| Darba uzdevumi | Rezultāti | |
| 1 | Izstrādāt domēnspecifisku rīku konfigurācijas mehānismu, iekļaujot tajā uz transformācijām balstītus paplašināšanas punktus. | Izstrādāts domēnspecifisku rīku konfigurācijas mehānisms, kura pamatā ir inovatīvi stereotipu definēšanas līdzekļi. Šie līdzekļi ir ļāvuši konfigārcijas mehānismā iekļaut precīzi definētus uz transformācijām balstītus paplašināšanas punktus, ar kuru palīdzību domēnspecifiskā rīkā iespējams viegli iekļaut pēc noklusējuma neatbalstītas iespējas.(skat. publ. [11]) |
| 2 | Tālāk attīstīt un realizēt transformāciju vadītās arhitektūras (TDA 2) pamatelementus domēnspecifisko sistēmu būves platformas (GRADE3) vajadzībām, nodrošinot platformas komponenšu savstarpējās sadarbības iespējas. | Pabeigti projektēšanas un izstrādes darbi transformāciju vadītās arhitektūras pamatelementiem, kas nodrošina domēnspecifisko sistēmu būves platformas (GRADE3) komponenšu savstarpējo sadarbību – TDA2 kodolam un RAAPI programmatūras saskarnei, kā arī transformāciju, dziņu un repozitoriju adapteru mehānisms. TDA2 dziņu un repozitoriju adapteru mehānisms nodrošina piekļuvi domēnspecifisku modelēšanas rīku bāzes servisiem sadarbībai ar ārējām lietojumprogrammām. (publ. [14], prom. d. [79]) |
| 3 | Izstrādāt domēnspecifiskiem modelēšanas rīkiem pielāgojamu bāzes servisu komplektu (sadarbībai ar ārējām lietojumprogrammām), domēnspecifisko sistēmu būves platformas (GRADE3) vajadzībām. | Pabeigta demēnspecifiskiem modelēšanas rīkiem pielāgojamu bāzes servisu izstrāde, kas ļauj izstrādātajiem rīkiem sadarboties ar ārējām lietojumprogrammām, kā piemēram, modeļu transformācijām tiek nodrošināta piekļuve relāciju datubāzēm, grafiskie modeļi tiek eksportēti uz ar tīmekļa servisiem savietojamiem formātiem – HTML un SVG. Minētie servisi izmantoti domēnspecifisku procesu modelēšanas rīku prototipu izstrādē Latvijas Universitātes Datorikas un Medicīnas fakultāšu vajadzībām. (publ. [21] [12] [3] [23] [25] [18] [46] [19] [24] , prom. d. [74]) |
| 4 | Tālāk attīstīt domēnspecifisku rīku un sistēmas būves arhitektūru balstītu uz interfeisu metamodeļiem un dziņiem. | Turpinās darbs pie domēnspecifisku rīku un sistēmu būves arhitektūras izstrādes. Izstrādāta metodoloģija un specializēta modeļu transformāciju valoda, kas ļauj mazināt problēmas ar konkrētas domēnspecifiskas modelēšanas valodas implementāciju, piemēram, biznesa procesu modelēšanas valodu realizāciju, izmantojot izpildāmu valodu dziņus. (publ. [1], prom. d. [76]) |
| 5 | Tālāk attīstīt lielu ontoloģiju grafiskās apstrādes un strukturēšanas līdzekļus. | Turpinās darbs pie lielu ontoloģiju grafiskās apstrādes un strukturēšanas līdzekļu attīstīšanas, kā pamatu izmantojot jau iepriekšējos posmos izstrādāto ontoloģiju apstrādes rīku OWLGrEd. Izstrādāta metode, kas ļauj vizualizēt ontoloģijas fragmentus, izmantojot OWL API modularizācijas mehānismu. (publ. [10][22][2][13][20][15]) |
