Академический Документы
Профессиональный Документы
Культура Документы
I. INTRODUCTION
La qualité des logiciels signifie dans quelle mesure un
système ou un processus satisfait aux exigences identifiées [1].
En effet, la qualité décrit et mesure ce qu'un système fait, ainsi
que la façon dont il est construit et fonctionne. Selon la
définition de la norme ISO 9126, la qualité d'un logiciel est
"l'ensemble des caractéristiques et attributs d'un produit
logiciel qui influent sur son aptitude à satisfaire des besoins
déclarés ou implicites" [2]. Les caractéristiques et attributs des
logiciels peuvent être classés en deux groupes différents :
internes et externes. Les attributs de qualité internes peuvent
être mesurés directement au cours des différentes étapes du
cycle de développement du logiciel ainsi qu'après la livraison,
tandis que l'attribut de qualité externe peut être considéré
comme multidimensionnel dans la mesure où de nombreux
facteurs de qualité sont liés à d'autres facteurs de qualité, et où
chacun dépend d'un certain nombre d'attributs de qualité
internes [3].
Un modèle de qualité logicielle peut être utilisé pour
spécifier divers attributs externes qui intéressent les parties
prenantes et leur niveau d'importance. Il décrit également la
relation fonctionnelle entre les attributs externes d'intérêt et les
attributs internes correspondants que nous pouvons mesurer.
Plutôt que d'utiliser des modèles de qualité pour évaluer les
attributs externes après coup, il est plus courant d'utiliser des
modèles de qualité pour prévoir les attributs externes de
qualité avant qu'il ne soit trop tard. En d'autres termes, le
modèle de qualité permet de prédire les attributs de qualité
externes en fonction de plusieurs autres variables qui sont en
fait des attributs de qualité internes mesurables. Dans ce cas,
ces attributs internes servent de prédicteurs pour prévoir les
futurs attributs de qualité externes à des stades précoces du
cycle de développement. Par exemple, si la maintenabilité est
littérature pour traiter principalement des relations
à partir de certains attributs internes (par exemple, le fonctionnelles. Dans le présent document, nous présentons une
couplage et la cohésion) qui sont mesurables pendant le étude complète qui aborde deux points de vue sur ces
processus de conception, plutôt que d'attendre d'évaluer tentatives. Alors que la section II introduit la quantification
l'effort et le coût de maintenance après coup. des paramètres affectant la qualité du logiciel, la section III
passe en revue les études qui utilisent les techniques
L'évaluation/prévision d'un attribut de qualité externe d'apprentissage machine (ML) pour prédire la qualité du
particulier implique deux tâches principales : l'identification logiciel. Ensuite, les questions en suspens et les lacunes des
des facteurs ou des attributs de qualité internes contribuant à études étudiées sont examinées dans la section IV.
l'attribut externe visé ; et l'identification de la relation
fonctionnelle entre l'attribut externe et les attributs internes
correspondants. Différents modèles génériques de qualité des II. QUANTIFICATION DES PARAMÈTRES DE QUALITÉ
logiciels ont été proposés par divers chercheurs, tels que le Actuellement, la quantification des paramètres affectant les
modèle de Boehm [4], le modèle de McCall [5], le modèle logiciels
ISO/IEC 9126 [6] et le modèle de Dromey [7]. Ces modèles La qualité est un domaine important de la recherche en génie
ont été développés pour permettre de définir et de mesurer la logiciel (SWE). Différents paramètres sont quantifiés dans
qualité des logiciels dans différentes perspectives en décrivant diverses études en raison de leurs effets sur la qualité des
et en évaluant un ensemble d'attributs des logiciels. logiciels. Les modèles de qualité des logiciels peuvent être
Cependant, ces modèles importants fournissent davantage de classés en deux catégories : les modèles fixes et les modèles
cadres pour évaluer et prédire la qualité des logiciels que des "définissez votre propre modèle" [8].
modèles concrets prêts à être appliqués par les praticiens. En
particulier, ces modèles de qualité ne fournissent pas de A. L'approche du modèle fixe
relations fonctionnelles spécifiques entre les attributs internes
et externes. Il convient de noter ici que dans la plupart des Ce type de modèles spécifie un ensemble particulier de
cas, ces relations pourraient être plus complexes qu'une qualités lorsque l'ensemble des attributs identifiés par le client
simple relation linéaire. Guidés par ces modèles de premier est un
plan, de nombreuses tentatives ont été proposées dans la
V. CONCLUSION
Dans cet article, nous avons réalisé une étude
bibliographique complète des approches actuelles de
modélisation de la prédiction de la qualité des logiciels. Notre
objectif est d'identifier l'état de l'art en ce qui concerne
l'utilisation des deux principales sources de connaissances
pour la construction de modèles. La condition préalable à une
combinaison efficace des sources de connaissances est la
transparence du modèle. L'enquête a révélé qu'aucun des
modèles actuels ne traite la question de la transparence du
modèle.
REMERCIEMENTS
Les auteurs souhaitent remercier l'Université King Fahd
du pétrole et des minéraux pour son soutien à cette recherche.
RÉFÉRENCES
[1] Gillies et A. C, Software Quality : Theory and management, 1992,
Londres : Chapman et Hall.
[2] Norme, I.I., ISO-9126 Évaluation des produits logiciels -
Caractéristiques de qualité et lignes directrices pour leur utilisation,
1991.
[3] Fenton, N.E. et S.L. Pfleeger, Software Metrics : A Rigorous and
Practical Approach1998, Boston, MA, USA PWS Publishing Co.
[4] Boehm, B.W., et al, Characteristics of Software Quality, 1978 : North
Holland Publishing Company.
[5] McCall, J.A., P.K. Richards et G.F. Walters, Factors in Software
Quality I. Vol. I et III, Rapports du Centre de développement aérien de
Rome aux États-Unis - NTIS AD/A-049 014, NTIS AD/A-049 015 et
[7] Dromey, R.G., Un modèle pour la qualité des produits logiciels. IEEE [28] Shukla, R. et A.K. Misra. Estimating Software Maintenance Effort A
Transactions on Software Engineering, 1995. 21(146-162). Neural Network Approach. dans les Actes de la 1ère conférence indienne
[8] Trendowicz, A. et T. Punter. Quality Modeling for Software Product sur le génie logiciel ISEC '08. 2008. Hyderabad, Inde.
Lines. in : 7th ECOOP Workshop on Quantitative Approaches in Object- [29] Mittal, H., P.K. Bhatia et P. Goswami, Software Quality Assessment
Oriented Software Engineering (QAOOSE'03). 2003. Based on Fuzzy Logic Technique. International Journal of Software
[9] Lamouchi, O., A.R. Cherif et N. Lévy. A framework based Computing Applications, 2008( 3) : p. 105-112.
measurements for evaluating an IS quality. in Proceedings of the fifth on [30] Srivastava, P.R., A.P. Singh, et K.V. Vageesh, Assessment of Software
Asia-Pacific conference on conceptual modelling. 2008. Wollongong, Quality : A Fuzzy Multi - Criteria Approach, in Evolution of
NSW, Australie. Computation and Optimization Algorithms in Software Engineering :
[10] Srivastava, P.R. et K. Kumar. An Approach towards Software Quality Applications and Techniques, 2010, IGI Global USA. p. 200-219.
Assessment. in Communications in Computer and Information Systems [31] Srivastava, P.R., et al. Software quality factor evaluation using Fuzzy
Series (CCIS Springer Verlag). 2009. multicriteria approach. in Proceedings of the 4th Indian International
[11] Kanellopoulos, Y., et al, Code Quality Evaluation Methodology Using Conference on Artificial Intelligence (IICAI 2009). Décembre 2009.
The Iso/Iec 9126 Standard. International Journal of Software Tumkur, Karnataka, Inde.
Engineering & Applications (IJSEA), 2010. 1(3) : p. 17-36. [32] Yang, H., Measuring Software Product Quality with ISO Standards Base
[12] Samoladas, I., et al, The SQO-OSS quality model : measurement based on Fuzzy Logic Technique Affective Computing and Intelligent
open source software evaluation. 2008. Interaction : Advances in Intelligent and Soft Computing, 2012 (Progrès
de l'informatique intelligente et de l'informatique douce). 137 : p. 59-67.
[13] Lazić, L., A. Kolašinac, et D. Avdić, Le modèle économique de la
qualité des logiciels pour l'optimisation des projets logiciels. WSEAS [33] Yuen, K.K.F. et H.C.W. Lau. Evaluating Software Quality of Vendors
transactions on computers, 2009. 8(1) : p. 21-47 using Fuzzy Analytic Hierarchy Process. in Proceedings of the
International Multi Conference of Engineers and Computer Scientists
[14] Zhang, D. et J.J.P. Tsai, Apprentissage automatique et génie logiciel. Vol I (IMECS 2008). Mars 2008. Hong Kong.
Software Quality Journal, 2003. 11(2) : p. 87-119.
[34] Yuen, K.K.F. et H.C.W. Lau, Fuzzy group analytical hierarchy process
[15] Jin, C. et J.-A. Liu. Applications of Support Vector Mathine and approach for software quality assurance management : Méthode des
Unsupervised Learning for Predicting Maintainability using Object- moindres carrés logarithmiques flous. Systèmes experts avec
Oriented Metrics. in The Second International Conference on applications : An International Journal, août 2011. 38(8) : p. 10292-
MultiMedia and Information Technology. 2010 10302.
[16] Singh, Y., A. Kaur et R. Malhotra. Software Fault Proneness Prediction [35] Mago, J. et P. Kaur. Analysis of Quality of the Design of the Object
Using Support Vector Machines. in Proceedings of the World Congress Oriented Software using Fuzzy Logic. in International Conference on
on Engineering. 2009. Londres, Royaume-Uni. Recent Advances and Future Trends in Information Technology. 2012.
