Systematic Mapping of Testing Smart Contracts for Blockchain Applications
Notice bibliographique
Résumé
In the last few years, the technological future becoming apparent by the introduction of smart contracts into mainstream technology, specifically in the development of Web3 and the metaverse. Smart contracts will play a vital role in the decentralization and autonomy of the day-to-day tasks that must be completed. Several literature reviews, considered secondary sources, highlight the current state of testing methods for smart contracts made for Blockchain applications. In this paper, we present the results from a systematic mapping study to give structure to the information found from primary sources. Systematic mapping is a well-known method to identify and categorize research papers in a field with an increasing amount of literature. For this systematic mapping, we searched for studies between 2017 and present-day (March 2022) and were able to find 303 results, from which 47 were selected, by specific inclusion and exclusion criteria, to be relevant to this study. A concept map was created from the information gathered from primary sources to the attributes such as research type, contribution type, blockchain network, smart contract language, development process, testing methods, and testing environment. We also categorized the trends and demographics found in the selected papers based on publication year, author’s country, and more. The results of this systematic mapping showed that this field is very new and quickly increasing with new research. The researchers that are interested in this field could use the results found to create opportunities for their future work.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 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 ».