Luca Dan Șerbănați all'esame di maturità, 1961
Luca Dan Șerbănați nei primi anni Settanta
Luca Dan Șerbănați all'ultima lezione del quinto anno, aprile 1989

Luca Dan Șerbănați

Professore emerito alla Politehnica di Bucarest

Ricerca, insegnamento, industria e memorie

RO | EN | IT
Luca Dan Șerbănați a Venezia, 1990
Luca Dan Șerbănați a New York, 2005
Luca Dan Șerbănați

Dati bibliografici

Autori: Crenguța Bogdan, Luca Dan Șerbănați


Titolo originale: Concern-Oriented and Ontology-Based Analysis of Information Systems


Anno: 2010; tipo: testo di sintesi / articolo esteso.


Testo originale dell’articolo (PDF)

Contributo concettuale

Descrizione approfondita

Il testo affronta una difficoltà centrale nello sviluppo dei sistemi informativi: costruire modelli concettuali sufficientemente rigorosi, ma anche capaci di governare la complessità dei sistemi reali. La risposta proposta consiste nella suddivisione sistematica del modello secondo le preoccupazioni degli stakeholder, ossia attraverso un’analisi orientata alle concerns.

Il lavoro riprende le definizioni fondamentali. Una concern è una preoccupazione associata a un problema e manifestata da una o più persone interessate alla costruzione o all’evoluzione del sistema. Per renderla operativa occorre una specificazione di alto livello che metta in relazione la descrizione della situazione iniziale, la situazione finale desiderata e il ruolo dello stakeholder che esprime la concern.

Da questa base emerge uno dei risultati più importanti dell’intera serie: il sistema informativo è descritto come un’aggregazione di viste ottenute componendo faccette. Una faccetta non rappresenta un frammento scelto arbitrariamente, ma un’astrazione motivata dalle credenze e dalle conoscenze significative degli attori. Il tema delle viste e delle faccette, introdotto negli articoli precedenti, diventa così l’asse portante del metodo.

Un ruolo essenziale spetta alle motivazioni semantiche (semantic rationales) delle concerns. Non tutte le convinzioni o conoscenze possedute da uno stakeholder sono pertinenti: interessano quelle che giustificano la preoccupazione quando l’attore agisce in un determinato ruolo. Da tali motivazioni si estrae il vocabolario necessario a costruire l’ontologia di dominio.

L’articolo descrive un metodo esteso in 15 passi. I primi undici sviluppano il nucleo già formulato in precedenza: identificare stakeholder e concerns, classificarle, analizzarne le relazioni e le priorità, individuare motivazioni semantiche e concetti, analizzarne l’intensione, scegliere un’ontologia fondazionale e definire l’ontologia di dominio. Gli ultimi quattro passaggi sono dedicati alle viste: costruzione dei modelli UML ontologici, derivazione delle faccette, analisi della loro indipendenza e aggregazione in viste.

Un modello UML ontologico è un diagramma delle classi che descrive in modo semiformalizzato il significato di una conoscenza o di una credenza pertinente alla concern. L’ontologia non resta così confinata in una struttura logica astratta, ma viene espressa in una forma più vicina agli strumenti della modellazione utilizzati nell’ingegneria dei sistemi.

Successivamente interviene l’astrazione: dai modelli UML ontologici si scelgono le classi e le relazioni che devono essere presenti nel modello di dominio del futuro sistema informativo. Alcuni elementi che derivano soltanto dalle categorie dell’ontologia fondazionale vengono filtrati, purché la loro rimozione non comprometta il significato della faccetta. Si ottiene quindi una struttura più semplice, ma semanticamente fedele alla concern di partenza.

Il caso di studio allarga il campo rispetto agli esempi precedenti, spesso tratti dagli studi clinici. Si considera un sistema informativo destinato alla registrazione di una nuova impresa nella pubblica amministrazione romena. Vengono individuati diversi stakeholder — fondatori, amministratori, avvocati, giudici, funzionari e fornitori di servizi — e 31 concerns. Per la concern C5, riguardante la scelta del nome della nuova impresa, sono presentate credenze e conoscenze pertinenti, il modello UML ontologico associato alla conoscenza K5 e la faccetta risultante.

La scelta dell’esempio dimostra che il metodo non è limitato all’informatica medica, ma può essere impiegato più in generale nell’analisi dei sistemi informativi. Gli autori richiamano inoltre una possibile applicazione alla gestione longitudinale delle cartelle sanitarie elettroniche, collegando questo studio alle successive ricerche sulla sanità digitale.

Nella prospettiva dell’intera serie, il lavoro del 2010 integra in una sola architettura concettuale le nozioni di concern, motivazione semantica, ontologia di dominio, modello UML ontologico, faccetta e vista multifaccettata. I concetti non sono più proposte isolate, ma parti coerenti di un unico metodo.

Collocazione nella ricerca

Considero questo testo la sintesi delle ricerche condotte con Crenguța Bogdan. Il lavoro del 2006 ne costituisce il punto di partenza, quello dedicato a Understanding Concerns with Ontologies chiarisce la struttura teorica, mentre lo studio del 2007 sulla costruzione delle faccette introduce il meccanismo di modellazione. Nel 2010 questi elementi vengono riuniti in una formulazione più completa.

Per me il significato è anche più ampio: esprime una questione affrontata per molti anni nella ricerca e nell’insegnamento, ossia come ordinare la complessità di un sistema attraverso una pluralità di viste coerenti, senza perdere la semantica del dominio né cadere in scelte arbitrarie.

Collegamenti

Altre lingue: Română · English

Figure dell’articolo

Miniature: fare clic per ingrandire le immagini

Fig. 1. Modello UML ontologico della conoscenza K5 del caso di studio.
Fig. 2. Faccetta associata alla concern C5, ottenuta per astrazione dai modelli UML ontologici.