| 6 | Izpētīt teksta plānošanas metodes un izstrādāt principus kontrolētā dabīgā valodā ģenerētas ontoloģijas aksiomu kārtošanai un apvienošanai saistītā tekstā, ņemot vērā diskursa struktūru. | Šajā projekta posmā ir izstrādāta teorētiska, multilingvāla metode kā ontoloģijas pārvērst kontrolētas, taču iespējami dabīgas, viegli uztveramas valodas tekstā, kontrolētās valodas (t.i., ontoloģijas verbalizācijas) ģenerēšanai izmantojot freimu semantikas metodes, konkrēti FrameNet kā starpvalodu. Šī metode, izmantojot ieviesto mikrorelāciju jēdzienu, tekstā ļauj modelēt arī anaforiskas references un laika dimensiju (t.i., diskursa struktūru). Tā kā pamatinformācija par faktiem tiek attēlota ontoloģiju formā, tad ir iespējams lietot automātiskos secinātājus un citas ontoloģiju apstrādes iespējas, vienlaikus saglabājot iespēju iegūt skaidrojumus dabīgā valodā. (publ. [4][26][27][43][44]) |
| 7 | Izstrādāt rīku problēmsfēras specifisku ontoloģiju un konceptu karšu savstarpējo transformāciju realizēšanai, balstoties uz iepriekšējos posmos definētajiem algoritmiem. | Ir izstrādāts rīks (I4S), kurā ir implementēta struktūrmodelēšanas pieeja un kas atbalsta transformācijas algoritmu īstenošanu (prom.d. [78]). Rīks sastāv no 3 pamatkomponentēm: lietojuma, datu bāzes (DB) un zināšanu bāzes (ZB). Visās pamatkomponentēs ir implementēta pielāgota zināšanu atspoguļošanas shēma - freimu kopa, kas nodrošina to integritāti. Rīkā ir implementēti modeļu vizualizēšanas algoritmi, kas nodrošina automatizētu modeļu konstruēšanu no pieejamām zināšanām. Turklāt rīkā ir implementēti struktūras analīzes algoritmi, kas ļauj iegūtos struktūras modeļus analizēt. Ir izdota monogrāfija par struktūrmodelēšanas teorētiskajiem pamatiem un praktisko lietojumu ([48]) |
| 8 | Izstrādāt formālu metodi zināšanu struktūru (konceptu karšu) salīdzināšanai. | Izmantojot iepriekšējos posmos izstrādātos ontoloģiju un konceptu karšu transformāciju algoritmus, ir veikti vairāki praktiski to novērtējumi. Algoritmi ir implementēti rīkā un to darbība ir vērtēta. Transformācijas algoritma un rīka pārbaudi veica, risinot mācību kursu un studiju programmu salīdzināšanas uzdevumos. Pirmajā uzdevumā no viena mācību kursa vairākām konceptu kartēm, pielietojot to transformāciju uz ontoloģijām un vēlāk izmantojot ontoloģiju apvienošanas rīkus, ir iegūta visa kursa ontoloģija ([32]). Savukārt, pielietojot inverso transformāciju, tika iegūta apvienotā konceptu karte, kas ir lietotājam daudz vieglāk saprotama un uztverama nekā ontoloģija. Bet otrajā uzdevumā, kas ir saistīts ar studiju programmu salīdzināšanu, konceptu kartes tika izmantotas, kā zināšanu struktūra, kurā glabāt informāciju par studiju programmām un izmantojot ontoloģiju analīzes un klasterēšanas metodes, ir meklētas studiju programmu līdzības ([29]). Arī šeit ir pārbaudīta transformācija no konceptu kartes uz ontoloģiju. |
| 9 | Pilnveidot zināšanu struktūru novērtēšanas metodi. | Konceptu karšu (KK) analīzes rezultātā ir noteikts, ka ir liela uz KK balstītu uzdevumu daudzveidība ([28]), Taču, kā tika noskaidrots literatūras analīzē, zināšanu vērtēšanai tiek izmantoti 23 dažādi uzdevumu veidi. Septiņi no tiem minēti vairāk nekā trīs literatūras avotos (3 no tiem ir KK aizpildīšanas, bet 4- konstruēšanas uzdevumi). Tika izpētīta arī šos uzdevumus veidojošo faktoru savstarpējā atkarība ([36]). Veicot literatūras analīzi, ir identificēti KK uzdevumu vērtēšanai izmantotie kritēriji: 21 kritērijs KK komponentu vērtēšanai, 16 KK struktūras mēri un 5 cita veida kritēriji. Ne visi kritēriji ir piemēroti visu veidu KK uzdevumu vērtēšanai, tāpēc tie ir sagrupēti pēc to piemērotības dažādiem KK uzdevumu veidiem, lai būtu iespējams izstrādāt katram uzdevumu veidam piemērotāko vērtēšanas metodi. Lai pamatotu lēmumu KK vērtēšanā iekļaut arī attieksmi aprakstošās frāzes analīzi, ar aprēķiniem ir pierādīts, ka tai ir būtiska ietekme uz kopējo KK vērtējumu ([37]). |
