MétaCan
Menu
Retour à la cohorte
Enregistrement W1988579031 · doi:10.1145/1456536.1456539

Designing UML and UML-based diagrams for technical documentation

2008· article· en· W1988579031 sur OpenAlexaffabout
Steve Murphy, Neil J. MacKinnon

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueModel-Driven Software Engineering Techniques
Établissements canadiensIBM (Canada)
Organismes subventionnairesnon disponible
Mots-clésApplications of UMLUML toolUnified Modeling LanguageComputer scienceSoftware engineeringDocumentationActivity diagramClass diagramIBMTechnical documentationUsabilityProgramming languageSoftwareHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

UML diagrams are used to model real-world ideas and help users understand complex programming concepts. Developers and writers need to produce well-formed UML diagrams that can convey these ideas, and that are suitable for publishing in technical documentation. This paper examines the evolution of UML diagrams and tooling, with a focus on practices at the IBM Toronto Software Laboratory. It reviews the findings of two previous papers, which described obstacles to creating UML diagrams for publication and outlined numerous steps to help developers, writers, and graphic designers create useful UML diagrams. It shows how developers at the IBM Toronto Software Laboratory have added new features to existing modeling programs to improve the usability and design functions in IBM's suite of modeling tools. It describes the relative strengths and weaknesses of the two main types of graphics, and illustrates the beneficial impact of the addition of the SVG graphic export function to IBM's tooling. It shows how these functional improvements have resulted in a higher quality of UML diagrams submitted for publication by both technical and non-technical users.

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)0,029
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,054
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0070,005
Études des sciences et des technologies0,0020,003
Communication savante0,0070,013
Science ouverte0,0030,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,023
Tête enseignante GPT0,259
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

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'étudeSans objet
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
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetModel-Driven Software Engineering TechniquesTravaux en français237 207