Un modèle UML et des contraintes OCL pour les entrepôts de données spatiales. De la représentation conceptuelle à l'implémentation
Notice bibliographique
Résumé
Les Entrepôts de Données Spatiales (EDS) et les systèmes SOLAP représentent une solution efficace pour l'analyse spatiale de phénomènes géographiques. Cependant, la qualité de cette analyse dépend fortement de la qualité des données entreposées et de la manière dont l'exploration de ces données est réalisée : comment les différents indicateurs ou agrégats sont calculés ? (i.e. quels opérateurs d'agrégation sont appliqués aux différentes mesures ? Et dans quel ordre ils sont appliqués ?). Dans ce contexte, quelques travaux essaient de mieux maîtriser la qualité des informations dans les entrepôts de données (spatiales) par exemple par le biais de contraintes d'intégrité. Dans cet article, motivé par le manque d'implémentations basées sur une approche MDA (Model Driven Architecture), nous proposons un «framework» conceptuel basé sur deux nouvelles classifications pour faciliter l'identification et l'implémentation des contraintes d'EDS ; dans le cadre de l'approche MDA, nous proposons la modélisation et l'implémentation de la plupart des types de contraintes en utilisant les standards UML(Unified Modeling Language) et OCL (Object Constraint Language), et le générateur de code Spatial OCL2SQL.
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 | 0,010 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».