MétaCan
Menu
Retour à la cohorte
Enregistrement W1826834360 · doi:10.1109/wcre.1998.723197

Distributed Objects and Software Application Wrappers: A Vehicle for Software Re-engineering

2005· article· en· W1826834360 sur OpenAlexaff
Kostas Kontogiannis

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBusiness Process Modeling and Analysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSoftware engineeringLegacy systemComponent-based software engineeringComponent (thermodynamics)DocumentationSoftware systemSystems engineeringSoftwareReverse engineeringEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

It is always difficult to ensure the success of a re-engineering project. It takes careful planning to set the objectives and pursue realistic solutions that can be both technically feasible, and have a high benefit to investment ratio. A fundamental requirement for software re-engineering is to ?understand? what and how the existing system delivers its functionality. These tasks can be addressed by re-documentation and design recovery techniques. However, it is not always necessary to re-engineer a system from ground up, and by understanding all of its implementation details. It is a common a scenario in industry, to move towards a software evolutionary pattern in which a legacy system need to be migrated and used in a new operating environment, or be integrated as a component of a new application. Some refer to this pattern as continuous engineering. The requirement in which a re-engineering project is based on the re-use of existing host applications and data with minimal rewriting is too common to be ignored. Within this framework, architectural design recovery of a system, with respect to its major components and its major interfaces, offers a gateway to making legacy system components available to other applications. Distributed Object Technology hides implementation details of these components and provides a vehicle that exposes public interfaces for the legacy system.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,920
Score d'incertitude au seuil0,605

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 technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,011
Tête enseignante GPT0,210
Écart entre enseignants0,199 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBusiness Process Modeling and AnalysisTravaux en français237 207