Visualiser pour comprendre : application à la programmation vectorielle

Malgré la production de registres vectoriels accompagnés de fonctions adéquates permettant leur utilisation, la programmation vectorielle tarde à s’imposer chez les programmeurs. Pourtant les avantages que ce paradigme de programmation présente sur la programmation scalaire sont indéniables ; on peut citer le gain en performance, le gain économique et même le gain écologique. Le problème semble être la barrière à l’entrée dans ce paradigme. En effet, les programmes vectoriels, même des plus simples et des plus courts, peuvent être rebutants parce que difficiles à comprendre et donc à développer et à maintenir. En ce qui concerne la compréhension de code en général, et l’aide à la programmation parallèle dont la programmation vectorielle est une branche spécifique, une des principales techniques utilisées est la visualisation de logiciel (en abrégé SV pour Software Visualization en anglais). Bien que la plupart des études montrent que cette technique est efficace et cognitivement efficiente, elle manque de fondement théorique et de justification scientifique clairs. Notre thèse se situe à l’intersection de ces deux problèmes. Nous voulons utiliser la visualisation de logiciel (SV) pour abaisser la barrière cognitive à l’entrée de la programmation vectorielle. Nous réalisons cela en facilitant la compréhension des fonctions vectorielles et la compréhension de code écrits à l’aide de ces fonctions, mais dans le cas de la compréhension des fonctions vectorielles, nous capturons auparavant chez l’expert du domaine les connaissances devant nourrir cette compréhension. Tout cela est mis en œuvre dans un prototype, SIMDGiraffe, que nous concevons, affinons et implémentons dans un processus itératif et incrémental. Au cours de ce processus, nous élaborons notamment des modèles de représentation des domaines visualisés, modèles de portée générale. L’étude expérimentale en double aveugle que nous menons permet ainsi non seulement de valider ces modèles, mais contribue à la justification scientifique et au renforcement des fondements théoriques de la SV à travers le risque de falsification qu’elle encourt. Cette étude expérimentale qui montre qu’un novice qui utilise SIMDGiraffe a presque toujours un score en termes de compréhension des fonctions vectorielles supérieure à celui d’un novice qui ne l’utilise pas, soulève des questions quant à l’interaction entre la visualisation et l’explication d’un expert

Name dc:type.qualificationname

phd

Level dc:type.qualificationlevel

doctoral

Grantor dc:publisher.institution

Université TÉLUQ

Year dc:date.issued

2023

Author dc:creator

• Ntang, Pierre Marie

Language dc:language

fr