Una métrica para medir deuda técnica basada en el análisis de las más usadas. Caso de estudio del repositorio Square
La deuda técnica es un componente principal del costo de propiedad de la aplicación, se ha convertido en una de las metáforas más importantes para expresar los atajos de desarrollo, que causan la degradación de la calidad interna del software. Es necesario recalcar que, existen métricas de código ab...
- Autores:
-
Diaz Mena, Didier
- Tipo de recurso:
- Fecha de publicación:
- 2024
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/86250
- Palabra clave:
- 000 - Ciencias de la computación, información y obras generales::003 - Sistemas
Medición de software
Lenguajes de programación (Computadores electrónicos)
Deuda Técnica
Métricas
Repositorio
lenguajes de programación
Technical Debt
Metrics
Repository
Programming language
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| id |
UNACIONAL2_cd0caa24c212af85970e34701149f61a |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/86250 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Una métrica para medir deuda técnica basada en el análisis de las más usadas. Caso de estudio del repositorio Square |
| dc.title.translated.eng.fl_str_mv |
A metric to measure technical debt based on the analysis of the most used ones. Square repository case study |
| title |
Una métrica para medir deuda técnica basada en el análisis de las más usadas. Caso de estudio del repositorio Square |
| spellingShingle |
Una métrica para medir deuda técnica basada en el análisis de las más usadas. Caso de estudio del repositorio Square 000 - Ciencias de la computación, información y obras generales::003 - Sistemas Medición de software Lenguajes de programación (Computadores electrónicos) Deuda Técnica Métricas Repositorio lenguajes de programación Technical Debt Metrics Repository Programming language |
| title_short |
Una métrica para medir deuda técnica basada en el análisis de las más usadas. Caso de estudio del repositorio Square |
| title_full |
Una métrica para medir deuda técnica basada en el análisis de las más usadas. Caso de estudio del repositorio Square |
| title_fullStr |
Una métrica para medir deuda técnica basada en el análisis de las más usadas. Caso de estudio del repositorio Square |
| title_full_unstemmed |
Una métrica para medir deuda técnica basada en el análisis de las más usadas. Caso de estudio del repositorio Square |
| title_sort |
Una métrica para medir deuda técnica basada en el análisis de las más usadas. Caso de estudio del repositorio Square |
| dc.creator.fl_str_mv |
Diaz Mena, Didier |
| dc.contributor.advisor.none.fl_str_mv |
Espinosa Bedoya, Albeiro |
| dc.contributor.author.none.fl_str_mv |
Diaz Mena, Didier |
| dc.contributor.researchgroup.spa.fl_str_mv |
Calidad de Software |
| dc.subject.ddc.spa.fl_str_mv |
000 - Ciencias de la computación, información y obras generales::003 - Sistemas |
| topic |
000 - Ciencias de la computación, información y obras generales::003 - Sistemas Medición de software Lenguajes de programación (Computadores electrónicos) Deuda Técnica Métricas Repositorio lenguajes de programación Technical Debt Metrics Repository Programming language |
| dc.subject.lemb.none.fl_str_mv |
Medición de software Lenguajes de programación (Computadores electrónicos) |
| dc.subject.proposal.spa.fl_str_mv |
Deuda Técnica Métricas Repositorio lenguajes de programación |
| dc.subject.proposal.eng.fl_str_mv |
Technical Debt Metrics Repository Programming language |
| description |
La deuda técnica es un componente principal del costo de propiedad de la aplicación, se ha convertido en una de las metáforas más importantes para expresar los atajos de desarrollo, que causan la degradación de la calidad interna del software. Es necesario recalcar que, existen métricas de código abierto las cuales proporcionan datos numéricos en algunos productos de software y que a su vez permiten medir el índice de mantenibilidad, Complejidad ciclomática, Profundidad de herencia, Acoplamiento de clases, Líneas de código fuente, Líneas de código ejecutable donde los desarrolladores pueden identificar riesgos y hacer seguimiento continuo. No obstante, la literatura informa de varias métricas de software para líneas de productos y proceso, otras orientadas a objetos. En efecto, se realiza una búsqueda centralizada de varios repositorios de código abierto en la plataforma GitHub con el objetivo de dar cumplimiento a la necesidad expuesta de acuerdo a los criterios definido donde fueron preseleccionado nueve repositorios específicamente con el lenguaje Python obteniendo A si una mayor puntuación el repositorio de código abierto (square/square-python-sdk) para la aplicación de la métrica ya que es un proyecto medible desde todos sus ámbitos. En síntesis, se efectúa el análisis de los datos mediante el método estadístico ACP, también la normalización y cálculo de los pesos sobre las referencias de las métricas más usadas en la literatura. Finalmente, se valida la métrica propuesta aplicada al repositorio Square como caso de estudio donde se realizó el desarrollo del consumo de una API tanto a nivel Backend y FrontEnd. (Tomado de la fuente) |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-06-18T00:19:52Z |
| dc.date.available.none.fl_str_mv |
2024-06-18T00:19:52Z |
| dc.date.issued.none.fl_str_mv |
2024-06-17 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/86250 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/86250 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.indexed.spa.fl_str_mv |
LaReferencia |
| dc.relation.references.spa.fl_str_mv |
Abilio, R., Vale, G., Figueiredo, E., & Costa, H. (16 de Mayo de 2016). Metrics for Feature-Oriented Programming. IEEE, 1-7. doi:10.1109/WETSoM.2016.014 Al Mamun, M., Martini, A., Staron, M., & Berger, C. (7 de Noviembre de 2019). Evolution of technical debt: An exploratory study. Digitala Vetenskapliga Arkivet, 2476, 1-16. Recuperado el 24 de Enero de 2024, de https://www.diva-portal.org/smash/record.jsf?pid=diva2%3A1368627&dswid=-9383 Alali, A., Kagdi, H., & Maletic, J. I. (2 de Julio de 2008). What's a Typical Commit? A Characterization of Open Source Software Repositories. IEEE, 1-10. doi:10.1109/ICPC.2008.24 Alfayez, R., Alwehaibi, W., Winn, R., Venson, E., & Boehm, B. W. (28 de Junio de 2020). A systematic literature review of technical debt prioritization. ACM Digital Library, 1-42. doi:10.1145/3387906.3388630 Amanatidis, T., Mittas, N., Moschou, A., Chatzigeorgiou, A., & Ampatzoglou , A. (26 de Agosto de 2020). Evaluating the agreement among technical debt measurement tools: building an empirical benchmark of technical debt liabilities. Springer Nature, 25, 4161-4204. doi:https://doi.org/10.1007/s10664-020-09869-w Angular. (12 de Diciembre de 2023). Angular. Recuperado el 16 de Enero de 2024, de https://angular.io/docs Ardimento, P., Aversano, L., Bernardi, M., Cimitile, M., & Iammarino, M. (Diciembre de 2022). Using deep temporal convolutional networks to just-in-time forecast technical debt principal. Science direct, 194. doi:https://www.sciencedirect.com/science/article/pii/S0164121222001649 Arvanitou, E. M., Ampatzoglou, A., Bibi, S., Chatzigeorgiou, A., & Stamelos, I. G. (2019). Monitoring Technical Debt in an Industrial Setting. ACM Digital Library, 123–132. doi:10.1145/3319008.3319019 Atlassian. (22 de Mayo de 2023). Atlassian. Recuperado el 22 de Mayo de 2023, de https://www.atlassian.com/es/git/tutorials/making-a-pull-request#:~:text=Las%20pull%20requests%20son%20una,integrarlos%20en%20el%20proyecto%20oficial Avgeriou, P., Taibi, D., Ampatzoglou, A., Fontana, F., & Besker, T. (18 de Septiembre de 2020). An Overview and Comparison of Technical Debt Measurement Tools. IEEE, 1-19. doi:10.1109/MS.2020.3024958 Bedi, J., & Kaur , K. (24 de Junio de 2020). Understanding factors affecting technical debt. Springer Nature, 14, 1051–1060. doi:https://doi.org/10.1007/s41870-020-00487-9 Besker, T; Martini, A; Bosch, J. (20 de Junio de 2020). Carrot and stick approaches when managing technical debt. ACM Digital Library, 