MétaCan
Menu
Retour à la cohorte
Enregistrement W2989021963

Partial Behavioural Models for Requirements and Early Design

2006· article· en· W2989021963 sur OpenAlex
Marsha Chećhik, Greg Brunet, Dario Fischbein, Sebastián Uchitel

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Software Engineering Methodologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceAbstractionContext (archaeology)Process (computing)EmbeddingEvent (particle physics)Software engineeringArtificial intelligenceProgramming language
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper, we first motivate and summarize our recent work on creation, management, and specifically merging of partial be- havioural models, expressed as model transition systems. We then ad- dress two issues coming out of MMOSS discussions: alphabet embedding as an alternative to common observational refinement and minimum re- finement steps. We show that the former is not possible, and discuss informally how to define the latter. 1 Introduction and Goals of the Project Event-based models such as Labeled Transition Systems (LTSs) (9) have been shown to be successful for modeling and reasoning about the behavior of software systems at the architectural level. These behavior models provide a basis for a wide range of successful automated analysis techniques, such as model-checking, animation, and simulation. However, the adoption of behavior modeling and analysis technology by practitioners has been slow. Partly, this is due to the complexity of building behavioral models in the first place - behavior modeling remains a difficult, labor-intensive task that requires considerable expertise. In addition, and per- haps more importantly, the benefits of the analysis appear only at the end of a costly process of constructing a comprehensive behavior model. The reason for the latter is that traditional behavior models are required to be complete descriptions of the system behavior up to some level of abstraction, i.e., the transition system is assumed to completely describe the system behavior with respect to a fixed alphabet of actions. This completeness assumption is limit- ing in the context of software development process best practices which include iterative development, adoption of use-case and scenario-based techniques and viewpoint- or stakeholder-based analysis; practices which require modeling and analysis in the presence of partial information about system behavior. Our aim is to address the limitations of existing behavior modeling ap- proaches by shifting the focus from traditional behavior models to partial be- havior models - models that are capable of distinguishing known behavior (both

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,298
Score d'incertitude au seuil0,289

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,179
Tête enseignante GPT0,320
Écart entre enseignants0,141 · 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