Ontology‐based model‐driven development of a destination management portal: Experience and lessons learned
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
Summary We present a case study in model‐driven development of an e‐tourism portal that we chose to develop through generation from a domain model encoded as an ontology . We present (1) the requirements of e‐tourism portal, which dictated its high‐level design; (2) the principles behind our implementation strategy, including the use of a domain ontology as a starting model within the context of a model‐driven transformational approach; (3) the ontology development process and the code generation strategy used; and (4) the lessons learned. In particular, we compare our experiences to those reported in the model‐driven engineering (MDE) literature along 3 dimensions, ie, (1) the impact of MDE on the development process, (2) the choice of the modeling approach, and (3) the impact of code generation on design and code quality and testing. Overall, our experiences corroborated some of the theoretical claims and many of the practical experiences with MDE. Key findings include (1) model‐driven development makes maintenance, not development, more efficient; (2) it does require a higher skill level than traditional development; (3) clients and managers need to be educated into what incrementality means in a generative approach ; (4) UML is neither necessary nor sufficient to handle the required representational flexibility; (5) it is difficult to build models that are good for both human consumption and code generation; and (6) it is difficult to generate code that is, simultaneously, efficient, pretty, and easy to maintain. We conclude by summarizing the findings of the paper.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle