MétaCan
Menu
Retour à la cohorte
Enregistrement W7162117510 · doi:10.82308/31815

Model evolution

2006· dissertation· en· W7162117510 sur OpenAlexaboutno aff
Amaranth Wei. He

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueModel-Driven Software Engineering Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUndoTRACE (psycholinguistics)Software developmentSemantics (computer science)AbstractionSoftware evolutionSyntaxSoftwareSoftware system

Résumé

récupéré en direct d'OpenAlex

"Model Driven Software Development" is a recent trend in development of software-intensive systems. In the Model Driven Software Development process, all knowledge pertaining to the software system to be built is represented in the form of models, in the right formalism(s) and at the right level of abstraction. At the highest level of abstraction, domain models, rather than generic models are used. Although the idea of developing the software system at a higher abstraction level is appealing, many fundamental questions remain unresolved. Many issues such as how to define the syntax and semantics of models, how to represent and store models and how to trace model evolution should be addressed properly. In this thesis, the focus is on model transformations and the open problems related to it. In particular, how to compare models, how to trace model evolution (with as a goal to undo and redo model changes), how to deal with meta-model evolution, and ultimately with semantics evolution are explored. For each issue, we analyze problems, and propose some solutions. We use small case studies to make issues more concrete. All case studies are developed in AToM3 (A Tool for Multi-formalism and Meta-Modeling), developed in the Modeling, Simulation and Design Lab (MSDL) in the School of Computer Science of McGill University.

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)0,006
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0040,006
Science ouverte0,0050,008
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0190,006

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 Opus0,010
Tête enseignante GPT0,236
Écart entre enseignants0,226 · 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'étudeThéorique ou conceptuel
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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetModel-Driven Software Engineering TechniquesTravaux en français237 207