MétaCan
Menu
Retour à la cohorte
Enregistrement W4246883339 · doi:10.22215/etd/2014-10588

Mapping ACL to JavaMOP: A Feasibility Study

2014· dissertation· en· W4246883339 sur OpenAlexaff
Joshua Beltramin

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueSoftware Testing and Debugging Techniques
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésUSableSuiteComputer scienceSoftware engineeringTest suiteDebuggingJavaTest caseProgramming languageReliability engineeringEngineeringMachine learningWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Model-based testing (MBT) is a quality assurance technique where a test suite is generated from an abstract model.There are a number of different approaches to accomplish model-based testing.While state-based techniques dominate, they have a number of inherent issues.These issues have led to the pursuit of alternatives such as scenario-based approaches.ACL/VF is one such scenario-based approach.Developed by Dr. Corriveau and his students, the ACL/VF system provides both a language to specify an implementation-independent testable model of a specification and the tool to validate an implementation against this model.However, the current implementation of ACL/VF has a number of issues that prevent it from being a usable solution.In particular, the current version of ACL/VF is extremely .NET3.5 specific.Unfortunately, upgrading it to a more recent version of .NET essentially amounts to a complete rewrite.Given the widespread use of Java, a most immediate research question is to determine whether or not it is feasible to reimplement ACL/VF on that platform.Our claim is that this reimplementation can be accomplished through a mapping from ACL specifications to JavaMOP monitor specifications.The following thesis provides two case studies supporting this claim as well as an element-by-element proposed mapping.

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)0,011
score de la tête « metaresearch » (Gemma)0,029
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: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,029
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0030,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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 Opus0,042
Tête enseignante GPT0,330
Écart entre enseignants0,288 · 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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoftware Testing and Debugging TechniquesTravaux en français237 207