Predykcja defektów oprogramowania przy pomocy metryk przepływu danych

master
dc.abstract.enDataflow coverage criteria are widely used in software testing, but there is little research on low-level dataflow metrics as predictors of software defects.The aim of this work is to present the method of determining the data flow metric proposed by Beyer and Fararooy - Dep-Degree (DD). Then, this metric along with the newly proposed Dep-Degree Density (DDD) metric will be analyzed in terms of their impact on defect prediction models. Through correlation analysis, it will be assessed whether DD and DDD capture distinct code characteristics compared to established source code metrics related to size, complexity, and documentation. Finally, an experiment will be conducted using five different classifiers on nine projects from the unified fault dataset, aiming to compare the performance of defect prediction models trained with and without data flow metrics.The work was largely based on the article "Enhancing Software Defect Prediction: Exploring the Predictive Power of Two Data Flow Metrics" written together with Prof. Adam Roman and Dr. Jarosław Hryszko. This paper was recognized as the best paper at the ENASE 2023 conference (Best Paper Award).pl
dc.abstract.plKryteria pokrycia przepływu danych znajdują szerokie zastosowanie w testowaniu oprogramowania, istnieje jednak niewiele badań dotyczących niskopoziomowych metryk przepływu danych jako predyktorów defektów oprogramowania.Celem pracy jest przedstawienie sposobu wyznaczania zaproponowanej przez Beyera i Fararooya metryki przepływu danych - Dep-Degree (DD). Następnie metryka ta wraz z nowo zaproponowaną metryką Dep-Degree Density (DDD) zostaną poddane analizie pod względem ich wpływu na modele predykcji defektów. Poprzez analizę korelacji ocenione zostanie, czy DD i DDD wychwytują odrębne cechy kodu w porównaniu z ustalonymi metrykami kodu źródłowego związanymi z rozmiarem, złożonością i dokumentacją. Na koniec przeprowadzony zostanie eksperyment z wykorzystaniem pięciu różnych klasyfikatorów w dziewięciu projektach z ujednoliconego zestawu danych o błędach, mając na celu porównanie wydajności modeli predykcji defektów przeszkolonych z i bez metryk przepływu danych.Praca w dużym stopniu została napisana w oparciu o artykuł “Enhancing Software Defect Prediction: Exploring the Predictive Power of Two Data Flow Metrics“ napisany wspólnie z prof. Adamem Romanem oraz dr. Jarosławem Hryszko. Artykuł ten został uznany najlepszym artykułem na konferencji ENASE 2023 (Best Paper Award).pl
dc.affiliationWydział Matematyki i Informatykipl
dc.areaobszar nauk ścisłychpl
dc.contributor.advisorRoman, Adam - 142015 pl
dc.contributor.authorBrożek, Rafałpl
dc.contributor.departmentbycodeUJK/WMI2pl
dc.contributor.reviewerRoman, Adam - 142015 pl
dc.contributor.reviewerŻelawski, Marcin - 132962 pl
dc.date.accessioned2023-10-17T21:33:33Z
dc.date.available2023-10-17T21:33:33Z
dc.date.submitted2023-10-12pl
dc.fieldofstudyinformatykapl
dc.identifier.apddiploma-158677-247241pl
dc.identifier.urihttps://ruj.uj.edu.pl/xmlui/handle/item/321194
dc.languagepolpl
dc.subject.ensoftware defect prediction, data flow metrics, dep-degreepl
dc.subject.plpredykcja defektów w oprogramowaniu, metryki przepływu danych, dep-degreepl
dc.titlePredykcja defektów oprogramowania przy pomocy metryk przepływu danychpl
dc.title.alternativeSoftware defect prediction using data-low metricspl
dc.typemasterpl
dspace.entity.typePublication
dc.abstract.enpl
Dataflow coverage criteria are widely used in software testing, but there is little research on low-level dataflow metrics as predictors of software defects.The aim of this work is to present the method of determining the data flow metric proposed by Beyer and Fararooy - Dep-Degree (DD). Then, this metric along with the newly proposed Dep-Degree Density (DDD) metric will be analyzed in terms of their impact on defect prediction models. Through correlation analysis, it will be assessed whether DD and DDD capture distinct code characteristics compared to established source code metrics related to size, complexity, and documentation. Finally, an experiment will be conducted using five different classifiers on nine projects from the unified fault dataset, aiming to compare the performance of defect prediction models trained with and without data flow metrics.The work was largely based on the article "Enhancing Software Defect Prediction: Exploring the Predictive Power of Two Data Flow Metrics" written together with Prof. Adam Roman and Dr. Jarosław Hryszko. This paper was recognized as the best paper at the ENASE 2023 conference (Best Paper Award).
dc.abstract.plpl
Kryteria pokrycia przepływu danych znajdują szerokie zastosowanie w testowaniu oprogramowania, istnieje jednak niewiele badań dotyczących niskopoziomowych metryk przepływu danych jako predyktorów defektów oprogramowania.Celem pracy jest przedstawienie sposobu wyznaczania zaproponowanej przez Beyera i Fararooya metryki przepływu danych - Dep-Degree (DD). Następnie metryka ta wraz z nowo zaproponowaną metryką Dep-Degree Density (DDD) zostaną poddane analizie pod względem ich wpływu na modele predykcji defektów. Poprzez analizę korelacji ocenione zostanie, czy DD i DDD wychwytują odrębne cechy kodu w porównaniu z ustalonymi metrykami kodu źródłowego związanymi z rozmiarem, złożonością i dokumentacją. Na koniec przeprowadzony zostanie eksperyment z wykorzystaniem pięciu różnych klasyfikatorów w dziewięciu projektach z ujednoliconego zestawu danych o błędach, mając na celu porównanie wydajności modeli predykcji defektów przeszkolonych z i bez metryk przepływu danych.Praca w dużym stopniu została napisana w oparciu o artykuł “Enhancing Software Defect Prediction: Exploring the Predictive Power of Two Data Flow Metrics“ napisany wspólnie z prof. Adamem Romanem oraz dr. Jarosławem Hryszko. Artykuł ten został uznany najlepszym artykułem na konferencji ENASE 2023 (Best Paper Award).
dc.affiliationpl
Wydział Matematyki i Informatyki
dc.areapl
obszar nauk ścisłych
dc.contributor.advisorpl
Roman, Adam - 142015
dc.contributor.authorpl
Brożek, Rafał
dc.contributor.departmentbycodepl
UJK/WMI2
dc.contributor.reviewerpl
Roman, Adam - 142015
dc.contributor.reviewerpl
Żelawski, Marcin - 132962
dc.date.accessioned
2023-10-17T21:33:33Z
dc.date.available
2023-10-17T21:33:33Z
dc.date.submittedpl
2023-10-12
dc.fieldofstudypl
informatyka
dc.identifier.apdpl
diploma-158677-247241
dc.identifier.uri
https://ruj.uj.edu.pl/xmlui/handle/item/321194
dc.languagepl
pol
dc.subject.enpl
software defect prediction, data flow metrics, dep-degree
dc.subject.plpl
predykcja defektów w oprogramowaniu, metryki przepływu danych, dep-degree
dc.titlepl
Predykcja defektów oprogramowania przy pomocy metryk przepływu danych
dc.title.alternativepl
Software defect prediction using data-low metrics
dc.typepl
master
dspace.entity.type
Publication

* The migration of download and view statistics prior to the date of April 8, 2024 is in progress.

Views
1
Views per month
Views per city
Warsaw
1

No access

No Thumbnail Available
Collections