Barra lateral de artigos

Enviado
Feb 27, 2021
Aceitaram
Apr 21, 2021
Publicado
Jun 22, 2021
Download
PDF
Estatística
Leia o contador : 520 Download : 250

Downloads

Não há dados estatísticos.

Conteúdo do artigo principal

Resumo

O uso de métricas é importante nas atividades de desenvolvimento de software, pois permitem verificar a qualidade e identificação de falhas, entre outros benefícios. O objetivo deste artigo é propor uma nova métrica de software baseada em um estudo bibliométrico e uma revisão da literatura sobre métricas de software. A pesquisa bibliométrica foi realizada nas bases de dados Scopus e Web of Science para identificar a distribuição dos artigos por ano de publicação, principais autores, afiliação, país, idiomas mais comuns, tipos de documentos, periódicos com mais publicações, áreas do conhecimento e os grupos de palavras-chave. Posteriormente, 23 artigos foram selecionados para leitura a fim de compor a revisão da literatura. Os resultados da pesquisa bibliométrica mostram que (i) não há um núcleo de pesquisa definido; (ii) há flutuação do número de artigos publicados; (iii) o idioma predominante é o inglês e o país com maior índice de publicações são os Estados Unidos; (iv) a principal área de conhecimento é a informática; (v) em relação à afiliação, a Florida Atlantic University se destaca; (vi) o periódico com maior número de publicações é o Journal of Systems and Software. A revisão da literatura mostrou que muitas métricas de software podem ser usadas para diferentes propósitos, mas a maioria delas está relacionada ao código e nenhuma está relacionada à aceitação. Dessa forma, uma métrica de suporte ao processo de aceitação do software é proposta para facilitar a fase de entrega do produto de software, proporcionando segurança para o cliente e redução de custos para a empresa desenvolvedora.

Palavras-chave

métricas de software bibliometria revisão de literatura qualidade de software

Detalhes do artigo

Licença

Declaração de Direito Autoral

Os artigos submetidos a Revista Perspectivas Online: Exatas & Engenharia estão licenciados conforme CC BY. Para mais informações sobre essa forma de licenciamento,  consulte: http://creativecommons.org/licenses/by/4.0

A disponibilização é gratuita na Internet, para que os usuários possam ler, fazer download, copiar, distribuir, imprimir, pesquisar ou referenciar o texto integral dos documentos, processá-los para indexação, utilizá-los como dados de entrada de programas para softwares, ou usá-los para qualquer outro propósito legal, sem barreira financeira, legal ou técnica.

1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

3) Autores têm permissão para publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.

 

 

Como Citar
dos Santos Barcelos, M. R. ., Simões Gomes, C. F. ., Manzolillo Sanseverino, A., & dos Santos, M. . (2021). Revisão de literatura sobre métricas de software e uma nova proposta. xatas ∓ ngenharias, 11(32), 33–59. https://doi.org/10.25242/885X113220212284
Baixar Citação
Endnote/Zotero/Mendeley (RIS)
BibTeX

