Kap. 5 – Formalization Levels

1. Kap. 5 –Formalization Levels How Information Technology Is Conquering the World: Workplace, Private Life, and Society Professor Kai A. Olsen, Universitetet i Bergen og Høgskolen i Molde

2. Formaliseringsnivåer For å kunne bruke datamaskinen må oppgaven være formalisert, dvs. beskrevet helt entydig. Men vi kan formalisere på mange nivåer. Et eksempel, en bokreferanse, formalisert som tegn: Olsen, Kai A. (2012) How Information Technology Is Conquering the World: Workplace, Private Life, and Society. Scarecrow Press, ISBN 978-0-8108-8720-6 Dersom alle brukte dette formatet kunne vi trekke ut forfatternavn, årstall, m.m. relativt enkelt (med muligheter for feil), men vi ville fort få problemer om mange format ble brukt, som: How Information Technology Is Conquering the World: Workplace, Private Life, and Society av K. A. Olsen, utgitt på Scarecrow Press i desember 2012, 978-0-8108-8720-6, 650 sider.

3. Høyere nivå formalisering • Vi kan imidlertid formalisere på høyere nivå, ved å beskrive hvert dataelement, slik det gjøres i skjema, i ”record” definisjoner m.m., for eksempel: • Forfatter: Kai A. Olsen • Årstall: 2012 • Jo høyere formaliseringsnivå jo flere, kjappere og sikrere operasjoner kan vi utføre på data. • For eksempel er det en bagatell å hente ut årstallet om dette står i et eget felt, mens det kan være vanskeligere om dette er en del av teksten (ja, vi kan plukke ut et firesifret tall, men dette kan være sidetall, en del av tittel, eller en del av ISBN nummeret) , noen årstall presenteres også med to siffer.

4. Lavnivå: Tegninger lagret som pixels Kan lagre dette som pixel (punkt), f.eks. med tre byte pr punkt (for å representere rød, grønn og blå - RGB) En linje kan da representeres gjennom de pixler som utgjør linjen Gir stor fleksibilitet (bilder og tegninger), men krever mye plass (lite problem i dag) Redigering må skje på pixelnivå Eksempel: Paint, Photoshop 11001000 (rød) + 11001000 (grønn) + 11001000 (blå) y = x

5. Høynivå: Tegninger lagret som objekter Hvert objekt kan representere en type geometrisk figur Et sett attributter gir data for objektet En linje kan da representeres ved koordinatene til endepunktet Effektiv lagring Enkel redigering (vi kan f.eks. peke på linjen og flytte denne) Linjen må gjengis på skjermen (”rendering”) Eksempel: Tegning i Word, Autocad, … y2 y1 x1 x2

6. Lavnivå: Paint • Tegningen er lagret på pixel-nivå, som et sett av punkter • Full frihet • Begrenset redigering: • Sletting: undo på siste operasjon og ”viskelær” • Ingen endring etter tegning

7. Høynivå: Microsoft Word • Tegningen er representert på objektform • Objekter kan flyttes, fjernes, kan få nye egenskaper m.m. • Vi kan gjøre langt flere operasjoner her. • 2D og 3D tegneprogram bruker denne metoden.

8. Nivå Objekt-metoden har høyere formaliseringsnivå enn pixel-metoden Her kan vi operere på hvert objekt som utgjør tegningen (flytte, endre, fjerne, kopiere)

9. Autocad • Avansert tegne-program • 2D og 3D • Objekt-basert

10. Solidworks (3D konstruksjonsprogram)

11. Adobe Photoshop • Avansert program for bilde-håndtering • Både pixel og objektbasert • Har flere ”layers”

12. Kan alt fikses i Photoshop?

13. Tekstbehandling (tegnkoding) Vi kan representere teksten kun på tegn-nivå (som ASCII koder) Da kan vi kun gjøre operasjoner på dette nivået Det blir ikke mulig å unngå ord-deling på slutten av linjen, å foreta stavekontroll, å markere et ord, m.m. Programmet forstår ikke begreper som ord, setninger, avsnitt m.m. Eksempel: Notepad

14. Høyere formaliseringsnivå Vi kan definere regler for hva som er: ord (samling bokstaver omsluttet av skilletegn) setning (samling av ord avsluttet med punktum) avsnitt (samling av setninger avsluttet av et avsnitt-tegn). Dette kan da brukes for høyere nivås operasjoner Eksempel: Microsoft Word, Open Office

15. Datalagring (tegnkoding) Vi kan lagre data, f.eks. bibliografiske data, som tekst Da kan vi foreta ren tekstsøk, om vi f.eks. søker etter forlaget ”Scarecrow” eller produsenten ”Apple” vil vi få treff for alle poster der disse bokstavene inngår, uansett sammenheng. Er vi ute etter forlaget eller databedriften får vi mye støy.

16. Høyere formaliseringsnivå Om vi i stedet koder dataene på høyere nivå kan vi foreta mer avanserte søk For eksempel kan vi tagge (som i XML): <publisher>Scarecrow</publisher> <computer>Apple</computer> <school breakfast>Apple, Bread, Cheese</school breakfast> <book title>Scarecrow in the field</book title> Eller vi kan for eksempel sette inn data i faste felt i programmer som Excel, i skjema og lagre disse i recordtyper i databasen, m.m.

17. Søk Informasjons-behov Resultatet avhenger av hvor presist søket er i forhold til dataene. Formalisert som et sett søkeord søk Unike navn, identifikatorer, tagger m.m. høyner presisjonen av søket.

18. Også nivåer i tekstbehandling

19. Vi kan velge formaliseringsnivå • Når vi bruker en tekstbehandler, som Microsoft Word, kan vi velge formaliseringsnivå, for eksempel: • Vi kan representere overskrifter som standard stil, men bruke store fonter, eller øke formaliseringsnivået ved å definere dette som Heading-stiler • Vi kan ha referanser, f.eks. se Kapittel 4, Figur 3, Side 232, som vanlig tekst eller øke formaliseringsnivået ved å bruke ”cross reference” begrepet • Hva er fordelene med å løfte formaliseringsnivået?

20. Et problem med tekstbehandlerne • En tekstbehandler kan brukes på lavt nivå – som en skrivemaskin. • Det fungerer bra for korte dokumenter, blir lite effektivt for større dokumenter og en katastrofe for store. • Derfor er det viktig at en tidlig lærer de avanserte operasjonene, slik at teksten kan formaliseres på høyt nivå.

21. Eksempel: Høynivå Word • Kapitteloverskrifter markeres som ”heading” • Figurtekst markeres som det (insert > reference > caption) • Henvisning til figurtekst markeres med kryssreferanse (insert > reference > cross reference) • Indeksord markeres (bookmark), referanser gis som fotnoter, m.m. • Fordeler: Tekstbehandleren lager innholdsfortegnelse, indeks, liste over figurer, holder orden på nummerering, m.m.

22. Felles prosjekt • Kan vi trekke ut formaliserte data (forfatternavn, årstall, tittel, forlag eller journal, sidenr m.m.) av artikkelreferanser? • Dvs. kan vi høyne formaliseringsnivået ved hjelp av smart prosessering. • Eksempler: • Trechsel, A., Vassil, K., Schwerdt, G., Breuer, F., Alvarez, M., Hall, T. (2010) Internet Voting in Estonia. A Comparative Analysis of Four Elections since 2005, Report for the council of Europe, European University Institute, Robert Schuman Centre for Advanced Studies. • Gould, S. J., 1983, Hen's Teeth and Horse's Toes, W. W. Norton, New York City, 413 p. • Ingmanson, D. E. and Wallace, W. J., 1985, Oceanography: An Introduction, Wadsworth, Belmont, CA, 530 p. • Harris, G. T. (2001, May 3). The influences of Christmas on Japanese culture.. Holidays, 4, 23-29. • Gjøsteen, K. (2011) Analysis of an internet voting protocol, http://eprint.iacr.org/2010/380 • e-Vote 2011 Security Objectives, Ministry of Local Government, see: http://www.regjeringen.no/upload/KRD/Kampanjer/valgportal/e-valg/tekniskdok/Security_Objectives_v2.pdf • Qvortrup, Matt (2005) First past the Postman: Voting by Mail in Comparative Perspective, Political Quarterly, Volume 76, Issue 3, pages 414–419.