排序方式： 共有5条查询结果，搜索用时 921 毫秒
1
1.
The first Latin American molecularbiology laboratory came onto the scientificscene in Argentina in early 1957, only to bedismantled in 1962, following a ministerialchange. This paper explores the social,political, institutional, and cognitiveinteractions present in this short experience,and assesses their importance in understandingthe development of a new scientific field in a`peripheral context'. 相似文献
2.
The Aysén Hydroelectric Project in Chilean Patagonia proposed the construction of the country’s largest power facility to supply its capital, nearly 2,000 kilometres away. We seek to explain the way science, politics, law, business and the civilian population are joined up. To this end, we analyse the project’s evolution, the construction of techno-scientific arguments by the participants and how Chilean regulations are adapting to this process. 相似文献
3.
4.
5.
Jochen Kreimer 《Informatik - Forschung und Entwicklung》2005,19(3):151-161
Zusammenfassung Die Qualit?t von Software kann je nach Anwendungsgebiet an unterschiedlichen Kriterien gemessen werden. Für grosse Software-Systeme
spielen u. a. Kriterien wie Wartbarkeit, Verst?ndlichkeit und Erweiterbarkeit eine wichtige Rolle.
Mein Ziel ist es, Entwurfsm?ngel in Software-Systemen zu erkennen und somit „‘schlechte“’ – unverst?ndliche, schwer erweiter-
und ?nderbare – Programmstrukturen zu vermeiden. Prominente Entwurfsm?ngel sind z. B. die von Fowler eingeführten Bad Smells in objektorientierten Programmen.
Entwurfsm?ngel werden abh?ngig von der Sichtweise und dem Erfahrungsschatz des Suchenden unterschiedlich interpretiert. Ich
kombiniere daher bekannte Verfahren zur Erkennung von Entwurfsm?ngeln auf der Basis von Metriken mit maschinellen Lernverfahren.
Damit kann Entwurfsmangelerkennung individuellen Sichtweisen angepasst werden.
Ich pr?sentiere ein Werkzeug für Java-Programme und zeige die Ergebnisse einer ersten Fallstudie.
Criteria for software quality measurement depend on the application area. In large software systems criteria like maintainability, comprehensibility and extensibility play an important role. My aim is to identify design flaws in software systems automatically and thus to avoid “bad” – incomprehensible, hardly expandable and changeable – program structures. Depending on the perception and experience of the searching engineer, design flaws are interpreted in a different way. I propose to combine known methods for finding design flaws on the basis of metrics with machine learning mechanisms, such that design flaw detection is adaptable to different views. This paper presents the underlying method, describes an analysis tool for Java programs and shows results of an initial case study.
CR Subject Classification D.1.5,D.2.2,D.2.5,D.2.7,D.2.8,I.2.6 相似文献
1