FCL: Automatically Detecting Structural Errors in Framework-Based Development
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Although they are intended to support and encourage reuse, object-oriented application frameworks are difficult to use. The architecture and implementation details of frameworks, because of their size and complexity, are rarely fully understood. Instead, faced with a framework problem, developers must somehow learn just enough about the parts of the framework required for their task and ask for assistance or muddle through using a trial-and-error approach. In many cases, they misuse the framework by not learning what the framework designer had in mind as the proper solution to their problem. This thesis investigates both the feasibility and the effectiveness of tools support for the problem: The idea is to formalize the patterns to which the code structure of the application should conform, and thereafter detect violations of such patterns with an automated checker program. To capture the know-how knowledge about frameworks use, we introduce the notion of framework constraints: framework constraints are rules that frameworks impose on the code of framework-based applications. The tool consists of a specification language and an associated checker. The specification language, FCL (Framework Constraints Language), is defined to formally specify framework constraints. The semantics of FCL is based on a first-order logic extended with set and sequence operations. Essentially, framework constraints can be regarded as framework-specific typing rules conveyed by FCL specifications and thus can be enforced by techniques analogous to those of conventional type checking. Several case studies have been conducted to evaluate the approach. These include a part of the MFC (Microsoft Foundation Classes) framework, the law of Demeter, Scott Meyers' C++ guidelines, and the Observer design pattern. Lessons in terms of both the strengths and the limitations of FCL are reported.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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