Supporting Electronic Commerce of Software Products through Pay-Per-Use Rental of Downloadable Tools
Notice bibliographique
Résumé
The pervasiveness of Internet connectivity and the wide diffusion of Java-capable browsers foster innovative techniques for software distribution. In this chapter, we propose a new model for the electronic commerce of software tools based on a pay-per-use rental policy. Pay-per-use rental of downloadable tools is the natural exploitation of Java applets that can be transferred on demand to the user’s machine and executed dynamically inside a browser. While software rental is not a new idea (Flamnia and McCandless, 1996), at present no example of a standard pay-per-use rental mechanism for downloadable software tools exists. This approach benefits from the advantages of central management of tools and zero maintenance for users typical of Java applets, together with a new way to pay for their use. Software rental presents several advantages to producers and users. Pay-per-use rental is particularly suited to Web-based applications, because they are offered to a very heterogeneous and dynamic user population (Bakos and Brynjolfson, 1997). This chapter describes advantages and issues related to pay-per-use, and explains how to add it to Web-based systems, by presenting the example of pay-per-use integration in WebMetrics, a Web-based system providing distributed collection, management, and analysis of source code metrics. This chapter is organized as follows. Section 2 discusses tools-on-demand. Section 3 presents the role of pay-per-use. Section 4 introduces WebMetrics, our prototype pay-per-use application. Section 5 describes the architecture of WebMetrics. Section 6 presents a list of open issues. Section 7 draws some conclusions.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| 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 ».