論文の概要: A Metascience Study of the Impact of Low-Code Techniques in Modeling Publications
- arxiv url: http://arxiv.org/abs/2408.05975v1
- Date: Mon, 12 Aug 2024 08:03:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-13 13:35:58.280988
- Title: A Metascience Study of the Impact of Low-Code Techniques in Modeling Publications
- Title（参考訳）: 出版物モデリングにおけるローコード手法の影響に関するメタサイエンス研究
- Authors: Mauro Dalle Lucca Tosi, Javier Luis Cánovas Izquierdo, Jordi Cabot,
- Abstract要約: 本稿では低符号のメタサイエンス研究について述べる。
本研究は,(1)新興のローコードコミュニティの構成(サイズと多様性)を検討すること,(2)このコミュニティが「古典的」モデル主導のコミュニティとどう違うのかを,人,会場,出版物のタイプの観点から検討すること,の2つのアプローチを有する。
- 参考スコア（独自算出の注目度）: 2.031841135743809
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the last years, model-related publications have been exploring the application of modeling techniques in different domains. Initially focused on UML and the Model-Driven Architecture approach, the literature has been evolving towards the usage of more general concepts such as Model-Driven Development or Model-Driven Engineering. With the emergence of Low-Code software development platforms, the modeling community has been studying how these two fields may combine and benefit from each other, thus leading to the publication of a number of works in recent years. In this paper, we present a metascience study of Low-Code. Our study has a two-fold approach: (1) to examine the composition (size and diversity) of the emerging Low-Code community; and (2) to investigate how this community differs from the "classical" model-driven community in terms of people, venues, and types of publications. Through this study, we aim to benefit the low-code community by helping them better understand its relationship with the broader modeling community. Ultimately, we hope to trigger a discussion about the current and possible future evolution of the low-code community as part of its consolidation as a new research field.
- Abstract（参考訳）: 近年、モデル関連の出版物は、異なる領域におけるモデリング技術の応用を探求している。
最初はUMLとモデル駆動アーキテクチャのアプローチに重点を置いていたが、この文献はモデル駆動開発やモデル駆動工学といったより一般的な概念の利用に向けて進化してきた。
低コードソフトウェア開発プラットフォームが出現し、モデリングコミュニティはこれらの2つの分野が相互にどのように結合し、利益をもたらすかについて研究してきた。
本稿では,Low-Codeのメタサイエンス研究について述べる。
本研究は,(1)新興のローコードコミュニティの構成(サイズと多様性)を検討すること,(2)このコミュニティが「古典的」モデル主導のコミュニティとどう違うのかを,人,会場,出版物のタイプの観点から検討すること,の2つのアプローチを有する。
本研究は、より広いモデリングコミュニティとの関係をよりよく理解することで、ローコードコミュニティに利益をもたらすことを目的としている。
最終的には、新しい研究分野としての統合の一環として、ローコードコミュニティの現在と将来的な進化について議論を起こそうとしています。
関連論文リスト
- Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。
これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
論文 参考訳（メタデータ） (2024-08-14T16:58:48Z) - A Survey on Model MoErging: Recycling and Routing Among Specialized Experts for Collaborative Learning [136.89318317245855]
MoErgingは、専門家のモデルをリサイクルして、パフォーマンスや一般化を改善した集約システムを構築することを目的としている。
MoErgingメソッドの重要なコンポーネントは、特定の入力やアプリケーションに使用する専門家モデルを決定するルータの作成である。
このサーベイには、キーデザインの選択をカタログ化し、各手法に適した適用方法を明確にするための新しい分類が含まれている。
論文 参考訳（メタデータ） (2024-08-13T17:49:00Z) - Explore In-Context Segmentation via Latent Diffusion Models [132.26274147026854]
潜在拡散モデル(LDM)は、文脈内セグメンテーションに有効な最小限のモデルである。
画像とビデオの両方のデータセットを含む、新しい、公正なコンテキスト内セグメンテーションベンチマークを構築します。
論文 参考訳（メタデータ） (2024-03-14T17:52:31Z) - Advancing Graph Representation Learning with Large Language Models: A
Comprehensive Survey of Techniques [37.60727548905253]
グラフ表現学習(GRL)とLLM(Large Language Models)の統合は、複雑なデータ構造を分析する上で重要な進化である。
このコラボレーションは、LLMの洗練された言語機能を活用して、グラフモデルの文脈的理解と適応性を改善する。
LLMをグラフ領域に統合する研究団体が増えているにもかかわらず、コアコンポーネントとオペレーションを深く分析する包括的なレビューは特に欠落している。
論文 参考訳（メタデータ） (2024-02-04T05:51:14Z) - Advancing State of the Art in Language Modeling [0.0]
一般化は統計言語モデリング研究の最も重要な目標であることは間違いない。
オープンソースコードで公開された公開ベンチマークと論文は、この分野を前進させる上で重要なものだ。
本稿では,一般化の観点から言語モデリングにおける最先端技術を支援するための,シンプルなフレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-28T12:30:43Z) - Foundation Models for Decision Making: Problems, Methods, and
Opportunities [124.79381732197649]
大規模に多様なデータに基づいて事前訓練された基礎モデルは、幅広いビジョンと言語タスクにおいて異常な能力を示してきた。
ファンデーションモデルをトレーニングし、他のエージェントと対話し、長期的な推論を行うための新しいパラダイムが生まれている。
基礎モデルと意思決定の交わりにおける研究は、強力な新しいシステムを作るための大きな約束である。
論文 参考訳（メタデータ） (2023-03-07T18:44:07Z) - Image Quality Assessment in the Modern Age [53.19271326110551]
本チュートリアルは、画像品質評価(IQA)の基礎的理論、方法論、現状の進歩を聴衆に提供する。
まず,視覚刺激を適切に選択する方法に着目し,主観的品質評価手法を再考する。
手書きのエンジニアリングと(深い)学習ベースの手法の両方をカバーします。
論文 参考訳（メタデータ） (2021-10-19T02:38:46Z) - What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。
本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。
本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文 参考訳（メタデータ） (2020-11-06T02:23:01Z) - A Theoretical Approach for a Novel Model to Realizing Empathy [0.0]
本稿では共感の実現過程を可視化するモデルとして理論的概念を紹介する。
このモデルの目的は、様々な分野に適用可能な初期青写真を作成することである。
論文 参考訳（メタデータ） (2020-09-03T17:21:49Z) - From Theory to Behaviour: Towards a General Model of Engagement [3.9198548406564604]
我々は、人間行動に直接リンクすることで、エンゲージメントを機械的に操作する。
エンゲージメントの構成は,データ駆動手法の定式化と解釈に利用できることを示す。
論文 参考訳（メタデータ） (2020-04-27T08:44:30Z)
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。