Modelo para estimar el esfuerzo que demanda la automatización de procesos de negocio
Notice bibliographique
Résumé
El desarrollo de productos de software ha impactado de forma significativa al mundo empresarial, que ha dejado atrás su enfoque funcional y ha empeñado recursos en la modelación con calidad de sus procesos de negocio. Numerosos estudios dedicados a medir indicadores como calidad, complejidad y facilidad de modificación, atendiendo a los constantes cambios organizacionales, han dado como resultado la definición de diferentes métricas, que en su mayoría se han seleccionado haciendo analogías con métricas de software. En este trabajo se define un modelo estadístico que permite la predicción del esfuerzo requerido en la automatización de procesos de negocio, tomando como punto de partida su representación gráfica. Se proponen métricas relativas a los modelos de procesos de negocio con el fin de estudiar su comportamiento e influencia en la estimación del esfuerzo. Se construyó una base de casos de modelos de procesos de negocio con sus respectivos valores del esfuerzo, realizándose el procesamiento a partir técnicas estadísticas y obteniéndose un modelo de predicción que es capaz de explicar el 99.5 % de los casos representados. Se desarrolló una aplicación informática para la interpretación de diferentes formatos de salida de herramientas que permiten modelar procesos de negocio y la implementación del modelo predictivo obtenido.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».