MétaCan
Menu
Retour à la cohorte
Enregistrement W4238757451 · doi:10.32920/ryerson.14665977

A Study On Automatic Software Quality And Reliability Analysis

2021· preprint· en· W4238757451 sur OpenAlex
Ahmad Hosseingholizadeh

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
Typepreprint
Langueen
DomaineComputer Science
ThématiqueSoftware Reliability and Analysis Research
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSoftware quality assuranceSoftware qualitySoftware engineeringReliability (semiconductor)SoftwareDebuggingReliability engineeringQuality (philosophy)Static program analysisProduct (mathematics)Software constructionSoftware quality analystSet (abstract data type)Verification and validationSoftware metricSoftware developmentProgramming languageEngineering

Résumé

récupéré en direct d'OpenAlex

In this thesis the study over the topic of analytical approaches for software quality and reliability assurance is presented. The focus of this research is on a specific set of techniques used for software reliability assessment called Risk Analysis. Numerous approaches are explored and different new techniques are proposed to generate the risk model of a software product. These techniques are evaluated and using the results of this evaluation a new risk model (Compound Risk Model) is proposed which is using the advantages of different classes of risk analysis techniques to generate a more precise and practical model to identify more risky components of a software product. Also a research on the topic of Automatic Bug-Fix using Genetic Programming is presented which can fix logical defects of a buggy code and evolve it to a bug-free code. Finally it is discussed that these approaches can be used as an automated tool in an integrated development environment to localize the defective components and debug them.

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)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,333
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0020,005
Intégrité de la recherche0,0000,001
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 Opus0,068
Tête enseignante GPT0,382
Écart entre enseignants0,313 · 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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoftware Reliability and Analysis ResearchTravaux en français237 207