[17] Malhotra, R., A. Kaur et Y. Singh, Empirical validation of object- [36] Mittal, J.P., P. Bhatia et H. Mittal, Software maintenance productivity
oriented metrics for predicting fault proneness at different severity levels assessment using fuzzy logic. ACM SIGSOFT Software Engineering
using support vector machines. Int J Syst Assur Eng Manag (juillet- Notes, sept. 2009. 34(5).
septembre), 2010. 1(3) : p. 269-281.
[37] Sharma, A., P.S. Grover, et R. Kumar, Predicting Maintainability of
[18] Al-Jamimi, H. et L. Ghouti. Efficient prediction of software fault Component-Based Systems by Using Fuzzy Logic in Contemporary
proneness modules using support vector machines and probabilistic Computing : Communications in Computer and Information Science,
neural networks. in 5th Malaysian Conference in Software Engineering 2009. p. 581-591.
(MySEC). 2011.
[38] Singh, Y., P.K. Bhatia, et O. Sangwan, Predicting software maintenance
[19] Radliński, Ł., A conceptual Bayesian net model for integrated software using fuzzy model. ACM SIGSOFT Software Engineering Notes 2009
quality prediction Journal of Annales UMCS Informatica, 2011. 11(4) : 34 (4) : p. 1-6.
p. 49-60.
[39] Al-Jamimi, H.A. et M. Ahmed. Prediction of Software Maintainability
[20] Radlinski, L., A Survey of Bayesian Net Models for Software Using Fuzzy Logic. in IEEE 3rd ICESS. 2012. Beijing, Chine.
Development Effort Prediction. International Journal of Software Eng.
and Computing, 2010. 2 : p. 95-109. [40] Chang, E. et T.S. Dillon, A Usability-Evaluation Metric Based on a Soft-
Computing Approach. IEEE TRANSACTIONS ON SYSTEMS, MAN,
[21] Wagner, S. A Bayesian Network Approach to Assess and Predict AND CYBERNETICS-PART A : SYSTEMS AND HUMANS, mars
Software Quality Using Activity-Based Quality Models. in : 5th Int. 2006. 36(2).
Conf. on Predictor Models in Software Engineering. 2009. ACM Press,
New York. [41] Lin, J.-C. et K.-C. Wu. Evaluation of Software Understandability Based
Based On Fuzzy Matrix. in in IEEE International Conference on Fuzzy
[22] Radliński, Ł. A Framework for Integrated Software Quality Prediction Systems (FUZZ 2008). 2008.
Using Bayesian Nets. in ICCSA 2011. 2011.
[42] Sandhu, P.S., D.S. Salaria, et H. Singh, A Comparative Analysis of
[23] Radliński, Ł. Enhancing Bayesian Network Model for Integrated Fuzzy, Neuro-Fuzzy and Fuzzy-GA Based Approaches for Software
Software Quality Prediction. in The Fourth International Conference on Reusability Evaluation. Académie mondiale des sciences, de l'ingénierie
Information, Process, and Knowledge Management. 2012. et de la technologie, 2008.
[24] Jeet, K. et R. Dhir, Bayesian and Fuzzy Approach to Assess and Predict [43] Nerurkar, N.W., A. Kumar et P. Shrivastava, Assessment of reusability
the Maintainability of Software : A Comparative Study. International in aspect-oriented systems using fuzzy logic. ACM SIGSOFT Software
Scholarly Research Network ISRN Software Engineering, 2012.
Engineering Notes archive, 2010 35 (5) : p. 1-5
[25] Kanmani, S., et al, Object oriented software fault prediction using neural [44] Sharmaa, R.K., D. Kumarb et P. Kumarb, Fuzzy modeling of system
networks. Information and Software Technology, 2007. 49(5) : p. 483- behavior for risk and reliability analysis. International Journal of
492. Systems Science, 2008 39(6) : p. 563-581.
[26] Yang, B., L. Yao et H.Z. Huang. Early Software Quality Prediction [45] Guillaume, S., Conception de systèmes d'inférence floue à partir de
Based on a Fuzzy Neural Network Model. in Proceedings of the Second données : un examen axé sur l'interprétabilité. IEEE Trans. Fuzzy
International Conference on Innovative Computing, Information and Systems, 2001. 9 p. 426-443.
Control. 2007. Washington DC, États-Unis.
[46] Paiva, R.P. et A. Dourado, Interpretability and learning in neuro-fuzzy
[27] Su, Y.-S. et C.-Y. Huang, approches basées sur les réseaux neuronaux systems. Fuzzy Sets and Systems, 2004. 147 p. 17-38.
pour l'estimation de la fiabilité des logiciels à l'aide de modèles
combinatoires pondérés dynamiques. The Journal of Systems and [47] Ahmed, M.A. et H.A. Al-Jamimi, Approches d'apprentissage
Software, 2007. 80 p. 606-615. automatique pour la prédiction de la maintenabilité des logiciels : A
Fuzzy-based Transparent Model. IET Software, 2013.