové funkcie, ktoré prostredie LMS Moodle ponúka.
Abstract
The article describes using of Data coding and representation e-learning course in teaching
of this subject at Department of Informatics, Faculty of Natural Sciences, Constantine the
Philosopher University in Nitra. The course is intended for students of Informatics Teaching
branch. We are using this course created in LMS Moodle in blended learning. In the future
we are planning to improve administration and communication between students and
teachers within the frame of the course using new functions provided by LMS Moodle.
Kľúčové slová
e-learning, LMS Moodle, vyučovanie, kurz, kódovanie a zobrazenie informácií
Keywords
e-learning, LMS Moodle, teaching, course, data coding and representation
1 Úvod
Počítačové siete a internet v súčasnosti stále viac zasahujú do nášho profesionálneho, ale aj
súkromného života. Informačno-komunikačné technológie majú však najvýraznejší vplyv na
oblasť vzdelávania, pretože umožňujú štúdium online formou čoraz väčšiemu počtu
záujemcov. V článku sa zaoberáme tvorbou a využitím kurzu určeného na kombinovanú
výučbu predmetu Kódovanie a zobrazovanie informácií.
142
2 Obsah vyučovania predmetu Kódovanie a zobrazenie informácií
Predmet Kódovanie a zobrazenie informácií sa vyučuje na Katedre informatiky FPV UKF
v Nitre pre študentov 1. ročníka denného štúdia odboru Učiteľstvo akademických predmetov
v špecializácii Informatika. V súčasnosti študenti absolvujú tento predmet prezenčnou
a kombinovanou formou, a preto sa vytvárame a upravujeme e-learningový kurz určený na
vyučovanie tohto predmetu. Cieľom vyučovania predmetu Kódovanie a zobrazenie informácií
je pochopiť, že na prácu s údajmi v počítači slúži binárny kód, vedieť previesť ľubovolné
číslo z desiatkovej číselnej sústavy do inej pozičnej číselnej sústavy a naopak, vedieť
realizovať matematické operácie s týmito číslami a logické operácie v dvojkovej sústave,
pochopiť podstatu šifrovania a spôsoby jeho použitia v praxi. Do obsahu tohoto predmetu sú
zahrnuté nasledujúce témy:
1. Zobrazenie údajov v počítači, pozičné číselné sústavy, prevody prirodzených čísel zo
sústavy so základom P do desiatkovej sústavy, prevody prirodzených čísel
z desiatkovej sústavy do sústavy so základom P
2. Logické operácie s viacbitovými číškami, negácia, konjunkci, alternatíva,
nonekvivalenci, pravdivostné tabuľky
3. Sčítanie a násobenie prirodzených čísel v ľubovolnej číselnej ústave, základné spoje
sčítania a násobenia
4. Odčítanie a delenie prirodzených čísel v ľubovolnej číselnej sústave
5. Reprezentácia kladných a záporných čísel v dvojkovej sústave, priamy, inverzný
a doplnkový kód
6. Odčítanie, násobenie a delenie celých čísel v dvojkovej číselnej ústave, realizácia
aritmetických operácií pomocou priameho, inverzného a doplnkového kódu, pretečenie
7. Prevod desatinných čísel z jednej číselnej sústavy do druhej
8. Zobrazenie reálnych čísel v počítači, pevná rádová čiarka, pohyblivá rádová čiarka,
mantisa a exponent, normalizácia, rozsah a presnosť zobrazovaných čísel, strojová
nula, preplnenie
9. Operácie s pohyblivou rádovou čiarkou, algoritmus násobenia a delenia, algoritmus
sčítania a odčítania
10. Formáty čísel v počítači, celočíselné formáty, semilogaritmické formáty, rozsah
a presnosť zobrazovaných čísel
11. Z histórie šifrovania
12. Šifrovanie
Na základe tohto obsahu sme vytvorili 12 lekcií e-learningového kurzu určeného na
vyučovanie online, aj offline formou po stiahnutí potrebných materiálov. Na vytvorenie kurzu
Kódovanie a zobrazenie informácií sme použili prostredie LMS Moodle (Turčáni, 2006).
Kurz je členený na lekcie časovo aj tematicky. Po obsahovej stránke jednotlivé lekcie kurzu
zodpovedajú učebnému plánu predmetu Kódovanie a zobrazenie informácií pre 1. ročník
denného štúdia odboru Učiteľstvo akademických predmetov v špecializácii Informatika. Na
obr. 1 je ukážka prostredia kurzu.
Každá lekcia obsahuje študijné materiály vo formáte pdf. Lekcie s prednáškami plánujeme
v budúcnosti doplniť o úlohy na samostatné riešenie. Na riadenie a administráciu výučby sme
využili tieto funkcie LMS Moodle: evidencia študentov, kalendár na upozornenie študentov
143
na termíny previerok a skúšok, evidencia výsledkov previerok pre učiteľa, ktoré boli
realizované offline formou prezenčne a zverejňovanie výsledkov previerok pre každého
študenta individuálne, príp. s uvedením komentára učiteľa. V budúcnosti plánujeme k tejto
offline činnosti pridať aj hodnotenie pomocou online testov a celkovo využiť viac úrovní,
ktoré prostredie Moodle poskytuje (Tomanová, 2006).
Po absolvovaní kurzu a príslušných previerok sa študent dostaví na skúšku, ktorú absolvuje
u tútora predmetu.
Obr. 1 Ukážka prostredia kurzu Kódovanie a zobrazenie informácií
5 Záver
E-learningový kurz na vyučovanie predmetu Kódovanie a zobrazenie informácií je určený pre
študentov 1. ročníka odboru Učiteľstvo akademických predmetov v špecializácii Informatika
na Katedre informatiky Fakulty prírodných vied UKF v Nitre. Vyučovanie tohto predmetu sa
realizuje prezenčnou a kombinovanou formou. Kurz nachádza svoje uplatnenie počas
prezentácie nového učiva formou prednášky a aj počas domácej prípravy študentov na
vyučovanie. V budúcnosti plánujeme v značnej miere rozšíriť uplatnenie funkcií, ktoré LMS
Moodle poskytuje, a kurz obohatiť nielen čo sa týka študijných materiálov, ale aj overovania
si správnosti nadobudnutých poznatkov.
Literatúra
TOMANOVÁ, J. 2006. Elektronická podpora vyučovania počítačovej grafiky. In: Zborník
UNINFOS 2006. Nitra : UKF, 2006, 427 s. ISBN 80-8050-976-X.
144
TURČÁNI, M. 2006. Nové formy vzdelávania s podporou e-learningu na Katedre
informatiky FPV UKF v Nitre. In: Zborník Dištančné vzdelávanie – Aplikovaná informatika.
Nitra : Katedra informatiky FPV UKF, 2006, s. 10-18. ISBN 80-8050-975-1.
O autorovi
Mgr. Júlia Tomanová, PhD., Katedra informatiky FPV UKF v Nitre, Trieda A. Hlinku 1,
949 74 Nitra
[email protected]
145
E-LEARNINGOVÝ KURZ PRE TABUĽKOVÝ KALKULÁTOR
E-LEARNING COURSE FOR SPREADSHEED PROGRAM
Martin Vozár
Univerzita Konštantína Filozofa
Abstrakt slovenský
V príspevku sa budeme venovať e-learningovým kurzom pre Tabuľkový kalkulátor, ktorý bol
vytvorený v rámci projektu Prírodovedec. Opíšeme odôvodnenie vzniku kurzu, jeho štruktúru,
obsah a zdôvodníme použitie softvéru na jeho tvorbu.
Abstract English
The paper aims at description of a course on spreadsheet program created within the framework of
Prírodovedec project. Structure, table of contents and participants of the course are mentioned as well
as software used for creation of the course.
Kľúčové slová
e-learningový kurz, tabuľkový kalkulátor, Microsoft Excel
Keywords
e-learning course, spreadsheet program, Microsoft Excel
1 Charakteristika kurzu
E-elarningový kurz, ktorý v príspevku opisujeme je vytvorený v systéme LMS Moodle.
Hlavný e-learningový kurz projektu Prírodovedec zastrešuje týchto sedem meta kurzov:
• Základy informačných technológií
• Používanie počítača a správa súborov
• Spracovanie textu (Textový procesor)
• Tabuľkový kalkulátor (Tabuľkový procesor)
• Databázový systém
• Elektronická prezentácia
• Informácie a komunikácie
V súčasnosti sme spustili do prevádzky e-learningový kurz Tabuľkový kalkulátor. Kurz je
súčasťou projektu Prírodovedec: ECDL pre stredoškolákov, ktorého cieľom je vytvorenie elearningových kurzov z modulov ECDL (European Computer Driving License). V čase
vzniku tohto príspevku sa prostredníctvom tohto kurzu vzdelávajú žiaci stredných škôl, ktorí
prejavili záujem získať Certifikát ECDL platný v celej Európe.
146
Obr. 1 E-learnigový kurz Tabuľkový kalkulátor
2 Obsah kurzu
Obsah kurzu korešponduje s obsahom štvrtého modulu so sylabu ECDL avšak poradie
jednotlivých kategórií sme upravili tak, aby vyhovovali našim požiadavkám. Učivo kurzu je
rozčlenené do siedmich lekcií. Po ich absolvovaní musia účastníci kurzu zvládnuť dva testy,
ktorými kurz ukončia. Kurz obsahuje tieto lekcie:
1. Základné princípy a pojmy
Cieľom prvej lekcie je zoznámenie sa so základnými pojmami a s prostredím aplikácie
MS Excel.
2. Používanie aplikácie
Za cieľ tejto lekcie sme zvolili prácu so zošitmi a hárkami. Študenti sa naučia tieto
súčasti vytvárať a modifikovať.
3. Práca s bunkami
Cieľom je naučiť študentov vkladať do buniek rôzne typy dát a vedieť ich ďalej
formátovať, tiež vedieť údaje vyhľadávať, nahradzovať a usporadúvať podľa zadaných
kritérií.
4. Formátovanie
Ako cieľ štvrtej lekcie je daná znalosť formátovania buniek – vedieť použiť rôzne typy
písma, orámovania a zarovnaní a tiež kopírovania oblasti buniek.
147
5. Vzorce a funkcie
Cieľom piatej lekcie je naučiť študentov vytvárať vzorce využívajúce referencie na
bunky a aritmetické operátory. Vedieť aplikovať relatívne, absolútne a zmiešané
odkazy vo vzorcoch a využívať vstavané funkcie tabuľkového kalkulátora.
6. Práca s grafmi
Základným cieľom tejto lekcie je naučiť študentov používať rozličné typy grafov
a vedieť ich upravovať, kopírovať či presúvať medzi hárkami a zošitmi.
7. Príprava výstupov
Posledná lekcia je zameraná na prípravu dokumentov na tlač – úprava hlavičiek a piet
dokumentu, nastavenie strany a okrajov či oblasti tlače.
8. Záver
Na záver modulu je pripravený kontrolný test, pomocou ktorého si môžu študenti
otestovať svoje vedomosti pred skutočným ECDL testovaním.
Obr. 2 E-learningový kurz - časť kniha
148
3 Štruktúra kurzu
V úvode je kurz stručne charakterizovaný, študenti majú možnosť nahliadnuť do sylabu kurzu
a samozrejmosťou je zoznam literatúry a odkazov na internetové stránky, z ktorých študenti
čerpajú doplňujúce informácie.
Samozrejmosťou je využitie diskusného fóra. Náš kurz disponuje dvomi diskusnými fórami.
Prvé je Fórum noviniek, ktorého príspevky sa zobrazujú užívateľom všetkých siedmich
kurzov. Druhé diskusné fórum nazvané Poraďme si, slúži na komunikáciu medzi študentmi
a tútorom jedného kurzu. V tomto fóre účastníci kurzu spoločne riešia problémy a nejasnosti,
ktoré sa môžu vyskytnúť pri riešení zadaných úloh a prostredníctvom neho sú v priamom
kontakte s tútorom kurzu.
Lekcie kurzu
Na začiatku každej lekcie sú stanovené jej ciele, kde sa účastníci oboznámia s témami, ktoré
sú v lekcii spracované.
Lekcie pozostávajú z výkladovej a praktickej časti. Výkladová časť je riešená vo forme
elektronickej knihy, ktorej výhodou je rýchla a prehľadná orientácia. Tematické celky, ktoré
sú náročnejšie na pochopenie, sme doplnili o krátke videá, na ktorých je demonštrovaný
opísaný postup. Na vytvorenie názorných interaktívnych simulácií sme použili softvér
Macromedia Captivate z dielne firmy Adobe. Ten dokáže vytvoriť „flashovský“ súbor, ktorý
prehrá každý internetový prehliadač.
Spätnú väzbu pre študentov sme zabezpečili v praktickej časti lekcií formou úloh. Ich
riešením si študenti preveria vedomosti z prebranej tematiky tak, že vypracujú zadanie
a odošlú tútorovi vypracované úlohy, ktorý ich skontroluje a ohodnotí.
Po absolvovaní všetkých siedmich lekcií, účastníci ukončia kurz záverečným testom. Ten
spočíva v dvoch zadaniach, ktoré sú analogické so zadaniami testov na stránke ECDL, ktoré
sú predprípravou na oficiálne testovanie na získanie certifikátu ECDL.
4 Záver
Predpokladáme, že vytvorený e-learningový kurz je vhodným prostriedkom na vyučovanie
študentov online formou, ktorí z viacerých dôvodov nemôžu navštevovať dennú formu štúdia.
Kurz pre Tabuľkový kalkulátor bude prezentovaný na seminári ISKI 2007.
Literatúra
URL1, 2007. www.prirodovedec.sk/?q=node/48
URL2, 2007.
http://moodle.studnet.sk/course/view.php?id=7122&studentview=on&sesskey=Nu02lIN0er
O autorovi
Mgr. Martin Vozár, Katedra informatiky, FPV UKF v Nitre, [email protected]
149
Obsah
MODELOVANIE MEDZIPROCESOROVÝCH KOMUNIKÁCIÍ A SYNCHRONIZÁCIA POMOCOU
PETRIHO SIETÍ
MODELLING COMMUNICATION AMONG PROCESSES AND SYNCHRONIZATION WITH
PETRIS' NETS
ZOLTÁN BALOGH, CYRIL KLIMEŠ ....................................................................................................................... 3
EXCEL AKO NÁSTROJ NA MODELOVANIE V PRÍRODOVEDNÝCH PREDMETOCH
EXCEL AS A MODELLING TOOL IN SCIENCES
JÁN BEŇAČKA ................................................................................................................................................... 14
SIMULACE DYNAMICKÝCH MODELŮ S VYUŽITÍM METOD SYSTÉMOVÉ DYNAMIKY
SIMULATION OF DYNAMIC MODELS WITH UTILIZATION OF SYSTEM DYNAMICS
EVA BURIANOVÁ .............................................................................................................................................. 19
ANALÝZA ELEKTRONICKÉHO TESTOVANIA V CMS MOODLE
ANALYSIS OF ELECTRONICAL TESTING IN CMS MOODLE
MARTIN CÁPAY ................................................................................................................................................ 30
PREDPOKLADY ZALOŽENIA VEDECKÉHO ROZVOJOVÉHO INKUBÁTORA NA KI FPV UKF
THE ASSUMPTIONS FOR ESTABLISHMENT OF THE SCIENTIFIC INCUBATOR AT THE
DEPARTMENT OF INFORMATICS, FPV UKF, NITRA
MARTIN DRLÍK ................................................................................................................................................. 35
ELEKTRONICKÁ KOMUNIKACE A MOŽNOSTI AKTIVIZACE DISTANČNÍCH STUDENTŮ
ELECTRONIC COMMUNICATION AND POSSIBILITIES FOR ACTIVITY AND MOTIVATION OF
DISTANCE STUDENT
ROSTISLAV FOJTÍK ............................................................................................................................................ 44
VÝUKA INFORMATIKY NA STŘEDNÍCH ŠKOLÁCH V ČESKÉ REPUBLICE
HIGH SCHOOL COMPUTER SCIENCE EDUCATION IN CZECH REPUBLIC
HASHIM HABIBALLA, EVA VOLNÁ, ROSTISLAV FOJTÍK, ZDENKA TELNAROVÁ ................................................ 50
ANGLIČTINA PRE INFORMATIKOV VERZUS VŠEOBECNÁ ANGLIČTINA
IT ENGLISH VERSUS GENERAL ENGLISH
JANA HERINGHOVÁ ........................................................................................................................................... 58
VYUŽITÍ TEORIE CHAOSU PŘI MĚŘENÍ INTERAKCÍ SUBJEKTŮ OBCHODNÍ SFÉRY
CHAOS THEORY USAGE IN SUBJECTS OF TRADING SPHERE INTERACTION MEASUREMENT
NADĚŽDA CHALUPOVÁ ..................................................................................................................................... 64
TRANSFORMACE OBJEKTOVÉ PETRIHO SÍTĚ Z JAZYKA OPNML DO GRAFU
TRANSFORMATION OF OBJECT-ORIENTED PETRI NET FROM OPNML LANGUAGE TO
GRAPH
PETR JEDLIČKA ................................................................................................................................................. 69
150
MOŽNOSTI ADAPTÍVNYCH HYPERMEDIÁLNYCH KURZOV V E-LEARNINGU
POSSIBILITIES OF ADAPTIVE HYPERMEDIA COURSES IN E-LEARNING
JOZEF KAPUSTA ................................................................................................................................................ 76
PROČ VĚDECKÁ ŠKOLA A JAK SE K NÍ DOSTAT?
WHY SCIENTIFIC SCHOOL AND HOW TO ACHIEVE IT?
CYRIL KLIMEŠ .................................................................................................................................................. 81
ADAPTIVITA INFORMAČNÍCH SYSTÉMŮ
INFORMATION SYSTEM ADAPTIVITY
