KaydedilenlerDerginizi ekleyin

Dergiler / Fırat Üniversitesi Mühendislik Bilimleri Dergisi / 2022 / Cilt: 34 - Sayı: 1

Nesne Tabanlı Ölçütlerle Yazılım Hata Kestirimi Örnek Bir Olay İncelemesi

Begüm ERKAL
Tülin ERÇELEBİ AYYILDIZ
Sayfa
181–192
Yayın Tarihi
2022-03-20
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

RFC ölçütünün hata kestiriminde hiç bir etkisinin olmadığı gözlemlenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Yazılım projelerinin kalitesini ölçme işlemi sorunların erken safhada bulunmasına olanak sağlayan bir işlem olmasına rağmen çoğunlukla ihmal edilen, zaman ve bütçe ayrılmayan bir işlemdir.
📊
Temel Bulgular & Veri:Yazılım kalitesini ölçebiliyor ve bunu rakamlarla ifade edebiliyor olmak bakım yapılabilirlik, yeniden kullanılabilirlik, test edilebilirlik, verimlilik, taşınabilirlik, işlevsellik ve anlaşılabilirlik gibi kalite özellikleri hakkında fikir sahibi olmamızı sağlar.
💡
Sonuç & Katkı:RFC ölçütünün hata kestiriminde hiç bir etkisinin olmadığı gözlemlenmiştir.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Yazılım hata kestirimi · nesne tabanlı ölçütler · yazılım kalite ölçütleri

Özet

Yazılım projelerinin kalitesini ölçme işlemi sorunların erken safhada bulunmasına olanak sağlayan bir işlem olmasına rağmen çoğunlukla ihmal edilen, zaman ve bütçe ayrılmayan bir işlemdir. Yazılım kalitesini ölçebiliyor ve bunu rakamlarla ifade edebiliyor olmak bakım yapılabilirlik, yeniden kullanılabilirlik, test edilebilirlik, verimlilik, taşınabilirlik, işlevsellik ve anlaşılabilirlik gibi kalite özellikleri hakkında fikir sahibi olmamızı sağlar. Yazılımın kalitesini etkileyen önemli unsurlardan biri de kaynak koddaki hataların sayısıdır. Bu nedenle, geliştirmenin erken safhasında kaynak oddaki hataları belirlemek çok önemlidir. Çalışmada, 50 açık kaynak kodlu eğitim projesindeki yazılım hata kestirim doğruluğu analiz edilmiştir. Yazılım kalite ölçütleri "Understand" adı verilen statik kod analiz aracı kullanılarak ölçülmüş ve hata sayıları ise "SpotBugs" adı verilen araç ile belirlenmiştir. Birisi dışarıda çapraz doğrulama (LOOCV) kullanılarak sonuçların doğruluğu belirlenirken yazılım kalitesi ve hatalar arasında ilişkiyi elde etmek için adımsal (stepwise) doğrusal regresyon analizi uygulanmıştır. Sonuçlara bakıldığında kestirim doğruluğunun literatürde de geçen değerlerden tarafından desteklendiği görülmüştür. RFC ölçütünün hata kestiriminde hiç bir etkisinin olmadığı gözlemlenmiştir. Çalışma, yazılım hatalarının sayısının kestirimi için yazılım kalite ölçütlerinin kullanılmasının mümkün olduğunu göstermektedir.

🔖

Bu Makaleye Atıf Yap

ERKAL, B., AYYILDIZ, T. E. (2022). Nesne Tabanlı Ölçütlerle Yazılım Hata Kestirimi Örnek Bir Olay İncelemesi. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 34 - Sayı: 1, 181–192. https://ajindex.com/articles/382470

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Raees M. Study of software quality improvement through reliability metrics models and root cause analysis program. International Journal of Computer Engineering and Information Technology 2020; 12(6): 42-47
  2. Jones C. Quantifying Software: Global and Industry Perspectives. CRC Press, 2017
  3. Fenton N, Neil M. A critique of software defect prediction models. IEEE Transactions on Software Engineering 1999; 25(5), 675-689
  4. Delsing J. IoT Automation-Arrowhead Framework. CRC Press: Taylor & Francis Group, 2017
  5. D'Ambros M, Lanza M, Robbes R. Evaluating Defect Prediction Approaches: A benchmark and an extensive comparison. Emprical Software Engineering 2012; 17: 531-577
  6. Moser R, Pedrycz W, Succi G. A Comparative Analysis of The Efficiency of Change Metrics and Static Code Attributes for Defect Prediction. In: ICSE ’08: Proceedings of the 30th international Conference on Software Engineering; 10-18 May, 2008; Leipzig-Germany. 181-190
  7. Kim S, Zimmermann T, Whiteas E, Zeller A. Predicting Faulties From Cached History. Proceedings of 29th International Conference on Software Engineering (ICSE'07); 20-26 May, 2007; Minneapolis, MN, USA. 489-498
  8. Basili V.R, Briand L.C, Melo W.R. Validation of object-oriented design metric as quality indicators. IEEE Transactions on Software Engineering 1996; 22(10), 751- 761
  9. Hassan A.E. Predicting Faults Using The Complexity of Code Changes. International Conference on Software Engineering IEEE Computer Society; 16-24 May, 2009; Vancouver, BC, Canada. 78- 88
  10. Nuñez-Varela A.S, Pérez-Gonzalez H.G, Martínez-Perez F.E, Soubervielle-Montalvo C. Source code metrics: a systematic mapping study. Journal of Systems and Software 2017; 128: 164-197
  11. Chidamber S, Kemerer C. A metrics suite for object-oriented design. IEEE Transactions on Software Engineering 1994; 20(6): 476-493
  12. Erçelebi Ayyıldız T, Koçyiğit A. Correlations between problem and solution domain measures of open source software. Journal of the Faculty of Engineering and Architecture of Gazi University 2017; 32(3): 887– 900
  13. Catolino G, Palomba F, De Lucia A, Ferrucci F, Zaidman A. Enhancing change prediction models using developer-related factors. Journal of Systems and Software 2018; 143: 14-28
  14. Bailey C.T, Dingee W.L. A software study using halstead metrics. ACM Sigmetrics (1981 ACM Workshop/Symp. Measurement and Evaluation of Software Quality 1981; 10: 189-197
  15. McCabe T. A complexity measure. IEEE Transactions on