論文の概要: The Last APK: Retiring Android SDK Development for Institutional Software Using Python-Django, HTMX, and a WebView Bridge
- arxiv url: http://arxiv.org/abs/2604.03808v1
- Date: Sat, 04 Apr 2026 17:29:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.778031
- Title: The Last APK: Retiring Android SDK Development for Institutional Software Using Python-Django, HTMX, and a WebView Bridge
- Title（参考訳）: The Last APK: Python-Django、HTMX、WebView Bridgeを使ったAndroid SDK開発を引退
- Authors: Rahul Patel,
- Abstract要約: 本稿では,インド工科大学ガンディーナガル校のインターンシップ中に構築されたキャンパス管理システムについて述べる。
コアスタックはPython-Djangoをバックエンドフレームワークとして使用し、ハイパーメディア駆動でモバイル対応の部分DOM更新にはHTMXを使用する。
システムは、外部クラウドサービスに依存せずに、セルフホストのDocker Composeデプロイメントとして実行される。
- 参考スコア（独自算出の注目度）: 0.7614628596146601
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The assumption that mobile enterprise software requires native Android SDK development has persisted for over a decade, but for institutional deployments, this assumption is not merely outdated: it is economically wasteful and technically unnecessary. This paper presents a campus management system built during an internship at the Indian Institute of Technology Gandhinagar (IIT Gandhinagar), covering housekeeping task scheduling, inventory management, horticulture tracking, worker attendance, multi-stage leave workflows, and client-side photo capture with automatic compression. The core stack uses Python-Django as the backend framework and HTMX for hypermedia-driven, mobile-responsive partial DOM updates, containing zero lines of Android SDK application logic. The entire system runs as a self-hosted Docker Compose deployment with no dependency on any external cloud service. Through architectural analysis, HTTP payload measurement, and user experience evaluation with 42 campus staff, we demonstrate that the HTMX-Django approach reduces development time by approximately 54%, reduces average HTTP payload by 91% versus full-page reload, and achieves user satisfaction scores of 4.2/5.0.
- Abstract（参考訳）: モバイルエンタープライズソフトウェアがネイティブなAndroid SDK開発を必要とするという仮定は10年以上続いているが、制度的なデプロイメントでは、この仮定は単に時代遅れであるだけでなく、経済的に無駄で技術的に不要である。
本稿では,インド工科大学Gandhinagar (IIT Gandhinagar) のインターンシップ中に構築されたキャンパス管理システムについて述べる。
コアスタックは、バックエンドフレームワークとしてPython-Djangoを使用し、ハイパーメディア駆動でモバイル対応の部分DOMアップデート用のHTMXには、Android SDKアプリケーションロジックのゼロ行が含まれている。
システムは、外部クラウドサービスに依存せずに、セルフホストのDocker Composeデプロイメントとして実行される。
アーキテクチャ分析,HTTPペイロードの測定,42のキャンパススタッフによるユーザエクスペリエンス評価を通じて,HTMX-Djangoアプローチは開発時間を約54%削減し,平均HTTPペイロードをフルページリロードに対して91%削減し,ユーザ満足度スコア4.2/5.0を達成した。
関連論文リスト
- SWE-World: Building Software Engineering Agents in Docker-Free Environments [91.17484806743641]
SWE-Worldは、物理的な実行環境を、ソフトウェアエンジニアリングエージェントのトレーニングと評価のための学習的なサロゲートに置き換える、Dockerフリーのフレームワークである。
我々は,SWE-WorldがQwen2.5-Coder-32Bを,DockerフリーのSFTで6.2%から52.0%,DockerフリーのRLで55.0%,さらにTSで68.2%に引き上げたことを示す。
論文 参考訳（メタデータ） (2026-02-03T11:44:39Z) - PIPer: On-Device Environment Setup via Online Reinforcement Learning [74.52354321028493]
自動化された環境設定メソッドは、任意のリポジトリに対して、手作業なしで完全に構成された環境を提供することで、開発者を支援することができる。
近年の研究では、最先端のLarge Language Models (LLMs) でさえ、このタスクの自動化に限られた成功をおさめていることが明らかになっている。
我々は、正しいスクリプトを生成するための教師付き微調整と、環境設定のタスクに適応するために、Reinforcement Learning with Verifiable Rewards(RLVR)を組み合わせる。
EnvBench-Python では,より大型の Qwen3-32B や GPT-4 と同等に動作可能な Qwen3-8B (コンシューマハードウェア上で動作可能なモデル) を実現する。
論文 参考訳（メタデータ） (2025-09-29T20:03:05Z) - Mobile-Agent-v3: Fundamental Agents for GUI Automation [59.775510710011325]
本稿では,オープンソースエンド・ツー・エンド・モデル間の最先端性能を実現する基礎的なGUIエージェントモデルを提案する。
汎用GUIエージェントフレームワークであるMobile-Agent-v3を提案し,AndroidWorldでは73.3,OSWorldでは37.7に向上した。
論文 参考訳（メタデータ） (2025-08-21T00:39:12Z) - GUIOdyssey: A Comprehensive Dataset for Cross-App GUI Navigation on Mobile Devices [47.98821056800437]
クロスプラットフォームなモバイルGUIナビゲーションのためのデータセットであるGUIOdysseyを提示する。
GuiOdysseyは8,334エピソードで構成され、平均15.3ステップで6つのモバイルデバイス、212の異なるアプリ、1,357のアプリの組み合わせをカバーしている。
我々は,履歴リサンプラーモジュールを備えた長期横断ナビゲーションのための探索的マルチモーダルエージェントであるOdysseyAgentを開発した。
論文 参考訳（メタデータ） (2024-06-12T17:44:26Z) - PockEngine: Sparse and Efficient Fine-tuning in a Pocket [62.955793932377524]
さまざまなエッジデバイスで微調整が可能な,小型でスパースで効率的なエンジンであるPockEngineを紹介します。
PockEngineはスパースバックプロパゲーションをサポートし、測定メモリの節約とレイテンシの削減でモデルをスパース更新する。
注目すべきなのは、PockEngineはNVIDIA Jetson AGX OrinのLLaMav2-7Bを550トークン/秒で微調整できることだ。
論文 参考訳（メタデータ） (2023-10-26T19:46:11Z) - AutoDroid: LLM-powered Task Automation in Android [32.241570727243534]
モバイルタスク自動化システムであるAutoDroidを紹介した。
主なコンポーネントは、LLMでUIをブリッジする機能対応UI表現メソッドである。
我々は、メモリ拡張Androidタスク自動化のための新しいベンチマークで、その性能を158の共通タスクで評価した。
論文 参考訳（メタデータ） (2023-08-29T13:02:30Z) - feather -- a Python SDK to share and deploy models [0.0]
featherは、モデル開発者が20行未満のコードでモデル用の共有可能なユーザーインターフェイスを構築できるツールだった。
我々は、フェザーのモチベーションと、AI研究者や開発者に提供することを意図した価値について議論する。
論文 参考訳（メタデータ） (2023-08-05T10:27:50Z) - To remove or not remove Mobile Apps? A data-driven predictive model
approach [4.853751680856816]
本稿では,各アプリが削除されるか,受理されるかを決定するデータ駆動型予測手法を提案する。
当社のアプローチは,削除される可能性の低いアプリをダウンロードする際の,アプリやユーザの改善を支援するものです。
論文 参考訳（メタデータ） (2022-06-08T14:00:53Z)
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。