論文の概要: Tree-Based versus Hybrid Graphical-Textual Model Editors: An Empirical Study of Testing Specifications

• arxiv url: http://arxiv.org/abs/2404.05846v2
• Date: Mon, 22 Jul 2024 17:59:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-24 02:01:16.650395
• Title: Tree-Based versus Hybrid Graphical-Textual Model Editors: An Empirical Study of Testing Specifications
• Title（参考訳）: ツリーベースとハイブリッドグラフィカルテキストモデルエディタ:テスト仕様に関する実証的研究
• Authors: Ionut Predoaia, James Harbin, Simos Gerasimou, Christina Vasiliou, Dimitris Kolovos, Antonio García-Domínguez,
• Abstract要約: ツリーベースのモデルエディタとハイブリッドなグラフィカルテキストモデルエディタは、ドメインモデルを編集する際の利点と制限がある。 データは木ベースのモデルエディタに階層的に表示されるが、ハイブリッドなグラフィカルテキストモデルエディタは高レベルのドメイン概念をグラフィカルにキャプチャする。 ハイブリッド表記が優れているというシステムモデラーの暗黙の仮定を評価するため,22名の参加者を対象に実験を行った。
• 参考スコア（独自算出の注目度）: 2.7268409633809907
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tree-based model editors and hybrid graphical-textual model editors have advantages and limitations when editing domain models. Data is displayed hierarchically in tree-based model editors, whereas hybrid graphical-textual model editors capture high-level domain concepts graphically and low-level domain details textually. We conducted an empirical user study with 22 participants to evaluate the implicit assumption of system modellers that hybrid notations are superior, and to investigate the tradeoffs between the default EMF-based tree model editor and a Sirius/Xtext-based hybrid model editor. The results of the user study indicate that users largely prefer the hybrid editor and are more confident with hybrid notations for understanding the meaning of conditions. Furthermore, we found that the tree editor provided superior performance for analysing ordered lists of model elements, whereas activities requiring the comprehension or modelling of complex conditions were carried out faster through the hybrid editor.
• Abstract（参考訳）: ツリーベースのモデルエディタとハイブリッドなグラフィカルテキストモデルエディタは、ドメインモデルを編集する際の利点と制限がある。 データは木ベースのモデルエディターに階層的に表示されるが、ハイブリッドなグラフィカルテキストモデルエディターは高レベルのドメイン概念をグラフィカルに、低レベルのドメインの詳細をテキスト的にキャプチャする。 筆者らは22名の被験者とともに実験的なユーザスタディを行い,ハイブリッド表記が優れているというシステムモデラーの暗黙の仮定を評価し,デフォルトのEMFベースのツリーモデルエディタとSirius/Xtextベースのハイブリッドモデルエディタとのトレードオフについて検討した。 ユーザスタディの結果は、ユーザが主にハイブリッドエディタを好んでおり、条件の意味を理解するためのハイブリッド表記に自信があることを示唆している。 さらに, モデル要素の順序付きリストを解析する上で, ツリーエディタが優れた性能を示したのに対し, 複雑な条件の理解やモデル化を必要とするアクティビティは, ハイブリッドエディタによってより高速に実行されることがわかった。

関連論文リスト

• HyLiMo: A Hybrid Live-Synchronized Modular Diagramming Editor as IDE Extension for Technical and Scientific Publications [0.8010120037374623]
  本稿では,HyLiMoを提案する。 HyLiMoでは、ダイアグラムは内部DSLを使用して作成され、描画されたダイアグラムのためのインタラクティブなグラフィカルエディタとライブ同期されます。 ユーザスタディの結果から,このようなアプローチが高速かつ正確なダイアグラム作成を可能にすることが示唆された。
  論文  参考訳（メタデータ） (2024-03-20T16:14:00Z)
• Enhancing Visually-Rich Document Understanding via Layout Structure Modeling [91.07963806829237]
  レイアウトの知識をモデルに注入する新しい文書理解モデルであるGraphLMを提案する。 我々は、FUNSD、XFUND、CORDなど様々なベンチマークでモデルを評価し、最先端の結果を得た。
  論文  参考訳（メタデータ） (2023-08-15T13:53:52Z)
• Counterfactual Edits for Generative Evaluation [0.0]
  本稿では,画素の代わりに概念に基づく合成結果の評価と説明のためのフレームワークを提案する。 我々のフレームワークは、どのオブジェクトや属性を挿入、削除、または置き換えるべきかを下記した知識ベースの偽物編集を利用する。 局所的な編集を蓄積したグローバルな説明は、モデルが合計で生成できない概念を明らかにすることもできる。
  論文  参考訳（メタデータ） (2023-03-02T20:10:18Z)
• EditEval: An Instruction-Based Benchmark for Text Improvements [73.5918084416016]
  編集機能の自動評価のためのインストラクションベース、ベンチマーク、評価スイートであるEditEvalを提示する。 InstructGPTとPEERが最良であることを示す事前学習モデルをいくつか評価するが,ほとんどのベースラインは教師付きSOTA以下である。 我々の分析は、タスクの編集によく使われるメトリクスが必ずしも相関しているとは限らないことを示し、最高の性能を持つプロンプトに対する最適化は、必ずしも異なるモデルに対して強い堅牢性を持つとは限らないことを示唆している。
  論文  参考訳（メタデータ） (2022-09-27T12:26:05Z)
• Text Generation with Text-Editing Models [78.03750739936956]
  このチュートリアルは、テキスト編集モデルと最先端のアプローチの概要を提供する。 生産化に関わる課題と、これらのモデルが幻覚や偏見を軽減するためにどのように使用できるかについて議論する。
  論文  参考訳（メタデータ） (2022-06-14T17:58:17Z)
• Memory-Based Model Editing at Scale [102.28475739907498]
  既存のモデルエディタは、編集対象のスコープを正確にモデル化するのに苦労する。 SERAC(Retrieval-Augmented Counterfactal Model)を用いた半パラメトリック編集を提案する。 SERACは、編集を明示的なメモリに格納し、必要に応じてベースモデルの予測を変更できるように、それらを推論することを学ぶ。
  論文  参考訳（メタデータ） (2022-06-13T23:40:34Z)
• Learning Structural Edits via Incremental Tree Transformations [102.64394890816178]
  構造化データのインクリメンタルな編集(すなわち「構造的編集」)のための汎用モデルを提案する。 我々の編集者は、反復的にツリー編集(例えば、サブツリーの削除や追加)を生成し、部分的に編集されたデータに適用することを学びます。 提案したエディタを2つのソースコード編集データセットで評価した結果,提案する編集エンコーダでは,従来よりも精度が向上していることがわかった。
  論文  参考訳（メタデータ） (2021-01-28T16:11:32Z)
• Text Editing by Command [82.50904226312451]
  ニューラルテキスト生成における一般的なパラダイムは、単一のステップでテキストを生成するワンショット生成である。 この制限をユーザが既存のテキストを編集するコマンドを発行することでシステムと対話するインタラクティブテキスト生成設定で解決する。 このデータセットに基づいてトレーニングされたトランスフォーマーベースモデルであるInteractive Editorは,ベースラインを上回り,自動評価と人的評価の両方において肯定的な結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-10-24T08:00:30Z)
• A Structural Model for Contextual Code Changes [20.185486717922615]
  部分的に編集されたコードスニペットが与えられた場合、私たちのゴールは、スニペットの残りの部分に対する編集の完了を予測することです。 提案モデルでは,最先端のシーケンシャルモデルよりも28%,編集コードの生成を学習する構文モデルよりも2倍高い精度を実現している。
  論文  参考訳（メタデータ） (2020-05-27T07:16:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。