Una investigadora del IN3 gana el premio a la mejor ponencia en el congreso MODELS 2018

Fotografa de Raphael Schaller en Unsplash

29/10/2018

Loli Burgueo, investigadora del grupo de investigacin SOM Research Lab del IN3, gana el premio a la mejor ponencia del congreso internacional MODELS 2018 por el artculo «Expressing Confidence in Models and in Model Transformation Elements»

 

El artculo trata sobre el hecho de que modelar la expresin y la gestin de la incertidumbre, tanto en los datos como en las operaciones que la manipulan, es una cuestin clave en los sistemas que trabajan con entornos fsicos. La incertidumbre de medida puede darse por varios factores, como fuentes de datos poco fiables, tolerancia a las medidas o incapacidad de determinar si un acontecimiento ha sucedido realmente o no. En particular, esta contribucin se centra tanto en la incertidumbre de medida como en la confianza en los elementos del modelo, a saber, hasta qu punto creemos que han tenido lugar. Asimismo, este trabajo trata sobre la propagacin de dicha incertidumbre mediante transformaciones de modelo, cuyas normas pueden estar sujetas tambin a incertidumbre.

Haz clic aqu para ver el artculo.
 

Adems, dentro del marco del congreso internacional MODELS 2018, el artculo titulado «A feature-based survey of model view approaches», de Hugo Bruneliere, Erik Burger, Jordi Cabot (investigador principal del grupo de investigacin SOM Research Lab del IN3) y Manuel Wimmer, ha recibido el premio al mejor artculo de 2018 en la revista Software and Systems Modeling (Sosym) (DOI: 10.1007/s10270-017-0622-9, Springer, 2017).

Este artculo se centra en el hecho de que cuando se trata con sistemas complejos, la informacin est muy fragmentada a lo largo de muchos modelos diferentes expresados en una gran variedad de lenguajes (de modelado). Para proporcionar informacin relevante de un modo adecuado a diferentes tipos de partes interesadas, (partes de) estos modelos deben combinarse y posiblemente modificarse centrndose en cuestiones de su inters particular. As pues, son especialmente necesarios mecanismos para definir y registrar las vistas de modelos. Ya se han propuesto varios enfoques para proporcionar ayuda (semi)automatizada para tratar con estas vistas de modelo. Este artculo proporciona una perspectiva general detallada del estado actual de la cuestin en esta rea. Para hacerlo, nos servimos de nuestras propias experiencias de diseo y aplicacin de este tipo de soluciones para llevar a cabo una revisin bibliogrfica sobre este tema. Como resultado, discutimos las capacidades de los enfoques existentes y proponemos una agenda de investigacin correspondiente. En particular, aportamos un modelo que describe lo que a nuestro parecer son las caractersticas ms importantes de la ayuda para las vistas de modelos. Esperamos que este trabajo resulte til para usuarios tanto actuales como futuros y para desarrolladores de tcnicas de vista de modelos, as como para cualquier otra persona interesada en la ingeniera de software y en sistemas basados en modelos.
 
Para ver el artculo, hacer clic aqu.
 
MODELS, el 21.º Congreso Internacional sobre Lenguajes y Sistemas de Ingeniera dirigidos por Modelos, es el principal ciclo de conferencias sobre software dirigido por modelos e ingeniera de sistemas, organizado con el apoyo del Grupo de Inters Especial en Ingeniera de Software (SIGSOFT) de la Asociacin de Maquinaria Computacional (ACM) y el Consejo Tcnico de Ingeniera del Software (TCSE) del Instituto de Ingeniera Elctrica y Electrnica (IEEE). Desde 1998, MODELS ha explorado todos los aspectos del modelado, desde lenguajes y mtodos, hasta herramientas y aplicaciones. Los asistentes a MODELS tienen perfiles muy diversos, como investigadores, acadmicos, ingenieros y profesionales del sector.
 
¡¡Felicidades!!