Please use this identifier to cite or link to this item: http://hdl.handle.net/10316/90108
Title: IDE Com Destaque De Biofeedback Inteligente
Other Titles: IDE with Smart Biofeedback Highlight
Authors: Cahisso, Bongo Francisco
Orientador: Madeira, Henrique Santos do Carmo
Keywords: Falhas de Software, Engenharia de Software, plugins, IDE Eclipse; Biofeedback de programadores, carga cognitiva; realce do código-fonte, anotação do código-fonte; sincronização de dados, complexidade do código-fonte; aprendizagem máquina; Software failures, Software Engineering, plugins, Eclipse IDE; Programmer biofeedback, cognitive load; highlighting the source code, annotating the source code; data synchronization, source code complexity; machine learning
Issue Date: 12-Feb-2020
Serial title, monograph or event: IDE Com Destaque De Biofeedback Inteligente
Place of publication or event: Departamento de Engenharia Informática da Faculdade de Ciências e Tecnologias - DEI-FCTUC
Abstract: As falhas de softwares (i.e., bugs) podem ter consequências desastrosasdependendo da área de utilização do software. O controlodos erros dos programadores no desenvolvimento de softwareé realizado pelas equipas de testes, controlo de qualidadee de inspecção de software, mas os processos aplicados, paraalém de serem trabalhosos (devido do aumento drástico do númerode linhas de código) também acarretam custos elevados.Os ambientes de desenvolvimento integrado (IDE) que se usamno desenvolvimento de software possuem apenas mecanismo deidentificação de erros de compilação e de execução, ou seja,não identificam as verdadeiras falhas de software, que resultamde erros humanos em consequência de elevada carga cognitiva,cansaço mental, stress e outros estados emocionais em queo programador vive constantemente. Nesta tese de mestradoapresentamos o primeiro protótipo de uma abordagem radicalque permite associar a carga cognitiva do programador a linhasde código e a tokens lexicais, através de anotações de biofeedback.O protótipo desenvolvido consiste numa versão expandidado IDE Eclipse, que realiza anotações e marcações de códigofonteusando dados de biofeedback dos programadores, dadosdas operações realizadas no código-fonte e métricas de complexidadedo código. Com este protótipo e com o uso de MachineLearning sobre os dados de anotação, abre-se caminho ao desenvolvimentode modelos de estimativa da densidade de errose de análise de risco de software, através do uso da informaçãosobre os estados emocionais e cognitivos do programador, emconjunto com métricas de complexidade de código.
Software faults (i.e., bugs) may have disastrous consequencesdepending on the area of use of the software. The mitigation ofprogrammers’ errors in software development is carried out bysoftware quality control, namely by testing and software inspection,but the applied processes, in addition to being laborious(due to the drastic increase in the number of lines of code) alsoentail very high costs. The integrated development environments(IDE) that are used in software development only havemechanisms for identifying compilation and execution errors.That is, IDEs do not identify the true software faults, whichresult from human errors as consequence of high cognitive load,mental fatigue, stress and other emotional states in which theprogrammer constantly live. In this master thesis we presentthe first prototype of a radical approach that allows associatingthe programmer’s cognitive load to actual lines of code or lexicaltokens, through biofeedback annotations. The prototype developedconsists of an expanded version of the Eclipse IDE, whichmakes annotations and markup of source code using biofeedbackdata from programmers, including data from operations performedon source code and metrics of code complexity. With thisprototype, and with the use of Machine Learning on the annotationdata, it opens the way to the development of models forestimating error density and software risk analysis, through theuse of information on the emotional and cognitive states of theprogrammer, in conjunction with code complexity metrics.
Description: Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
URI: http://hdl.handle.net/10316/90108
Rights: embargoedAccess
Appears in Collections:UC - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat Login
IDE-com-Destaque-de-Biofeedback--FINAL-.pdf7.39 MBAdobe PDFEmbargo Access    Request a copy
Show full item record

Page view(s)

9
checked on Sep 24, 2020

Download(s)

1
checked on Sep 24, 2020

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons