Zápis zo stretnutia č. 11

Dátum: 23.2.2009
Miesto: Softvérové štúdio (D07b, KIVT, FEI-STUBA)
Prítomní:
Pedagóg: RNDr. Valéria Šimáková
Členovia tímu: Bc. Bálint Farkas, Bc. Michal Holub, Bc. Juraj Kollár, Bc. Vojtech Villaris,
Bc. Martin Virik
Neprítomní: -
Hostia: -
Zápis vyhotovil: Bc. Michal Holub
Téma stretnutia: Naštartovanie prác v letnom semestri

Vyhodnotenie minulých úloh

Priebeh stretnutia

1. 1.Pani Šimáková zhodnotila náš príspevok na IIT-SRC ako dobrý, po posúdení programovým výborom konferencie je pri zistení nedostatkov možné príspevok upraviť. Juro upraví časť pojednávajúcu o technológiách a namiesto nej napíše naše inovácie. 

2. 2.Na stránku tímu treba pridať posudok od tímu č. 15 na náš prototyp. Keďže nám nič nevytkli, stačí stručná reakcia v zmysle, že nejasnosti sme si vysvetlili v diskusii pri predvádzaní prototypu. 

3. 3.Máme si všetci pozrieť plán na leto a zamyslieť sa nad ním. Martin ho spresní pridaním konkrétnych termínov (konferencia, odovzdávanie výstupov), ktoré ešte neboli v zimnom semestri známe. 

4. 4.Pani Šimáková nám zapožičala zborník z konferencie Znalosti 2009, máme si ho pozrieť a skúsiť do projektu zakomponovať, čo by sa nám mohlo hodiť. 

5. 5.Diplomant pani Šimákovej, Juraj Šimon, robí diplomovú prácu o AISe. Túto prácu máme k dispozícii, Bálint ju preštuduje. Juraj Šimon príde 2.3.2009 na naše stretnutie a bližšie nám povie o spôsobe pristupovania k údajom v AISe. Stretnutie sa začína o 13:30. 

6. 6.Zhodnotili sme výsledky zimného semestra: úspešne sme implementovali prototyp, nezistili sme vážnejšie nedostatky v návrhu. Juraj navrhol reprezentáciu znalostí v akejsi stromovej štruktúre, čo sme ale zavrhli, lebo sa nezhodovala s pôvodným zámerom. Následne sme si vyjasnili princíp tvorby znalostí (viď príloha A) podľa nášho pôvodného zámeru. 

7. 7.Juraj navrhol rozdelenie úloh pri implementácii systému, všetci sme súhlasili, viď príloha B. 

8. 8.Vojto a Bálint informovali o serveri, na ktorom budeme systém prevádzkovať. Je nainštalovaný, potrebujeme získať prihlasovacie údaje a IP adresu. Následne musíme vytvoriť dvojicu kľúčov pre zabezpečené spojenie so serverom a poslať verejný kľúč Ing. Lackovi. Treba zistiť, či a ako sa dostaneme na server z priestorov mimo školy, nakoľko potrebujeme vyvíjať z domu.  

9. 9.Rozdelili sme si časti priebežnej správy na TP CUP. Zistili sme, že STU má celkovo 19 000 študentov :-) 

Nové úlohy

Príloha A – Tvorba znalostí

Znalosť je akýsi stupeň odbornosti odrážajúci skúsenosti v určitom odbore. V našom prípade je to skúsenosť s rôznymi technológiami a princípmi softvérového inžinierstva. Znalosť definuje používateľ s rolou pedagóg, keď chce vyhľadať vhodných študentov pre svoj zámer (výskum, stáž, práca...). Nasleduje konkrétny príklad.

Pedagóg dostane ponuku na stáž vo firme Microsoft. Táto firma hľadá dvoch študentov, ktorých by cez leto na 3 mesiace zamestnala vo svojej centrále. Podmienkou pre uchádzačov je znalosť technológií tejto firmy, konkrétne jazyka C#, operačného systému Windows Vista a databázového servera SQL Server 2008. Ďalej by mali študenti mať analytické schopnosti a skúsenosti s objektovo-orientovaným návrhom softvéru. Pedagóg použije na vyhľadanie vhodných študentov náš systém. Zadefinuje novú znalosť, ktorú nazve Microsoft technológie. Definuje kľúčové slová a ich váhované prepojenie na túto znalosť: C# - 55 %, Windows Vista – 35 %, UML – 10 %. Kľúčové slová pritom vyberá zo zoznamu kľúčových slov prítomných v systéme (definujú sa raz pri inštalácii, príp. sa získajú z nejakého štandardného zoznamu, aké má ACM alebo IEEE). To zabezpečí konzistenciu, ak by ich mohol len tak zadávať, vznikli by problémy C# vs. C # (bez medzere a s medzerou).

Po tom, čo pedagóg definoval znalosť Microsoft technológie, dá podľa nej vyhľadať študentov. Systém hľadá kľúčové slová vo faktoch každého študenta. Kľúčové slová k faktom pridáva študent (stáž, školenie...), konfigurátor alebo sa získajú z AISu (predmety). Keď nájde zhodu (napr. nájde predmet OOANS, ktorý má definované kľúčové slovo UML s váhou 40 %), vypočíta podľa konfigurátorom definovaného vzorca výstup pre tento predmet (napr. kredity / známka) a z tohto výsledku zoberie 40 %. Následne pripočíta zodpovedný podiel tohto výstupu (podľa váhy kľúčového slova v znalosti, v našom príklade 10 %) k celkovej miere znalosti Microsoft technológie tohto študenta. Takto prehľadá všetky fakty (ďalšie predmety, projekty, stáže, diplomovú prácu...). Po vypočítaní znalosti všetkých študentov systém zobrazí ich zoznam usporiadaný podľa miery splnenia znalosti (vyššie číslo je lepšie). Pedagóg sa môže ďalej rozhodnúť aplikovať na tieto výsledky nejaký filter (napr. vybrať len študentov inžinierskeho štúdia) – toto je už doplnková funkcionalita.

Príloha B – Rozdelenie úloh pri implementácii systému

• .Bálint Farkas – zabezpečenie chodu databázy, dátová vrstva aplikácie – Hibernate mapovanie tried 

• .Michal Holub – aplikačná vrstva, opis rozhraní a ich implementácia, tvorba algoritmov, písanie unit testov, úprava návrhu 

• .Juraj Kollár –  integrátor súčastí, architekt, prezentačná vrstva, tvorba návrhu 

• .Vojtech Villaris – tvorba algoritmov, aplikačná vrstva 

• .Martin Virik – tvorba prezentačnej vrstvy, dizajn aplikácie