Universidad de Belgrano Un abordaje al problema de completitud en requisitos de software Claudia Litvak, Graciela Hadad, Jorge Doorn Universidad Nacional de La Matanza Universidad Nacional del Centro de la Prov. Buenos Aires Universidad Nacional del Sur – Bahía Blanca

CACIC Litvak, Hadad, Doorn Un problema en la Ingeniería de Requisitos Incompletitud ¿Cómo establecer si se ha elicitado y modelado la información suficiente para construir un sistema de software que cubra las expectativas y necesidades de los clientes y usuarios?

CACIC Litvak, Hadad, Doorn Alternativas al problema Uso de técnicas de elicitación apropiadas Uso de técnicas de verificación y validación Definir y aplicar reglas de parada Estimar el grado de completitud alcanzado

CACIC Litvak, Hadad, Doorn Motivación Al construir los primeros modelos, existe una importante duda acerca del alcance del universo de información a estudiar Consecuencia: dos personas independientes construyen el mismo modelo con una cantidad diferente de elementos y ninguno de ambos modelos es un sub-conjunto propio del otro Pregunta: ¿Cuál es el verdadero modelo?

CACIC Litvak, Hadad, Doorn Hipótesis de Trabajo Los grupos de ingenieros tratan universos de información diferentes

CACIC Litvak, Hadad, Doorn Caso Estudiado Un modelo léxico elaborado con mucha anterioridad por 9 grupos independientes de ingenieros, aplicando la misma técnica de elicitación sobre el mismo universo

CACIC Litvak, Hadad, Doorn Trabajos Previos Doorn y Ridao (2003) aplicaron una variante del método de captura y recaptura Detection Profile Method sobre el modelo léxico para predecir su tamaño: Sus conclusiones: faltaban encontrar 9 símbolos léxicos sobre el total de 118 símbolos diferentes encontrados entre todos los grupos Observación: el grupo que más símbolos detectó alcanzó aprox. un nivel de completitud del 53% estimar la cantidad de información aún faltante de elicitar

CACIC Litvak, Hadad, Doorn Trabajo Realizado Estudio de las visiones de los elicitadores respecto al universo de información Análisis semántico sobre los elementos del modelo léxico previo a la aplicación del método predictivo

CACIC Litvak, Hadad, Doorn Visiones de los Elicitadores Se identificaron 5 categorías o sub- problemas que abarcaban el universo bajo estudio. Se analizó estadísticamente como cada grupo profundizó o no la elicitación de información en cada categoría Curvas obtenidas por categoría son aproximadamente gaussianas Tamaño de muestra pequeño: 9 grupos Distribución t-Student

Visiones de los Elicitadores: estudio de la categoría Administración de Bien Tipo Hipótesis: Comprobación estadística: +99% de que los tres universos presenten entre sí una diferencia estructural Universo observado por Grupos 2, 3, 6 y 8 Universo observado por Grupos 4, 7 y 9 Universo observado por Grupos 1 y 5

CACIC Litvak, Hadad, Doorn Visiones de los Elicitadores: Resumen Gestión de Cuotas 8 grupos el mismo universo 1 grupo (outlier) otro universo Administración del Bien Tipo 3 universos distintos Administración del Plan 2 universos distintos Adjudicación del Bien Tipo 2 universos distintos Adhesión al Plan1 único universo todos

CACIC Litvak, Hadad, Doorn Trabajo Realizado Estudio de las visiones de los elicitadores respecto al universo de información Análisis semántico sobre los elementos del modelo léxico previo a la aplicación del método predictivo

CACIC Litvak, Hadad, Doorn Análisis Semántico Trabajo Previo: Aplicación del método predictivo DPM para estimar el tamaño de un modelo léxico Observación: el grupo que más símbolos detectó alcanzó aproximadamente un nivel de completitud del 53% Total elicitado : 118 símbolos Total estimado: 127 símbolos 67 símbolos elicitados sobre 127 estimados

CACIC Litvak, Hadad, Doorn Análisis Semántico Se requiere corrección semántica antes de realizar la estimación de tamaño, por ser modelos de requisitos en lenguaje natural Símbolos con similar contenido no detectados dentro del mismo grupo Símbolos con similar contenido no detectados entre grupos Símbolos fuera del límite del universo Símbolos con nombre o información no relevante contenida en otros símbolos

Análisis Semántico: estudio de la categoría Administración de Bien Tipo Estudio Estadístico Inicial Estadística con Corrección Semántica

CACIC Litvak, Hadad, Doorn Análisis Semántico: Resumen Gestión de Cuotas 8 grupos el mismo universo 1 grupo (outlier) otro universo Administración del Bien Tipo 3 universos distintos Administración del Plan2 universos distintos Adjudicación de Bien Tipo1 único universo todos Adhesión al Plan1 único universo todos = cantidad de universos composición cantidad de universos Se descartaron el 25% de los elementos elicitados para realizar el nuevo estudio estadístico

CACIC Litvak, Hadad, Doorn Conclusiones Se estableció estadísticamente que los grupos de ingenieros tuvieron distintas percepciones del universo de información según las categorías. Se observó que aplicando el método de captura y recaptura para estimar el grado de completitud de un modelo de requisitos sin evaluar inicialmente la semántica de los elementos del modelo, provoca una distorsión importante en los resultados obtenidos.

CACIC Litvak, Hadad, Doorn Próximos Pasos Proponer heurísticas para guiar el alcance del trabajo en una etapa temprana Comprender qué grupos trabajaron correctamente Refinar el análisis semántico Criterios precisos de comparación Heurísticas para mejorar la construcción del modelo Heurísticas que ayuden a precisar los límites del universo

CACIC Litvak, Hadad, Doorn Nueva estimación del tamaño: 104 símbolos

CACIC Litvak, Hadad, Doorn Gracias por su atención! ¿Preguntas? Graciela Hadad: