Proceedings of the 4th international workshop on Predictor models in software engineering
Notice bibliographique
Résumé
It is our great pleasure to welcome you to PROMISE 2008 - the 4th International Workshop on Predictor Models in Software Engineering. This year's workshop continues its tradition of being the premier forum for presentation of research results and experience reports in the area of predictor models applied to software engineering. The theme for this year's workshop is Bridging Research and Industry. Key questions for the workshop are -- How might PROMISE and other researchers better align with the realities of industry? -- How can industry make effective use of research ideas? In keeping with this theme, we have two keynote speakers from industry. Dr. Murray Cantor is an IBM Distinguished Engineer and the governance solutions lead on the IBM Rational Software CTO team. Mr. Chris Beal is a Sun Microsystems Senior Staff Engineer working with Solaris Revenue Product Engineering. We are pleased that PROMISE has become an international event. Our call for papers attracted submissions from Asia, Canada, Europe, and the United States. The program committee accepted over a dozen papers covering a variety of topics, including models related to fault prediction, effort estimation, and requirements engineering. One feature that sets this workshop apart from others is the PROMISE repository of software data sets that are publicly available for research purposes. The repository currently has 57 data sets and has grown at an average rate of 44% annually over the last 3.5 years.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».