| 10 | Izstrādāt rīku struktūrmodelēšanas pieejas un modeļu transformācijas algoritmu atbalstam. | Analizējot a) iepriekšējo gadu studentu konceptu kartes, b) IKAS savākto statistiku par to, cik daudz studentu samazina/paaugstina uzdevuma grūtības pakāpi, kā arī c) studentu atbildes uz anketas jautājumiem par uzdevuma grūtības pakāpēm un pārejām starp dažādām grūtības pakāpēm, gatavojot IKAS studentu zināšanu vērtēšanai jaunajā mācību gadā tika secināts, ka par sākotnējo uzdevuma grūtības pakāpi ir jāuzstāda 6. grūtības pakāpe. Iemesls tam ir tāds, ka tieši šī uzdevuma grūtības pakāpe ļauj katram studentam atrast viņam vispiemērotāko grūtības pakāpi, jo a) nodrošina visvairāk iespēju samazināt grūtības pakāpi, b) ļauj studentiem redzēt, ar ko atšķiras dažādu grūtības pakāpju uzdevumi, un c) studentiem, kam ir augsts zināšanu līmenis, nodrošina iespēju neizpildīt pārāk vienkāršus uzdevumus, lai sasniegtu visaugstāko grūtības pakāpi ([38], [41]). IKAS ir papildināta ar studenta modeli, kas paaugstina adaptivitāti katram studentam (prom.d. [77]). |
| 11 | Izstrādāt dzīvotspējīgo sistēmu modelī sakņotu zināšanu plūsmu modeli. | Veikti pētījumi par mobilo tehnoloģiju attīstību pāris pēdējo gadu laikā un dažādu jaunu mobilo ierīču un to pieejamību un izplatību, salīdzinot ar vienkāršiem mobilajiem tālruņiem. Veikti pētījumi aģentu tehnoloģijas jomā ar uzsvaru uz integrācijas aspektu ar mobilo tehnoloģiju risinājumiem. Tajā skaitā ir pētītas darba plūsmu pieejas izmantošanas iespējas aģentu un mobilo tehnoloģiju kontekstā. Rastie risinājumi ir pielietoti papildus veikto pētījumu jomā par personīgo zināšanu pārvaldības sistēmas (PZPS) konceptuālo attīstību un tās pielietojumu mācību vides atbalstam ([50]). Veikti pētījumi par darba plūsmu un biznesa procesu modelēšanu ar aģentu tehnoloģijām. Tā rezultātā ir izstrādāta pieeja integrācijas nodrošināšanai starp mākoņskaitļojamām biznesa procesu vadības sistēmām BPVS un organizācijās esošajām informācijas sistēmām un aparatūru, kas pamatojas uz darbā piedāvāto mobilo aģentu sistēmas arhitektūru ([6], [34], [16]). Ir veikti sākotnēji pētījumi par studiju programmu aprakstīšanu konceptu karšu veidā, lai vēlāk tos būtu iespējams analizēt un izmantot personalizētu mācīšanās ceļu izveidošanai ([7]) Ir veikta ontoloģiju analīze, lai novērtētu iespējas no tām iegūt likumus, kam varētu izmantot tradicionālos izveduma mehānismus ([9]) |
