MétaCan
Menu
Retour à la cohorte
Enregistrement W138245146

Building an Experience-Base for Product-line Software Development Process

2001· article· en· W138245146 sur OpenAlexaff
Mark Chandra

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHermeneutics and Narrative Identity
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPraxisProcess (computing)Knowledge managementKnowledge baseProduct (mathematics)Variety (cybernetics)Computer scienceSet (abstract data type)Process managementUnit (ring theory)EngineeringWorld Wide WebPsychologyArtificial intelligencePolitical scienceMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Abstracts to ModusPackageConcrete PackageConcretePackage Abstracts to ModusPackageConcretePackageConcrete Package Abstracts to ModusPackageConcrete PackageConcretePackage Abstracts to Figure 1: Different Levels of Experience PackagesAbstract knowledge is essential for the functioning ofthe EF Support unit. Concrete knowledge is essential forthe proper functioning of the Analysis unit. Furthermore,disseminating concrete knowledge to the project organiza-tion guides experience consumers (e.g. project manager)through the usage of the relevant abstract knowledge, espe-cially when some of the “abstracted out” details are needed.Process experiences need to be packaged in a variety ofways to fulfil different interests of its users. For example,during project planning, experience base users are more in-terested in exploring options to decide on the set of processesto use. At this stage, they are interested in process merits andmajor risks, inter-process interactions and trade-offs, ratherthan how to enact it. When a particular process is chosen,users’ interests shift to issues like comparing the differentmethodologies to enact the process, and how to measure itssuccess or manage its risks.While concrete knowledge can be packaged as one type(concrete type), abstract knowledge needs to be packageddifferently to fulfill different users’ interests. To emphasizethese differences abstract knowledge is packaged as either:praxis and modus types. The three experience package typescan be described as follows:Praxis. Praxis packages document industry best practices.Praxis packages are general in nature, documenting forexample, the efficacy of a process, the merits of a tool,with enaction details abstracted out.Modus. Modus packages focus on the details of a particularprocess or best practice. A modus package may documenta particular methodology for enacting the process and, asnecessary, clarify how to perform its sub-processes.Concrete. Concrete packages are tightly related to the realworld; they document hands-on experiences. A concretepackage reports on how an abstract package is enactedin a given organizational context, and whether the prac-tice was a success or a failure. The package may, but notnecessarily, come with a recommendation of ”what to doand/or avoid”.Generally, praxis packages capture the merits of the industrybest practices; modus packages represent methodologies ofenacting these practices and concrete packages describe theexperience gained by participation on process enactions.The three package types can be viewed as representingdevelopment experiences at different levels of abstraction,see figure 1. Each enaction of the process is acquired asa concrete package. By analyzing a set of similar concretepackages, environment particulars are abstracted out and theknowledge is represented as one modus package. Detailsof the enaction methodology are further abstracted out to bedocumented as one praxis package. For example, variousmethodologies of performing technical reviews (e.g. Fageninspection and IEEE standard review) are represented as dif-ferent modus packages. However, the merits and risks oftechnical reviews (despite the particulars of the methodol-ogy) are represented as one praxis package.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,941
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,087
Tête enseignante GPT0,318
Écart entre enseignants0,231 · 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'étudeSans objet
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

Citations4
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHermeneutics and Narrative IdentityTravaux en français237 207