Referências

  1. ABES. (2020). Brazilian Association of Software Companies. Available at: <http://www.abessoftware.com.br>. June 2020.
  2. ABNT: Brazilian Association of Technical Standards. NBR ISO/IEC 9126-1: Software Engineering - Product Quality”. Part 1: Quality Model, 2003.
  3. ALQMASE, M.; ALSHAYEB, M.; GHOUTI, L. Threshold Extraction Framework for Software Metrics. Journal of Computer Science and Technology, v.34, n.5, p.1063-1078, 2019.
  4. AMARA, D.; RABAI, L.B.A. Towards a new framework of software reliability measurement based on software metrics. Procedia Computer Science, v.109, p.725-730, 2017.
  5. ARVANITOU, E.M. et al. Software metrics fluctuation: a property for assisting the metric selection process. Information and Software Technology, v.72, p.110-124, 2016.
  6. AVERSANO, L. et al. Investigating Differences and Commonalities of Software Metric Tools, 2017, In: ICSOFT. p.249-256.
  7. BERANIČ, T.; HERIČKO, M. Comparison of systematically derived software metrics thresholds for object-oriented programming languages. Computer Science and Information Systems, v.17, n.1, p.181-203, 2019.
  8. BHARDWAJ, M.; RANA, A. Key Software Metrics and its Impact on each other for Software Development Projects. ACM SIGSOFT Software Engineering Notes, v.41, n.1, p.1-4, 2016.
  9. BOUCHER, A.; BADRI, M. Software metrics thresholds calculation techniques to predict fault-proneness: An empirical comparison. Information and Software Technology, v.96, p.38-67, 2018.
  10. BOZZELLI, P.; GU, Q.; LAGO, P. A systematic literature review on green software metrics, 2013, VU University, Amsterdam.
  11. COSTA. H.G. Model for webibliomining: proposal and application. Revista da FAE, v.13, n.1, p.115-126, 2010.
  12. DA SILVA, F.E. et al. Uso de software como suporte às atividades de gestão da qualidade. Exatas & Engenharias, v.9, n.26, p.45-54, 2019.
  13. DE PÁDUA PAULA FILHO, W. Engenharia de software [Software Engineering]. LTC, 2003.
  14. DEY, T.; MOCKUS, A. Deriving a usage-independent software quality metric. Empirical Software Engineering, v.25, n.2, p.1596-1641, 2020.
  15. DÓSEA, M.; SANT'ANNA, C.; DA SILVA, B.C. How do design decisions affect the distribution of software metrics? In: Proceedings of the 26th Conference on Program Comprehension. ACM, 2018, p.74-85.
  16. FENTON, N.; BIEMAN, J. Software metrics: A rigorous and practical approach. CRC Press, 2014.
  17. FREITAS, N.N.; MONTEIRO, S.B.S. Simulação computacional como ferramenta de suporte a decisão. Exatas & Engenharias, v.7, n.17, p.98-113, 2017.
  18. FREITAS, R.X.; ALBUQUERQUE, A.B.; SANTOS, R. A utilização de guias, normas e modelos de maturidade como apoio à aquisição e contratação de tecnologia da informação em instituições públicas brasileiras [The use of guides, standards and maturity models to support the acquisition and hiring of information technology in Brazilian public institutions]. In: XIII Workshp anual do MPS (WAMPS), 2017.
  19. HASSAN, R. et al. Usability Requirements Extraction Method from Software Document. International Journal of Software Engineering and Knowledge Engineering, v.30, n.2, p.171-189, 2020.
  20. ISHIKIRIYAMA, C.S.; MIRO, D.; GOMES, C.F.S. Text Mining Business Intelligence: A small sample of what words can say. Procedia Computer Science, v.55, p.261-267, 2015.
  21. KARANATSIOU, D. et al. A bibliometric assessment of software engineering scholars and institutions (2010–2017). Journal of Systems and Software, v.147, p.246-261, 2019.
  22. LAKSHMI, P.; MAHESWARI, T.L. An effective rank approach to software defect prediction using software metrics. In: 10th International Conference on Intelligent Systems and Control (ISCO). 2016, IEEE, p.1-5.
  23. LINCKE, R.; LUNDBERG, J.; LÖWE, W. Comparing software metrics tools. In: Proceedings of the 2008 international symposium on Software testing and analysis. 2008. p.131-142.
  24. LIU, Y. et al. Connecting software metrics across versions to predict defects, 2018, In: IEEE 25th International Conference on Software Analysis, Evolution and Reengineering (SANER). IEEE, p.232-243.
