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
Empirical 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.

371 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.
371 travaux dans la cohorte · sur 4 299 418page 7 sur 8

Les étiquettes couvrent 1 des 371 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 371 des 371 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

affsans résuménon étiqueté
ID-correspondence: a measure for detecting evolutionary coupling
Manishankar Mondal, Banani Roy, Chanchal K. Roy, Kevin A. Schneider
2021· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaresearch+metaepi_narrowconsensus · aucune
3
citations
afffundsans résuménon étiqueté
Evaluating interactive documentation for programmers
Mathieu Nassif, Martin P. Robillard
2025· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
2
citations
affsans résuménon étiqueté
Ethics and Empirical Studies of Software Engineering
Janice Singer, Norman G. Vinson
2000· article· en· Empirical Software Engineering· Decision Sciences
prédiction distillée:candidate · metaresearchconsensus · aucune
2
citations
affsans résuménon étiqueté
Rotten green tests in Java, Pharo and Python
Vincent Aranega, Julien Delplanque, Matías Martínez, Andrew P. Black, Sté́phane Ducasse, Anne Etien +2 autres
2021· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
2
citations
affsans résuménon étiqueté
Fixer-level supervised contrastive learning for bug assignment
Rongcun Wang, Xingyu Ji, Yuan Tian, Sen-Lei Xu, Xiaobing Sun, Shujuan Jiang
2025· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
2
citations
affsans résuménon étiqueté
WIA-SZZ: Work item aware SZZ
Salomé Perez-Rosero, Robert Dyer, Samuel W. Flint, Shane McIntosh, Witawas Srisa‐an
2025· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
2
citations
affsans résuménon étiqueté
On the need to monitor continuous integration practices
Jadson Santos, Daniel Alencar da Costa, Shane McIntosh, Uirá Kulesza
2025· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaresearchconsensus · aucune
2
citations
afffundsans résuménon étiqueté
Assessing the exposure of software changes
Mehran Meidani, Maxime Lamothe, Shane McIntosh
2023· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
2
citations
afffundsans résuménon étiqueté
Post deployment recycling of machine learning models
Harsh Patel, Bram Adams, Ahmed E. Hassan
2024· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
2
citations
afffundsans résuménon étiqueté
An efficient model maintenance approach for MLOps
Forough Majidi, Foutse Khomh, Heng Li, Amin Nikanjam
2025· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
1
citations
affsans résuménon étiqueté
Special issue on program comprehension
Michael W. Godfrey, Arie van Deursen
2014· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
1
citations
affsans résuménon étiqueté
Understanding peer review of software engineering papers
Neil Ernst, Jeffrey C. Carver, Daniel Méndez, Marco Torchiano
2021· preprint· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaresearch+metaepi_narrow+research_integrityconsensus · aucune
1
citations
affsans résuménon étiqueté
In this issue
Lionel Briand, Victor R. Basili
2007· article· en· Empirical Software Engineering
prédiction distillée:candidate · insufficient_payloadconsensus · insufficient_payload
0
citations

En coulisses: Sélection · Constats · À propos