MétaCan
Menu
Retour à la cohorte
Enregistrement W1617681361 · doi:10.5539/mas.v9n8p91

Developing a Mobile Based Automated Testing Tool for Windows Phone 8

2015· article· en· W1617681361 sur OpenAlexvenueno aff
Albert Mayan. J, Julian Menezes. R, John Bruce. E

Notice bibliographique

RevueModern Applied Science · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueEmbedded Systems and FPGA Design
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePhoneMobile phoneUser FriendlySoftwareWindows CEMicrosoft WindowsSmart phoneEmbedded systemOperating systemMultimediaTelecommunications

Résumé

récupéré en direct d'OpenAlex

Smart phones, or Mobile phones are quickly fetching the essential computer and communication tool in people’s life. Every phone has lots of applications and every application has its own different characteristics. Before producing these applications to the end user’s use, the developer should confirm that the applications are working smoothly, sans any technical glitches, and user friendly in every feature, and for that we use testing tools to check the compatibility of the software by using test applications like Eggplant, silk test, etc. But nowadays, every tool is designed for the desktop environment. In this project an application is being proposed for the windows phones by which an end-user can install the application in the mobiles directly. After this work the end user will be able to know if the apps are working properly or not, this will help us to catch all the information by executing the data, detecting the type and the kernel. This application will help us to install any application on our windows phone by the other devices and will help to grab the elements in the present applications. It is much faster and user friendly, because it will work without the need of a desktop, and we can run some more test cases as well.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,006

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 Opus0,059
Tête enseignante GPT0,267
Écart entre enseignants0,209 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetEmbedded Systems and FPGA DesignTravaux en français237 207