MétaCan
Menu
Retour à la cohorte
Enregistrement W7132911090

Assisting with API Design through Reusing Design Knowledge

2020· dissertation· W7132911090 sur OpenAlexfundno aff
Mahsa Hasani Sadi

Notice bibliographique

RevueTSpace · 2020
Typedissertation
Langue
DomaineComputer Science
ThématiqueAdvanced Software Engineering Methodologies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Toronto
Mots-clésSoftware designApplication programming interfaceReuseSoftwareDesign knowledgeSet (abstract data type)Software requirements specificationDesign methods
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

With the rise in software ecosystem initiatives, developing Application Programming Interfaces (APIs) has become an increasingly common practice. One main concern in developing APIs is that they expose back-end systems and data towards clients. This exposure threatens critical non-functional requirements, such as security of the back-end systems, performance of the provided services, and privacy of the communications with clients. Although dealing with non-functional requirements during software design has been long studied, there is still no framework to specifically assist software developers with addressing these requirements in APIs. In this thesis, we introduce Rational API Designer (RAPID), an assistant that provides consultation about designing non-functional requirements in the architecture of APIs. We have equipped RAPID with a broad range of expert knowledge about API design, systematically collected and extracted from the literature. The API design knowledge has been encoded as a set of 156 catalogues using the Non-Functional Requirements (NFR) language, a multi-valued logic commonly used for describing non-functional and functional requirements of software systems. RAPID uses the API design catalogues in a step-wise refinement and selection procedure to arrive from a given requirement, to a set of design alternatives, to a final suggestion for a given API design specification. Seven well-experienced developers have blindly evaluated accuracy of RAPID’s consultations over seven different cases of API design and on providing design guidelines for thirty design questions. The results of evaluation show that RAPID’s recommendations meet acceptable standards of the majority of the evaluators 73.3% of the time. Moreover, analysis of evaluators’ comments suggests that more than one-third of the unacceptable ratings (34%) given to RAPID’s answers are due to valid but incomplete design guidelines. We thus expect that the accuracy of the consultations will increase as RAPID’s knowledge of API design is extended and refined. Software developers can use RAPID to receive design suggestions generated through reusing the knowledge of experts, or to add their own knowledge of API design to RAPID for future use of their peers.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,261
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,002
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 Opus0,229
Tête enseignante GPT0,409
Écart entre enseignants0,180 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetAdvanced Software Engineering MethodologiesTravaux en français237 207