1. Skip to Menu
  2. Skip to Content
  3. Skip to Footer

Defesa de Dissertação - Vitor Gama Lemos

09/07/2021, 14:00h, por videoconferência. Link para defesa: http://meet.google.com/xfq-ymcj-qdo

ProspectiveProv: Proveniência Prospectiva de Experimentos Representados por Scripts

Resumo:

Recentemente, muitas linguagens de programação se popularizaram no ambiente científico, especialmente as linguagens de script, devido ao seu alto nível de abstração. Nesse contexto, muitos cientistas começaram a modelar seus experimentos científicos usando linguagens de script como forma de garantir um maior controle e gerenciamento, além de agilizar o processo pela busca de resultados. Se por um lado os scripts permitem otimizar o tempo e automatizar os experimentos científicos computacionais, por outro lado, a necessidade de modificações no script e de diversas execuções para comprovar ou refutar a hipótese experimental geram um grande volume de dados. A proveniência, nesse contexto, tem papel fundamental para ajudar o cientista a manter o rastro de todas essas mudanças e execuções. No entanto, as ferramentas atuais de gerência de proveniência de experimentos modelados como scripts falham em dois aspectos: fornecer uma visualização intuitiva da proveniência prospectiva, e unir proveniência prospectiva e retrospectiva no mesmo diagrama. Para cobrir essas lacunas, esta dissertação apresenta o ProspectiveProv, uma abordagem que visa prover suporte para ajudar os cientistas a entender a estrutura de experimentos de script. Para tal, o ProspectiveProv utiliza dados de proveniência prospectiva e retrospectiva para gerar diagramas que representam a estrutura do código do experimento, como forma de apoiar o processo de compreensão e análise de resultados de experimentos científicos modelados como scripts Python. Para avaliar a abordagem proposta, comparamos os diagramas gerados pelo ProspectiveProv com os gerados por abordagens semelhantes, e também com o uso isolado de scripts. Os resultados experimentais mostram que o ProspectiveProv é tão eficaz e eficiente quanto as abordagens existentes para scripts complexos, e que usuários de outras áreas (que não computação) se sentem mais confortáveis ao usar os diagramas gerados pelo ProspectiveProv. Palavras-chave: Script, Proveniência, Visualização de proveniência, diagramas.

Abstract:

Recently, many programming languages have become popular in the scientific environment, especially scripting languages, due to their high abstraction level. In this context, many scientists began to model their scientific experiments in scripting languages to ensure more control and efficient data management when seeking for results. If, on one side, scripts allow scientists to optimize and automate their computational experiments, on the other side, the need to modify the script and execute it several times to confirm or refute the experimental hypothesis generates large quantities of data. Provenance plays a key role in helping scientists keep track of all these changes and execution data in this scenario. However, current provenance management tools for scripts fail in two main aspects: (i) they fail in providing an intuitive visualization of prospective provenance, and (ii) they fail in merging prospective and retrospective provenance in a single diagram. To fill in these gaps, this dissertation presents ProspectiveProv, an approach that aims at helping scientists to understand the structure of script experiments. To do so, ProspectiveProv uses prospective and retrospective provenance to generate diagrams that represent the structure of the experiment code as a means to support the process of understanding and analyzing the results of scientific experiments modeled as Python scripts. To evaluate our proposed approach, we compare the diagrams generated by ProspectiveProv with those generated by similar approaches, and also with the isolated use of scripts (no diagrams). The experimental results show that ProspectiveProv is as efficient and effective as the compared approaches when considering complex scripts. Also, users from other knowledge areas (not computer science) felt more comfortable when using diagrams generated by ProspectiveProv.

Banca  examinadora:

Prof. Vanessa Braganholo Murta, UFF – Presidente
Prof. Troy Costa Kohwalter, UFF
Prof. Gleiph Ghiotto Lima de Menezes, UFJF
Dr. João Felipe Nicolaci Pimentel, UFF

PESQUISA PELO SITE

MENU

Início Instituto Laboratórios Departamento
Pesquisa Pós-Graduação Graduação Fale Conosco

CONTATO

IC-Mapa

Av. Gal. Milton Tavares de Souza, s/nº
São Domingos - Niterói - RJ
CEP: 24210-346

IC-UFF-Telefone-icone Fale Conosco

 Como Chegar

CONECTE-SE

IC-Conecte-se-Facebook IC-Conecte-se-Twitter

LINKS

Faperj Lattes Finep SBC PROGRAD
CAPES CNPQ SIAPENET IDUFF NDC

 

Desenvolvido por pela equipe de Suporte Técnico do Instituto de Computação - suporte.ic.uff.br - Web Designer: Emanuel Machado