Détection de défauts de programmes Java
Bibliographic record
Abstract
L'évaluation d'un programme dans le cadre d'un cours d'introduction à l'informatique est une tâche difficile qu'il faut compléter dans un délai précis. Au-delà du fonctionnement, il faut aussi vérifier la qualité du code source du programme. Par la qualité du programme, on entend le fait que le code source se conforme aux standards et conventions généralement admis comme un bon style de programmation. Dans la pratique, la vérification de la qualité ne se préoccupe pas des erreurs détectables par le compilateur car le programme à analyser est supposé exempt de ces erreurs. On vérifie plutôt le non-respect des conventions et standards. On qualifie alors de défaut, une instruction ou partie du code source qui ne respecte pas les exigences du style de programmation considéré. L'évaluation de la qualité se fait donc en détectant les défauts pertinents. Plusieurs institutions d'enseignement se sont lancées dans des projets divers pour mettre en place des outils d'évaluation automatique des programmes des étudiants. Le département d'informatique de l'Université du Québec à Montréal dispose d'un outil appelé Oto. Cet outil permet de corriger les aspects fonctionnels des programmes. Il lui manque la capacité d'évaluer la qualité du code source. Oto est néanmoins capable de faire appel à une application externe s'exécutant en ligne de commande et utilisant les flux standards d'entrée/sortie. Dans ce mémoire, nous présentons DDPJ, Détection de Défauts dans les Programmes Java, notre outil de détection des défauts de programmes Java. Son fonctionnement est basé sur l'utilisation de métriques. Dans sa conception, chaque défaut est associé à une métrique. La détection des défauts sur le code source se fait donc en calculant les métriques associées. La spécification des défauts à détecter se fait tout simplement en passant la liste des métriques associées en arguments à DDPJ. Le programme DDPJ fournira alors un rapport avec les valeurs des métriques demandées. Au besoin, DDPJ peut aussi fournir un rapport détaillé avec les numéros de lignes des défauts dans le code source. DDPJ est développé en Java en utilisant SableCC et ObjectMacro. Il est portable et peut s'exécuter seul en ligne de commande ou intégré dans n'importe quel programme capable d'exécuter une application externe en ligne de commande. \n______________________________________________________________________________
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".