- •1. Пряма, зворотна, емпірична інженерія програмного забезпечення.
- •2. Емпіричні та теоретичні дослідження.
- •3. Напрями емпіричних досліджень.
- •4. Методи пізнання: загально наукові, конкретно наукові.
- •5. Теоретичні загально наукові методи пізнання.
- •6. Емпіричні загально наукові методи пізнання.
- •7. Конкретно наукові методи пізнання (в загальному).
- •8. Місце емпіричної інженерії програмного забезпечення в іпз.
- •9. Емпірична інженерія програмного забезпечення – суть, предмет та методи.
- •10. Методи емпіричної інженерії (загально наукові, конкретно наукові).
- •Непрямі методики збору даних.
- •Незалежні методики збору даних.
- •Збір даних. Автоматизація збору даних. Використання засобів збору даних.
- •Збір даних. Вимірювання пз. Автоматизація вимірювань.
- •Lines of Code (кількість стрічок коду)
- •Maintainability Index (індекс зручності підтримки):
- •Цикломатична складність:
- •Зв’язність класів:
- •Глибина наслідування:
- •Аналіз даних. Автоматизація аналізу даних.
- •Caese-засоби: структура, процеси та призначння.
- •Порівняння case та caese-засобів.
- •Порівняння моделей процесів case та caese-засобів.
- •Кроки проведення емпіричних досліджень.
- •Проведення кращих емпіричних досліджень. Основні принципи.
- •Компоненти емпіричних досліджень.
- •Середовище досліджень
- •Гіпотези
- •План експерименту
- •Визначення предмету досліджень
- •Побудова взаємозв’язків між досліджуваними величинами
- •Проведення довгострокових (в природних умовах) та короткострокових (в лабораторних умовах) досліджень
- •Способи отримання даних.
- •Отримання даних на протязі часу
- •Моделювання
- •Статичне отримання даних
- •Паралельне проведення декількох досліджень.
- •Загально наукові емпіричні методи: спостереження та описання, експеримент, вимірювання.
- •Ціленаправленість;
- •Активність
- •Загально наукові теоретичні методи: ідеалізація, мисленний експеримент, формалізація.
- •Ідеалізація
- •Мисленний експеримент
- •Формалізація
- •Загально наукові теоретичні методи: абстрагування, аксіоматичний метод, метод гіпотези.
- •Абстрагування
- •Аксіоматичний метод
- •Метод гіпотези
- •Кількісні та якісні емпіричні дослідження. Відмінності в методах.
- •Кількісні емпіричні дослідження.
- •Якісні емпіричні дослідження.
- •Контрольовані експерименти.
- •Дослідження ситуацій (case studies).
- •Дослідження ситуацій (survey).
- •Інші методи емпіричних досліджень пз: кінцевий аналіз (post mortem analysis), етнографії, дослідження дій.
- •Вимірювання пз. Підходи до вимірювань.
- •Моделі вимірювань.
- •Мета-модель. Використання мета-моделі в iPlasma.
- •Шкали вимірювань.
- •Помилки при вимірюваннях
- •51. Види вимірювань
- •52. Вимірювання розміру.
- •53. Вимірювання функціональності.
- •54. Вимірювання складності.
- •55. Оцінка зусиль.
- •56. Вимірювання дефектів.
- •57. Надійність пз та прогнозування. Відмови.
- •58. Час відгуку та робото придатність.
- •59. Вимірювання прогресу.
- •60. Фінансові вимірювання.
- •Метрики програмного забезпечення. Види метрик.
- •Прямі та непрямі метрики.
- •Метрики розміру.
- •Недоліки розмірно-орієнтованих метрик.
- •Метрики складності потоку управління.
- •Метрики складності потоку даних.
- •Об’єктно-орієнтовані метрики.
- •Метрики Хольстеда.
- •Метрики Чепіна.
- •Метрики цикломатичної складності Мак-Кейба.
- •71. Попередня оцінка складності
- •72. Вимірювання зусиль
- •73. Вимірювання дефектів
- •75. Метрики якості продукту:
- •76. Метрики якості процесів:
- •77. Метрики якості супроводження
- •78. Застосування засобів контролю якості
- •79. Виявлення дефектів
- •80. Метрики процесів для тестування
- •Вимірювачі програмного забезпечення.
- •Особливості використання вимірювачів пз
- •Використання iPlasma для вимірювань.
- •Використання Analist4j для вимірювань.
