کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6885274 1444504 2018 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Enhancing change prediction models using developer-related factors
ترجمه فارسی عنوان
افزایش مدل های پیش بینی تغییر با استفاده از عوامل مرتبط با توسعه
کلمات کلیدی
پیش بینی تغییر، مخازن نرم افزار معدن، مطالعه تجربی،
ترجمه چکیده
تغییرات مداوم در طول ریسک تعمیر و نگهداری نرم افزار برای خراب شدن ساختار یک سیستم و تهدیدی برای قابلیت نگهداری آن است. در این زمینه، پیش بینی بخش هایی از کد منبع که در آن عملیات تعمیر و نگهداری خاص باید متمرکز باشد ممکن است برای توسعه دهندگان برای جلوگیری از مسائل تعمیر و نگهداری حیاتی باشد. کار قبلی پیشنهاد تغییر مدل پیش بینی را با استفاده از معیارهای محصول و فرآیند به عنوان پیش بینی کننده های کلاس های کد منبع معتبر تغییر داد. با این حال، ما اعتقاد داریم که رویکردهای در حال حاضر هنوز بخش مهمی از اطلاعات را ندارند، یعنی عوامل مربوط به توسعهدهنده، که میتوانند پیچیدگی روند توسعه را در دیدگاههای مختلف بدست آورند. در ابتدا ما ابتدا سه مدل پیشبینی تغییر را بررسی میکنیم که عوامل مرتبط با توسعه (به عنوان مثال تعداد توسعهدهندگان در یک کلاس) را بعنوان پیش بینی کننده تغییرات کلاسها مورد بهرهبرداری قرار میدهند و سپس آنها را با مدلهای موجود مقایسه میکنیم. یافته های ما نشان می دهد که این عوامل باعث بهبود توانایی مدل های پیش بینی تغییر می شود. علاوه بر این، مکمل های جالب بین مدل های پیش بینی را مشاهده کردیم. به همین دلیل ما یک مدل پیش بینی تغییر جدید را با بهره گیری از ترکیبی از عوامل مرتبط با توسعه دهنده و معیارهای محصول و تکاملی طراحی کردیم. نتایج نشان می دهد که چنین مدل ترکیبی تا 22 درصد موثرتر از مدل های تک در شناسایی کلاس های مستعد تغییر است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
پیش نمایش مقاله
افزایش مدل های پیش بینی تغییر با استفاده از عوامل مرتبط با توسعه
چکیده انگلیسی
Continuous changes applied during software maintenance risk to deteriorate the structure of a system and are a threat to its maintainability. In this context, predicting the portions of source code where specific maintenance operations should be focused on may be crucial for developers to prevent maintainability issues. Previous work proposed change prediction models relying on product and process metrics as predictors of change-prone source code classes. However, we believe that existing approaches still miss an important piece of information, i.e., developer-related factors that are able to capture the complexity of the development process under different perspectives. In this paper, we firstly investigate three change prediction models that exploit developer-related factors (e.g., number of developers working on a class) as predictors of change-proneness of classes and then we compare them with existing models. Our findings reveal that these factors improve the capabilities of change prediction models. Moreover, we observed interesting complementarities among the prediction models. For this reason, we devised a novel change prediction model exploiting the combination of developer-related factors and product and evolution metrics. The results show that such a combined model is up to 22% more effective than the single models in the identification of change-prone classes.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Systems and Software - Volume 143, September 2018, Pages 14-28
نویسندگان
, , , , ,