Tesis y Tesistas 2020 - Postgrado - Fac. de Informática - UNLP
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
MAESTRÍA
INGENIERÍA DE SOFTWARE
Mg. Mauro Gullino
maurogullino@gmail.com
español
Directora
Dra. Gabriela Robiolo
Codirector
Dr. Gustavo Héctor Rossi
Fecha de defensa
26 de marzo de 2020
Predicción de defectos
en un lenguaje dinamicamente
tipado usando métricas
estáicas y de cambio
SEDICI
http://sedici.unlp.edu.ar/handle/10915/93237
Palabras clave: Métricas de Software; Métricas Estáticas; Métricas de Cambio; Predicción de Defectos; Regresión Logística
Motivación
La propuesta de la presente investigación es estudiar la
factibilidad de la aplicación de métricas estáticas clásicas
y métricas de cambio más actuales en un producto
desarrollado con un lenguaje dinámicamente tipado, en
contraste a los lenguajes de tipado estático, que son
los que principalmente se han estudiado en la literatura.
Se verifica poca investigación sobre este tipo de
lenguajes que, sin embargo, son de gran interés para
la industria.
Líneas de I/D futuras
Por un lado, es de interés aumentar la cantidad de datos
históricos utilizados dentro de la predicción, a los efectos
de comprobar cómo la evolución en el sistema de
tipado del lenguaje afecta los resultados. Por otro lado,
el mismo estudio puede replicarse en otros lenguajes
dinámicamente tipados ampliamente utilizados en la
industria.
Aportes de la tesis
En el presente trabajo se analizó un framework de métricas
estáticas existente y se adaptó, junto con otras
métricas estáticas clásicas y métricas de cambio más
modernas, para su aplicación en un lenguaje dinámicamente
tipado. Posteriormente, se desarrollaron
herramientas informáticas que permiten obtener las
métricas del proyecto MediaWiki. Finalmente, se construyeron
modelos de regresión logística para encontrar
el conjunto de métricas que funciona como mejor predictor
de defectos de una clase. Se demuestra que las
métricas de cantidad y tamaño de los cambios introducidos
en una clase (métricas de cambio) constituyen el
mejor predictor, lo que concuerda con la literatura. El
caso de estudio aporta evidencia de que las métricas
analizadas son aplicables a lenguajes dinámicamente
tipados para predecir defectos.
78