Métricas orientadas a objetos y detección de defectos de software

Autores
Chiapello, Jorge Alberto; Greiner, Cristina Liliam; Dapozo, Gladys Noemí
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Fil: Chiapello, Jorge Alberto. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.
Fil. Greiner, Cristina Liliam. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.
Fil: Dapozo, Gladys Noemí. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.
En el desarrollo de software, la etapa de prueba se centra en encontrar defectos en el producto a fin de otorgarle confiabilidad. Se conoce que más de la mitad de los errores pasan desapercibidos incluso luego de la entrega al usuario. Una contribución a la solución de esta situación es encontrar formas de realizar la prueba dirigida a las secciones de código más propensas a errores. Para ello resultan útiles los predictores. Un predictor es una métrica señalada de forma temprana, y que tiene una fuerte correlación con algún resultado posterior. Permite anticipar las secciones más propensas a defectos o a producir errores en el futuro. Por otra parte, la tendencia de la industria hacia la adopción de la programación orientada a objetos (OO) no ha disminuido en los últimos años debido a la promoción de características deseables en el software, como la reutilización de código, encapsulación, abstracción y modularidad, entre otras. Paralelamente al desarrollo de aplicaciones OO crece la necesidad de métricas que permitan medir los atributos del software que indican su calidad. Se calcula que el ahorro de costo de mantenimiento es del 42% mediante el uso de métricas OO. Con el objetivo de contribuir a la calidad del software a través de la medición y prueba, se realizó un estudio del estado del arte a fin de obtener una visión actualizada sobre las métricas OO y sus posibles relaciones con la detección de errores en la prueba. Adicionalmente, se profundizó el estudio sobre las herramientas utilizadas en el marco de la gestión cuantitativa de proyectos de software, a fin de avanzar en el diseño y desarrollo de una aplicación software que permita detectar clases propensas a errores en función del análisis de los valores de las métricas aplicadas al código fuente. Con este propósito, se llevó a cabo una Revisión Sistemática de Literatura (RSL), según la metodología propuesta por Kitchenham. El protocolo de búsqueda incluyó los términos másrelevantes. Se realizó una clasificación de los resultados con los siguientes criterios: Herramienta propuesta, Contexto en el cual se aplica, Aspecto de la gestión o del ciclo de vida del software a la que se orienta, País, Año. Se obtuvo un panorama actualizado acerca de la gestión cuantitativa de proyectos, y las herramientas de apoyo utilizadas. Posteriormente se indagó sobre metodologías para determinar el grado de complejidad en aplicaciones OO mediante el cálculo de métricas OO. Como repositorio de código fuente se estudió GitHub, una plataforma para alojar proyectos utilizando control de versiones. Permite acceder tanto al código de un proyecto, como a los errores y defectos reportados, y sus soluciones. Para determinar la relación entre las métricas OO que evidencian la complejidad del software con los errores detectados en la prueba, se propone la elaboración de una aplicación que permita automatizar este proceso, mediante el registro de las mediciones y de los errores detectados. Se realizó el análisis y diseño de la misma, considerando la arquitectura MVC (Modelo, Vista, Controlador). Se implementaron los módulos Vista y Controlador. Actualmente se trabaja en el desarrollo del Modelo. Los datos requeridos se tomarán del repositorio GitHub. Utilizando el código de las aplicaciones open source, se calcularán las métricas complejidad y se relacionarán con los errores informados en la prueba. Esta relación establecerá características de las clases propensas a fallo, lo que permitirá anticipar un mejor control, haciendo más eficiente la etapa de mantenimiento del software.
