MétaCan
Menu
Retour à la cohorte
Enregistrement W187393762

Implémentation à l'aide de BPEL de trois processus d'agrégation de composants, dirigée par les modèles

2006· article· fr· W187393762 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueEspace ÉTS (ETS) · 2006
Typearticle
Languefr
DomaineComputer Science
ThématiqueModel-Driven Software Engineering Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesComponent-based software engineeringComputer scienceSoftware engineeringSoftware developmentArtProgramming languageSoftware
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,436
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,020
Tête enseignante GPT0,256
Écart entre enseignants0,236 · 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