Estudo empírico sobre o impacto das configurações do processo de obtenção do acoplamento conceitual

• Autor(a) principal: Costa, Paulo Batista da
• Data de Publicação: 2018
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/6011
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Medição de software; Engenharia de software; Linguagem de programação (Computadores) - Semântica; Software measurement; Software engineering; Programming languages (Electronic computers) - Semantics

Contexto: O acoplamento é uma das propriedades fundamentais com mais influência sobre a manutenção e evolução do software. Dentre as medidas de acoplamento está o Acoplamento Conceitual. Na literatura é possível encontrar diversos modelos para cálculo do Acoplamento Conceitual que combinam pré-processamentos (uso de CamelCase, stemming, etc), com diferentes fatores de ponderação, tais como, TF-IDF (term frequency–inverse document frequency e o LSI (Latent Semantic Indexing). Portanto, é necessário que se estabeleça um estudo avaliativo sobre o impacto da escolha do modelo de cálculo nos valores de Acoplamento Conceitual obtidos e nos processos de manutenção de software, tais como as recomendações de mudanças conjuntas. Objetivo: O objetivo deste trabalho consiste em comparar se os pré-processamentos e fatores de ponderação combinados em diferentes modelos geram valores de Acoplamento Conceitual diferentes e como estes modelos distintos impactam a recomendação de mudanças conjuntas de arquivos de código-fonte. Método: Foram selecionados 61 projetos de software livre hospedados no GitHub, desenvolvidos nas linguagens de programação C++, Java, Javascript, Python e Ruby. Das versões major mais recentes desses projetos (3 a 6 versões), foram obtidos os valores de Acoplamento Conceitual entre seus arquivos de código-fonte por meio de diferentes combinações de pré-processamento textual (CamelCase, stemming, uso de comentário de código) e normalizações (TF-IDF, LSI). Os valores de Acoplamento Conceitual resultantes desse processo foram comparados entre si por meio de testes estatísticos, a fim de determinar o impacto das variações dos pré-processamento e normalizações nos valores de Acoplamento Conceitual. Em seguida, esses valores foram utilizados para avaliar a eficiência dos maiores valores de Acoplamento Conceitual para a recomendação de mudanças conjuntas. Resultados: Os resultados indicam que combinações diferentes de parâmetro de pré-processamento impactam em distintos valores de Acoplamento Conceitual entre arquivos de código-fonte. Além disso, para as linguagens C++ e Java os pré-processamentos que resultam em maiores valores de Acoplamento Conceitual são comuns. O mesmo ocorre entre as linguagens Javascript, Python e Ruby. Além disso, os modelos de cálculo que resultam nos maiores valores são aqueles que usam normalização LSI, fato que independe do projeto e da linguagem de programação em que ele é desenvolvido. Além disso, constatou-se que as melhores predições foram realizadas a partir de valores de Acoplamento Conceitual calculados por meio de modelo com fator de ponderação TF-IDF (UcoUcaNsR1qTfidf1), apesar de não resultarem nos maiores valores de Acoplamento Conceitual entre arquivos de código-fonte. Conclusões: A partir deste trabalho foi possível constatar a existência de diferenças entre os valores de Acoplamento Conceitual, calculados por meio de modelos distintos. Em virtude desse fato, foi possível selecionar os modelos de obtenção que resultam nas distribuições de maiores valores de Acoplamento Conceitual. Esses valores foram utilizados para a realização de predições de mudanças conjuntas de artefatos. Apesar dos modelos que resultam nos maiores valores de Acoplamento Conceitual terem como normalização o LSI, foram os cálculos por meio modelos com normalização TF-IDF os que proporcionaram predições mais eficientes. Isso mostra que não há relação direta entre distribuições com maiores valores de Acoplamento Conceitual e melhores predições de mudanças conjuntas. Além disso, altos valores não são medidas de qualidade adequada para o Acoplamento Conceitual.