1. Selekce a restrikce informací 2. Specifikace profesních témat 3. Možnosti databázových zdrojů pro profesní téma. samostudia



Podobné dokumenty
KIV/ZIS cvičení 5. Tomáš Potužák

8.2 Používání a tvorba databází

GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY 10

Databázové systémy. Doc.Ing.Miloš Koch,CSc.

PRODUKTY. Tovek Tools

3. přednáška z předmětu GIS1 atributové a prostorové dotazy

Kurz Databáze. Obsah. Dotazy. Zpracování dat. Doc. Ing. Radim Farana, CSc.

Úvod do databázových systémů

Marketingová komunikace. 2. a 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3aph)

Střední odborná škola a Střední odborné učiliště, Hořovice

Organizační chování. Rozvoj poznání v organizačním chování

Informační systémy 2008/2009. Radim Farana. Obsah. Obsah předmětu. Požadavky kreditového systému. Relační datový model, Architektury databází

Tovek Tools. Tovek Tools jsou standardně dodávány ve dvou variantách: Tovek Tools Search Pack Tovek Tools Analyst Pack. Připojené informační zdroje

PRODUKTY. Tovek Tools

Úvod do databázových systémů

Začínáme s Tovek Tools

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ /14

REGULACE SKUPINOVÉ DYNAMIKY, OPATŘENÍ K PŘEDCHÁZENÍ KONFLIKTŮM UVNITŘ JEDNOTKY

Analýza a modelování dat 3. přednáška. Helena Palovská

Informační systémy ve zdravotnictví. 6. cvičení

Operátory ROLLUP a CUBE

1. ÚVODNÍ INFORMACE K PŘEDMĚTU. Vysoká škola technická a ekonomická v Českých Budějovicích. Institute of Technology And Business In České Budějovice

Databáze SQL SELECT. David Hoksza

Logika pro sémantický web

UŽIVATELSKÁ PŘÍRUČKA K INTERNETOVÉ VERZI REGISTRU SČÍTACÍCH OBVODŮ A BUDOV (irso 4.x) VERZE 1.0

Základy informatiky. 08 Databázové systémy. Daniela Szturcová

Nástroj pro monitorování a analýzu českého internetu a sociálních médií

Marketingová komunikace. 2. soustředění. Mgr. Pavel Vávra Kombinované studium Skupina N9KMK1aPH/N9KMK1bPH (um1a1ph/um1b1ph)

Úvod do databázových systémů

4. blok část A Logické operátory

1 Strukturované programování

Vysoká škola technická a ekonomická v Českých Budějovicích. Institute of Technology And Business In České Budějovice

MBI - technologická realizace modelu

K možnostem užití státních maturit jako přijímacích zkoušek jaký styl ověřování předpokladů ke studiu chceme podporovat?

Informační média a služby

GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY CVIČENÍ 4

Kritéria hodnocení praktické maturitní zkoušky z databázových systémů

Primární klíč (Primary Key - PK) Je právě jedna množina atributů patřící jednomu z kandidátů primárního klíče.

Databáze I. 1. přednáška. Helena Palovská

Michal Krátký, Miroslav Beneš

Manuál pro uživatele portálu NováProfese

Datové modelování II

Výroková a predikátová logika - VII

Střední odborná škola stavební Karlovy Vary Sabinovo náměstí 16, Karlovy Vary Autor: Ing. Hana Šmídová Název materiálu:

Databázové a informační systémy Jana Šarmanová

TEORIE ZPRACOVÁNÍ DAT

DATABÁZOVÉ SYSTÉMY. Metodický list č. 1

Přizpůsobení JSTL pro Google App Engine Datastore

Vysoká škola technická a ekonomická v Českých Budějovicích. Institute of Technology And Business In České Budějovice

Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115

1. Vymezení pojmu talent management

Základy informatiky. 06 Databázové systémy. Kačmařík/Szturcová/Děrgel/Rapant

Wichterlovo gymnázium, Ostrava-Poruba, příspěvková organizace. Maturitní otázky z předmětu INFORMATIKA A VÝPOČETNÍ TECHNIKA

