Histrategy: uma técnica para a customização guiada de estratégias para a detecção de bad smells.

Bibliographic Details
Main Author: SOUZA, Mário Hozano Lucas de.
Publication Date: 2017
Format: Doctoral thesis
Language: por
Source: Repositório Institucional da UCB
Download full: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/556
Summary: Anomalias de código conhecidas como bad smells indicam estruturas em código que podem prejudicar a compreensão e manutenção de programas. A ausência de uma definição clara para os bad smells contribui para que diferentes interpretações sejam consideradas, fazendo com que desenvolvedores possuam uma noção particular do que são tais anomalias. Nesse sentido, algoritmos de aprendizagem de máquina têm sido utilizados para customizar a detecção de bad smells a partir de um conjunto de avaliações. Entretanto, tal customização não é guiada a partir das diferentes heurísticas utilizadas pelos desenvolvedores para a detecção de smells. Como consequência tal customização pode não ser eficiente, exigindo um esforço considerável para obter uma alta efetividade. Esse trabalho apresenta um extensivo estudo que investiga o quão similar os desenvolvedores detectam smells em código, e analisa fatores que podem influenciar em tal detecção. As conclusões desse estudo motivaram a criação de uma técnica de customização guiada para melhorar a eficiência na detecção de smells. Essa técnica, definida como Histrategy, guia a customização a partir de um conjunto limitado de estratégias para detectar um mesmo tipo de smell. A partir de um estudo experimental que envolveu 62 desenvolvedores e 8 tipos de bad smell. Os resultados indicaram que a Histrategy apresentou performance superior a 6 algoritmos de aprendizagem de máquina, utilizados em abordagens não guiadas. Por fim, os resultados confirmaram que a customização guiada foi capaz assistir desenvolvedores com estratégias de detecção eficazes e eficientes.
id UCB-2_ca33a29c043f10d0fb41bd3d8aa1d837
oai_identifier_str oai:localhost:riufcg/556
network_acronym_str UCB-2
network_name_str Repositório Institucional da UCB
repository_id_str
spelling Histrategy: uma técnica para a customização guiada de estratégias para a detecção de bad smells.Histrategy: a technique for guided customization of strategies for detecting bad smells.Qualidade de SoftwareAnomalias de Código – Bad SmellsProgramas - Compreensão e ManutençãoCiênciasCiência da ComputaçãoAnomalias de código conhecidas como bad smells indicam estruturas em código que podem prejudicar a compreensão e manutenção de programas. A ausência de uma definição clara para os bad smells contribui para que diferentes interpretações sejam consideradas, fazendo com que desenvolvedores possuam uma noção particular do que são tais anomalias. Nesse sentido, algoritmos de aprendizagem de máquina têm sido utilizados para customizar a detecção de bad smells a partir de um conjunto de avaliações. Entretanto, tal customização não é guiada a partir das diferentes heurísticas utilizadas pelos desenvolvedores para a detecção de smells. Como consequência tal customização pode não ser eficiente, exigindo um esforço considerável para obter uma alta efetividade. Esse trabalho apresenta um extensivo estudo que investiga o quão similar os desenvolvedores detectam smells em código, e analisa fatores que podem influenciar em tal detecção. As conclusões desse estudo motivaram a criação de uma técnica de customização guiada para melhorar a eficiência na detecção de smells. Essa técnica, definida como Histrategy, guia a customização a partir de um conjunto limitado de estratégias para detectar um mesmo tipo de smell. A partir de um estudo experimental que envolveu 62 desenvolvedores e 8 tipos de bad smell. Os resultados indicaram que a Histrategy apresentou performance superior a 6 algoritmos de aprendizagem de máquina, utilizados em abordagens não guiadas. Por fim, os resultados confirmaram que a customização guiada foi capaz assistir desenvolvedores com estratégias de detecção eficazes e eficientes.Bad smells indicate poor implementation choices that may hinder program comprehension and maintenance. Their informal definition allows developers to follow different heuristics to detect smells in their projects. In such context, machine learning algorithms have been adapted to customize smell detection according to a set of examples of smell evaluations. However, such customization is not guided (i.e. constrained) to consider alternative heuristics used by developers when detecting smells. As a result, their customization might not be efficient, requiring a considerable effort to reach high effectiveness. This work presents an extensive study concerning how similar the developers detect smells in code, and investigate which factors may influence in such detection. The findings of this study lead to the creation of Histrategy, a guided customization technique to improve the efficiency on smell detection. Histrategy considers a limited set of detection strategies, produced from different detection heuristics, as input of a customization process. The output of the customization process consists of a detection strategy tailored to each developer. The technique was evaluated in an experimental study with 62 developers and eight types of code smells. The results showed that Histrategy is able to outperform six widely adopted machine learning algorithms, used in unguided approaches. Finally, the results confirmed that the guided customization was able to support developers with effective and efficient detection strategies.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIPÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃOUFCGCOSTA, Evandro de Barros.COSTA, E. B.http://lattes.cnpq.br/5760364940162939SOUZA, Mário Hozano Lucas de.2017-06-022018-05-02T20:10:07Z2018-04-302018-05-02T20:10:07Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/556SOUZA, M. H. L. de. Histrategy: uma técnica para a customização guiada de estratégias para a detecção de bad smells. 2017. 110 f. Tese (Doutorado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2017. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/556porUFALinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UCBinstname:Universidade Católica de Brasília (UCB)instacron:UCB2022-06-03T00:02:28Zoai:localhost:riufcg/556Repositório InstitucionalPRIhttps://repositorio.ucb.br/oai/requestsara.ribeiro@ucb.bropendoar:2022-06-03T00:02:28Repositório Institucional da UCB - Universidade Católica de Brasília (UCB)false
dc.title.none.fl_str_mv Histrategy: uma técnica para a customização guiada de estratégias para a detecção de bad smells.
