MétaCan
Menu
Retour à la cohorte
Enregistrement W2101178642 · doi:10.1109/wsc.2003.1261474

Computer automated multi-paradigm modelling: meta-modelling and graph transformation

2004· article· en· W2101178642 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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueModel-Driven Software Engineering Techniques
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésGraph rewritingComputer scienceModel transformationPetri netAbstract syntaxProgramming languageTheoretical computer scienceGraphRewritingMetamodelingCode generationArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Computer automated multi-paradigm modelling based on meta-modelling and graph transformation is presented. The syntax of a class of models of interest is graphically meta-modelled in an appropriate formalism such as entity-relationship diagrams. From this abstract syntax, augmented with concrete (visual) information, an interactive, visual modelling environment is generated. As the abstract syntax of all models is graph-like, graph rewriting is used to perform model transformation. Graph grammar models thus allow for model transformation specification. Graph rewriting provides a rigourous basis for specifying and analyzing model transformations such as simplification, simulation, and code generation. AToM/sup 3/, a tool for multi-formalism and meta-modelling, is introduced. Meta-modelling and graph transformation concepts are introduced through a simple reactive system example: a timed automata model of a traffic light. Meta-modelling, generating the visual modelling environment, and modelling transformations as graph grammars, as well as executing them, are performed in AToM/sup 3/. The model transformations include simulation, transformation into timed transition Petri nets, and code generation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,256
Score d'incertitude au seuil0,852

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,053
Tête enseignante GPT0,253
Écart entre enseignants0,200 · 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