No description, website, or topics provided.
Switch branches/tags
Nothing to show
Clone or download
Fetching latest commit…
Cannot retrieve the latest commit at this time.
Permalink
Failed to load latest commit information.
berlin
data
harvest Recent developments. Eckart has updated the DARC site, so I update here. Nov 22, 2017
.gitignore Now with class A. Jan 5, 2017
LICENSE.txt
NOTICE
README.md
Rakefile
alle_b.qlt
alle_ta.qlt
alle_te.qlt A lot of clean-up and improvement. Oct 30, 2016
alle_v.qlt
bv_harvest.json Recent developments. Eckart has updated the DARC site, so I update here. Nov 22, 2017
conflict_resolution.yaml Recent developments. Eckart has updated the DARC site, so I update here. Nov 22, 2017
harvest.json
learn_batches.yaml
otherwise_forgotten.yaml
ta_harvest.json Recent developments. Eckart has updated the DARC site, so I update here. Nov 22, 2017
te_harvest.json
unmentioned_class_a.yaml

README.md

This is intended to help people studying for the German radio amateur exam check what progress they are making. So this is all in German.

Wäre doch schade...

... wenn eine zur BNetzA zur Amateurfunkprüfung geht und alle Fragen richtig beantwortet. Es sei denn, sie wollte das so.

Wenn es ihr dagegen nur darum ging, zu bestehen, hat sie zuviel Zeit in die Vorbereitung gesteckt: Mehr, als nötig war. Schließlich darf man bis zu knapp 1/4 der Fragen falsch beantworten und hat immer noch bestanden.

Noch schlimmer wäre natürlich, wenn jemand zur Prüfung geht und durchfällt. Den Aufwand fürs Nochmallernen und das Geld für die Wiederholungsprüfung möchte man lieber woanders investieren.

Wie viel Aufwand soll man dann ins Lernen stecken? Nicht zu viel und nicht zu wenig. Nur gerade so viel, dass man locker besteht. Aber woher weiß man das?

Dabei hilft eine kontinuierliche Lernfortschritts-Selbstkontrolle. Genau darum geht es hier.

Prüfungssimulationen mit AfuP

Wir kennen die Fragen, die in der Prüfung kommen, aus den amtlichen Fragenkatalogen, die man von der Webseite der BNetzA holen kann.

Junghard DF1IAF hat die in Prüfungssimulationssoftware gegossen. Danke, Junghard!

Man kann nach Kursende auf seiner Webseite Simulationen der Prüfung online durchführen. Testen, ob man den Stoff gut genug kann, ehe man zur Prüfung geht.

Aber das geht auch vorher schon, die ganze Zeit, kursbegleitend!

Dazu kann man sich bei Junghard ein offline-Programm herunterladen, AfuP.exe. Dieses Programm füttert man mit ".qlt-Dateien". Das sind schlicht Listen der Fragen, die im Kurs schon dran waren. Das Ergebnis: Simulationsprüfungen, die genau dem Kursfortschritt entsprechen. Genau, was man braucht, um zu wissen, wo man steht.

AfuP laufen lassen.

Leider ist AfuP.exe ein Windows-Programm. Glücklicherweise läuft es auch unter Linux via WINE ganz manierlich (wenn man gängige Fonts installiert hat).

Gibt es Mac-User im Kurs? Für die könnte man ein Linux in einem virtuellen-Maschine-Image zur Verfügung stellen, in der Linux, WINE und AfuP bereits installiert sind.

Woher die .qlt-Dateien nehmen?

Dieses Repo diente ursprünglich der Unterstützung der 2016er Ausgabe des Berliner Amateurfunk-Kurses.

Es lässt sich aber auch für andere Kurse nutzen, die nach Eckarts Büchern vorgehen.

QLT-Dateien

finden sich in den Verzeichnissen data und berlin.

Die Software, um diese Dateien zu erzeugen, steckt komplett in zwei Rakefile.

Alles in diesem Repo steht unter der Apache-Lizens, siehe LICENSE.txt.

Initiale Ernte

In der Datei harvest.json finden sich alle Fragen, die im Onlinekurs direkt vorkommen.

Die Software, diese Liste von der Webseite des DARC zu extrahieren, steckt in harvest/Rakefile. Man braucht ein halbwegs aktuelles Ruby und das Gem Nokogiri installiert, wenn man das laufen lassen will; Aufruf schlicht rake.

Generierung der QLT-Dateien

Im Hauptverzeichnis rake aufrufen erzeugt die QLT-Dateien im Verzeichnis data.

Dateien

alle_*.qlt

Diese Dateien dienen der Kontrolle, ob keine Fragen vergessen worden sind. Sie wurden mit dem Prüfungseditor von AfuP einmalig erzeugt und hier eingecheckt.

conflict_resolution.yaml

Die Logik ist sich nicht immer sicher, zu welcher Kurslektion eine Frage gehört. Hier kann das geklärt werden, indem diese Datei händisch editiert wird. Die Datei enthält Hintergrundinformationen, die vom Programm ignoriert werden, aber für Menschen vielleicht ganz nützlich sind.

harvest.json und te_harvest.json

Aus Herunterladen der Webseite stark eingedampfte Information, welche Frage in welcher Lektion gefunden wurde. Diese Datei wird komplette automatisch erzeugt, sie bitte nicht editieren.

learn_batches.yaml

Material aus früheren Kursen, die einer ganz anderen Gliederung gefolgt sind. Hier sind Fragen zu zusammengehörigen Fragenblöcken gegliedert, die sich gut zusammen unterrichten lassen.

Die Datei ist aus dem Datenbestand des früheren Kurses automatisch erzeugt worden.

otherwise_forgotten.yaml

Eine sehr schlichte Datei mit Frage-Lektions-Zuordnung.

Ob man eine bestimmte Frage hier oder in conflict_resolution.yaml einer Lektion zuweist, ist im Ergebnis gleichgültig.