Einsatz von Deep-Learning-Technologien für die Lehre von UML-Klassendiagrammen

Kurzzusammenfassung:

Für Studierende in Informatikstudiengängen stellt das Erlernen und selbstständige Erstellen von UML-Klassendiagrammen eine Grundvoraussetzung für das erfolgreiche Absolvieren des Studiums dar. Jedoch stellen diese Aufgaben Studierende immer wieder vor Herausforderungen. Da studentische Lösungen von einer Musterlösung abweichen und dennoch korrekt sein können, ist die Korrektur studentischer Klassendiagramme für Lehrende oft mit einem gewissen Zeitaufwand verbunden. Um Studierende bei ihrem Lernprozess und Lehrende bei der Korrektur zu unterstützen, wurde ein Prototyp für die Erkennung und syntaktische Analyse von UML-Klassendiagrammen erstellt. Während den Übungsstunden erhalten Studierende textuelle Beschreibungen (Anforderungen) und erstellen anhand dieser ein Klassendiagramm. Der Prototyp kann Studierenden während den Übungsstunden ein erstes Feedback zu den von ihnen erstellten Klassendiagrammen liefern.


Übersicht

Ziele:

  • Die Studierenden erhalten einen Prototypen, der ihnen ein erstes Feedback zu erstellten Lösungen gibt.
  • Die Studierenden können ihre Lösungen durch individuelles Feedback verbessern.
  • Die Studierenden können anhand des individuellen Feedbacks langfristig ihre Kompetenzen bei der Erstellung von UML-Klassendiagrammen verbessern.
  • Lehrpersonal kann entlastet werden.
  • Studierende können auch zuhause, wo kein Lehrpersonal anwesend ist, üben und Feedback erhalten.

Didaktische Funktion(en):

  • Wiederholung & Festigung
  • Transfer & Anwendung
  • Beurteilung
  • Rückmeldung & Feedback

Hintergrund / didaktisch-methodische Einordnung:

Die in der Kurzzusammenfassung angeführten Punkte motivierten die Entwicklung eines Prototyps zur Erkennung und syntaktischen Analyse von UML-Klassendiagrammen. Da sich Deep-Learning-Technologien aufgrund ihrer rasanten Entwicklung in Bereichen wie Bild- und Texterkennung bewähren konnten, wurden diese für die Entwicklung herangezogen.

Sozialform(en):

Einzelarbeit

Anzahl der Lernenden:

ab 1 Personen


Voraussetzungen und Ressourcen

Voraussetzungen:

Lernende benötigen Vorkenntnisse zu den einzelnen Diagrammelementen der UML-Klassendiagramme und deren mögliche Beziehungen zueinander.
Eine Lehrperson ist nicht zwingend erforderlich, aber dennoch hilfreich, falls es auf Seite der Studierenden zu weiterführenden Fragen kommt.

Ausstattung & Medien:

PC mit Grafikkarte, 1 Beamer


Ablauf
Abb. 1: Beispiel für ein textuelles Feedback an Studierende

Beispiele oder Materialien:

Beispiel einer textuellen Aufgabe:

Ein Spieler meldet sich mit Name und Passwort beim Spiel an.
Dann kann er aus drei verschiedenen Charakteren seine Spielfigur wählen: 
Zauberer, Fee, Zwerg. Diese können zwei 
Waffen besitzen, die der Spieler aus der Menge 
Axt, Lanze, Dreizack und Pfeil und Bogen wählen 
kann. Waffen haben einen Schadenswert und einen
 Verteidigungswert. Außerdem kann ein Character
 eine Tasche mitführen, in der verschiedene 
Gegenstände gesammelt werden können, die man im 
Laufe des Spiels findet (Zauberbuch, Stein, 
Feder, Urkunde). Feinde des Character können 
Ork, Magier und Ritter sein. Diese können 
ebenfalls bis zu zwei der obigen Waffen besitzen.


a.) Beschreiben Sie die Klassen in UML-Notation mit sinnvollen Attributen und Methoden.
b.) Fügen Sie sinnvolle Vererbungsbeziehungen ein.
c.) Fügen Sie weitere Beziehungen zwischen den Klassen mit Multiplizitäten ein.
Abb. 2: Beispiel für die Erkennung von UML-Elementen innerhalb eines Diagramms

Hinweise zur Vorbereitung:

Konzeption von textuellen Beschreibungen.
Vorbereitung einer Beispiellösung, mit der der Prototyp studentische Lösungen vergleichen kann.

Hinweise zur Nachbereitung:

Am Ende der Übungsstunde sollte mit den Studierenden eine gemeinsame Beispiellösung erstellt werden.

Hinweise zur Dauer: Insgesamt ca. 50 Minuten


Kritische Einordnung

Vorteile und Stärken:

Studierende erhalten ein erstes und individuelles Feedback zu ihren erstellten UML-Klassendiagrammen.

Grenzen und Schwächen:

PC mit Grafikkarte muss verfügbar sein. Erstellte studentische Lösungen können bisher nur mit einer Beispiellösung verglichen und Differenzen an Studierende kommuniziert werden.

Sonstige Hinweise:

Das hier beschriebene Lehr-Lern-Arrangement beschreibt, wie ein erstellter Prototyp Studierenden während den Übungsstunden ein erstes und individuelles Feedback zu den von ihnen erstellten Klassendiagrammen liefern kann. Der Prototyp verwendet hierfür Deep-Learning-Technologien. Dadurch können sowohl Studierende unterstützt als auch Lehrpersonen entlastet werden.


Literatur und weiterführende Hinweise

Huber, F.; Hagel, G. (2020): Work-in-Progress: Towards detection and syntactical analysis in UML class diagrams for software engineering education, In: Global Engineering Education Conference (EDUCON), Porto, IEEE.

Redmon, J.; Farhadi, A. (2018): YOLOv3: An Incremental Improvement, arXiv, https://arxiv.org/abs/1804.02767