Implémentation à l'aide de BPEL de trois processus d'agrégation de composants, dirigée par les modèles
Notice bibliographique
Résumé
RESUME. Plusieurs organisations qui œuvrent dans le domaine d’apprentissage a distance utilisent le composant logiciel comme unite de base pour construire leur systeme. Ils ne developpent presque plus de nouveaux composants, mais ils les reutilisent et appliquent des reingenieries pour des fins d’adaptation aux nouveaux contextes. Ceci prouve que le developpement logiciel par agregation des composants est un sujet d’interet. Cette branche du genie logiciel constitue un des axes fondamentaux du projet canadien LORNET (Learning Object Repositories’ NETworsk). Cet article donne suite a des travaux publies l’an dernier, proposant principalement d’adjoindre aux composants logiciels certains types de metadonnees que nous avons intitule SOCOM (SOftware COmponent Metadata). Nous avons defini trois types d’agregations avec des exemples concrets. Dans le present article, nous rappelons brievement ces metadonnees et les categories d’agregation existantes et proposees et nous utilisons un langage d’execution de processus metier intitule BPEL (Business Process Execution Language) pour implementer des categories d’agregation tels que : Collection, Coordination et Fusion. ABSTRACT. Many organizations research on develop eLearning environments based on software components as their system’s base construct. They don’t develop new components, but they reuse existing ones. They apply software engineering concepts such as reengineering, reverse engineering and software components reuse. System development based on software components is an important issue also in LORNET project (Learning Object Repositories’ NETworks). This paper extends some previous work. We remind briefly our SOCOM (SOftware COmponent Metadata, metadata structure that characterizes software components) and we explain shortly our aggregation classification based on three attributes from SOCOM. Afterwards we use BPEL as a business process execution language to help us to implement our three designed aggregation’s categories: aggregation by collection, by coordination and by fusion.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».