M162 - Matrice

Terminologie. Dans ce site, Objectif MBK désigne un objectif opérationnel de module issu de Modulbaukasten, par exemple 164.1 ou 231.2. Ce n’est pas un objectif évaluateur PEC/Bipla. Les compétences PEC sont indiquées avec des codes comme a1, c2 ou g5.

Type: EP obligatoire
Lieu: École professionnelle
Année: 1ère année d'apprentissage
PDF: 162_1_FR.pdf

Compétences PEC liées

c1 c4 g1

Compétence visée par le module

Analyser des stocks d’informations provenant de diverses sources, caractériser et classer des données. Élaborer, à l’aide des indices obtenus lors de l’analyse, un modèle de données conceptuel et le transposer en un modèle de données logique relationnel.

Situation / objet

Bases de données (textes, listes, tableaux individuels, séries de mesures, banques de données comprenant jusqu’à cinq tableaux, types de relations complexes et récursives, informations en partie sensibles).

Objectifs opérationnels et connaissances

162.1 Examiner les données issues de divers stocks d’informations structurés ou non structurés et les classer. c1 c4 g1

Connaissance	Texte
162.1.1	Connaître différentes formes de données (numériques: données de mesure/classifications; verbales: textes sous forme écrite ou orale; non verbales: musique, photos, vidéos, etc.) et leur mode de sauvegarde sur un support de données. Connaître leur évaluabilité dans un système informatique.
162.1.2	Connaître les caractéristiques structurelles de diverses sources d’informations (documents texte, feuilles de données, graphiques de présentation, bases de données, etc.) et les conséquences en résultant pour l’évaluation électronique de ces sources de données.

162.2 Caractériser un stock d’informations en vue de son traitement qualitatif (p. ex. exhaustivité, précision, incohérence ou redondance) et nettoyer les données si nécessaire. c1 c4 g1

Connaissance	Texte
162.2.1	Connaître les caractéristiques d’une base de données en termes de précision et d’exhaustivité (données différentes pour une même information, contenu d’information différent).
162.2.2	Connaître les types de données les plus répandus pour caractériser des données (chiffres entiers, chiffres rationnels, heure, date, texte, booléen, etc.).
162.2.3	Connaître les différents types d’échelles (nominale, ordinale et métrique) et les conséquences en résultant pour les possibilités d’évaluation.

162.3 Sélectionner les informations qui se prêtent à une évaluation et tenir compte des aspects concernant d’éventuels besoins de protection (p. ex. données personnelles, obligation de confidentialité). c1 c4 g1

Connaissance	Texte
162.3.1	Connaître les types de diagrammes les plus répandus pour la représentation de données dans des graphiques correspondants (diagramme circulaire, diagramme à barres, diagramme à lignes, diagramme de réseau, etc.).
162.3.2	Connaître la nécessité de jauger la pertinence des résultats d’évaluation en tenant compte du fait que, selon l’angle d’approche, les tendances en découlant peuvent être pertinentes ou non.
162.3.3	Connaître des valeurs statistiques importantes (minimum, maximum, valeur moyenne, médian, moyenne, nombre d’observations) et les conditions (types d’échelles, nombre d’observations, qualité des données, etc.) pour obtenir une appréciation fiable.
162.3.4	Connaître les principes de base régissant l’obligation de confidentialité et la protection des données lors de la saisie, de l’évaluation et de la représentation de stocks de données sensibles.

162.4 Élaborer un modèle de données conceptuel pour les données nettoyées et définir des types d’entités, des attributs et des relations. c1 c4 g1

Connaissance	Texte
162.4.1	Connaître la procédure méthodique lors du développement d’un modèle de données conceptuel (modèle entité-relation) en partant des structures de données ou des exigences du client (spécialiser, généraliser, identifier et définir les types d’entités, définir les attributs, décrire les relations).
162.4.2	Connaître les éléments d’un modèle de données conceptuel (type d’entité, attribut, association, cardinalité), leurs propriétés et leur représentation.
162.4.3	Connaître les différentes cardinalités d’associations (1:1, 1:m, n:m) et la procédure pour déterminer le type de relation entre les structures de données.

