Discovery of patterns in software metrics using clustering techniques

Un mecanismo para estimar la calidad del software es mediante el uso de métricas, que son funciones que evalúan ciertas características del desarrollo de la calidad del producto. Un producto de software puede evaluarse desde diferentes perspectivas y, en ese sentido, los resultados de las evaluaciones son vectores numéricos que, en conjunto, describen la calidad del software. Esta investigación utiliza datos de acceso abierto de la NASA, sometidos a un proceso de reducción de dimensionalidad mediante análisis de componentes principales (PCA), luego aplica tres técnicas de agrupamiento y evalúa la mejor agrupación mediante el índice Rand. Finalmente, los clústeres principales se prueban con regresión para encontrar las métricas relacionadas con el error del software. Los resultados sugieren que los grupos que consisten en módulos de software cuyo código fuente tiene un promedio más alto de líneas en blanco muestran una mayor densidad de error. Esto podría interpretarse como una indicación del orden de implementación. Por otro lado, muestra la presencia de una relación directa entre el número de errores en un módulo y el número de llamadas a funciones de otros módulos. La contribución de este trabajo está relacionada con el uso de técnicas de evaluación de clustering, reducción de dimensionalidad, algoritmos de clustering y regresión para descubrir patrones en métricas de software de manera rigurosa.