L’obiettivo della tesi è di studiare e sperimentare quali messaggi d’errore relativi a query SQL siano più utili e comprensibili dal punto di vista dell’apprendimento del linguaggio.

In particolare, il lavoro è partito da un’analisi della letteratura inerente alla classificazione ed all’interpretazione di errori relativi a SQL, con l’obiettivo di identificare o formalizzare una classificazione di possibili errori. A valle di questa fase, avvalendosi di un dataset reale di query SQL errate, la tesi ha classificato gli errori forniti da diversi DBMS e valutato messaggi che siano più comprensibili rispetto a quelli standard dei DBMS per una persona che stia imparando a usare il linguaggio SQL. I messaggi di errore forniti da un DBMS, infatti, hanno un ruolo in come gli studenti cercheranno di correggere la propria query non corretta.

I passi principali della tesi, pertanto, hanno incluso:

  1. Un’analisi della letteratura scientifica rivolta a individuare una o più classificazioni di errori SQL e relative metodologie. Particolare attenzione è stata posta verso quegli articoli che propongono una classificazione degli errori indipendente dal DBMS usato oppure che riguardano la presentazione dei messaggi d’errore. Un insieme iniziale di articoli verrà fornito dai relatori della tesi.
  2. Partendo dall’esito della fase precedente, si è proceduto a raccogliere i messaggi di errore di diversi DBMS (Oracle, MySQL/MariaDB e PostgreSQL) per confrontarli e classificarli opportunamente. La generazione di tali messaggi di errore è stata eseguita via software sfruttando un dataset di query SQL errate raccolte durante un corso di database.
  3. Infine, sono stati definite alcune proposte di messaggi di errore che siano più comprensibili e utili per risolvere i problemi presenti nelle query errate rispetto a quelli forniti dai DBMS contemporanei.

Candidate

Stefana Alina Corlade
stefanaalina.corlade@studenti.polito.it

Thesis Details

Laura Farinetti, Luigi De Russis
Master Degree in Industrial Engineering and Management
2019-04-15
2020-10-20