Notícias

Banca de DEFESA: OTÁVIO CURY DA COSTA CASTRO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: OTÁVIO CURY DA COSTA CASTRO
DATA: 26/02/2021
HORA: 14:00
LOCAL: Sala de Videoconferencia - NCAD
TÍTULO: Avaliação de Técnicas para a Identificação de Mantenedores de Código Fonte
PALAVRAS-CHAVES: Evolução de software, mantenedor, Mineração de Repositório de Software, Aprendizagem de Máquina
PÁGINAS: 96
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Engenharia de Software
RESUMO:

Durante o processo de evolução de um software, é comum que desenvolvedores acumulem conhecimento em determinados arquivos de código fonte que o compõe. Esses desenvolvedores são responsáveis pelo maior número de contribuições no código desses arquivos, o que torna-os mais aptos entre os membros da equipe de desenvolvimento a realizarem futuras atividades que envolvam esses arquivos. Isso faz da identificação desses mantenedores de código uma informação importante nos ciclos de desenvolvimento de software. Essa informação pode ser utilizada em atividades como: implementação de novas funcionalidades, manutenção de código, assistência a novos membros da equipe, revisão de código, entre outros contextos da produção de software de qualidade. Porém, a identificação desses mantenedores de arquivo nem sempre é uma tarefa trivial, principalmente em projetos grandes onde um arquivo pode ter dezenas ou mesmo centenas de contribuidores durante sua história. Desse contexto surge a necessidade da criação de técnicas cada vez mais eficazes na identificação automática desses mantenedores. Há estudos na literatura que têm como objetivo propor técnicas que utilizam de mineração de repositório de software para ajudar na identificação de mantenedores de arquivos. Porém, acredita-se que ainda há lacunas nesta área de estudo que podem ser exploradas. Em trabalhos anteriores, foi identificado que informações como recência das modificações e o tamanho do arquivo em questão influenciam no conhecimento que determinado desenvolvedor tem com aquele arquivo. Neste trabalho, essas e outras informações extraídas do histórico de desenvolvimento foram combinadas em um modelo linear, e em classificadores de aprendizagem de máquina, para a identificação de mantenedores de arquivo. Essas novas técnicas foram comparadas com outras quatro existentes na literatura: (1) número de commits; (2) número de linhas adicionadas por um desenvolvedor na última versão do arquivo; (3 e 4) dois modelos lineares propostos em trabalhos da área. Foram utilizadas as métricas Recall, Precision e F-Measure para avaliar as performances das técnicas em dois cenários. Os resultados mostram que os modelos propostos apresentam os melhores F-Measures nos cenários analisados, com os classificadores de aprendizagem de máquina atingindo os melhores Precisions. A partir dos resultados obtidos, conclui-se que a definição da melhor técnica depende do contexto da aplicação destas técnicas.


MEMBROS DA BANCA:
Presidente - 2167802 - PEDRO DE ALCANTARA DOS SANTOS NETO
Interno - 1226761 - RAIMUNDO SANTOS MOURA
Interno - 1744590 - GUILHERME AMARAL AVELINO
Externo à Instituição - MARCOS TULIO VALENTE - UFMG
Externo à Instituição - THIAGO CARVALHO DE SOUSA - UESPI
Notícia cadastrada em: 24/02/2021 16:34
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb07.ufpi.br.instancia1 23/02/2024 13:32