Aprendizagem de máquina para análise de indicadores na engenharia de software

Detalhes bibliográficos
Autor(a) principal: Bodo, Leandro [UNESP]
Data de Publicação: 2015
Outros Autores: Oliveira, Hilda Carvalho de [UNESP], Breve, Fabricio Aparecido [UNESP], Marinho, Eraldo Pereira [UNESP], Eler, Danilo Medeiros [UNESP]
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://www.fmpfm.edu.br/intercienciaesociedade/colecao/online/vol4_n1_on_line.html
http://hdl.handle.net/11449/135737
Resumo: Indicadores de desempenho são importantes recursos para a gestão da qualidade no desenvolvimento de software. O volume de dados produzido por esses indicadores tende a aumentar significativamente com o tempo de monitoração, dificultando análises e tomadas de decisão. As bases históricas tornam-se complexas, considerando a quantidade de dados monitorados e a diversidade de indicadores (diferentes tipos, granularidade e frequência). Este trabalho propõe o uso de técnicas de aprendizagem de máquina para análise dessas bases, utilizando redes neurais artificiais combinadas com técnicas de visualização de informação. É utilizado um modelo de indicadores, com base nos processos do modelo de referência MPS para Software (MPS-SW), agrupados segundo as perspectivas estratégicas do Balanced Scorecard (BSC).
id UNSP_da185799ebf227783457e401476d2644
oai_identifier_str oai:repositorio.unesp.br:11449/135737
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Aprendizagem de máquina para análise de indicadores na engenharia de softwareMachine learning for analysis of indicators from software engineerIndicadores de desempenho são importantes recursos para a gestão da qualidade no desenvolvimento de software. O volume de dados produzido por esses indicadores tende a aumentar significativamente com o tempo de monitoração, dificultando análises e tomadas de decisão. As bases históricas tornam-se complexas, considerando a quantidade de dados monitorados e a diversidade de indicadores (diferentes tipos, granularidade e frequência). Este trabalho propõe o uso de técnicas de aprendizagem de máquina para análise dessas bases, utilizando redes neurais artificiais combinadas com técnicas de visualização de informação. É utilizado um modelo de indicadores, com base nos processos do modelo de referência MPS para Software (MPS-SW), agrupados segundo as perspectivas estratégicas do Balanced Scorecard (BSC).Universidade Estadual Paulista Júlio de Mesquita Filho, Departamento de Matemática, Estatística e Computação, Faculdade de Ciências e Tecnologia de Presidente Prudente, Presidente Prudente, Rua Roberto Simonsen, 305, Centro Educacional, CEP 19060900, SP, BrasilUniversidade Estadual Paulista Júlio de Mesquita Filho, Departamento de Matemática, Estatística e Computação, Faculdade de Ciências e Tecnologia de Presidente Prudente, Presidente Prudente, Rua Roberto Simonsen, 305, Centro Educacional, CEP 19060900, SP, BrasilUniversidade Estadual Paulista (Unesp)Bodo, Leandro [UNESP]Oliveira, Hilda Carvalho de [UNESP]Breve, Fabricio Aparecido [UNESP]Marinho, Eraldo Pereira [UNESP]Eler, Danilo Medeiros [UNESP]2016-03-02T13:04:13Z2016-03-02T13:04:13Z2015info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/article9-20application/pdfhttp://www.fmpfm.edu.br/intercienciaesociedade/colecao/online/vol4_n1_on_line.htmlInterciência & Sociedade, v. 4, n. 1, p. 9-20, 2015.2238-1295http://hdl.handle.net/11449/135737ISSN2238-1295-2015-04-01-09-20.pdf0840226903480590427607847355977556938600255383270000-0002-1123-97840000-0002-7413-0161Currículo Lattesreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPporInterciência & Sociedadeinfo:eu-repo/semantics/openAccess2024-06-19T14:32:16Zoai:repositorio.unesp.br:11449/135737Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-06T00:06:22.466927Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Aprendizagem de máquina para análise de indicadores na engenharia de software
Machine learning for analysis of indicators from software engineer
title Aprendizagem de máquina para análise de indicadores na engenharia de software
spellingShingle Aprendizagem de máquina para análise de indicadores na engenharia de software
Bodo, Leandro [UNESP]
title_short Aprendizagem de máquina para análise de indicadores na engenharia de software
title_full Aprendizagem de máquina para análise de indicadores na engenharia de software
title_fullStr Aprendizagem de máquina para análise de indicadores na engenharia de software
title_full_unstemmed Aprendizagem de máquina para análise de indicadores na engenharia de software
title_sort Aprendizagem de máquina para análise de indicadores na engenharia de software
author Bodo, Leandro [UNESP]
author_facet Bodo, Leandro [UNESP]
Oliveira, Hilda Carvalho de [UNESP]
Breve, Fabricio Aparecido [UNESP]
Marinho, Eraldo Pereira [UNESP]
Eler, Danilo Medeiros [UNESP]
author_role author
author2 Oliveira, Hilda Carvalho de [UNESP]
Breve, Fabricio Aparecido [UNESP]
Marinho, Eraldo Pereira [UNESP]
Eler, Danilo Medeiros [UNESP]
author2_role author
author
author
author
dc.contributor.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Bodo, Leandro [UNESP]
Oliveira, Hilda Carvalho de [UNESP]
Breve, Fabricio Aparecido [UNESP]
Marinho, Eraldo Pereira [UNESP]
Eler, Danilo Medeiros [UNESP]
description Indicadores de desempenho são importantes recursos para a gestão da qualidade no desenvolvimento de software. O volume de dados produzido por esses indicadores tende a aumentar significativamente com o tempo de monitoração, dificultando análises e tomadas de decisão. As bases históricas tornam-se complexas, considerando a quantidade de dados monitorados e a diversidade de indicadores (diferentes tipos, granularidade e frequência). Este trabalho propõe o uso de técnicas de aprendizagem de máquina para análise dessas bases, utilizando redes neurais artificiais combinadas com técnicas de visualização de informação. É utilizado um modelo de indicadores, com base nos processos do modelo de referência MPS para Software (MPS-SW), agrupados segundo as perspectivas estratégicas do Balanced Scorecard (BSC).
publishDate 2015
dc.date.none.fl_str_mv 2015
2016-03-02T13:04:13Z
2016-03-02T13:04:13Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.fmpfm.edu.br/intercienciaesociedade/colecao/online/vol4_n1_on_line.html
Interciência & Sociedade, v. 4, n. 1, p. 9-20, 2015.
2238-1295
http://hdl.handle.net/11449/135737
ISSN2238-1295-2015-04-01-09-20.pdf
0840226903480590
4276078473559775
5693860025538327
0000-0002-1123-9784
0000-0002-7413-0161
url http://www.fmpfm.edu.br/intercienciaesociedade/colecao/online/vol4_n1_on_line.html
http://hdl.handle.net/11449/135737
identifier_str_mv Interciência & Sociedade, v. 4, n. 1, p. 9-20, 2015.
2238-1295
ISSN2238-1295-2015-04-01-09-20.pdf
0840226903480590
4276078473559775
5693860025538327
0000-0002-1123-9784
0000-0002-7413-0161
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Interciência & Sociedade
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 9-20
application/pdf
dc.source.none.fl_str_mv Currículo Lattes
reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808129584256778240

Registros relacionados