Uma abordagem baseada em redes bayesianas para auxiliar a interpretação de métricas de software.
Ano de defesa: | 2015 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Campina Grande
Brasil Centro de Engenharia Elétrica e Informática - CEEI PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO UFCG |
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Link de acesso: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/568 |
Resumo: | Apesar do alto número de métricas de software que vêm sendo apresentadas desde a década de 1960, sua adoção e implantação ainda é limitada em diversas situações. Um desafio encontrado ao se usar métricas é interpretá-las para se fazer análises e predições em projetos de desenvolvimento de software. Alguns pesquisadores propuseram abordagens para definir limiares que determinam se um valor medido para uma métrica é aceitável ou não, com o intuito de auxiliar desenvolvedores e gerentes a interpretá-la. Essas abordagens, no entanto, não consideram riscos e outros fatores subjetivos que têm impacto no processo de medição e que podem influenciar a interpretação das métricas e, consequentemente, nas decisões do gerente Outros pesquisadores propuseram modelos que combinam métricas de software e fatores subjetivos para auxiliar o processo de tomada de decisões, mas eles não consideraram riscos na interpretação, como problemas nos processos de coleta e relatório de métricas ou o mau uso destas. Nesta pesquisa, é proposta uma abordagem para se construir redes Bayesianas para auxiliar a interpretação de métricas considerando esses riscos. As redes Bayesianas construídas auxiliam os gerentes a identificar riscos relacionados a métricas e fatores controladores para mitigá-los. O objetivo é maximizar a acurácia das métricas e minimizar o número de decisões erradas tomadas com base em métricas de software. A abordagem foi validada com sucesso em um estudo de caso aplicado em quatro projetos e foi concluído que se trata de uma abordagem promissora para auxiliar gerentes e desenvolvedores a interpretar métricas e dar suporte ao processo de tomada de decisão em projetos de software. |