Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Hamprecht Adank Geändert vor über 10 Jahren
1
Sprachen und Automaten Einsatz der Software AtoCC (Kurs: 07C404101)
Fortbildungsveranstaltung des Staatlichen Schulamts Cottbus Sprachen und Automaten Einsatz der Software AtoCC (Kurs: 07C404101) Christian Wagenknecht, Michael Hielscher Cottbus, am
2
Das Wichtigste zuerst! Vielen Dank an Herrn Thomas Lösler.
3
Veranstaltungsort: Oberstufenzentrum I, 03044 Cottbus, Sielower Str. 10
4
TI-Inhalte in der Schulinformatik: Probleme und Chancen
Blick in die Lehrpläne verschiedener Bundesländer Bevor wir uns dem speziellen Thema der Fortbildung zuwenden, wollen wir es einordnen TI-Inhalte in der Schulinformatik
5
Lehrplan Ziele und Inhalte
In den meisten Bundesländern sind ausgewählte Inhalte der TI Lehrplaninhalt der Sek. II: Nr. Bundesland Lehrplaninhalt (Lernbereich) Pflichtbestandteil 1 Baden-Württemberg Bereich der theoretischen Informatik (Automaten, Berechenbarkeit) nein 2 Bayern 3. Formale Sprachen (noch Entwurf) 3 Berlin 4.4 Sprachen und Automaten ja (auch GK) 4 Brandenburg Ja (auch GK) 5 Bremen Grundlagen der Theoretischen Informatik (Automaten, formale Sprachen) 6 Hamburg Formale Sprachen, endliche Automaten, Keller-automaten, Scanner, Parser, Ableitungsbaum nein 7 Hessen Formale Sprachen und Grammatiken Automaten, Fakultativ: Übersetzerbau 8 Mecklenburg-Vorpommern ja (auch GK) 9 Niedersachsen Eigenschaften endlicher Automaten Aspekte formaler Sprachen 10 Nordrhein-Westfalen Endliche Automaten und formale Sprachen 11 Rheinland-Pfalz Formale Sprachen und Automaten zur Sprachbeschreibung und Spracherkennung ja (nur LK) 12 Saarland Automaten und formale Sprachen Fakultativ: Übersetzerbau 13 Sachsen 8 A: Formale Sprachen, Kellerautomat, Akzeptor 14 Sachsen-Anhalt 15 Schleswig-Holstein Automaten als mögliches Themengebiet 16 Thüringen Themenbereich 7.3: Einblick in formale Sprachen
6
TI-Inhalte in der Schulinformatik: Probleme und Chancen
Blick in die Lehrpläne verschiedener Bundesländer Konkrete Inhalte
7
Lehrplanauszug Hessen
Verbindliche Unterrichtsinhalte/Aufgaben: Formale Sprachen und Grammatiken reguläre und kontextfreie Grammatiken und Sprachen Anwendung mit Syntaxdiagrammen Chomsky-Hierarchie (LK) kontextsensitive Sprachen (LK) Endliche Automaten Zustand, Zustandsübergang, Zustandsdiagramm Zeichen, Akzeptor Simulation realer Automaten (z. B. Getränkeautomat) Anwendung endlicher Automaten (z. B. Scanner) deterministische und nicht-deterministische Automaten (LK) reguläre Ausdrücke (LK) Mensch-Maschine-Kommunikation (LK) Kellerautomaten (LK, GK fakultativ) Automat mit Kellerspeicher kontextfreie Grammatiken Klammerausdrücke, Rekursion Turing- oder Registermaschine Turing- oder registerberechenbar Churchsche These Computer als universelle symbolverarbeitende Maschine Verhältnis Mensch-Maschine Fakultative Unterrichtsinhalte/Aufgaben: Übersetzerbau Scanner, Parser, Interpreter und Compiler z. B. Steuersprache für Roboter, LOGO, Plotter oder miniPASCAL
8
TI an Hochschulen – NICHTS für Schulen
Typischerweise: Begrifflich orientiert, deduktiv Zeichen, Alphabet, Wort, Verkettung, Wortmenge Sprache, formale Grammatik, Ableitung reguläre Sprachen: Chomsky-Typ-3-Grammatik, reguläre Ausdrücke, DEA, NEA, L(DEA)=L(NEA), Minimalautomat, diverse Sätze (Nerode/Myhill, Pumping Lemma, ...), ... kontextfreie Sprachen: Typ-2-Gr., DKA, NKA, L(DKA)<L(NKA), Transformation G >>> NKA (1 Zustand), diverse Sätze, ... ksS / unbeschr. Sprachen: Typ-1- und Typ-0-Grammatiken, Turing-Maschine (beschränkt/unbeschränkt) * Theorie der formalen Sprachen * Automatentheorie * Berechenbarkeitstheorie * Komplexitätstheorie
