Essai exploratoire sur l’utilisation du système de typage d’Eiffel dans la définition d’un nouveau langage de base de données relationnelle
Bibliographic record
Abstract
Le présent essai s’inscrit dans le cadre de l’un des projets de recherche du Groupe de recherche interdisciplinaire en informatique de la santé (GRIIS) de l’Université de Sherbrooke, codirigé par le docteur Jean-François Ethier et le professeur Luc Lavoie. Le projet de recherche, dont il est question, constitue une tentative (peut-être ambitieuse) de définir un nouveau langage de base de données relationnelle en vue de remplacer SQL, le langage standard des bases de données relationnelles. Le nouveau langage, nommé Discipulus, bien que sa conception soit avancée, n’est pas encore complètement défini. Le GRIIS s’interroge sur le choix du système de typage du nouveau langage. Notamment, le GRIIS se questionne sur le choix du modèle d’héritage. Deux candidats pour le rôle ont été retenus dans le cadre des travaux antérieurs du GRIIS : le système de typage de Tutorial D et celui d’Eiffel. La décision n’est pas très facile à prendre. Dans le but d’éclairer le GRIIS quant aux décisions à prendre concernant le nouveau langage, cet essai explore l’utilisation du système de typage d’Eiffel dans un contexte de langage de base de données relationnelle. Eiffel est un langage orienté objet à usage général et non un langage de base de données relationnelle. Par conséquent, le système de typage d’Eiffel ne peut pas être utilisé tel quel dans la définition d’un nouveau langage de base de données. Le présent essai est donc une tentative de modifier le système de typage d’Eiffel pour l’adapter à un langage de base de données. Les résultats montrent que le système de typage d’Eiffel ne se prête pas naturellement aux règles de typage idéales pour les opérateurs de l’algèbre relationnelle. Dans l’ensemble, cependant, il faut noter qu’aucun obstacle majeur n’a été rencontré lors de l’investigation du système de typage d’Eiffel. Ce dernier système peut, avec les modifications appropriées, être utilisé comme système de typage pour un langage de base de données relationnelle. Reste à savoir si l’intégration complète des technologies orientées objet et relationnelles fournie par un tel langage crée des avantages qui l’emportent sur la perte d’uniformité du modèle de programmation.
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 | 0.019 | 0.026 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.008 | 0.011 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.010 | 0.004 |
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".