162.5 Transposer le modèle de données conceptuel en un modèle de données logique relationnel, en complétant les clés d’identification et les clés étrangères, les types de données et d’éventuels tableaux intermédiaires. c1 c4 g1

Connaissance	Texte
162.5.1	Connaître les différences entre le modèle de données conceptuel et le modèle de données logique relationnel (modèle relationnel [MR]) et la procédure de transposition du modèle de données conceptuel en un modèle de données logique relationnel.
162.5.2	Connaître les caractéristiques à remplir par les clés d’identification et les possibilités de traitement en résultant en tant que clé primaire ou étrangère.
162.5.3	Connaître la nécessité des tableaux intermédiaires pour représenter les cardinalités n:m entre les types d’entités.
162.5.4	Connaître des éléments de construction étendus (p. ex. association récursive) du modèle de données logique relationnel.

162.6 Normaliser le modèle de données logique relationnel. c1 c4 g1

Connaissance	Texte
162.6.1	Connaître les étapes de normalisation de la forme normale 0 jusqu’à 3.
162.6.2	Connaître des raisons expliquant pourquoi une normalisation complète jusqu’à la 3e forme normale n’est pas toujours visée pour améliorer la performance.

162.7 Représenter sous une forme appropriée le modèle de données conceptuel et le modèle de données logique relationnel. c1 c4 g1

Connaissance	Texte
162.7.1	Connaître des notations pour représenter un modèle de données conceptuel et un modèle de données logique relationnel (notation IEM ou Crow foot, Chen, Modified Chen, Zehnder, UML, etc.).
162.7.2	Connaître des outils pour élaborer des modèles de données conceptuels et des modèles de données logiques relationnels.

