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 1 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.

afffundsans résuménon étiqueté
A field study of API learning obstacles
Martin P. Robillard, Robert DeLine
2010· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
352
citations
affsans résuménon étiqueté
Curating GitHub for engineered software projects
Nuthan Munaiah, Steven Kroh, Craig Cabrey, Meiyappan Nagappan
2017· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaresearch+metaepi_narrow+scholarly_communicationconsensus · aucune
345
citations
affsans résuménon étiqueté
Do developers update their library dependencies?
Raula Gaikovina Kula, Daniel M. Germán, Ali Ouni, Takashi Ishio, Katsuro Inoue
2017· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaepi_narrow+scholarly_communicationconsensus · aucune
335
citations
afffundsans résuménon étiqueté
Naming the pain in requirements engineering
Stefan Wagner, Marcos Kalinowski, Michael Felderer, Priscilla Mafra, Antonio Vetrò, Tayana Conte +16 autres
2016· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
271
citations
affsans résuménon étiqueté
An in-depth study of the promises and perils of mining GitHub
Eirini Kalliamvakou, Georgios Gousios, Kelly Blincoe, Leif Singer, Daniel M. Germán, Daniela Damian
2015· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
270
citations
afffundnon étiqueté
Pandemic programming
Paul Ralph, Sebastian Baltes, Gianisa Adisaputri, Richard Torkar, Vladimir Kovalenko, Marcos Kalinowski +11 autres
2020· article· en· Empirical Software Engineering· Health Professions
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
234
citations
affsans résuménon étiqueté
Bug characteristics in open source software
Lin Tan, Chen Liu, LI Zhen-min, Xuanhui Wang, Yuanyuan Zhou, ChengXiang Zhai
2013· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
232
citations
affsans résuménon étiqueté
What do developers search for on the web?
Xin Xia, Lingfeng Bao, David Lo, Pavneet Singh Kochhar, Ahmed E. Hassan, Zhenchang Xing
2017· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · aucune
177
citations
affsans résuménon étiqueté
A flexible method for software effort estimation by analogy
Jingzhou Li, Guenther Ruhe, Ahmed Al‐Emran, Michael M. Richter
2006· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
156
citations
affsans résuménon étiqueté
Static test case prioritization using topic models
Stephen W. Thomas, Hadi Hemmati, Ahmed E. Hassan, Dorothea Blostein
2012· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
156
citations
affsans résuménon étiqueté
Studying re-opened bugs in open source software
Emad Shihab, Akinori Ihara, Yasutaka Kamei, Walid M. Ibrahim, Masao Ohira, Bram Adams +2 autres
2012· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
138
citations
affsans résuménon étiqueté
Review participation in modern code review
Patanamon Thongtanunam, Shane McIntosh, Ahmed E. Hassan, Hajimu Iida
2016· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaresearchconsensus · aucune
116
citations
affsans résuménon étiqueté
Studying software logging using topic models
Heng Li, Tse-Hsun Chen, Weiyi Shang, Ahmed E. Hassan
2018· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
95
citations
affsans résuménon étiqueté
Configuring latent Dirichlet allocation based feature location
Lauren R. Biggers, Cecylia Bocovich, Riley Capshaw, Brian P. Eddy, Letha H. Etzkorn, Nicholas A. Kraft
2012· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
92
citations
affsans résuménon étiqueté
What do Programmers Discuss about Deep Learning Frameworks
Junxiao Han, Emad Shihab, Zhiyuan Wan, Shuiguang Deng, Xin Xia
2020· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · metaepi_narrow+scholarly_communicationconsensus · aucune
89
citations
afffundsans résuménon étiqueté
App store mining is not enough for app improvement
Maleknaz Nayebi, Henry Cho, Guenther Ruhe
2018· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
84
citations
affsans résuménon étiqueté
Towards just-in-time suggestions for log changes
Heng Li, Weiyi Shang, Ying Zou, Ahmed E. Hassan
2016· article· en· Empirical Software Engineering· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
79
citations

En coulisses: Sélection · Constats · À propos