9
Lernbereich 8 A (Sächs. Lehrplan)
endlicher Automat GK Informatik f. Jahrgangsstufen 11 und 12, wird ab Schuljahr 2008/09 wirksam
10
Informatik-Lehrplan: S II, Brandenburg
gemeinsames Kerncurriculum mit Berlin und MeckPomm = Basis für schulinterne Lehrpläne 1. Auflage: 2006, gültig für Qualifizierungsphase ab Schuljahr 2008/9
11
Kompetenzerwerb im Themenfeld (Auszug)
Die Schülerinnen und Schüler verstehen die zur Problemlösung eingesetzten Programmiersprachen als spezielle formale Sprachen, die es ihnen erlauben, Probleme mit den Methoden der Informatik zu lösen. Hoffentlich nicht!!! Durch die Einführung des Automatenmodells vertiefen sie ihr Verständnis von Informatiksystemen. Naja, die LehrerInnen werden's schon machen!
12
Abbildung der Kompetenzbereiche auf Kurshalbjahre
Klassen 11 und 12 (Qualifikationsphase): 4 Kurshalbjahre 3-5 Stunden pro Kurshalbjahr
13
TI-Inhalte in der Schulinformatik: Probleme und Chancen
Blick in die Lehrpläne verschiedener Bundesländer Konkrete Inhalte: totale Überfrachtung mit Fachinhalten TI-Kompetenz der LP-Autoren? (Fachsystematik, Formulierung von Wunschvorstellungen, ...)
14
Gefühlssituation der Lehrenden
"TI wollte ich nie machen." "TI hat mich nie richtig interessiert." "TI war mir immer zu theoretisch und abstrakt." "Die TI-Dozenten waren suspekt – TI im postgradualen Studium erinnere ich mit Grausen." "Die TI-Inhalten helfen mir nicht, wenn das Schulnetzwerk mal wieder zusammenbricht." ...
15
TI-Inhalte in der Schulinformatik: Probleme und Chancen
Zeit-Problem, Inhalte-Problem (Zusammenfassung von oben) Manche Lehrende mögen es nicht. – Motivationsproblem Manche Lehrende können es nicht richtig. - Qualifikationsproblem SchülerInnen/Studierende fragen gelegentlich: "Wann geht es denn nun endlich richtig los mit der Informatik? Ach so, das ist es schon." - Vermittlungsproblem "Ergebnis": Wenn möglich, TI weglassen. FALSCH!!! Chance: Informatik als Wissenschaft repräsentieren! (wie Mathematik und Naturwissenschaften) Sonst: Studienabbrecher als konkrete Folge!!!
16
Didaktische Software für TI
in Schulen: diverse Simulationstools oder Lernumgebungen, wie Kara; meist von enthusiastischen LehrerInnen entwickelt in Hochschulen: Systeme für die Lehre, wie JFLAP LEX und YACC für die Hand des Ingenieurs Simulationstool – Bildungsserver Hessen
17
Defizite existierender Systeme
Systeme bzw. separate Module thematisieren Einzelaspekte nicht definitionskonform und/oder nicht an Lernprozessen orientiert, sondern die Prozess- Simulation dominiert Suggerieren abstrakten Automat als physikalisches Objekt Systeme können nur simple Beispiele bearbeiten – zu große Distanz zur Praxis
18
Lernumgebungen (Quelle: LP Brandenburg)
"Lernumgebungen werden so gestaltet, dass sie das selbst gesteuerte Lernen von Schülerinnen und Schülern fördern. Sie unterstützen durch den Einsatz von Medien sowie zeitgemäßer Kommunikations- und Informationstechnik sowohl die Differenzierung individueller Lernprozesse als auch das kooperative Lernen. Dies trifft sowohl auf die Nutzung von multimedialen und netzbasierten Lernarrangements als auch auf den produktiven Umgang mit Medien zu. Moderne Lernumgebungen ermöglichen es den Lernenden, eigene Lern- und Arbeitsziele zu formulieren und zu verwirklichen sowie eigene Arbeitsergebnisse auszuwerten und zu nutzen."