VEŘEJNÁ EKONOMIKA Úvod do veřejné ekonomie a veřejné ekonomiky

Inovace a zkvalitnění výuky prostřednictvím ICT. Základní seznámení s MySQL Ing. Kotásek Jaroslav

VÝUKOVÝ MATERIÁL. Bratislavská 2166, Varnsdorf, IČO: tel Číslo projektu

Vývoj moderních technologií při vyhledávání. Patrik Plachý SEFIRA spol. s.r.o.

Informační a komunikační technologie

Základy databází. O autorech 17 PRVNÍ ČÁST. KAPITOLA 1 Začínáme 19

Tovek Server. Tovek Server nabízí následující základní a servisní funkce: Bezpečnost Statistiky Locale

Datová věda (Data Science) akademický navazující magisterský program

VY_32_INOVACE_IKTO2_0460 PCH

Kurz pro studenty oboru Informační studia a knihovnictví 5. Informační architektura

INOVACE PŘEDMĚTŮ ICT. MODUL 11: PROGRAMOVÁNÍ WEBOVÝCH APLIKLACÍ Metodika

Vyhledávání na portálu Knihovny.cz

Předmět: Konverzace v ruském jazyce

Kronika projektu OPPA

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016

PMA 3 jako nástroj rozvoje českého egovernmentu

Ukládání a vyhledávání XML dat

Metody tvorby ontologií a sémantický web. Martin Malčík, Rostislav Miarka

Marketingový výzkum. Ing. Martina Ortová, Ph.D. Technická univerzita v Liberci. Projekt TU v Liberci

Databázové systémy. Datová integrita + základy relační algebry. 4.přednáška

Relační DB struktury sloužící k optimalizaci dotazů - indexy, clustery, indexem organizované tabulky

Základní principy vyhledávání firem

Maturitní otázky z předmětu PROGRAMOVÁNÍ

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2014

Dolování v objektových datech. Ivana Rudolfová

Primární klíč, cizí klíč, referenční integrita, pravidla normalizace, relace

Nápověda 360 Search. Co je 360 Search? Tipy pro vyhledávání

Systém elektronického rádce v životních situacích portálu

DIGITÁLNÍ UČEBNÍ MATERIÁL

6.4 Charakteristika vyučovacího předmětu Informatika

Multi-dimensional expressions

Mgr. Petra Hrnčířová Období tvorby Leden Střední vzdělání s MZ, nástavbové studium 2. ročník. Český jazyk Základy informatiky.

Databáze I. 5. přednáška. Helena Palovská

================================================================================ =====

Unární je také spojka negace. pro je operace binární - příkladem může být funkce se signaturou. Binární je velká většina logických spojek

Databázové systémy úvod

MATURITNÍ OTÁZKY ELEKTROTECHNIKA - POČÍTAČOVÉ SYSTÉMY 2003/2004 PROGRAMOVÉ VYBAVENÍ POČÍTAČŮ

Numerické dovednosti. PaedDr. Mgr. Hana Čechová

Inovace a zkvalitnění výuky prostřednictvím ICT Databázové systémy MySQL základní pojmy, motivace Ing. Kotásek Jaroslav

Kritéria hodnocení praktické maturitní zkoušky z databázových systémů

Jak vytvářet poznatkovou bázi pro konkurenční zpravodajství. ing. Tomáš Vejlupek

MODELOVÁNÍ DAT V INFORMAČNÍCH SYSTÉMECH. Jindřich Kaluža Ludmila Kalužová

SYLABUS IT V. Jiří Kubica. Ostrava 2011

Škola: Gymnázium, Brno, Slovanské náměstí 7. III/2 - Inovace a zkvalitnění výuky prostřednictvím ICT Inovace výuky na GSN prostřednictvím ICT

