MétaCan
Menu
Retour à la cohorte
Enregistrement W1484634590

Network-centric migration of embedded control software: a case study

2003· article· en· W1484634590 sur OpenAlexaff
Phillip de Souza, Andrew McNair, Jens H. Jahnke

Notice bibliographique

RevueConference of the Centre for Advanced Studies on Collaborative Research · 2003
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Software Engineering Methodologies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésComputer scienceLeverage (statistics)MechatronicsSoftwareThe InternetControl (management)ElectronicsMicrocontrollerBusiness process reengineeringSoftware engineeringEmbedded systemEngineeringWorld Wide WebOperating systemManufacturing engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Over the last two decades, microcontrollers have replaced conventional electronics in the control of most mechatronic devices in use today. Recently, we have seen the beginning of a new technological movement that aims towards using the Internet for integrating embedded devices to form pervasive computing infrastructures. Smart Spaces, tele-control and Business-To-Machine (B2M) eCommerce are among the emerging technologies currently under research and development.In a collaborative project with industry and the Herzberg Institute of Astrophysics, we have investigated tools and techniques that aid the migration of existing embedded control software to such network-centric environments. The goal is to be able to inexpensively leverage existing products to modern applications rather than having to re-implement highly specialized embedded programs.This paper reports on our experiences with a case study on migrating a real-world micro-controller application to a networked infrastructure. Based on our experiences, we propose a method that would help practitioners tackle similar reengineering projects.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,157
Tête enseignante GPT0,417
Écart entre enseignants0,260 · 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
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

Citations5
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConference of the Centre for Advanced Studies on Collaborative ResearchMême sujetAdvanced Software Engineering MethodologiesTravaux en français237 207