Year: 2019
Type: dissertation
Abstract: Leggere e comprendere codice sorgente è un requisito intrinseco di molte attività legate alla ma-nutenzione e all’evoluzione di sistemi software. Gli sviluppatori devono leggere e comprendere il codice esistente prima di poter iniziare a lavorare a uno specifico compito. Senza una conoscenza completa del codice sorgente, infatti, gli sviluppatori non sarebbero in grado correggere errori o aggiungere nuove funzionalità. Stimare automaticamente la leggibilità e la comprensibilità del codice sorgente potrebbe aiutare a prevedere lo sforzo richiesto per modificare specifiche com-ponenti di un sistema. Inoltre, una metrica in grado di misurare oggettivamente tali aspetti po-trebbe essere importante per migliorare la qualità dei test generati automaticamente. In questa testi si prova a migliorare l’accuratezza dei modelli di leggibilità già esistenti in lettera-tura, introducendo nuove metriche in grado di misurare aspetti testuali del codice. Si prova, poi, ad andare oltre la leggibilità, sperimentando l’efficacia di un gran numero di metriche nella valu-tazione automatica della comprensibilità del codice. I risultati mostrano che non è ancora possibi-le stimare automaticamente la comprensibilità del codice sorgente. Nel contesto del software te-sting si introduce una nuova metrica, chiamata “Coverage Entropy”, che mira a stimare la com-prensibilità dei casi di test. Si è integrata la Coverage Entropy nel processo di generazione auto-matica di casi di test al fine di migliorarne la comprensibilità; si è, quindi, definito un nuovo ap-proccio, chiamato TERMite. I risultati mostrano che TERMite genera un minor numero di casi di test “eager” rispetto allo stato dell’arte e che riesce a migliorare anche altri aspetti di qualità, co-me la coesione dei test.
Author: Simone Scalabrino
Language: English
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W3030593835