Střední průmyslová škola Zlín

37. Indexování a optimalizace dotazů v relačních databázích, datové struktury, jejich výhody a nevýhody

Úvod do databází. Modelování v řízení. Ing. Petr Kalčev

Transkript:

Aplikovaná informatika Získávání a zhodnocování informací z volně dostupných databázových zdrojů na dané profesní téma. ZEMÁNEK, Z. PLUSKAL, D. SMETANA, B. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky amanagementu Registrační číslo projektu: CZ.1.07/2.2.00/28.0326

Získávání a zhodnocování informací z volně dostupných databázových zdrojů na dané profesní téma. 1. Selekce a restrikce informací 2. Specifikace profesních témat 3. Možnosti databázových zdrojů pro profesní téma Kontrolní otázky a úkoly samostudia

Cíle přednášky 1. Předat studentům poznatky o selekci a restrikci informací. 2. Uvést a objasnit základy z specifikace profesních témat. t 3. Objasnit možnosti databázových zdrojů pro profesní téma.

Práce s informací Každá množina reálných objektů a jevů má své zákonitosti, své zařazení do hierarchie světa, svou klasifikaci na podtypy, své vztahy k okolí. Také podmnožiny atributů mohou mít mezi sebou důležité vztahy asociace: korelace, příčiny p a následkyn sledky, skryté faktory apod., které v matematických disciplínách nazýváme proměnnými. Popis těchto atributů bývá často poměrně vágní. Například: Chceme-li popsat člověka, o kterém budeme mluvit, řekneme například: ten mladý blonďák, s rozcuchanou ofinou, asi ze sousedního vchodu. Reálnou skutečnost poznáváme po částech, často se navzájem překrývajp ekrývajících ch podle toho, proč nás s právě tato část světa (atributů) ) zajímá. [1]

Práce s informací Jakmile začneme hlouběji zkoumat některé jevy systematicky, začínáme pozorováním reality, shromažďováním údajů a zkoumáním toho, jaká fakta o údajích platí. Ověřujeme, jestli se z faktů dají formulovat obecně platná pravidla, nebo dokonce dokázat některé (přírodní, společenské, ) zákonitosti. Získáváme tak schopnost vytvářet informace a tyto dále předávat. [1] Samotný proces práce s informací je velmi rozmanitý vzhledem k jejich charakteru a podílu na řízení subjektů.

Selekce, agregace a restrikce informací [2,3] upraveno [2,3] upraveno Obr: Vlivy působící během zpracování dat zakódované informace. Obr: Vlivy působící během zpracování dat zakódované informace. Při komunikačním procesu vždy dochází k výběru informací (selekci), který je obvykle ovlivněn potřebami a přáním příjemce. [2] Současně s tím dál dochází ke kumulaci (agregaci) dat do skupin, neboli agregátů. Takto úsporná opatření, většinou vynucená časovou náročností zpracování dat a také omezením kapacity úložného prostoru, mohou vést v k další šímu, nepřesn esnému zpracování informace.

Selekce, agregace a restrikce informací [2,3] upraveno Obr: Vlivy působící během zpracování dat zakódované informace. Dalším krokem je restrikce - znamená omezení, např. redukci objemu dat konverzí obrázků a podobná úsporná opatření. Užívá se pro omezení daná vlastním rozhodnutím nebo jiné autority, nikoli faktickými překážkami a nedostatky. Výsledkem předchozích jevů je, že informace mohou být často zkreslené. Následuje interpretace dat, která spočívá v analýze významu sdělení pro příjemce informace. [2]

Databázový přístup p k základnz kladním m pojmům výběru Pracujeme s uspořádaným typem dat. Úvodním procesem je prostá selekce. Hlavním znakem je zúžení zobrazovaných záznamů podle informačního zájmu. Informační zájem je formulován jako informační dotaz. Pro prostou selekci lze použít nástroje, označované jako filtrace, spojená s agregací dat zobrazí záznamy uspořádané podle vybrané vlastnosti.