Matrice de compétences

Bande	Compétence	Débutant	Intermédiaire	Avancé	Objectifs
A1	Reconnaître les formes et la structure des données	Je peux énumérer et décrire des formes de données (numériques, textuelles, multimédias).	Je peux distinguer la forme de stockage des différentes données (types de fichiers / types de données).	Je peux comparer l'évaluabilité des données, leurs possibilités et leurs limites.	162.1
A1	Reconnaître les formes et la structure des données	Je peux énumérer et décrire des formes de données (numériques, textuelles, multimédias).	Je peux distinguer la forme de stockage des différentes données (types de fichiers / types de données).	Je peux comparer l'évaluabilité des données, leurs possibilités et leurs limites.	162.1
B1	Caractéristiques d'un ensemble de données	Je peux expliquer la conséquence de la structure sur la possibilité d'évaluabilité (texte faible évaluabilité, tableau moyen, DB élevée).	Je peux réaliser une évaluation en fonction de la structure. (Texte, tableau, etc.).	Je peux montrer comment les données peuvent être mises sous une forme plus évaluable à l'aide d'une transformation structurelle.	162.2
B1	Caractéristiques d'un ensemble de données	Je peux expliquer la conséquence de la structure sur la possibilité d'évaluabilité (texte faible évaluabilité, tableau moyen, DB élevée).	Je peux réaliser une évaluation en fonction de la structure. (Texte, tableau, etc.).	Je peux montrer comment les données peuvent être mises sous une forme plus évaluable à l'aide d'une transformation structurelle.	162.2
C1	Types de données et d'échelle	Je peux expliquer différents types de données (entiers, nombres rationnels, heure, date, texte, booléens, etc.).	Je peux déterminer le type de données correct pour les données existantes.	Je peux transformer des données d'un certain type en un autre type de données.	162.2
C1	Types de données et d'échelle	Je peux expliquer différents types de données (entiers, nombres rationnels, heure, date, texte, booléens, etc.).	Je peux déterminer le type de données correct pour les données existantes.	Je peux transformer des données d'un certain type en un autre type de données.	162.3
C2	Types de données et d'échelle	Je peux expliquer les différences entre les types d'échelles (nominale, ordinale et métrique).	Je peux appliquer les types d'échelle aux données.	Je peux choisir un type spécifique d’échelle avec raison.	162.2
D1	Évaluer et visualiser les données	Je peux choisir des types de graphiques (barres, colonnes, secteurs, grille, lignes) en fonction des raisons d'affichage des données.	Je peux créer des diagrammes à partir de données existantes.	Je peux dériver et décrire des tendances dans les résultats d’évaluation.	162.4
D1	Évaluer et visualiser les données	Je peux choisir des types de graphiques (barres, colonnes, secteurs, grille, lignes) en fonction des raisons d'affichage des données.	Je peux créer des diagrammes à partir de données existantes.	Je peux dériver et décrire des tendances dans les résultats d’évaluation.	162.3
D2	Évaluer et visualiser les données	Je peux expliquer les paramètres statistiques les plus importants (minimum, maximum, moyenne, nombre, médiane) et les exigences (types d'échelles, nombre d'observations, qualité des données, etc.).	Je peux évaluer des données avec des exigences données en utilisant des paramètres appropriés et créer des statistiques avec des types d'échelle appropriés.	Je peux remettre en question les statistiques de manière critique avec des paramètres et des types d'échelle appropriés et suggérer des améliorations.	162.3
E1	Confidentialité/protection des données	Je peux expliquer pourquoi les données personnelles ne peuvent pas être simplement utilisées, transmises ou publiées dans des évaluations et des statistiques.	Non renseigné dans la source.	Non renseigné dans la source.	162.3
E1	Confidentialité/protection des données	Je peux expliquer pourquoi les données personnelles ne peuvent pas être simplement utilisées, transmises ou publiées dans des évaluations et des statistiques.	Je peux transposer un modèle de données conceptuel en un modèle de données logique.	Je peux expliquer, sans moyen auxiliaire, la finalité et le domaine d'application d'une relation récursive dans le modèle de données logique.	162.5
F1	Appliquer un modèle de données conceptuel	Je peux expliquer les éléments d'un modèle de données conceptuel (type d'entité, attribut, association, cardinalité différente, etc.).	Je peux créer un modèle de données conceptuel à partir d'exigences données.	Je peux vérifier l'exhaustivité d'un modèle de données conceptuel en fonction des exigences.	162.4
F1	Appliquer un modèle de données conceptuel	Je peux expliquer les éléments d'un modèle de données conceptuel (type d'entité, attribut, association, cardinalité différente, etc.).	Je peux créer un modèle de données conceptuel à partir d'exigences données.	Je peux vérifier l'exhaustivité d'un modèle de données conceptuel en fonction des exigences.	162.6
G1	Appliquer un modèle de données relationnel logique	Je peux énumérer et décrire les différences entre un modèle de données relationnel conceptuel et logique.	Je peux transformer un modèle de données conceptuel en un modèle de données relationnel logique. (Clés, clés étrangères, cardinalités, tables intermédiaires, etc.).	Je peux analyser un modèle de base de données relationnelle logique (entités, attributs, clés, clés étrangères, cardinalités, table intermédiaire...) et en déduire le modèle conceptuel (ingénierie inverse).	162.7
G1	Appliquer un modèle de données relationnel logique	Je peux énumérer et décrire les différences entre un modèle de données relationnel conceptuel et logique.	Je peux transformer un modèle de données conceptuel en un modèle de données relationnel logique. (Clés, clés étrangères, cardinalités, tables intermédiaires, etc.).	Je peux analyser un modèle de base de données relationnelle logique (entités, attributs, clés, clés étrangères, cardinalités, table intermédiaire...) et en déduire le modèle conceptuel (ingénierie inverse).	162.5
H1	Clé d'identification	Je peux expliquer les propriétés des caractéristiques d'identification (unicité, définition, minimalité, durée de vie, etc.) à l'aide d'un exemple.	Je peux choisir une clé appropriée pour les entités en fonction de raisons. (clés simples, composites et artificielles).	Je peux analyser l’adéquation des candidats clés et identifier les problèmes possibles. (par ex. numéro d'article à 8 chiffres, ancien numéro AVS, IPV4, etc.).	162.5
I1	Appliquer la normalisation au modèle de données existant	Je peux décrire l’objectif de la normalisation.	Je peux appliquer la normalisation (1ère à 3ème forme normale).	Je peux remettre en question la normalisation de manière critique, par ex. Par ex. comment cela affecte les performances et suggérer des améliorations.	162.6
J1	Dessiner un modèle de données en tant qu'ERD	Je peux dessiner un ERD simple avec un outil (jusqu'à 3 entités).	Je peux dessiner un modèle de données avec des tables intermédiaires, des attributs et des types de données à l'aide d'un outil (< 10 tables).	Je peux me familiariser de manière autonome avec un outil qui ne me est pas familier et dessiner un modèle de données dans un délai raisonnable.	117.7

Modules liés par compétences PEC

Module	Titre	PEC communes
M110	Analyser et représenter des données avec des outils	c1 c4
M164	Créer des bases de données et y insérer des données	c1 g1
M254	Décrire des processus métier dans son propre environnement professionnel	g1
M321	Programmer des systèmes distribués	g1
M322	Concevoir et implémenter des interfaces utilisateur	g1
M324	Prendre en charge des processus DevOps avec des outils logiciels	g1
M346	Concevoir et réaliser des solutions cloud	g1
M426	Développer un logiciel avec des méthodes agiles	g1