Model Driven Evolution of Network-Centric Applications: Perspectives, Challenges, and Issues
Notice bibliographique
Résumé
Model-driven techniques have been proposed and promoted by the Software Engineering community over the past few years as a mechanism for streamlining the design, implementation and evolution of large software applications. The basic idea behind model-driven techniques is that, design artifacts of large software applications can be represented as a collection of models which can be consequently transformed and evolved to generate specific design artifacts and even source code that complies with specific programmatic paradigms and patterns. Even though model-driven frameworks have caught the attention of the software engineering community as a way to increase programmers' productivity and overall system robustness through the disciplined manipulation and transformation of models and ultimately code generation, they have remained so far only in the form of "guidelines" or "standard practices". In this respect, important questions regarding to what types of models are required for system representation, how transformations are encoded and enacted, how model constraints are denoted and validated, and how source code is generated, is left to software vendors, software architects and software developers to further design and implement. In this keynote presentation we will focus on the challenges, issues, emerging research topics and practical examples pertaining to the use of model-driven techniques for the design, analysis and evolution of network-centric, web-based applications. Some of these challenges in such systems include the use of multi-language paradigms, the problem of maintaining consistency between various models during system evolution, dealing with underlying technology changes, and facilitating end-product customizability.
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 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 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».