Příklady prosté selekce databázový přístupp Výběr prvních n záznamů seřazených podle vlastnosti x [4] Příklad: Vyber prvních n (= 3) záznamů podle nejnižší ceny (= 0 9 526,00 Kč)

Obecná restrikce databázový přístupp Vybíráme záznamy ne dle pořadí vybraného atributu, ale podle celkového významu pro informační dotaz například prostá existence atributu. [4] Příklad: Zajímám se o výrobce, ale vyloučím firmu ALZA

Kombinace restrikce a projekce databázový přístupp Využijeme postupu výběru podle celkového významu pro informační dotaz. Zúžíme počet zobrazených atributů projekce. Příklad: vybírám podle kódu výrobku a současně mne nezajímá nejnižší cena a dodavatel [4]

Nástroje výběru databázový přístupp Pro vytváření selekce a restrikce využíváme vnitřní nástroje dotazy. Dotazy využívají dotazovací jazyk, který má svou syntaxi skladbu. Základem jsou jednoduché příkazy pro výběr a operátory and, or, not Pomocí výrokové logiky lze sestavit libovolné smysluplné tvrzení v důsledku i dotaz.

Proč dotazovací jazyk?? Přirozený jazyk vyjadřuje emoce a míra neurčitosti je snižována způsobem užití neverbální komunikace, profesní mluva, argot Pro strojové využití je nevhodný. Tvrzení věta, je základem výběrového dotazu. Složitější věty rozklad na atomické, jednoduché požadavky. Atomické požadavky za pomocí operátorů tvoří pak složitější věty formule-predikáty-dotazy (poznatky z matematiky).

Definice - dotazovací jazyk Je nástroj pro předávání požadavků na vyhledání databázových záznamů splňujících určitá formálně definovaná kritéria. Současně je pokyn k výpočtu určitých hodnot na základě takto vyhledaných záznamů.

Příklad databázov zového dotazovacího jazyka SQL (Structured Query Language) Strukturovaný dotazovací jazyk. Příkazově orientovaný relační má nejčastější příkaz: klíčová slova [5] SELECT seznam položek FROM tabulka WHERE podmínky

Příklad databázov zového dotazovacího jazyka QBE (Query By Example) obrazovkově (formulářově) orientovaný relační dotazovací jazyk; dotaz je definován vyplňováním formuláře znázorňujícího strukturu tabulky; [6] Příjmení Jméno ID_číslo Matematika Jazyk Maturita»» xxxxxxxx >=80 >=80 1-4

Analogie základnz kladních pojmů výběru ve fulltextu Problém výběru je v neuspořádanosti dat a jejich nepravidelném výskytu v textu. Řešení selekce a restrikce ve fulltextu: Správná volba klíčových slov a lemmatizace u prosté selekce. Využití jazyků a nástrojů pro využití operátorů, využití možností vyhledávání textu v XML u kombinované restrikce.

Možné problémy při p i selekci a restrikci ve fulltextu Vytvoření správného lemmatu Psychologická bariéra koncentrace na úvodní stránky Jazyková bariéra při hledání zdrojů a překladu klíčových slov Záměrná manipulace autorů zdroje klíčová slova na pozadí, vystavování jiného textu pro vyhledávací roboty

Možné problémy při p i selekci a restrikci ve fulltextu Neodpovídající obsah snippetů úryvků ve vyhledávači. Problém s koncentrací zdrojů v neviditelném nedostupném webu. Nevhodné vyhledávací prostředí v databázi textových zdrojů - bibliografie Nedostatečná znalost vyhledávané problematiky a sémantické konflikty

Vyhledávac vací nástroje fulltextu K významným nástrojům patří vyhledávací systém produktů firmy Tovek, využívané armádou USA. Využívá indexaci a ohodnocení dokumentů. Mimo operátorů a možností restriktivního definování poddotazů zkoumá relevanci dokumentu k dotazu (váha). [7]

Jak hledat profesní informace Motto: Chcete-li vybudovat velký podnik, vybudujte nejdříve sebe. Tomáš Baťa Získávání znalostí profesních témat je součástí vašeho projektu!

