MétaCan
Menu
Retour à la cohorte
Enregistrement W4405522649 · doi:10.1109/conisoft63288.2024.00021

Next-Generation Metric for Software Complexity Analysis

2024· article· en· W4405522649 sur OpenAlexaff
Thathsarani H. A. N. N

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Research
Établissements canadiensHatch (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMetric (unit)SoftwareSoftware metricSoftware engineeringTheoretical computer scienceSoftware developmentProgramming languageSoftware constructionEngineering

Résumé

récupéré en direct d'OpenAlex

This research introduces the Holistic Cognitive Complexity (HCC) metric, an innovative object-oriented measurement method evolved from the traditional CB metric to offer a more comprehensive assessment of software complexity. By integrating additional complexity factors such as array usage and thread management, the HCC metric addresses both structural and cognitive complexities, providing a holistic view of modern software development. The practical utility of the HCC metric is demonstrated through a comparative analysis with the traditional CB metric, using a sample program to highlight the added intricacies captured by the HCC metric. The detailed complexity assessment facilitated by the HCC metric enables developers to identify potential problem areas early in the development process, guiding targeted refactoring and optimization efforts. This proactive identification of complexity hotspots is crucial for maintaining high standards of software quality and ensuring maintainability and scalability over time. Additionally, the HCC metric aids in better resource allocation and project planning by providing a more accurate measure of complexity, thus supporting effective project estimation and resource distribution. The significant contributions of the HCC metric include its ability to quantify the complexities introduced by advanced programming constructs like arrays and threads, offering deeper insights into software complexity than traditional metrics. This research underscores the importance of continuous enhancement of complexity metrics to address emerging challenges in software development. The HCC metric's robust framework and detailed assessment promise to elevate software quality, reliability, and maintainability, making it a valuable tool for software developers, analysts, and project managers.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,035
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0100,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,127
Tête enseignante GPT0,332
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoftware Engineering ResearchTravaux en français237 207