CASE

As ferramentas selecionadas foram MagicDraw70 _{para os recursos de entrada do}

Teleduc e COL e Poseidon71 _{para o Reload. Ambas atendem a todos os requisitos}

essenciais enumerados no Quadro 25.

69 _{http://www.imsglobal.org/learningdesign/ldv1p0/imsld_bestv1p0.html} 70 _{http://www.magicdraw.com/}

Ferramenta CASE MagicDraw Poseidon Requisitos referentes ao padrão OMG/MDA/MOF

C1 Contemplar modelos E/R com seus elementos e primitivas Sim Sim C2 Contemplar diagramas UML com seus elementos e primitivas Sim Sim C3 Possuir metamodelo dos modelos considerados no padrão MOF/M2 Sim Sim

C4 Importar modelos no padrão MOF Sim Sim

C5 Exportar modelos no padrão MOF/XMI Sim Sim

C6 Transformar Modelo E/R para o Modelo Relacional Sim Sim C7 Transformar Modelo Relacional para o Modelo E/R Sim Sim

C8 Possuir Profile UML para ODM Sim Sim

C9 Transformar diagramas UML para OUP Sim Sim

Requisitos referentes à Engenharia Reversa

C10 Realizar Engenharia Reversa a partir de conexão com SGBDR Sim Sim C11 Realizar Engenharia Reversa a partir de scripts SQL Sim Sim Outros Requisitos

C12 Possuir repositório dos modelos Sim Sim

Quadro 25 – CASE e requisitos

No site OMG, encontra-se uma lista dos fornecedores de ferramentas72 _{no padrão}

MDA, isto é, que compartilham o meta-metamodelo, seus metamodelos e, conseqüentemente, seus modelos. Dentre eles destacam-se: IBM com Rational

Software Development Platform, Telelogic com Telelogic TAU®, Gentleware com

Poseidon e Sybase com PowerDesigner. Outras listas73 indicam, além da descrição,

a plataforma e o preço das ferramentas. A maioria das ferramentas relacionadas nestas listas atende aos requisitos do framework proposto.

5.1.2.2 Aprendizado de Ontologias a partir de Textos

Diante dos diversos sistemas de aprendizado, apresentados no Quadro 8, e dos requisitos essenciais para participação do framework proposto, listados no Quadro 21, foi escolhido o Text2Onto da Universidade de Karlsruhe. Além de atender aos requisitos essenciais, o Text2Onto possui uma variedade de algoritmos de

72 _{http://uml-directory.omg.org/vendor/list.htm}

aprendizado agrupados por elemento a ser aprendido, apresenta uma seqüência de aprendizado progressiva, conforme sugerido por Cimiano na Figura 5, e já é utilizado pela comunidade acadêmica desde 2000, quando era denominado TexToOnto. Outra importante característica da ferramenta para o framework proposto é representar a estrutura ontológica aprendida na forma de meta-nível, chamada de primitivas de modelagem, ao invés de uma linguagem de representação concreta. O

Learned Ontology Model (LOM) no Text2Onto denomina-se Probabilistic Ontology Model (POM) e garante a independência do formalismo bem como o poder de

expressividade da linguagem destino para os elementos da ontologia aprendidos. As primitivas deste metamodelo estão presentes na Modeling Primitive Library (MPL) e são as seguintes: conceitos, hierarquia de conceitos, instanciação de conceitos, propriedades gerais e relações, relações mereológicas, restrições de domínio e limite e equivalência. Cada instância de uma das primitivas recupera um número médio de anotações, indicando qual a certeza do algoritmo de aprendizado executado sobre a relevância e certeza da instância correspondente dentro do conjunto de textos considerados. O objetivo destas “probabilidades” é facilitar ao usuário a consideração e seleção dos elementos aprendidos. Este metamodelo permite a transformação entre várias linguagens como RDFS, OWL e F-Logic.

Text2Onto já foi integrado com outros ambientes de ontologias como o OntoEdit e o KAON2.

5.1.2.3 Ambiente de Ontologias

Para o ambiente de ontologias a ferramenta Protégé foi selecionada dentre as existentes no Quadro 6 e os requisitos para participação do framework proposto podem ser observados no Quadro 26.

Ambiente de Ontologias Protégé Requisitos referentes ao padrão OMG/MDA/MOF

O1 Possuir metamodelo no padrão MOF/M2 Não

O2 Exportar modelos nos padrão ODM/MOF/M1 Não

O3 Importar modelos E/R de acordo com o ODM para OWL Não O4 Importar diagramas UML de acordo com o ODM para OWL Sim

O5 Importar modelos OWL Sim

Outras funcionalidades

O6 Editar as ontologias Sim

O7 Integrar ontologias Não

O8 Visualizar graficamente a representação da ontologia Sim O9 Validar a representação formal e consistência da ontologia Sim

O10 Apresentar ontologia graficamente Sim

O11 Importar ontologia no formato OWL Sim

O12 Ter repositório para os modelos Sim

Quadro 26 – Protégé e os requisitos do framework proposto

Como o Protégé não possui seu metamodelo no padrão MOF/M2 torna-se necessário conhecer e ter acesso ao seu metamodelo para realização das importações e exportações dos modelos.

A arquitetura do Protégé está separada em parte de modelo e parte de visão. A parte de modelo é a representação interna dos mecanismos para ontologias - metamodelo utilizado pela ferramenta - e base de conhecimento. A parte de visão tem componentes para interface visual e manipulação do modelo.

A parte de modelo do Protégé é baseada num metamodelo simples e flexível (NOY; FERGERSON; MUSEN, 2000; PROTÉGÉ, 2006) com os elementos básicos sendo classes (Class), propriedades (Slot), características e restrições de propriedades (Facet), instâncias dos valores das propriedades (Instance), características padrão (StandardFacet), propriedades padrão (StandardSlot) e metaclasse (StandardClass), conforme mostra a Figura 15. Outras informações são obtidas da leitura do modelo como, as restrições das propriedades estão definidas na classe StandardSlot, e a seta de navegabilidade apontando da classe fonte Class para a classe alvo

StandardClass indica que uma Class é uma subclasse de StandardClass. Esta

estrutura do metamodelo e um conjunto de API escrito em Java Metadata Interface para acessá-lo, garantem a construção de extensões e adaptações para outras

representações e incentivam o desenvolvimento de várias funcionalidades para complementar as existentes na ferramenta.

Figura 15 - Metamodelo da ferramenta Protégé (PROTÉGÉ, 2006)

A parte de visão do Protégé permite ao engenheiro de ontologia, além das funcionalidades já destacadas no Quadro 6, definir e executar mecanismos de raciocínio, restringir propriedades para certas classes, editar propriedade e regras expressas em SWRL, definir características das classes lógicas como expressões OWL, entre outras. Com a ontologia resultante, Protégé automaticamente gera formulários para o usuário criar indivíduos (Instance), ou seja, para cada classe da ontologia, cria um formulário com os componentes editáveis para cada propriedade da classe. Muitas destas funcionalidades, embora não destacadas como requisitos no framework proposto, são úteis nas próximas etapas da Engenharia Progressiva de Ontologias.

Dois plug-ins foram utilizados neste trabalho: Jambalaya e XMI Backend. Jambalaya é um visualizador gráfico das ontologias. XMI Backend permite a interoperabilidade dos modelos construídos na ferramenta Protégé com outras ferramentas.