MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
IEEE Transactions on Software Engineering
Sujet
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

213 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
213 travaux dans la cohorte · sur 4 299 418page 3 sur 5

Les étiquettes couvrent 1 des 213 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 213 des 213 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

fundno affnon étiqueté
Metamorphic Testing for Web System Security
Nazanin Bayati Chaleshtari, Fabrizio Pastore, Arda Göknil, Lionel Briand
2023· article· en· IEEE Transactions on Software Engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
25
citations
affnon étiqueté
Multi-Granularity Detector for Vulnerability Fixes
Truong Giang Nguyen, Thanh Le-Cong, Hong Jin Kang, Ratnadira Widyasari, Chengran Yang, Zhipeng Zhao +6 autres
2023· article· en· IEEE Transactions on Software Engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
21
citations
affnon étiqueté
Fragment-Based Test Generation for Web Apps
Rahul Krishna Yandrapally, Ali Mesbah
2022· article· en· IEEE Transactions on Software Engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
21
citations
afffundnon étiqueté
Debugging Static Analysis
Lisa Nguyen Quang, Stefan Krüger, Patrick L. Hill, Karim Ali, Eric Bodden
2018· article· en· IEEE Transactions on Software Engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
18
citations
affnon étiqueté
Comparing Block-Based Programming Models for Two-Armed Robots
Nico Ritschel, Vladimir Kovalenko, Reid Holmes, Ronald G. García, David Shepherd
2020· article· en· IEEE Transactions on Software Engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
17
citations
affnon étiqueté
Automatically Categorizing Software Technologies
Mathieu Nassif, Christoph Treude, Martin P. Robillard
2018· article· en· IEEE Transactions on Software Engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
17
citations
afffundnon étiqueté
Reinforcement Learning for Test Case Prioritization
Mojtaba Bagherzadeh, Nafıseh Kahani, Lionel Briand
2021· preprint· en· IEEE Transactions on Software Engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
15
citations
affsans résuménon étiqueté
Automated Test Case Repair Using Language Models
Ahmadreza Saboor Yaraghi, Darren Holden, Nafıseh Kahani, Lionel Briand
2025· article· en· IEEE Transactions on Software Engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
15
citations
affnon étiqueté
Dynamic Human-in-the-Loop Assertion Generation
Lucas Zamprogno, Braxton Hall, Reid Holmes, Joanne M. Atlee
2022· article· en· IEEE Transactions on Software Engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
14
citations
affnon étiqueté
RLocator: Reinforcement Learning for Bug Localization
Partha Chakraborty, Mahmoud Alfadel, Meiyappan Nagappan
2024· article· en· IEEE Transactions on Software Engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
12
citations
affnon étiqueté
Detecting Developers’ Task Switches and Types
André N. Meyer, Chris Satterfield, Manuela Züger, Katja Kevic, Gail C. Murphy, Thomas Zimmermann +1 autres
2020· article· en· IEEE Transactions on Software Engineering· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
12
citations
afffundnon étiqueté
Data-Driven Mutation Analysis for Cyber-Physical Systems
Enrico Viganò, Oscar Cornejo, Fabrizio Pastore, Lionel Briand
2022· article· en· IEEE Transactions on Software Engineering· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
affnon étiqueté
Characterizing Timeout Builds in Continuous Integration
Nimmi Rashinika Weeraddana, Mahmoud Alfadel, Shane McIntosh
2024· article· en· IEEE Transactions on Software Engineering· Business, Management and Accounting
prédiction machine:candidate · aucuneconsensus · aucune
9
citations

En coulisses: Sélection · Constats · À propos