Detalhes bibliográficos
| Ano de defesa: |
2009 |
| Autor(a) principal: |
Berardi, Rita Cristina Galarraga
 |
| Orientador(a): |
Ruiz, Duncan Dubugras Alcoba
|
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Pontifícia Universidade Católica do Rio Grande do Sul
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Ciência da Computação
|
| Departamento: |
Faculdade de Informáca
|
| País: |
BR
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
http://tede2.pucrs.br/tede2/handle/tede/5052
|
Resumo: |
Cada vez mais as organizações de software estão preocupadas com melhoria do seu processo e consequentemente do seu produto. Para isso, as organizações utilizam modelos de maturidade, os quais indicam a coleta de métricas para o controle de seus processos. No entanto, o esforço com relação a essas métricas está relacionado à sua intensa coleta e utilização e não é dada a devida atenção à qualidade dos dados das mesmas. O impacto da falta de qualidade dos dados dessas métricas é refletido diretamente nos custos da organização visto que as métricas embasam o processo de tomada de decisão o qual pode ser de baixa confiabilidade devido os seus dados de base também o serem. Uma avaliação adequada da qualidade desses dados é o primeiro passo para garantir que as métricas possam ser usadas com a devida confiabilidade. Uma abordagem que pode auxiliar essa avaliação está relacionada ao uso de data provenance (proveniência de dados) associado a um mecanismo de inferência lógica. Este trabalho propõe uma arquitetura para avaliação da qualidade de dados de esforço composta por quatro principais componentes: 1-uma base de data provenance de métricas, 2-um modelo de inferência baseado em fuzzy logic, 3-uma base de dados para armazenamento de avaliações e 4- um modelo analítico para análise de histórico de qualidade de dados de esforço. A contribuição deste trabalho é prover uma avaliação da qualidade dos dados de métricas de esforço em PDS, buscando evidenciar as razões da eventual baixa qualidade. Através do modelo de inferência, é possível atribuir níveis de qualidade aos dados possibilitando assim a identicação daqueles que são efetivamente úteis para um processo de tomada de decisão confiável. Além disso, de acordo com seus níveis de qualidade, os dados podem ser direcionados para diferentes tipos de acompanhamento do projeto, cujos níveis de exigência de qualidade podem ser distintos. |
