Submitted by Lucienne Costa (lucienneferreira@ufcg.edu.br) on 2018-03-28T20:50:30Z No. of bitstreams: 1 LEONARDO DA COSTA SANTOS - DISSERTAÇÃO (PPGCC) 2017.pdf: 1052959 bytes, checksum: 86527931b8f10cbdea926396a36e5169 (MD5) / Made available in DSpace on 2018-03-28T20:50:30Z (GMT). No. of bitstreams: 1 LEONARDO DA COSTA SANTOS - DISSERTAÇÃO (PPGCC) 2017.pdf: 1052959 bytes, checksum: 86527931b8f10cbdea926396a36e5169 (MD5) Previous issue date: 2017 / Métricas possuem um papel fundamental no processo de gerenciamento da qualidade de software. Apesar dos seus potenciais benefícios, elas geralmente são utilizadas apenas para quantificação, não oferecendo suporte adequado à tomada de decisão durante o ciclo de vida do software. Para potencializar a utilização das métricas, é essencial definir valores de referência significativos (i.e., thresholds), atribuindo, assim, significado para os números coletados. O objetivo deste trabalho é apresentar uma abordagem para definição de valores de referência de métricas de software de acordo com o contexto do projeto. A abordagem consiste em definir os fatores de contexto que influenciam os valores de referência da métrica em questão a partir de conhecimento elicitado de especialistas. Essas informações são utilizadas para construir uma rede Bayesiana que pode ser utilizada para auxiliar na tomada de decisão. A solução proposta foi avaliada por meio de um estudo piloto realizado com três gerentes de projetos reais de desenvolvimento de software. Os dados foram coletados com os profissionais para construir redes Bayesianas, para identificar e validar os valores de referência para as métricas Número de Bugs Minor, Número de Alertas de Análise Estática e Porcentagem de Cobertura de Código. A abordagem proposta mostrou-se promissora para auxiliar os profissionais a identificar valores de referência representativos, potencializando tomadas de decisões mais assertivas no processo de gerenciamento de projetos de software / Metrics play a key role in the software quality management process. Despite their potential benefits, they are generally only used for quantification, not providing adequate support to the decision-making process during the software’s life cycle. To enhance the use of metrics, it is essential to define meaningful reference values (i.e., thresholds), thus giving meaning to the data collected. This work aims to propose an approach to define the software metrics’ reference values according to the project’s context. The approach consists of using the specialists’ elicited knowledge to define context factors that influence the metric’s reference values. This information is used to build a Bayesian network that can be used to aid in the decision-making process. The proposed solution was evaluated through a pilot study conducted with three managers of real software development projecst. Data were collected from the software project managers in order to build Bayesian networks to identify and validate reference values for the Number of Minor Bugs, the Number of Static Analysis Alerts, and the Code Coverage Percentage metrics. Each metric was validated in three scenarios. The proposed approach has shown to be promising in helping professionals to identify representative reference values, promoting a more assertive decision making when it comes to the software project management process