Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-05-03T19:36:54Z No. of bitstreams: 1 AMAURY BARTOLOMEU CARNEIRO DE MEDEIROS - DISSERTAÇÃO PPGCC 2015..pdf: 3809714 bytes, checksum: e4ae5f10c7d2ee693dd71ba13c914ebf (MD5) / Made available in DSpace on 2018-05-03T19:36:54Z (GMT). No. of bitstreams: 1 AMAURY BARTOLOMEU CARNEIRO DE MEDEIROS - DISSERTAÇÃO PPGCC 2015..pdf: 3809714 bytes, checksum: e4ae5f10c7d2ee693dd71ba13c914ebf (MD5) Previous issue date: 2015-12-02 / Apesar do alto número de métricas de software que vêm sendo apresentadas desde a década de 1960, sua adoção e implantação ainda é limitada em diversas situações. Um desafio encontrado ao se usar métricas é interpretá-las para se fazer análises e predições em projetos de desenvolvimento de software. Alguns pesquisadores propuseram abordagens para definir limiares que determinam se um valor medido para uma métrica é aceitável ou não, com o intuito de auxiliar desenvolvedores e gerentes a interpretá-la. Essas abordagens, no entanto, não consideram riscos e outros fatores subjetivos que têm impacto no processo de medição e que podem influenciar a interpretação das métricas e, consequentemente, nas decisões do gerente Outros pesquisadores propuseram modelos que combinam métricas de software e fatores subjetivos para auxiliar o processo de tomada de decisões, mas eles não consideraram riscos na interpretação, como problemas nos processos de coleta e relatório de métricas ou o mau uso destas. Nesta pesquisa, é proposta uma abordagem para se construir redes Bayesianas para auxiliar a interpretação de métricas considerando esses riscos. As redes Bayesianas construídas auxiliam os gerentes a identificar riscos relacionados a métricas e fatores controladores para mitigá-los. O objetivo é maximizar a acurácia das métricas e minimizar o número de decisões erradas tomadas com base em métricas de software. A abordagem foi validada com sucesso em um estudo de caso aplicado em quatro projetos e foi concluído que se trata de uma abordagem promissora para auxiliar gerentes e desenvolvedores a interpretar métricas e dar suporte ao processo de tomada de decisão em projetos de software. / Despite the large amount of software metrics that has been proposed since the 1960s, their adoption and application is still limited in many situations. A challenge in using metrics is to interpret them to make assessments and predictions regarding software development projects. Several researchers proposed approaches to define thresholds to determine whether the value of a metric is acceptable, in order to help the developers and managers to interpret it. These approaches, however, do not consider risks and other subjective factors that have impact in the measurement process and might influence the metrics’ interpretation and consequently the manager’s decision. Other researchers proposed models combining software metrics and subjective factors to assist on decision-making, but they did not consider interpretation risks such as problems in metrics’ collection and reporting process and metrics misuse. In this research, we propose an approach to construct Bayesian networks to assist on metrics interpretation considering these risks. The Bayesian networks constructed help the managers to identify risks related to the metrics and controller factors to mitigate them. The goal is to maximize the metrics’ accuracy and minimize wrong decisions based on software metrics. The approach was successfully validated with a case study performed with four projects and we concluded that it’s a promising approach to assist practitioners to interpret metrics and support software projects managerial decision-making.