• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Avaliação de qualidade de dados de métricas de esforço baseada em data provenance e fuzzy logic

Berardi, Rita Cristina Galarraga January 2009 (has links)
Made available in DSpace on 2013-08-07T18:43:22Z (GMT). No. of bitstreams: 1 000414772-Texto+Completo-0.pdf: 3624388 bytes, checksum: c10fabbfe10eccf72e794ff38d0dacb4 (MD5) Previous issue date: 2009 / Increasingly, software organizations are concerned about improving the product and the process by which the product was made. For that, organizations use models of maturity, which indicates the collection of metrics to control their processes. However, in most of the time they make e ort in collecting and storing these data but do not pay attention on their quality. Since making decision process is based on metric, if this metric is not reliable consequently the making decision process will not be. In this sense, a proper assessment of the quality of such data is the rst step to ensure that the metrics can be used in sucient reliability. An approach that can assist this assessment is related to the use of date provenance associated with a mechanism of logical inference. This research proposes an architecture for assessing the quality of data e ort composed of four main components: 1-a metric provenance database, 2- a model of inference based on fuzzy logic, 3-a database for storing ratings of quality and 4 - an analytical model for analysis of historical data of quality of e ort. The contribution of this work is to provide an assessment of data quality metrics of e ort in Software Development Process, searching evident the reasons for a low quality. Having the model of inference it is possible assigning levels of quality to the data, and thus enabling the identication of those who are actually useful to a decision making trust. / Cada vez mais as organizações de software estão preocupadas com melhoria do seu processo e consequentemente do seu produto. Para isso, as organizações utilizam modelos de maturidade, os quais indicam a coleta de métricas para o controle de seus processos. No entanto, o esforço com relação a essas métricas está relacionado à sua intensa coleta e utilização e não é dada a devida atenção à qualidade dos dados das mesmas. O impacto da falta de qualidade dos dados dessas métricas é refletido diretamente nos custos da organização visto que as métricas embasam o processo de tomada de decisão o qual pode ser de baixa confiabilidade devido os seus dados de base também o serem. Uma avaliação adequada da qualidade desses dados é o primeiro passo para garantir que as métricas possam ser usadas com a devida confiabilidade. Uma abordagem que pode auxiliar essa avaliação está relacionada ao uso de data provenance (proveniência de dados) associado a um mecanismo de inferência lógica. Este trabalho propõe uma arquitetura para avaliação da qualidade de dados de esforço composta por quatro principais componentes: 1-uma base de data provenance de métricas, 2-um modelo de inferência baseado em fuzzy logic, 3-uma base de dados para armazenamento de avaliações e 4- um modelo analítico para análise de histórico de qualidade de dados de esforço. A contribuição deste trabalho é prover uma avaliação da qualidade dos dados de métricas de esforço em PDS, buscando evidenciar as razões da eventual baixa qualidade. Através do modelo de inferência, é possível atribuir níveis de qualidade aos dados possibilitando assim a identicação daqueles que são efetivamente úteis para um processo de tomada de decisão confiável. Além disso, de acordo com seus níveis de qualidade, os dados podem ser direcionados para diferentes tipos de acompanhamento do projeto, cujos níveis de exigência de qualidade podem ser distintos.

Page generated in 0.0292 seconds