Разработка модели оценки знаний

29

СОДЕРЖАНИЕ

1 Описание предметной области             

2 Постановка задачи

3 Обзор возможных средств решения поставленной задачи

3.1 Концепция баз данных

3.2 Архитектура субд

3.3 Инфологическая модель данных "сущность-связь"             

3.4 Построение инфологической модели предметной области методом ER–диаграммы

3.5 Описание диаграммы «сущность-связь»

3.6 Реляционная структура данных

4 Разработка схемы базы данных и ее нормализация

4.1 О нормализации, функциональных и многозначных зависимостях             

4.2 Потенциальные ключи

4.3 Ссылочная целостность

4.4 Первичные и внешние ключи

4.5 Потенциальные ключи и null – значения

4.6 Ограничение целостности

4.7 Описание логической схемы базы данных

5 Инструментальные средства и алгоритм реализации ИС

5.1 Обоснование  выбора средств реализации

5.2 Разработка интерфейса пользователя

5.3 Описание данных БД «тестер»

5.4 Заполнение базы данных

5.5 Назначение ис «тестер»

5.6 Руководство пользователя для работы с программой   «Тестер»

5.6.1 Создание тестовых заданий

5.6.2 Поиск и редактирование данных.

5.6.3 Процесс тестирования.

5.7 Описание характеристик программного продукта

Выводы

Перечень ссылок

Приложение А Фрагмент кода модуля test

Приложение Б Фрагмент кода программы для работы с базой данных

ВВЕДЕНИЕ

Для современных условий характерно применение  на предприятиях, в учреждениях и организациях высокоэффективной информационной системы, основанной на использовании новейших технических средств автоматизированной обработки цифровой и текстовой информации на базе компьютеров, объединенных в единую локальную вычислительную сеть.

Особое значение имеет развитие автоматизированных систем разного уровня. Одним из глобальных вопросов в автоматизации является связка между собой звеньев автоматизированной системы учреждения и дальнейшая интеграция различных автоматизированных систем в единый комплекс.

Информационные системы в настоящее время составляют основную область приложений компьютерных систем во всех видах хозяйственной, финансовой, творческой деятельности, а также в образовании, фундаментальных и прикладных научных исследованиях. Современные компьютерные технологии обслуживают потребности человека и групп людей в их общественной и технической деятельности и являются частью повседневной жизни.

Принцип работы информационной управляющей системы основан на создании встроенных моделей предметной области, общих моделей контролируемых объектов пользователя в этой области и их частных экземпляров, отражающих конкретные свойства объектов.

Способность накапливать и обеспечивать эффективный доступ к информации становится определяющим фактором не только для развития, но и для поддержания жизнеспособности современного общества. Появление и быстрый рост числа информационных систем, функционирующих во всем мире, явились результатом специализации информационной деятельности и необходимости резкого повышения производительности труда в этой сфере. Основные надежды обоснованно возлагаются на использование все более совершенных ЭВМ и средств долговременного хранения больших объемов данных.

Целью данного дипломного проекта является разработка модели оценки знаний.

На основе исследования существующего документооборота было разработано единое информационное обеспечение подсистемы, базирующееся на технологии клиент-сервер под управлением системы управления базами данных Access.

Программное обеспечение разработано с использованием среды разработки визуальной разработки приложений Borland Builder 6. При разработке программного обеспечения были учтены требования по однообразию пользовательского интерфейса с уже имеющимися и используемыми программными средствами. Реализован ввод входной информации, её обработка и хранение.

1 ОПИСАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ

Темой данной бакалаврской работы является разработка модели тестирования.

Современные виды обучения используют различные подходы, включая заочную и дистанционную формы, то есть такую организацию учебного процесса, при котором преподаватель разрабатывает учебную программу, главным образом базирующуюся на самостоятельном обучении . Такая среда обучения характеризуется тем, что обучаемый отделен от преподавателя в пространстве или во времени, в то же время, они имеют возможность осуществлять диалог между собой с помощью средств телекоммуникации.

