Bibliographic record
Abstract
L'evaluation d'un programme dans le cadre d'un cours d'introduction a l'informatique est une tâche difficile qu'il faut completer dans un delai precis. Au-dela du fonctionnement, il faut aussi verifier la qualite du code source du programme. Par la qualite du programme, on entend le fait que le code source se conforme aux standards et conventions generalement admis comme un bon style de programmation. Dans la pratique, la verification de la qualite ne se preoccupe pas des erreurs detectables par le compilateur car le programme a analyser est suppose exempt de ces erreurs. On verifie plutot le non-respect des conventions et standards. On qualifie alors de defaut, une instruction ou partie du code source qui ne respecte pas les exigences du style de programmation considere. L'evaluation de la qualite se fait donc en detectant les defauts pertinents. Plusieurs institutions d'enseignement se sont lancees dans des projets divers pour mettre en place des outils d'evaluation automatique des programmes des etudiants. Le departement d'informatique de l'Universite du Quebec a Montreal dispose d'un outil appele Oto. Cet outil permet de corriger les aspects fonctionnels des programmes. Il lui manque la capacite d'evaluer la qualite du code source. Oto est neanmoins capable de faire appel a une application externe s'executant en ligne de commande et utilisant les flux standards d'entree/sortie. Dans ce memoire, nous presentons DDPJ, Detection de Defauts dans les Programmes Java, notre outil de detection des defauts de programmes Java. Son fonctionnement est base sur l'utilisation de metriques. Dans sa conception, chaque defaut est associe a une metrique. La detection des defauts sur le code source se fait donc en calculant les metriques associees. La specification des defauts a detecter se fait tout simplement en passant la liste des metriques associees en arguments a DDPJ. Le programme DDPJ fournira alors un rapport avec les valeurs des metriques demandees. Au besoin, DDPJ peut aussi fournir un rapport detaille avec les numeros de lignes des defauts dans le code source. DDPJ est developpe en Java en utilisant SableCC et ObjectMacro. Il est portable et peut s'executer seul en ligne de commande ou integre dans n'importe quel programme capable d'executer une application externe en ligne de commande. ______________________________________________________________________________
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".