19
Lern- und Arbeitsumgebung für TI: Anforderungen (1/2)
ganzheitlicher Ansatz: Praxis Theorie Praxis, s. Lehrplanforderung einheitliche Bedienung der Module (für Automatentheorie und Sprachübersetzer) Handlungsorientierung auf hohen Abstraktionsniveaus (wenig technischer Ballast auch für anspruchsvolle Aufgabenstellungen)
20
Lern- und Arbeitsumgebung für TI: Anforderungen (2/2)
Selbstverantwortetes Lernen und Lerntyp- Bezug durch Angebot alternativer Arbeits- und Beschreibungsformen Binnendifferenzierung durch erweiterbare Aufgabenstellungen Beiträge des Lernenden durch Formulierung von Aufgabenstellungen/Musterlösungen Dokumentation der Arbeitsergebnisse mit hohe Darstellungsqualität
21
Modellierung des Übersetzungsprozesses mit "ausführbaren" T-Diagrammen
AtoCC - Vom abstrakten Automaten zur automatisierten Entwicklung von Sprachübersetzern Typische Kopplung von Automatentheorie mit Aspekten des Compilerbaus (s. Lehrpläne) Wichtige didaktische Entscheidung: Zielsprache sollte nicht Maschinencode sein!! ein enger Bezug der Herstellung eines Sprachübersetzers zu den theoretischen Grundlagen erfordert hohe Abstraktion Modellierung des Übersetzungsprozesses mit "ausführbaren" T-Diagrammen Gekürzte Punkte: Visualisierung und deskriptives Vorgehen bei der Compilerentwicklung mit VCC automatisierte Umsetzung in lauffähigen Compiler Übersetzungsprozess im T-Diagramm = Rückkehr zur Modellierungsebene
22
Unsere Ziele Belastbare Motivation für TI-Inhalte durch herausfordernde Start-Fragestellung mit Praxisrelevanz und Modellierung eines Zielsystems (Sprachübersetzer) am Anfang Vermittlungs-/Anwendungszyklen für TI-Wissen mit Projekt- bezug (Praxis nicht als "Anhängsel" zur Theorie) Komplexe Anwendung von TI-Inhalten auf sehr hohem Abstraktionsniveau (automatisierte Compiler-Generierung), Rückkehr zur und Konkretisierung der Modellierungsebene Behauptung: Dabei ist AtoCC ein unverzichtbares Hilfsmittel.
23
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Installationshinweise: Installieren Sie .NET Framework 2.0 oder höher (unter Fortbildung Software) Installieren Sie GhostScript 8.60 Installieren Sie „AtoCC Setup.exe“ Wenn nicht vorhanden einen PDF Reader (Adobe Reader oder Foxit Reader) installieren. (Wenn noch nicht vorhanden MSXML 4 oder 6 installieren. Downloadseite wird von AutoEdit automatisch beim ersten Start geöffnet, wenn dies fehlen sollte.)
24
Beispiel: ZR – eine Sprache für einen Zeichenroboter
24 Praxisnahe (echte!) Aufgabe mit grafischer Ausgabe: Entwickeln Sie einen Compiler, der die Sprache ZR (ZeichenRoboter) in PDF übersetzt. (Schülergerecht formulieren!) Eingabewort (in ZR): WH 36 [WH 4 [VW 100 RE 90] RE 10] Ausgabewort (in PS): %!PS-Adobe-2.0 /orient 0 def /xpos 0 def /ypos 0 def 0 0 0 setrgbcolor /goto { /ypos exch def /xpos exch def xpos ypos moveto} def /turn { /orient exch orient add def} def /draw { /len exch def newpath xpos ypos moveto /xpos xpos orient sin len mul add def /ypos ypos orient cos len mul add def xpos ypos lineto stroke } def goto 100 draw 90 turn 100 … turn 10 turn 24
25
Beispiel: ZR – eine Sprache für einen Zeichenroboter
25 Weiterer Ablauf: Modellierung der Problemlösung mit TDiag Syntax-Definition von ZR: formale Grammatik, Ableitungsbaum mit kfGEdit Parser Akzeptoren Automatenmodelle (EA, KA) mit AutoEdit Arbeitsteilung: Scanner, Parser Zielsprachenbezug automatisierte Compiler-Entwicklung mit VCC Teilsysteme werden in Modellierung eingebracht (TDiag) Ergebnis: lauffähiger (nichttrivialer) Übersetzer, den man benutzen kann! TDiag, kfGEdit, AutoEdit, und VCC sind Bestandteile von AtoCC. 25
26
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Wir wollen zunächst den Compilerprozess entwerfen. (Modellierung) Verwendung von T-Diagrammen: T-Diagramme bestehen aus 4 Bausteintypen. Compilerbaustein, Programmbaustein, Interpreterbaustein und Ein/Ausgabe-Baustein Ein/Ausgabe an Programmbaustein Compiler Programm Interpreter
27
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Entwerfen eines T-Diagramms für Zeichenroboter Compiler: ZR2PS werden wir entwickeln, PS2PDF und Acrobat Reader wird vom System bereitgestellt.
