MétaCan
Menu
Retour à la cohorte
Enregistrement W126483112

Proceedings of the 2008 AOSD workshop on Aspect-oriented modeling

2008· article· en· W126483112 sur OpenAlexaff
Omar Aldawud, Walter Cazzola, Tzilla Elrad, Jeff Gray, Jörg Kienzle, Dominik Stein

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Software Engineering Methodologies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAspect-oriented programmingComputer scienceSoftware engineeringSoftwareAbstractionModeling languageSoftware developmentUnified Modeling LanguagePerspective (graphical)Programming languageArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Aspect-orientation is a rapidly advancing technology. New and powerful aspect-oriented programming techniques are presented at many international venues every year. However, it is not clear what features of such techniques are aspect-oriented concepts and what features are rather language-specific specialties. Research in aspectoriented modeling has the potential to help find such common characteristics from a perspective that is at a more abstract level (i.e., programming language-independent). The Aspect-Oriented Modeling (AOM) Workshops bring together researchers and practitioners from two communities, aspect-oriented software development (AOSD) and software model engineering. The workshops provide a forum for presenting new ideas and discussing the state of research and practice in modeling various kinds of crosscutting concerns at different levels of abstraction. The goals of the workshops are to identify and discuss the impacts of aspect-oriented technologies on model engineering to provide aspect-oriented software developers with general modeling means to express aspects and their crosscutting relationships onto other software artifacts.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0060,005
Science ouverte0,0020,005
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0180,006

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 Opus0,062
Tête enseignante GPT0,275
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations5
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Software Engineering MethodologiesTravaux en français237 207