Profesní orientace Je dlouhodobý cílevědomý proces přípravy, volby a udržení zaměstnání. Součástí procesu, na kterou klade důraz i Evropská unie je testování vlastních předpokladů, schopností a zájmů. Nezbytným předpokladem je dobrá znalost profesních témat a umění vyhledání, identifikace a analýzy informací z profesní sféry.

Oblasti profesních tématt Prvním předpokladem úspěchu profesní orientace je obeznámení se s odbornou tématikou a terminologií zvolené profese. Velmi důležité je práce na svých osobnostních předpokladech v oblastech: práce s vizí jako motivačním prvkem, hodnoty a motivace jako předpoklad k efektivnosti práce, práce se stresem a řešení konfliktních situací, komunikativní dovednosti, time managament, sebeuvědomění, sebeřízen zení a sebekontrola. [8]

Jak hledat profesní informace Hledání profesních informací se koncentruje do dvou oblastí: Nalezení vhodného zaměstnání v rámci zvolené profesní orientace zde lze také získat z požadavků základní přehled o požadovaném vzdělání, znalostech, dovednostech a praxi. Rozšíření znalostí v oblasti odbornosti a profesní terminologie odborná literatura a otevřené zdroje [8]

Možnosti databázových zdrojů pro profesní téma Informace najdeme jak ve fultextových databázích, tak ve formě databázových systémů, třídících nabídky podle různých kritérií ve formě inzerátů snippetů s danou strukturou. Prostředím jsou jednak oficiální aplikace MPSV, jednak agenturní nabídky, projekty ESF a oborové portály, např. www.army army.cz.

Ukázka profesních informací www.army army.cz

Kontrolní otázky a úkoly samostudia Analyzujte možnosti selekce a restrikce při získávání profesních informací. Uvědomte si možnosti profesní orientace ve svém m zvoleném m povolání - specializaci. Vytvořte te si seznam základnz kladních profesních pojmů pro vyhledávání zdrojů.

Zdroje doplňující studijní literatura: 1. ŠARMANOVÁ, J. METODY ANALÝZY DAT - Učební text. [online]. [cit. 2013-11-10] 2012, Ostrava: VŠB-TU. 170 s. ISBN 978-80-248-2565-6 Dostupné z: http://www.person.vsb.cz/archivcd/fei/mad/ 2. BARTÁK, M. Vliv komunikace na konkurenceschopnost podniku pomocí nástrojů business inteligence Disertační práce. [online]. [cit. 2013-11-13] 2006, Praha: ČZU-PEF. 185 s. ISBN 978-80-248-2565-6 Dostupné z: www.pef.czu.cz/cs/?dl=1&f=13008 3. CATS-BARIL, W.-THOMPSON, R. Information technology and Management. USA: The McGraw-Hill Companies, Inc., ISBN 0-256-17618-3 4. Databáze standardu SQL, díl 8.: Restrikce v SQL. Http://www.penguin.cz/ [online]. 1999, 2013 [cit. 2013-11-14]. Dostupné z: http://www.penguin.cz/noviny/chip/sql/sql8.pdf 5. SQL. Http://cs.wikipedia.org [online]. 2013 [cit. 2013-11-15]. Dostupné z: http://cs.wikipedia.org/wiki/sql 6. QBE (Query By Example). Http://www.cecak.cz [online]. 2009 [cit. 2013-11-15]. Dostupné z: http://www.cecak.cz/fel/dba/referaty/qbe_query_by_example 7. Querylanguage_cz. Http://muj.anopress.cz [online]. 2011 [cit. 2013-11-18]. Dostupné z: http://muj.anopress.cz/search/pageshelp/querylanguage_cz.pdf 8. Profese-povolani. Http://www.orienteexpress.cz [online]. 2007 [cit. 2013-11-18]. Dostupné z: http://www.orienteexpress.cz/hledam-informace-z-oblasti/