  25. LUDWIG, J.; XU, S.; WEBBER, F. Static software metrics for reliability and maintainability. In: IEEE/ACM International Conference on Technical Debt (TechDebt). IEEE, 2018. p.53-54.
  26. MALHOTRA, R.; SHARMA, A. Estimating the threshold of software metrics for web applications. International Journal of System Assurance Engineering and Management, p.1-16, 2019.
  27. MAUŠA, G., GRBAC, T.G. The stability of threshold values for software metrics in software defect prediction, 2017. In: International Conference on Model and Data Engineering. Springer, Cham. p.81-95.
  28. MEDEIROS, N. et al. Software metrics as indicators of security vulnerabilities. In: IEEE 28th International Symposium on Software Reliability Engineering (ISSRE), 2017, IEEE p.216-227.
  29. MELLUZZI NETO, G. et al. Resultados da implantação de CMMI e MPS-BR em empresas de desenvolvimento e manutenção de software: a visão da alta gestão [Results of the implementation of CMMI and MPS-BR in software development and maintenance companies: the view of top management]. Revista Brasileira de Computação Aplicada, v.10, n.1, p.2-10, 2018.
  30. MHAWISH, M.Y.; GUPTA, M. Software Metrics and tree-based machine learning algorithms for distinguishing and detecting similar structure design patterns. SN Applied Sciences, v.2, n.1, p.11, 2020.
  31. MISIRLIS, N.; VLACHOPOULOU, M. Social media metrics and analytics in marketing – S3M: A mapping literature review. International Journal of Information Management, v.38, n.1, p.270-276, 2018.
  32. PADMINI, K.V.J.; BANDARA, H.M.N.D.; PERERA, I. Use of software metrics in agile software development process. In: Moratuwa Engineering Research Conference (MERCon). IEEE, 2015. p.312-317.
  33. PETKOV, A. A software metric for the evaluation of testing efficiency. In: AIP Conference Proceedings. AIP Publishing, 2016, p.060001.
  34. PRESSMAN, R.; MAXIM, B. Engenharia de Software. 8ª Edição. McGraw Hill Brasil, 2016.
  35. RADJENOVIĆ, D. et al. Software fault prediction metrics: A systematic literature review. Information and software technology, v.55, n.8, p.1397-1418, 2013.
  36. RIZVI, S.W.A.; SINGH, V.K.; KHAN, R.A. The state of the art in software reliability prediction: software metrics and fuzzy logic perspective. In: Information Systems Design and Intelligent Applications. Springer, New Delhi, 2016, p.629-637.
  37. SHEETAL, A.P.; RAVINDRANATH, K. Software metric evaluation on cloud based applications. In: International Journal of Engineering & Technology, 2018, v.7, p.13-18.
  38. SILVA, G.B.; COSTA, H.G.; BARROS, M.D. Entrepreneurship in engineering education: A literature review. International Journal of Engineering Education, v. 31, n.6A, p.1701-1710, 2015.
  39. SOFTEX. (Brazilian Software Excellence Promotion Association). MPS.BR– Brazilian Software Process Improvement: General MPS Software Guide, 2016.
  40. SOMMERVILLE, I. Engenharia de software [Software engineering]. 10ªEd. Pearson Prentice Hall, 2019.
  41. TEMPERO, E.; RALPH, P. A framework for defining coupling metrics. Science of Computer Programming, v.166, n.15, p.214-230, 2018.
  42. TRIPATHI, M.K. et al. Prediction of Quality of Service Parameters Using Aggregate Software Metrics and Machine Learning Techniques. In: 2018 15th IEEE India Council International Conference (INDICON). IEEE, 2018. p.1-6.
  43. TUMMALAPALLI, S.; KUMAR, L.; MURTHY, N.L.B. Prediction of Web Service Anti-patterns: Using Aggregate Software Metrics and Machine Learning Techniques. In: Proceedings of the 13th Innovations in Software Engineering Conference on Formerly known as India Software Engineering Conference, 2020. p.1-11.
  44. VOGEL, R.; GÜTTEL, W.H. The Dynamic Capability View in Strategic Management: A Bibliometric Review. International Journal of Management Reviews, v.15, p.426-446, 2013.
  45. WAZLAWICK, R. Engenharia de software: conceitos e práticas [Software engineering: concepts and practices]. Elsevier Editora Ltda., 2019.
  46. ZHANG, F.; WU, S. Predicting future influence of papers, researchers, and venues in a dynamic academic network. Journal of Informetrics, v.14, n.2, p.101035-101059, 2020.
  47. ZHU, J.; LIU, W. A tale of two databases: the use of Web of Science and Scopus in academic papers. Scientometrics, p.1-15, 2020.