Основными видами контроля знаний, которые участвуют в подборе концепции обучения в автоматизированных системах тестирования, как при традиционном, так и при “самостоятельном” обучении, являются следующие:

        предварительный контроль - предназначен для выяснения уровня подготовки испытуемого и построения индивидуального курса обучения;

        самоконтроль - для самостоятельной проверки точности усвоения предъявленного блока.

Тесты для самоконтроля обычно называют тренажерами, тренировками или тренингом. Автоматизированные тренировки служат цели выработки навыков выполнения обучаемым определенных мыслительных действий. Эти программы рассчитаны на повторение или закрепление пройденного и не содержат нового материала. Автоматизированная система изменяет частоту предъявления знаний того или иного класса в зависимости от наличия ошибок определенного типа и от времени выполнения задания.

Конечной целью такого контроля является достижение минимального времени безошибочного выполнения обучаемым заданий всех классов. Для развития самоконтроля служат и программные комплексы типа "Simulator", в которых в качестве объектов усвоения выступают внешние проявления того или иного процесса, закономерности, которые недоступны наблюдению в естественных условиях;

      текущий контроль предназначен для выработки дальнейших действий, подбора индивидуального темпа обучения, выявления “пробелов” в знаниях для дальнейшего их устранения;

      рубежный контроль предусмотрен для проверки усвоения конкретного этапа. Контроль во всех формах обучения производится путем проведения обычных экзаменов, письменных экзаменов или курсовых работ;

      итоговый контроль дает оценку качества подготовки и присутствует во всех обучающих системах, включая и автоматизированные.

Автоматизированный контроль знаний может выполнять в учебном процессе следующие функции:

      индикации, то есть определения понимания (или непонимания) структуры учебной информации;

      диагностики, или установления уровня усвоения обучаемым отдельных тем и разделов;

      оценки, а именно, определения степени соответствия системы приобретенных знаний задачам, условиям и характеру его будущей профессиональной деятельности.

Одним из самых распространенных средств автоматизированной проверки способностей и знаний, используемых как в традиционном, так и в дистанционном и заочном обучении, является тестирование. Традиционный контроль только преподавателем растянут по времени и не может полностью охватить весь курс обучения, не может дать полной картины действительного уровня знаний обучаемых, поскольку опрос, как правило, ведется выборочно. При данном контроле существуют субъективные параметры, негативно влияющие на точность при измерении знаний. Следовательно, необходимы способы объективной оценки результатов обучения, не требующие больших затрат времени. Автоматизированное тестирование решает указанные проблемы. Кроме того, оно имеет ряд преимуществ, таких как надежность, высокая дифференцирующая способность, экономичность и оперативность при его проведении. Также при этом экономится время для эффективного обучения [1].

Но наряду с достоинствами, такой подход имеет ряд существенных недостатков. Системы автоматизированного тестирования требуют, прежде всего, больших финансовых затрат, особенно на этапе разработки. Для создания тестов требуется привлечение таких специалистов, как авторы тестовых заданий; независимые эксперты, осуществляющие экспертизу этих заданий; программисты и операторы компьютеров, отвечающие за разработку или эксплуатацию программных средств по сбору и анализу тестовых данных.

Большая трудоёмкость на этапе создания тестов дала повод для создания автоматизированных систем, осуществляющих генерацию контрольных заданий при тестировании. При этом достаточно серьезной остается проблема оценивания знаний в автоматизированных системах тестирования. Обычно при тестировании в  рейтинговых системах используется суммарная оценка. Вследствие этого при уходе от пятибалльной системы происходит изменение подхода к оцениванию, который становится количественным, а не качественным.

Тестирование не может полностью заменить традиционный контроль преподавателем, поскольку оно не дает заключения о системе знаний испытуемого в целом, задания не позволяют применять нестандартное решение, выявить степень творческого мышления респондента. Следовательно, и применение такого подхода имеет ограничения. Оно не может заменить традиционных экзаменов. Например, в систему аттестации специалистов во многих странах тесты входят, но лишь как составная часть системы разнообразных испытаний, как предварительный контроль оценки элементарных знаний, как фильтр, без прохождения которого обучаемый не должен допускаться к традиционным экзаменам.

На основе вышеизложенного можно сделать вывод о том, что автоматизированное тестирование знаний должно проводится в сочетании с другими видами контроля и, по возможности, воспроизводить логику преподавателя при выставлении оценки, которая несла бы качественную характеристику традиционного подхода. Это позволит минимизировать отрицательные стороны тестирования и наиболее полно использовать его достоинства.

Во многих существующих автоматизированных системах контроля знаний отсутствует обоснованная система параметров, по которым следует оценивать уровень усвоения знаний. Возникает проблема, каким образом измерить знания, чтобы уменьшить расхождение результатов оценивания при автоматизированном и традиционном контроле с личным участием преподавателя.

Анализируя современные работы в области измерений знаний можно выделить два основных понятия: понятие оценки и понятие измерения. Оценка более сложное понятие, чем измерение. Она включает как количественное, так и качественное описание, как технику измерения, так и описание изменений в деятельности обучаемого. А измерение ограничивается количественным описанием и не включает в себя качественных характеристик или суждений о ценности измеряемых знаний. На практике невозможно оперировать качественными признаками в отличие от их числовых эквивалентов. Поэтому наметилась стойкая тенденция к расширению использования в автоматизированных системах тестирования количественных методов, оперирующих числами и отражающих знания обучаемых.

Полученные при измерении знаний числа должны соответствовать определенной степени усвоения и, при использовании различных шкал, могут быть на разных уровнях. Шкала - это средство для измерения непрерывных свойств объекта. Она представляет собой числовую систему, в которой отношения между различными свойствами объекта выражены свойствами числового ряда. Общепринятыми являются четыре шкалы: наименований, порядка, интервалов и отношений.

Все виды числовой обработки шкалы наименований касаются упорядочения в каждом классе чисел наблюдений или их состава. Поэтому, при контроле знаний в автоматизированных системах шкала наименований не используется.

Несколько больше возможностей представляет использование шкалы порядка. Числа отражают количество свойства, принадлежащего предмета. По шкале порядка можно измерять качество ответов обучаемых при наличии критерия, но в случае, когда точностью можно пренебречь. В качестве примера можно привести шкалу оценок рейтинговой автоматизированной системы, тест которой содержит задания одинаковой сложности.

Если предметы, как и приписываемые им числа, можно упорядочить то можно использовать шкалу интервалов. Нулевая точка шкалы интервалов произвольна и не указывает на отсутствие свойства. Примером использования этой шкалы является задания различной сложности в автоматизированных рейтинговых системах [2].

В шкале отношений числа, присваиваемые предметам, обладают теми же свойствами, что и числа в шкале интервалов. Но кроме этого, на шкале отношений имеется абсолютный ноль. В связи со сложностью его выбора данная шкала при автоматизированном тестировании не используется. Обычно за нулевую отметку выбирают такую точку, ниже которой знания по интересующему признаку не имеет смысла измерять. Обычно на практике в системах нулевой уровень знаний соответствует ситуации, когда респондент не отвечает ни на один вопрос. Если же испытуемый отвечает неправильно, то его знания соответствуют так называемому отрицательному уровню.

Свойства шкалы таковы, что для одного и того же множества вариантов ответов может быть несколько шкал и величина оценки по различным шкалам не одинакова, но использование одной и той же шкалы в совокупности с одинаковыми критериями позволит получить однозначное соответствие между уровнем знаний и оценкой по предмету.

Поскольку измерение знаний выражается в виде числа - выставленной оценки, то оценка при автоматизированном контроле выражает только количественное измерение усвоенных знаний и служит на практике лишь сравнительной мерой уровня подготовки разных обучаемых. Однако не всякое использование чисел есть количественное измерение. Оценке может соответствовать качественный анализ усвоения, свойственный традиционному контролю с участием преподавателя. Оценки не означают величину, а показывают отношение одного значения признака к другому. Решение проблемы оценки как качественного критерия при автоматизированном контроле состоит в следующем: количественный подход измерения должен получить качественную характеристику в виде оценки, если формализовать опыт и интуицию преподавателя.

При тестировании довольно сложно выставить оценку в жестко заданных границах традиционной системы. Указанные границы определяются самим преподавателем и зачастую правила выставления оценки носят интуитивный характер. Сложность в моделировании логики при оценивании знаний дает повод перейти при автоматизации контроля к более детализированным шкалам.

2 ПОСТАНОВКА ЗАДАЧИ

Таким образом, на основании проделанного анализа, можно поставить ряд задач, включающих основные требования, предъявляемые к автоматизированным системам подобного класса, а также объективной оценки знаний.

      определить метод оценивания знаний, который позволит оценить знания по принципу рейтингового контроля;

      полученная при автоматизированном тестировании оценка должна отвечать уровню знаний респондента и соответствовать традиционной пятибалльной шкале оценивания (или иметь тип «зачтено» - «не зачтено»);

      обеспечить наполнение базы данных тестирования таким образом, чтобы предотвратить угадывания;

  реализовать предложенный метод оценивания знаний в виде диалога между системой и пользователем в удобной и понятной форме.

3 ОБЗОР ВОЗМОЖНЫХ СРЕДСТВ РЕШЕНИЯ ПОСТАВЛЕННОЙ ЗАДАЧИ

3.1 Концепция баз данных

Активная деятельность по отысканию приемлемых способов обобществления непрерывно растущего объема информации привела к созданию в начале 60-х годов специальных программных комплексов, называемых системами управления базами данных (СУБД). Этому предшествовал первый опыт использования файловых систем для организации баз данных. Файловые системы выявили различные проблемы обработки большого количества информации и заложили основные направления развития теории баз данных. Вот список лишь нескольких потребностей, которые не покрывались возможностями систем управления файлами:

        поддержание логически согласованного набора файлов;

        обеспечение языка манипулирования данными;

        восстановление информации после разного рода сбоев;

        реально параллельная работа нескольких пользователей.

Можно считать, что если прикладная информационная система опирается на некоторую систему управления данными, обладающую этими свойствами, то эта система управления данными является системой управления базами данных. Основная особенность СУБД – это наличие процедур для ввода и хранения не только самих данных, но и описаний их структуры [3]. Файлы, снабженные описанием хранимых в них данных и находящиеся под управлением СУБД, стали называть банками данных, а затем базами данных (БД). Приведем типовую схему организации работы с СУБД.

Рисунок 3.1 – Связь программ и данных при использовании СУБД

3.2 Архитектура СУБД

СУБД должна предоставлять доступ к данным любым пользователям, включая и тех, которые практически не имеют и (или) не хотят иметь представления о:

        физическом размещении в памяти данных и их описаний;

        механизмах поиска запрашиваемых данных;

        проблемах, возникающих при одновременном запросе одних и тех же данных многими пользователями (прикладными программами);

        способах обеспечения защиты данных от некорректных обновлений и (или) несанкционированного доступа;

        поддержании баз данных в актуальном состоянии и множестве других функций СУБД.

При выполнении основных из этих функций СУБД должна использовать различные описания данных. Отметим, что проектирование этих описании обычно поручается человеку (или группе лиц) – администратору базы данных (АБД).

Объединяя частные представления о содержимом базы данных, полученные в результате опроса пользователей, и свои представления о данных, которые могут потребоваться в будущих приложениях, АБД сначала

создает обобщенное неформальное описание создаваемой базы данных. Это описание, выполненное с использованием естественного языка, математических формул, таблиц, графиков и других средств, понятных всем людям, работающих над проектированием базы данных, называют инфологической моделью данных (рис. 3.2).

              Рисунок 3.2 – Уровни моделей данных

Такая человеко-ориентированная модель полностью независима от физических параметров среды хранения данных. В конце концов, этой средой может быть память человека, а не ЭВМ. Поэтому инфологическая модель не должна изменяться до тех пор, пока какие-то изменения в реальном мире не потребуют изменения в ней некоторого определения, чтобы эта модель продолжала отражать предметную область.

Остальные модели, показанные на рис. 3.2, являются компьютеро-ориентированными. С их помощью СУБД дает возможность программам и пользователям осуществлять доступ к хранимым данным лишь по их именам, не заботясь о физическом расположении этих данных. Нужные данные отыскиваются СУБД на внешних запоминающих устройствах по физической модели данных.

Так как указанный доступ осуществляется с помощью конкретной СУБД, то модели должны быть описаны на языке описания данных этой СУБД. Такое описание, создаваемое АБД по инфологической модели данных, называют даталогической моделью данных [4].

Трехуровневая архитектура (инфологический, даталогический и физический уровни) позволяет обеспечить независимость хранимых данных от использующих их программ. АБД может при необходимости переписать хранимые данные на другие носители информации и (или) реорганизовать их физическую структуру, изменив лишь физическую модель данных. АБД может подключить к системе любое число новых пользователей (новых приложений), дополнив, если надо, даталогическую модель. Указанные изменения физической и даталогической моделей не будут замечены существующими пользователями системы (окажутся "прозрачными" для них), так же как не будут замечены и новые пользователи. Следовательно, независимость данных обеспечивает возможность развития системы баз данных без разрушения существующих приложений.

3.3 Инфологическая модель данных "Сущность-связь"

Цель инфологического моделирования – обеспечение наиболее естественных для человека способов сбора и представления той информации, которую предполагается хранить в создаваемой базе данных. Поэтому инфологическую модель данных пытаются строить по аналогии с естественным языком (последний не может быть использован в чистом виде из-за сложности компьютерной обработки текстов и неоднозначности любого естественного языка). Основными конструктивными элементами инфологических моделей являются сущности, связи между ними и их свойства (атрибуты).

Сущность – любой различимый объект (объект, который мы можем отличить от другого), информацию о котором необходимо хранить в базе данных. Сущностями могут быть люди, места, самолеты, рейсы, вкус, цвет и т.д. Необходимо различать такие понятия, как тип сущности и экземпляр сущности. Понятие тип сущности относится к набору однородных личностей, предметов, событий или идей, выступающих как целое. Экземпляр сущности относится к конкретной вещи в наборе. Например, типом сущности может быть ГОРОД, а экземпляром – Харьков.

Атрибут – поименованная характеристика сущности. Его наименование должно быть уникальным для конкретного типа сущности, но может быть одинаковым для различного типа сущностей (например, ЦВЕТ может быть определен для многих сущностей: СОБАКА, АВТОМОБИЛЬ, ДЫМ и т.д.). Атрибуты используются для определения того, какая информация должна быть собрана о сущности.

Абсолютное различие между типами сущностей и атрибутами отсутствует. Атрибут является таковым только в связи с типом сущности. В другом контексте атрибут может выступать как самостоятельная сущность. Например, для автомобильного завода цвет – это только атрибут продукта производства, а для лакокрасочной фабрики цвет – тип сущности.

Ключ – минимальный набор атрибутов, по значениям которых можно однозначно найти требуемый экземпляр сущности. Минимальность означает, что исключение из набора любого атрибута не позволяет идентифицировать сущность по оставшимся.

Связь – ассоциирование двух или более сущностей. Если бы назначением базы данных было только хранение отдельных, не связанных между собой данных, то ее структура могла бы быть очень простой. Однако одно из основных требований к организации базы данных – это обеспечение возможности отыскания одних сущностей по значениям других, для чего необходимо установить между ними определенные связи. А так как в реальных базах данных нередко содержатся сотни или даже тысячи сущностей, то теоретически между ними может быть установлено более миллиона связей. Наличие такого множества связей и определяет сложность инфологических моделей.

3.4 Построение инфологической модели предметной области методом ER–диаграммы

В реальном проектировании структуры базы данных применяется метод семантического моделирования. Семантическое моделирование представляет собой моделирование структуры данных, опираясь на смысл этих данных. В качестве инструмента семантического моделирования используются различные варианты диаграмм сущность-связь (ER - Entity-Relationship).

Первый вариант модели сущность-связь был предложен в 1976 г. Питером Пин-Шэн Ченом. ER-модель можно рассматривать как семантическое расширение РМД, поскольку основные структуры данных (множества сущностей и связей) могут быть представлены отношениями реляционной БД [5].

Диаграмма П. Чена, используемая в модели  «сущность-связь», используется и сейчас, т.к. ее наглядность помогает дальнейшему логическому программированию РБД. Известно, что в логической схеме РБД семантика данных передается посредствам первичных и внешних ключей, функциональных зависимостей. Этих возможностей недостаточно для передачи смысла данных, хранимых в СУБД.

Общий подход к проблеме семантического моделирования характеризуется четырьмя основными этапами:

– прежде всего следует задать множество семантических концепций (понятий), которые полезны при неформальном моделировании предметной области;

– далее нужно определить множество соответствующих формальных объектов, которые могут быть использованы для представления описанных выше семантических концепций;

–  нужно вывести множество формальных правил целостности для работы с такими формальными объектами;

–  следует задать множество формальных операторов для работы с этими формальными объектами.

Объекты, правила и операторы вместе образуют расширенную модель данных, если эти конструкции действительно являются супермножеством конструкций одной из базовых моделей, таких как, например, базовая реляционная модель.

При построении семантической модели БД следует учитывать следующие основные правила структурирования в ER-модели:

      свойство всегда связано с одним определенным типом объектов, т.е. одно и то же свойство не может характеризовать несколько типов (если только они не являются подчиненными общему типу);

      одни и те же объекты-сущности могут агрегироваться в любое количество связей;

      сущность может агрегироваться в некоторой связи несколько раз.  В этом случае каждое вхождение сущности в связь характеризуется ее ролью в этой связи;

      связи могут агрегировать в себе любое количество сущностей (равное или большее двух). Связи не могут агрегировать связи.

Формально структурная спецификация ER-модели задается следующим образом. Прежде всего, вводится множество E={E1,...,Em} типов сущностей, где Ei={ei1,..., eiMi} - множество сущностей. Введем теперь множество R={R1,..., Rp} типов связей. Пусть (E1,..., En) - совокупность сущностей (не обязательно различных), агрегируемых в n-арную связь Rj, Lj={lj1,...,ljn} - множество ролей каждого типа сущности Ek в типе связи Rj. Тогда Rj={(lj1/e1 ,..., ljn/en) | e1ÎE1 ,..., enÎEn}, где ljk/ek обозначает поименованную ролью ljk  сущность ek. Поскольку сущности в связи сопровождаются своей ролью, порядок их расположения не значим. По аналогии с РМД множества  Е и R считаются конечными,  но не  фиксируются.

Пусть теперь V1 ,..., Vn - множества скалярных значений.  Многозначное агрегатное свойство можно определить как  отображение ji:Ei®(V1´...´VK)q  или jj: Rj®(V1´...´VK)q, где К - число агрегированных простых свойств, показатель декартовой степени q - число повторений агрегата. При К =1 получаем простое свойство. При  q =1 свойство является однозначным.

ER-диаграмма – это граф с тремя видами вершин: вершины-прямоугольники обозначают типы сущностей, вершины-ромбы - типы связей, вершины-овалы - множества значений (домены). Внутри вершины записывается соответствующее имя.  Имеется два вида (не обязательно) именованных ребер. Ребра «сущность-связь» обозначают соответствующую агрегацию, имя ребра - роль сущности в связи. Ребра «объект-множество значений» соответствуют свойствам. Отсутствие имени свойства означает, что принято имя соответствующего множества значений. Ребра-свойства могут «ветвиться», образуя в общем случае направленный граф, показывающий иерархию имен агрегатов свойств. Двойным ребром на диаграмме обозначается многозначное свойство.