ROMAN MALO .................................................................................................................................................. 89
ZVYŠOVANIE KOMPETENCIÍ UČITEĽOV STREDNÝCH ŠKÔL V OBLASTI PROGRAMOVANIA
A E-LEARNINGU
INCREASING COMPETENCES OF SECONDARY SCHOOL TEACHERS IN THE FIELD OF
PROGRAMMING AND E-LEARNING
MIROSLAVA MESÁROŠOVÁ ............................................................................................................................... 95
NÁVRH OBJEKTOVÉHO A DATOVÉHO MODELU PRO IMPLEMENTACI EXPERTNÍHO
SYSTÉMU
DESIGN OF OBJECT AND DATA MODEL FOR IMPLEMENTATION OF EXPERT SYSTEM
ROSTISLAV MIARKA ....................................................................................................................................... 100
POTREBA BUDOVANIA CENTRÁLNYCH DOHĽADOVÝCH SYSTÉMOV PRE SIEŤOVÉ
MANAŽMENTY
BUILDING CENTRALIZED MONITORING SYSTEMS FOR NETWORK MANAGEMENTS
MILOŠ MUCHA, ERIK URLAND ....................................................................................................................... 104
PARALELNÉ PROCESY V IMAGINE LOGO
PARALLEL PROCESSES IN IMAGINE LOGO
GABRIELA LOVÁSZOVÁ – VIERA PALMÁROVÁ ............................................................................................... 109
PODNIKOVÁ ARCHITEKTURA, INFORMAČNÍ TECHNOLOGIE A PODNIKOVÝ MANAGEMENT
ENTERPRISE ARCHITECTURE, INFORMATION TECHNOLOGY AND BUSINESS
MANAGEMENT
IVANA RÁBOVÁ .............................................................................................................................................. 117
QUO VADIS, PROGRAMOVANIE
QUO VADIS, PROGRAMMING
SKALKA, JÁN .................................................................................................................................................. 125
APLIKACE UMĚLÉ INTELIGENCE V EKONOMICKÉ OBLASTI
THE APPLICATION OF ARTIFICIAL INTELLIGENCE IN THE FIELD OF ECONOMICS
JIŘÍ ŠŤASTNÝ, MARTIN POKORNÝ, ARNOŠT MOTYČKA .................................................................................. 129
PODPORA MOBILITY V IPV6 A JEJ PRAKTICKÉ VYUŽITIE
IPV6 MOBILITY SUPPORT AND ITS PRACTICAL UTILIZATION
PETER ŠVEC .................................................................................................................................................... 136
151
VYUČOVANIE PREDMETU KÓDOVANIE A ZOBRAZENIE INFORMÁCIÍ S VYUŽITÍM ELEARNINGOVÉHO KURZU
TEACHING OF SUBJECT DATA CODING AND REPRESENTATION USING E-LEARNING
COURSE
JÚLIA TOMANOVÁ ........................................................................................................................................... 142
E-LEARNINGOVÝ KURZ PRE TABUĽKOVÝ KALKULÁTOR
E-LEARNING COURSE FOR SPREADSHEED PROGRAM
MARTIN VOZÁR .............................................................................................................................................. 146
152
Katedra informatiky Fakulty prírodných vied UKF v Nitre
Názov:
Informatický seminár Katedry infomatiky 2007 – Využitie operačných
systémov a počítačových sietí v podpore výučby informatických predmetov
Typ publikácie: Zborník príspevkov z vedeckého seminára s medzinárodnou účasťou
Edícia:
Prírodovedec č. 267
Zopodpovední redaktori:
Mgr. Martin Cápay, PaedDr. Viera Palmárová
Rozsah:
153 strán
Náklad:
50 kusov
Vydavateľ:
Schválené:
Katedra informatiky Fakulty prírodných vied UKF v Nitre
Vedením FPV UKF v Nitre dňa 4. 9. 2007
ISBN 978-80-8094-167-3
9 788080 941673
9 788080 941673

Kompletný zborník príspevkov - Katedra informatiky

Transkript

Podobné dokumenty

Prípadová štúdia

ICT plan pro rok 2012/2013

Úprava textu s použitím dalších prvků

potenciální a skutečný dopad informatické soutěţe do změn

Pulp fiction aneb Quentin Tarantino na Šelepce

21. Klasifikace bezpečnostních hrozeb pro počítače, mož