Materia
Calidad de software
Gestión cuantitativa de proyectos
Prueba de software
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Repositorio
Repositorio Institucional de la Universidad Nacional del Nordeste (UNNE)
Institución
Universidad Nacional del Nordeste
OAI Identificador
oai:repositorio.unne.edu.ar:123456789/54280

id RIUNNE_d85ddeffb2d91b865b6fe17b3fc80ec4
oai_identifier_str oai:repositorio.unne.edu.ar:123456789/54280
network_acronym_str RIUNNE
repository_id_str 4871
network_name_str Repositorio Institucional de la Universidad Nacional del Nordeste (UNNE)
spelling Métricas orientadas a objetos y detección de defectos de softwareChiapello, Jorge AlbertoGreiner, Cristina LiliamDapozo, Gladys NoemíCalidad de softwareGestión cuantitativa de proyectosPrueba de softwareFil: Chiapello, Jorge Alberto. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.Fil. Greiner, Cristina Liliam. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.Fil: Dapozo, Gladys Noemí. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.En el desarrollo de software, la etapa de prueba se centra en encontrar defectos en el producto a fin de otorgarle confiabilidad. Se conoce que más de la mitad de los errores pasan desapercibidos incluso luego de la entrega al usuario. Una contribución a la solución de esta situación es encontrar formas de realizar la prueba dirigida a las secciones de código más propensas a errores. Para ello resultan útiles los predictores. Un predictor es una métrica señalada de forma temprana, y que tiene una fuerte correlación con algún resultado posterior. Permite anticipar las secciones más propensas a defectos o a producir errores en el futuro. Por otra parte, la tendencia de la industria hacia la adopción de la programación orientada a objetos (OO) no ha disminuido en los últimos años debido a la promoción de características deseables en el software, como la reutilización de código, encapsulación, abstracción y modularidad, entre otras. Paralelamente al desarrollo de aplicaciones OO crece la necesidad de métricas que permitan medir los atributos del software que indican su calidad. Se calcula que el ahorro de costo de mantenimiento es del 42% mediante el uso de métricas OO. Con el objetivo de contribuir a la calidad del software a través de la medición y prueba, se realizó un estudio del estado del arte a fin de obtener una visión actualizada sobre las métricas OO y sus posibles relaciones con la detección de errores en la prueba. Adicionalmente, se profundizó el estudio sobre las herramientas utilizadas en el marco de la gestión cuantitativa de proyectos de software, a fin de avanzar en el diseño y desarrollo de una aplicación software que permita detectar clases propensas a errores en función del análisis de los valores de las métricas aplicadas al código fuente. Con este propósito, se llevó a cabo una Revisión Sistemática de Literatura (RSL), según la metodología propuesta por Kitchenham. El protocolo de búsqueda incluyó los términos másrelevantes. Se realizó una clasificación de los resultados con los siguientes criterios: Herramienta propuesta, Contexto en el cual se aplica, Aspecto de la gestión o del ciclo de vida del software a la que se orienta, País, Año. Se obtuvo un panorama actualizado acerca de la gestión cuantitativa de proyectos, y las herramientas de apoyo utilizadas. Posteriormente se indagó sobre metodologías para determinar el grado de complejidad en aplicaciones OO mediante el cálculo de métricas OO. Como repositorio de código fuente se estudió GitHub, una plataforma para alojar proyectos utilizando control de versiones. Permite acceder tanto al código de un proyecto, como a los errores y defectos reportados, y sus soluciones. Para determinar la relación entre las métricas OO que evidencian la complejidad del software con los errores detectados en la prueba, se propone la elaboración de una aplicación que permita automatizar este proceso, mediante el registro de las mediciones y de los errores detectados. Se realizó el análisis y diseño de la misma, considerando la arquitectura MVC (Modelo, Vista, Controlador). Se implementaron los módulos Vista y Controlador. Actualmente se trabaja en el desarrollo del Modelo. Los datos requeridos se tomarán del repositorio GitHub. Utilizando el código de las aplicaciones open source, se calcularán las métricas complejidad y se relacionarán con los errores