| 12 | Izanalizēt alternatīvas zināšanu struktūru klasifikācijas iespējas un salīdzināt ar interaktīvo induktīvās apmācības sistēmu zināšanu struktūru klasifikācijai. | Uzdevuma izpildei ir izvēlēta izglītības joma un datu avots - universitātes kursu apraksti, kas satur problēmspecifiskus datus - kursos iegūstamās zināšanas, prasmes, un kompetences. Rezultātā ir izstrādāta metode, kas ietver zināšanu struktūru (zināšanu standartu, vārdnīcu, taksonomiju) un pielāgota teksta apstrādes risinājuma izmantošanu, lai datu avotos identificētu zināšanu struktūrās esošos konceptus. Izstrādātajā metodē papildus zināšanu struktūrām ir izmantotas dabīgās valodas apstrādes metodes: vārdu identificēšana, vārdu sakņu izdalīšana (angl. stemming) un lieko vārdu (angl. stopwords) izslēgšana, kas uzlabo konceptu identificēšanu tekstā. Metodes darbināšanai izstrādāts programmatūras prototips, kas ir komponents teksta analīzes platformā Apache UIMA. Raksturoti scenāriji, kā identificētos konceptus (problēmspecifiskos datus) var izmantot tālākai apstrādei, piemēram, lai savā starpā salīdzinātu kursus; salīdzinātu kursus ar darba sludinājumiem, tādā veidā nodrošinot informāciju lēmumu pieņemšanai, piemēram, par kursa satura pārskatīšanu. Izmantojot metodi un programmatūras prototipu, ir veikta analīze par Software Engineering Body of Knowledge standarta saistību ar RTU bakalaura līmeņa studiju programmu "Datorsistēmas". ([8], [39], [40], [45]) |
| 13 | Izstrādāt metodi problēmspecifisku datu izgūšanai no dokumentiem, izmantojot Web tehnoloģijas un dažādas zināšanu struktūras. | Uzdevuma izpildei ir izvēlēta izglītības joma un datu avots - universitātes kursu apraksti, kas satur problēmspecifiskus datus - kursos iegūstamās zināšanas, prasmes, un kompetences. Rezultātā ir izstrādāta metode, kas ietver zināšanu struktūru (zināšanu standartu, vārdnīcu, taksonomiju) un pielāgota teksta apstrādes risinājuma izmantošanu, lai datu avotos identificētu zināšanu struktūrās esošos konceptus. Izstrādātajā metodē papildus zināšanu struktūrām ir izmantotas dabīgās valodas apstrādes metodes: vārdu identificēšana, vārdu sakņu izdalīšana (angl. stemming) un lieko vārdu (angl. stopwords) izslēgšana, kas uzlabo konceptu identificēšanu tekstā. Metodes darbināšanai izstrādāts programmatūras prototips, kas ir komponents teksta analīzes platformā Apache UIMA. Raksturoti scenāriji, kā identificētos konceptus (problēmspecifiskos datus) var izmantot tālākai apstrādei, piemēram, lai savā starpā salīdzinātu kursus; salīdzinātu kursus ar darba sludinājumiem, tādā veidā nodrošinot informāciju lēmumu pieņemšanai, piemēram, par kursa satura pārskatīšanu. Izmantojot metodi un programmatūras prototipu, ir veikta analīze par Software Engineering Body of Knowledge standarta saistību ar RTU bakalaura līmeņa studiju programmu "Datorsistēmas". ([8], [39], [40], [45]) |
| 14 | Paplašināt integrēto portālu ietvaru ar semantiskā tīmekļa tehnoloģijām. | Ir izpētīta semantiskā tīmekļa tehnoloģiju pielietošana portālu komponentu izstrādē, noteiktas šo tehnoloģiju izmantošanas priekšrocības un problēmas, kas var rasties, tās izmantojot, kā arī ir parādīts, kā atbilstoši mainās portletu izstrādes metodoloģija. Ir izstrādāti vairāki portleti, kas ir izvietoti demonstrācijas portālā, kas ir viens no iepriekšējā posma rezultātiem ([33], [42]). Izstrādātie portleti demonstrē semantiskā tīmekļa tehnoloģiju izmantošanas ieguvumus datu integrēšanas un atkārtotas izmantošanas kontekstā. Portleti ir izstrādāti atbilstoši nozares standartiem un var tikt izmantoti arī citos portālos. |