MétaCan
Menu
Retour à la cohorte
Enregistrement W2595846720 · doi:10.71781/10046

Determination of software quality through a generic model

2003· dissertation· en· W2595846720 sur OpenAlexaboutno aff
Nouha Mehio

Notice bibliographique

RevueOpen MIND · 2003
Typedissertation
Langueen
DomaineComputer Science
ThématiqueSoftware Reliability and Analysis Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoftware qualityQuality (philosophy)Computer scienceSoftware engineeringSoftwareSoftware developmentProgramming languagePhilosophyEpistemology

Résumé

récupéré en direct d'OpenAlex

Ce mémoire introduit une approche pour l'évaluation de la qualité du logiciel: Boîte à Outil d'Analyse de Programmes (BOAP).BOAP a été développée dans le cadre d'un projet pour le Centre du Test de Logiciel (CTL).Le but de l'approche BOAP est d'évaluer l'architecture du logiciel indépendamment du langage de programmation en prenant en compte des caractéristiques architecturales comme l'évolvabilité et la stabilité.Cet objectif est atteint grâce à un module de mapping qui transforme les programmes en une représentation indépendante du langage de programmation soit un modèle générique.Le modèle généré est persistant; il permet donc son utilisation pour des analyses futures.Pour ce projet, le module de mapping a été développé pour supporter la transformation des programmes Java vers le modèle générique.Dans le cadre de ce projet, la stabilité des interfaces des classes dans les systèmes orientés objet est évaluée durant leurs évolutions.Notre étude empirique a été réalisée à partir de données tirées des applications Java Open Source à plusieurs versions.Le module de mapping a été utilisé pour transformer ces applications en modèle générique.Un module métrique a été développé afin d'extraire, à partir de la représentation générée, des métriques de conception qui évalueront des propriétés orientées objet qui ont un effet sur la stabilité des interfaces des classes comme le couplage, l'encapsulation et l'héritage.Un modèle de classification a été généré pour prédire les classes qui auront un impact sur la stabilité du système.Nous avons utilisé l'algorithme d'apprentissage C4.5 pour produire nos modèles prédictifs.L'utilisation du modèle générique a l'avantage d'avoir les analyses et les modèles générés applicables à d'autres systèmes, indépendamment de leur langage de programmation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,002
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,110
Tête enseignante GPT0,413
Écart entre enseignants0,303 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetSoftware Reliability and Analysis ResearchTravaux en français237 207