informados en la prueba. Esta relación establecerá características de las clases propensas a fallo, lo que permitirá anticipar un mejor control, haciendo más eficiente la etapa de mantenimiento del software.Universidad Nacional del Nordeste. Secretaría General de Ciencia y Técnica2015-06-03info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfp. 1-1application/pdfChiapello, Jorge Alberto, Greiner, Cristina Liliam y Dapozo, Gladys Noemí, 2015. Métricas orientadas a objetos y detección de defectos de software. En: XXI Reunión de Comunicaciones Científicas y Tecnológicas -Edición 2015. Resistencia: Universidad Nacional del Nordeste. Secretaría General de Ciencia y Técnica, p. 1-1.http://repositorio.unne.edu.ar/handle/123456789/54280spaUNNE/Pregrado/F010-2013/AR. Corrientes/Métodos y Herramientas para la calidad del software.info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/ar/Atribución-NoComercial-SinDerivadas 2.5 Argentinareponame:Repositorio Institucional de la Universidad Nacional del Nordeste (UNNE)instname:Universidad Nacional del Nordeste2025-09-04T11:13:54Zoai:repositorio.unne.edu.ar:123456789/54280instacron:UNNEInstitucionalhttp://repositorio.unne.edu.ar/Universidad públicaNo correspondehttp://repositorio.unne.edu.ar/oaiososa@bib.unne.edu.ar;sergio.alegria@unne.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:48712025-09-04 11:13:55.08Repositorio Institucional de la Universidad Nacional del Nordeste (UNNE) - Universidad Nacional del Nordestefalse
dc.title.none.fl_str_mv Métricas orientadas a objetos y detección de defectos de software
title Métricas orientadas a objetos y detección de defectos de software
spellingShingle Métricas orientadas a objetos y detección de defectos de software
Chiapello, Jorge Alberto
Calidad de software
Gestión cuantitativa de proyectos
Prueba de software
title_short Métricas orientadas a objetos y detección de defectos de software
title_full Métricas orientadas a objetos y detección de defectos de software
title_fullStr Métricas orientadas a objetos y detección de defectos de software
title_full_unstemmed Métricas orientadas a objetos y detección de defectos de software
title_sort Métricas orientadas a objetos y detección de defectos de software
dc.creator.none.fl_str_mv Chiapello, Jorge Alberto
Greiner, Cristina Liliam
Dapozo, Gladys Noemí
author Chiapello, Jorge Alberto
author_facet Chiapello, Jorge Alberto
Greiner, Cristina Liliam
Dapozo, Gladys Noemí
author_role author
author2 Greiner, Cristina Liliam
Dapozo, Gladys Noemí
author2_role author
author
dc.subject.none.fl_str_mv Calidad de software
Gestión cuantitativa de proyectos
Prueba de software
topic Calidad de software
Gestión cuantitativa de proyectos
Prueba de software
dc.description.none.fl_txt_mv Fil: Chiapello, Jorge Alberto. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.
Fil. Greiner, Cristina Liliam. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.
Fil: Dapozo, Gladys Noemí. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.
En el desarrollo de software, la etapa de prueba se centra en encontrar defectos en el producto a fin de otorgarle confiabilidad. Se conoce que más de la mitad de los errores pasan desapercibidos incluso luego de la entrega al usuario. Una contribución a la solución de esta situación es encontrar formas de realizar la prueba dirigida a las secciones de código más propensas a errores. Para ello resultan útiles los predictores. Un predictor es una métrica señalada de forma temprana, y que tiene una fuerte correlación con algún resultado posterior. Permite anticipar las secciones más propensas a defectos o a producir errores en el futuro. Por otra parte, la tendencia de la industria hacia la adopción de la programación orientada a objetos (OO) no ha disminuido en los últimos años debido a la promoción de características deseables en el software, como la reutilización de código, encapsulación, abstracción y modularidad, entre otras. Paralelamente al desarrollo de aplicaciones OO crece la necesidad de métricas que permitan medir los atributos del software que indican su calidad. Se calcula que el ahorro de costo de mantenimiento es del 42% mediante el uso de métricas OO. Con el objetivo de contribuir a la calidad del software a través de la medición y prueba, se realizó un estudio del estado del arte a fin de obtener una visión actualizada sobre las métricas OO y sus