- •Використання cccc для вимірювань.
- •Використання Visual Studio для вимірювань.
- •Пояснення основних метрик iPlasma.
- •Пояснення основних метрик Visual Studio.
- •Пояснення основних метрик Analist4j.
- •Структура iPlasma.
- •Візуалізація в iPlasma.
- •Призначення та послідовність проведення первинного статистичного аналізу.
- •Призначення та послідовність проведення кореляційного аналізу.
- •Призначення та послідовність проведення регресійного аналізу.
- •Описати, пояснити використання Statistica для первинного статистичного аналізу (або іншого засобу).
- •Описати, пояснити використання Statistica для кореляційного аналізу (або іншого засобу).
- •Описати, пояснити використання Statistica для регресійного аналізу (або іншого засобу).
- •Описати та пояснити використання Visual Studio для проведення рефакторингу.
-
Об’єктно-орієнтовані метрики.
З переходом від структурної до об'єктно-орієнтованої (ОО) парадигми програмування виникла потреба і у створенні відповідних метрик. Оскільки основні елементи конструювання ОО програм - це класи, що реалізують функціональність за допомогою методів, то саме класи і методи є категоріями, якими переважно оперують ГО метрики. Крім таких очевидних метрик, як загальне число класів, методів, атрибутів, середніх показників числа методів і атрибутів на клас і пр., Застосовуються набагато більш комплексними метрики, за допомогою яких можна судити не тільки про обсяг вихідного коду ГО проекту, але і про йогоскладності, як, відповідність основним принципам ОО парадигми і т. д.
До самих поширеними ОО метрик відносяться:
-
WMC(суммарная сложность всех методов класса)
-
WMC2
-
DIT(глибина дерева наслідування)
-
Number of children(кількість нащадків)
-
Coupling(зв’язність об’єктів)
-
Response for Class(відгук на клас)
-
Метрики Хольстеда.
Розраховуються на основі аналізу числа рядків та синтаксичних елементів вихідного коду програми.
Основу метрик складають 4 характеристики:
-
NUOprtr (Number of Unique Operators)
-
NUOprnd (Number of Unique Operands)
-
Noprtr (Number of Operators)
-
Noprnd (Number of Operands)
Розраховуються такі оцінки:
-
Словник програми (Halstead Program Vocabulary, HPVoc): HPVoc = NUOprtr + NUOprnd;
-
Довжина програми (Halstead Program Length, HPLen): HPLen = Noprtr + Noprnd;
-
Об’єм програми (Halstead Program Volume, HPVol): HPVol = HPLen log2 HPVoc;
-
Складність програми (Halstead Difficulty, HDiff): HDiff = (NUOprtr/2) × (NOprnd / NUOprnd);
-
На основі показника СКЛАДНІСТЬ оцінюється зусилля програміста при розробці за допомогою показника HEff (Halstead Effort): HEff = HDiff × HPVol.
-
Метрики Чепіна.
Суть полягає в оцінці інформаційної міцності окремо взятого програмного модуля за допомогою аналізу характеру використання змінних зі списку вводу-виводу.
Всі змінні, які складають список вводу-виводу, розбиваютсья на 4 групи:
-
Множина “Р” – ввідні змінні для розрахунків та для забезпечення вводу-виводу;
-
Множина “М” – модифіковані чи створені в програмі змінні;
-
Множина “С” – управляючі змінні;
-
Множина “Т” – не використовувані в прогармі змінні.
Q = a1P + a2M + a3C + a4T,
де a1, a2, a3, a4 – вагові коефіцієнти.
З врахуванням а1 = 1, а2 = 2, а3 = 3, а4 = 0.5
Q = P + 2M + 3C + 0.5T.
-
Метрики цикломатичної складності Мак-Кейба.
Розраховується на основі графу управляючої логіки програми.
Граф будується у вигляді орієнтованого графу, в якому обчислювальні оператори чи вирази представляються у вигляді вузлів, а передача управління між вузлами – у вигляді дуг.
При розрахунку цикломатичної складності логічні оператори не враховуються
C = e – n + 2,
де e – число ребер, а n – число вузлів на графе управляючої логіки.
Використовується при тестуванні, так як показує необхідну кількість тестових прогонів для перекриття всіх шляхів.
Модифікації цикломатичної складності:
-
“модифікована” цикломатична складність
-
“строга” цикломатична складність
-
“спрощена” цикломатична складність