Histrategy: a technique for guided customization of strategies for detecting bad smells.
title Histrategy: uma técnica para a customização guiada de estratégias para a detecção de bad smells.
spellingShingle Histrategy: uma técnica para a customização guiada de estratégias para a detecção de bad smells.
SOUZA, Mário Hozano Lucas de.
Qualidade de Software
Anomalias de Código – Bad Smells
Programas - Compreensão e Manutenção
Ciências
Ciência da Computação
title_short Histrategy: uma técnica para a customização guiada de estratégias para a detecção de bad smells.
title_full Histrategy: uma técnica para a customização guiada de estratégias para a detecção de bad smells.
title_fullStr Histrategy: uma técnica para a customização guiada de estratégias para a detecção de bad smells.
title_full_unstemmed Histrategy: uma técnica para a customização guiada de estratégias para a detecção de bad smells.
title_sort Histrategy: uma técnica para a customização guiada de estratégias para a detecção de bad smells.
author SOUZA, Mário Hozano Lucas de.
author_facet SOUZA, Mário Hozano Lucas de.
author_role author
dc.contributor.none.fl_str_mv COSTA, Evandro de Barros.
COSTA, E. B.
http://lattes.cnpq.br/5760364940162939
dc.contributor.author.fl_str_mv SOUZA, Mário Hozano Lucas de.
dc.subject.por.fl_str_mv Qualidade de Software
Anomalias de Código – Bad Smells
Programas - Compreensão e Manutenção
Ciências
Ciência da Computação
topic Qualidade de Software
Anomalias de Código – Bad Smells
Programas - Compreensão e Manutenção
Ciências
Ciência da Computação
description Anomalias de código conhecidas como bad smells indicam estruturas em código que podem prejudicar a compreensão e manutenção de programas. A ausência de uma definição clara para os bad smells contribui para que diferentes interpretações sejam consideradas, fazendo com que desenvolvedores possuam uma noção particular do que são tais anomalias. Nesse sentido, algoritmos de aprendizagem de máquina têm sido utilizados para customizar a detecção de bad smells a partir de um conjunto de avaliações. Entretanto, tal customização não é guiada a partir das diferentes heurísticas utilizadas pelos desenvolvedores para a detecção de smells. Como consequência tal customização pode não ser eficiente, exigindo um esforço considerável para obter uma alta efetividade. Esse trabalho apresenta um extensivo estudo que investiga o quão similar os desenvolvedores detectam smells em código, e analisa fatores que podem influenciar em tal detecção. As conclusões desse estudo motivaram a criação de uma técnica de customização guiada para melhorar a eficiência na detecção de smells. Essa técnica, definida como Histrategy, guia a customização a partir de um conjunto limitado de estratégias para detectar um mesmo tipo de smell. A partir de um estudo experimental que envolveu 62 desenvolvedores e 8 tipos de bad smell. Os resultados indicaram que a Histrategy apresentou performance superior a 6 algoritmos de aprendizagem de máquina, utilizados em abordagens não guiadas. Por fim, os resultados confirmaram que a customização guiada foi capaz assistir desenvolvedores com estratégias de detecção eficazes e eficientes.
publishDate 2017
dc.date.none.fl_str_mv 2017-06-02
2018-05-02T20:10:07Z
2018-04-30
2018-05-02T20:10:07Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/556
SOUZA, M. H. L. de. Histrategy: uma técnica para a customização guiada de estratégias para a detecção de bad smells. 2017. 110 f. Tese (Doutorado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2017. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/556
url http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/556
identifier_str_mv SOUZA, M. H. L. de. Histrategy: uma técnica para a customização guiada de estratégias para a detecção de bad smells. 2017. 110 f. Tese (Doutorado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2017. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/556
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv UFAL
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
UFCG
publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
UFCG
dc.source.none.fl_str_mv reponame:Repositório Institucional da UCB
instname:Universidade Católica de Brasília (UCB)
instacron:UCB
instname_str Universidade Católica de Brasília (UCB)
instacron_str UCB
institution UCB
reponame_str Repositório Institucional da UCB
collection Repositório Institucional da UCB
repository.name.fl_str_mv Repositório Institucional da UCB - Universidade Católica de Brasília (UCB)
repository.mail.fl_str_mv sara.ribeiro@ucb.br
_version_ 1834012870117949440