Vers une approche d'analyse de l'impact du changement dans un système à objets
Nous proposons dans cet article une approche, à la fois analytique et expérimentale, pour analyser et prédire les impacts des changements dans les systèmes à objets. Une technique de calcul d'impact basée sur un métamodèle (PTIDEJ) est développée. Des données récoltées sur des systèmes réels sont utilisées pour étudier empiriquement des hypothèses de causalité entre d'une part, des attributs internes de logiciels, et d'autre part, l'impact du changement. Afin d'évaluer notre approche, une étude empirique a été menée sur un système réel (BOAP). Dans cette étude, une hypothèse de corrélation entre le couplage et l'impact du changement a été vérifiée pour un type de changement à partir de métriques de couplage. L'hypothèse a été étudiée par le biais de techniques d'apprentissage automatique. Les résultats ont montré que le couplage d'importation, plus que d'autres types de couplage, influence l'impact du changement.
In this paper we propose an approach, both analytical and experimental, to analyze and predict change impact in object-oriented systems. We use a meta-model (PTIDEJ) to calculate the change impact. Data obtained from real systems are exploited to empirically study causality hypotheses between some software internal attributes and change impact. To evaluate our approach, an empirical study was conducted on a real system (BOAP). This study targeted a correlation hypothesis between coupling and change impact for a specific change starting from coupling metrics. The hypothesis was studied using machine-learning techniques. Results showed that import coupling is by far the most influent factor for change impact.
M.ABDI, H.LOUNIS, H.SAHRAOUI, M.RAHMOUNI
systèmes à objets, analyse de l'impact du changement, prédiction, métriques, apprentissage automatique.
object-oriented systems, change impact analysis, prediction, metrics, machinelearning.
Français
|