28
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Nachdem wir nun wissen, wie unser Compiler später eingesetzt werden soll, wenden wir uns der Entwicklung des Compilers zu. Sprache näher betrachten Terminale und Nichterminale festlegen formale Grammatik definieren Ableitungsbäume erzeugen
29
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Betrachten wir die Sprache ZR und versuchen wir ihren Aufbau zu beschreiben: VW 50 RE 270 WH 2 [VW 100] WH 4 [VW 100 RE 100] WH 36 [WH 4 [VW 100 RE 90] RE 10] Magnetkarten an der Tafel
30
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Beschreiben wir den Baustein Zahl genauer: 0 soll keine Zahl in ZR sein, da VW 0 oder RE 0 keine Veränderung herbeiführen. Vorangestellte Nullen wie 0815 wollen wir auch nicht erlauben. Ergänzen wir unsere Grammatik um: Zahl ErsteZiffer Ziffern Ziffern Ziffer Ziffern | Ziffer 0 | 1 | ... | 9 ErsteZiffer 1 | 2 | ... | 9
31
Beispiel: ZR – eine Sprache für einen Zeichenroboter
32
Beispiel: ZR – eine Sprache für einen Zeichenroboter
33
Beispiel: ZR – eine Sprache für einen Zeichenroboter
34
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Programm Anweisungen Anweisungen Anweisung Anweisungen | EPSILON Anweisung VW Zahl | RE Zahl | WH Zahl [ Anweisungen ] | FARBE Farbwert | STIFT Zahl Farbwert rot | blau | gruen | gelb | schwarz Zahl ErsteZiffer Ziffern Ziffern Ziffer Ziffern | EPSILON Ziffer 0 | 1 | ... | 9 ErsteZiffer 1 | 2 | ... | 9
35
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Automaten als Akzeptoren für Sprachen Akzeptor prüft, ob ein Wort zur Sprache gehört oder nicht. (Keine Ausgabe Wort akzeptiert) (Thema: Programmiersprachen und Syntaxfehler) Wir nehmen zwei Ausschnitte aus den Produktionen: Zahl ErsteZiffer Ziffern Ziffern Ziffer Ziffern | EPSILON Ziffer 0 | 1 | ... | 9 ErsteZiffer 1 | 2 | ... | 9 Anweisungen Anweisung Anweisungen | EPSILON Anweisung VW Zahl | WH Zahl [ Anweisungen ]
36
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Kleiner Sprachausschnitt: Zahl ErsteZiffer Ziffern Ziffern Ziffer Ziffern | EPSILON Ziffer 0 | 1 | ... | 9 ErsteZiffer 1 | 2 | ... | 9
37
Beispiel: ZR – eine Sprache für einen Zeichenroboter
38
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Anweisungen Anweisung Anweisungen | EPSILON Anweisung VW n | WH n [ Anweisungen ]
39
Beispiel: ZR – eine Sprache für einen Zeichenroboter
40
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Aus der Kombination von kleinen endlichen Automaten und einem Kellerautomat wird später unser Compiler bestehen. Für DEA-Sprachen können auch reguläre Ausdrücke verwendet werden: Beispiel Zahl: [1-9][0-9]*
41
Arbeitsweise des Compilers
Quelltext in ZR Scanner Tokenliste Parser Ausgabe in Ziel-sprache
42
Arbeitsweise eines Scanners
Quelltext in ZR Scanner Tokenliste Ein- und Ausgabe des Scanners: Quelltext besteht aus Zeichen und der Rechner weiß noch nicht wie diese zusammengehören. Viele kleine endliche Automaten entscheiden welche Schlüsselworte im Quelltext stehen. Token als Paare [Tokenname, Lexem] z.B.: [Wiederhole, "WH"] [Zahl, "12"] [KlammerAuf, "["]
43
