A customizable pattern‐based software process simulation model: design, calibration and application
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.
Notice bibliographique
Résumé
Abstract Software process analysis and improvement relies heavily on empirical research. Empirical research requires measurement, experimentation, and modeling. However, whatever evidence is gained via empirical research is strongly context dependent. Thus, it is hard to combine results and capitalize upon them for the purpose of improvement in evolving development environments. The process simulation model GENSIM 2.0 addresses these challenges. GENSIM 2.0 is a generic process simulation tool representing V‐model type software development processes. Compared to existing process simulation models in the literature, the novelty of GENSIM 2.0 is twofold. Firstly, its model structure is customizable to organization‐specific processes. This is achieved by using a limited set of generic structures (macro‐patterns). Secondly, its model parameters can be easily calibrated to available empirical data and expert knowledge. This is achieved by making the internal model structures explicit and by providing guidance on how to calibrate model parameters. This article outlines the structure of GENSIM 2.0, gives examples on how to calibrate the model to available empirical data, and demonstrates its usefulness through two application scenarios The first scenario illustrates how GENSIM 2.0 helps in finding effective combinations of verification and validation techniques under given time and effort constraints. The second scenario shows how the simulator supports in finding the best combination of alternative verification techniques. Copyright © 2009 John Wiley & Sons, Ltd.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle