MeTIS (a method for transformation of intentional services)
Bibliographic record
Abstract
La thèse a pour objectif de proposer une méthode de transformation des services intentionnels en applications exécutables construites à base de services logiciels interactifs. Un service intentionnel MIS (Méta-modèle de Services Intentionnels) se définit par rapport au but que les services logiciels correspondants permettront d atteindre. MIS classe les services intentionnels en deux catégories: agrégat et atomique. Un service de type agrégat est utilisé lorsque le but est affiné par un ou plusieurs sous-buts de services intentionnels. Par opposition, le service intentionnel atomique est associé à un but qui n est pas affinable en sous-buts mais qui est directement opérationnalisable par l exécution d un ou plusieurs éléments opérationnels. La méthode appelée MeTSI applique les principes de l ingénierie dirigée par les modèles. Elle adopte une démarche transformationnelle, dans le sens où, à chaque étape, les descriptions de services sont des modèles instances de méta-modèles qui sont transformés et affinés. Elle permet d'aboutir à une solution logicielle exécutable sous la forme d'une application à base de services interactifs qui contient toutes les dimensions d'une application, à savoir, l'aspect interface d'interaction de l'utilisateur avec l'application, l'aspect métier réalisé par des services web et leur coopértaion dans une composition orchestrée de services. Elle opère par transformations successives de façon à séparer les sujets d'intérêt pour apporter de la flexibilité et permettre l'adaptation, en particulier, à différentes plates-formes d'implémentation. Elle réutilise des services web déjà réalisés lorsque c'est possible.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.004 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.005 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.030 | 0.011 |
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".