MétaCan
Menu
Retour à la cohorte
Enregistrement W121929327 · doi:10.13140/rg.2.1.1182.0960

Specifying Business Processes with Azzurra

2015· article· en· W121929327 sur OpenAlexaff
Fabiano Dalpiaz, Amit K. Chopra, Giulia Canobbio, Nicola Zeni, Paolo Giorgini, John Mylopoulos

Notice bibliographique

RevueUnitn Eprints Research (Università Degli Studi di Trento) · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBusiness Process Modeling and Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceBusiness processBusiness process modelingBusiness Process Model and NotationBusiness ruleArtifact-centric business process modelProcess managementSyntaxKnowledge managementSoftware engineeringSemantics (computer science)Business domainSemantics of Business Vocabulary and Business RulesProgramming languageArtificial intelligenceBusinessWork in processMarketing

Résumé

récupéré en direct d'OpenAlex

A business process is above all else a social interaction among multiple participants. Business process modeling languages support the description
\nof business processes in operational terms as collections of interleaved activities conducted by human and software agents. However, such descriptions do not capture adequately the richness of social interaction among participants. To address this deficiency, we propose Azzurra, a specification language for modeling and executing business processes. Azzurra is founded on social concepts, such as roles, agents and commitments among them, and Azzurra specifications are social models consisting of sets of commitments. As such, Azzurra specifications
\nsupport flexible executions of business processes, and provide a semantic notion of actor accountability and business process compliance. In this paper, we present syntax and semantics of Azzurra, and we propose algorithms to determine runtime compliance with an Azzurra social specification.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,544
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,009
Études des sciences et des technologies0,0010,000
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,209
Tête enseignante GPT0,319
Écart entre enseignants0,110 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUnitn Eprints Research (Università Degli Studi di Trento)Même sujetBusiness Process Modeling and AnalysisTravaux en français237 207