posibles relaciones con la detección de errores en la prueba. Adicionalmente, se profundizó el estudio sobre las herramientas utilizadas en el marco de la gestión cuantitativa de proyectos de software, a fin de avanzar en el diseño y desarrollo de una aplicación software que permita detectar clases propensas a errores en función del análisis de los valores de las métricas aplicadas al código fuente. Con este propósito, se llevó a cabo una Revisión Sistemática de Literatura (RSL), según la metodología propuesta por Kitchenham. El protocolo de búsqueda incluyó los términos másrelevantes. Se realizó una clasificación de los resultados con los siguientes criterios: Herramienta propuesta, Contexto en el cual se aplica, Aspecto de la gestión o del ciclo de vida del software a la que se orienta, País, Año. Se obtuvo un panorama actualizado acerca de la gestión cuantitativa de proyectos, y las herramientas de apoyo utilizadas. Posteriormente se indagó sobre metodologías para determinar el grado de complejidad en aplicaciones OO mediante el cálculo de métricas OO. Como repositorio de código fuente se estudió GitHub, una plataforma para alojar proyectos utilizando control de versiones. Permite acceder tanto al código de un proyecto, como a los errores y defectos reportados, y sus soluciones. Para determinar la relación entre las métricas OO que evidencian la complejidad del software con los errores detectados en la prueba, se propone la elaboración de una aplicación que permita automatizar este proceso, mediante el registro de las mediciones y de los errores detectados. Se realizó el análisis y diseño de la misma, considerando la arquitectura MVC (Modelo, Vista, Controlador). Se implementaron los módulos Vista y Controlador. Actualmente se trabaja en el desarrollo del Modelo. Los datos requeridos se tomarán del repositorio GitHub. Utilizando el código de las aplicaciones open source, se calcularán las métricas complejidad y se relacionarán con los errores informados en la prueba. Esta relación establecerá características de las clases propensas a fallo, lo que permitirá anticipar un mejor control, haciendo más eficiente la etapa de mantenimiento del software.
description Fil: Chiapello, Jorge Alberto. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.
publishDate 2015
dc.date.none.fl_str_mv 2015-06-03
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv Chiapello, Jorge Alberto, Greiner, Cristina Liliam y Dapozo, Gladys Noemí, 2015. Métricas orientadas a objetos y detección de defectos de software. En: XXI Reunión de Comunicaciones Científicas y Tecnológicas -Edición 2015. Resistencia: Universidad Nacional del Nordeste. Secretaría General de Ciencia y Técnica, p. 1-1.
http://repositorio.unne.edu.ar/handle/123456789/54280
identifier_str_mv Chiapello, Jorge Alberto, Greiner, Cristina Liliam y Dapozo, Gladys Noemí, 2015. Métricas orientadas a objetos y detección de defectos de software. En: XXI Reunión de Comunicaciones Científicas y Tecnológicas -Edición 2015. Resistencia: Universidad Nacional del Nordeste. Secretaría General de Ciencia y Técnica, p. 1-1.
url http://repositorio.unne.edu.ar/handle/123456789/54280
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv UNNE/Pregrado/F010-2013/AR. Corrientes/Métodos y Herramientas para la calidad del software.
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Atribución-NoComercial-SinDerivadas 2.5 Argentina
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Atribución-NoComercial-SinDerivadas 2.5 Argentina
dc.format.none.fl_str_mv application/pdf
p. 1-1
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional del Nordeste. Secretaría General de Ciencia y Técnica
publisher.none.fl_str_mv Universidad Nacional del Nordeste. Secretaría General de Ciencia y Técnica
dc.source.none.fl_str_mv reponame:Repositorio Institucional de la Universidad Nacional del Nordeste (UNNE)
instname:Universidad Nacional del Nordeste
reponame_str Repositorio Institucional de la Universidad Nacional del Nordeste (UNNE)
collection Repositorio Institucional de la Universidad Nacional del Nordeste (UNNE)
instname_str Universidad Nacional del Nordeste
repository.name.fl_str_mv Repositorio Institucional de la Universidad Nacional del Nordeste (UNNE) - Universidad Nacional del Nordeste
repository.mail.fl_str_mv ososa@bib.unne.edu.ar;sergio.alegria@unne.edu.ar
_version_ 1842344208201940992
score 12.623145