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Programm Anweisungen Anweisungen Anweisung Anweisungen | EPSILON Anweisung VW Zahl | RE Zahl | WH Zahl [ Anweisungen ] | FARBE Farbwert | STIFT Zahl Farbwert : rot|blau|gruen|gelb|schwarz Zahl : [1-9][0-9]*
44
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Endliche Automaten (RegExp) für alle unsere Terminale: KlammerAuf : \[ KlammerZu : \] Wiederhole : WH Rechts : RE Vor : VW Stift : STIFT Farbe : FARBE Farbwert : rot|blau|gruen|gelb|schwarz Zahl : [1-9][0-9]*
45
Beispiel: ZR – eine Sprache für einen Zeichenroboter
46
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Demo: zr-verkuerzt.exe –t zr-input.txt ggf. auch einen Syntaxfehler (in zr-input.txt) zeigen per Hand ergänzen
47
Arbeitsweise des Parsers
Tokenliste Parser #true oder (#false) Ein- und Ausgabe des Parsers: Beinhaltet die aufgetretenen Terminale der Grammatik des Parsers Grammatik von ZR in Form eines Kellerautomaten Prüft ob Wort zur Sprache gehört #false erfolgt meinst durch Ausgabe von „Syntax Error“
48
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Entwicklung des ZR2PS Compilers in VCC Übertragen der EA in die Scannerdefinition Übertragen der vereinfachten Grammatik in die Parserdefinition Entwickeln sogenannter S-Attribute für die Zielcodegenerierung
49
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Zielcodegenerierung: Der Compiler soll PostScript erstellen nicht nur #true und #false ausgeben. Entwicklung von S-Attributen S-Attribute sind kleine Quelltextfragmente die für jede rechte Regelseite definiert werden können. Wird eine Regel angewendet wird auch das entsprechende Quellcodefragment ausgeführt.
50
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Die Platzhalter $1 bis $n: In S-Attributen verwenden wir Platzhalter für die Ergebnisse der einzelnen Regelbausteine. Eingabewort sei: VW 20 RE 10 Eingabewort sei: VW 20 RE 10 $1 $2 Von einem Token ist $n immer des Lexem des Tokens ! Von einem Nichtterminal ist $n immer das Ergebnis $$ des Nichtterminals ! VW 20 $$ = "20 draw "
51
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Die Platzhalter $1 bis $n: In S-Attributen verwenden wir Platzhalter für die Ergebnisse der einzelnen Regelbausteine. Eingabewort sei: WH 4 [ VW 20 ] $1 $2 $3 $4 $5 WH 4 [ 20 draw ] Von einem Token ist $n immer des Lexem des Tokens ! Von einem Nichtterminal ist $n immer das Ergebnis $$ des Nichtterminals ! $$ = "20 draw 20 draw 20 draw 20 draw " Alle $n und $$ sind vom Datentyp String !!!
52
Arbeitsweise des Compilers
Quelltext in ZR Scanner Tokenliste Parser Ausgabe in Ziel-sprache %!PS-Adobe-2.0 /orient 0 def /xpos 0 def /ypos 0 def 0 0 0 setrgbcolor /goto { /ypos exch def /xpos exch def xpos ypos moveto} def … [Wiederhole, "WH"] [Zahl, "12"] [KlammerAuf" "["] … WH 36 [WH 4 [VW 100 RE 90] RE 10] Programm Anweisungen Anweisungen Anweisung Anweisungen | Anweisung VW Zahl | RE Zahl | WH Zahl [ Anweisungen ] | FARBE Farbwert | STIFT Zahl
53
Beispiel: ZR – eine Sprache für einen Zeichenroboter
Anwenden des Compilers auf der Modellierungsebene der T-Diagramme in TDiag.
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.