21-30. doi:https://doi.org/10.1145/3387906.3388619 Caglayan, B., Bener, A., & Koch, S. (18 de Mayo de 2009). Merits of using repository metrics in defect prediction for open source projects. IEEE, 1-6. doi:10.1109/FLOSS.2009.5071357 Caldeira, J., Cardoso, J., & Abreu, B. F. (30 de Octubre de 2020). Unveiling process insights from refactoring practices. ScienceDirect. doi:https://doi.org/10.1016/j.csi.2021.103587 Capilla, R., Mikkonen, T., Carrillo, C., Fontana, F. A., Pigazzini, I., & Lenarduzzi, V. (25 de Junio de 2021). Impact of Opportunistic Reuse Practices to Technical Debt. IEEE, 1-10. doi:10.1109/TechDebt52882.2021.00011 Chidamber, S. R., Darcy, D. P., & Kemerer, C. F. (Agosto de 1998). Managerial use of metrics for object-oriented software: an exploratory analysis. IEEE, 1-12. doi:10.1109/32.707698 Cholda, P., & Stochel, M. (16 de Octubre de 2020). Continuous Debt Valuation Approach (CoDVA) for Technical Debt Prioritization. IEEE, 1-5. doi:10.1109/SEAA51224.2020.00066 Churcher, N. I., Shepperd, M. J., Chidamber, S., & Kemerer, C. F. (Marzo de 1998). Comments on "A metrics suite for object oriented design. IEEE, 263 - 265. doi:10.1109/32.372153 de Almeida, R. R., Ribeiro, R. N., Treude, C., & Kulesza, U. (25 de Junio de 2021). Business-Driven Technical Debt Prioritization: An Industrial Case Study. IEEE, 1-10. doi:10.1109/TechDebt52882.2021.00017 de Toledo , S. S., Martini, A., & Sjøberg, D. I. (9 de Abril de 2021). Identifying architectural technical debt, principal, and interest in microservices: A multiple-case study. Elsevier, 177, 1-21. doi:https://doi.org/10.1016/j.jss.2021.110968 Diamantopoulos, T., Papamichail, M., Karanikiotis, T., Chatzidimitriou, K. C., & Symeonidis, A. L. (Junio de 2020). Employing Contribution and Quality Metrics for Quantifying the Software Development Process. ACM Digital Library, 558-562. doi:https://doi.org/10.1145/3379597.3387490 Digkas, G., Chatzigeorgiou, A. N., Ampatzoglou, A., & Avgeriou, P. C. (20 de Octubre de 2021). Can Clean New Code reduce Technical Debt Density. IEEE, 1-18. doi:10.1109/TSE.2020.3032557 DiStefano, C., Zhu, M., & Mîndrilã, D. (Noviembre de 2019). Understanding and Using Factor Scores: Considerations for the Applied Researcher. Scholarworks, 14(20), 1-12. doi:https://doi.org/10.7275/da8t-4g52 Efimova, P. (26 de Enero de 2021). Stepsize Ltd. Recuperado el 18 de Octubre de 2021, de https://www.stepsize.com/blog/tools-to-track-and-manage-technical-debt Ernst, N., Kazman, R., & Delange, J. (2021). Technical Debt in Practice: How to Find It and Fix It. doi:https://doi.org/10.7551/mitpress/12440.001.0001 Feitelson, D. G., Frachtenberg, E., & Beck, K. L. (4 de Febrero de 2013). Development and Deployment at Facebook. IEEE, 1-10. doi:10.1109/MIC.2013.25 Feitosa, D., Ampatzoglou, A., Gkortzis, A., & Bibi, S. (23 de Mayo de 2020). CODE reuse in practice: Benefiting or harming technical debt. Elsevier , 167, 1-12. doi:https://doi.org/10.1016/j.jss.2020.110618 Freire, S., Rios, N., Pérez, B., & Mendonça, M. (21 de Mayo de 2021). How do Technical Debt Payment Practices Relate to the Effects of the Presence of Debt Items in Software Projects? IEEE, 1-5. doi:10.1109/SANER50967.2021.00074 Greenacre, M., Groenen, P., & Hastie, T. (22 de Diciembre de 2022). Principal component analysis. Springer Nature Limited. doi:https://doi.org/10.1038/s43586-022-00184-w Hamilton, T. (6 de Mayo de 2023). Guru99. Recuperado el 20 de Mayo de 2023, de https://www.guru99.com/unit-testing-guide.html Hick, H., & Denkmayr, K. (2004). The Load Matrix — a method for optimising powertrain durability and reliability test programmes. Springer Nature. Recuperado el 6 de Noviembre de 2023, de https://link.springer.com/chapter/10.1007/978-0-85729-410-4_262 Hodgson, P. (9 de Octubre de 2017). Martin Fowler. Recuperado el 12 de Agosto de 2021, de https://martinfowler.com/articles/feature-toggles.html Holmegaard, E. (20 de Abril de 2023). Medium. Recuperado el 25 de Enero de 2024, de https://medium.com/@emilholmegaard/managing-technical-debt-31b52e83b510 Hoyos, J. D. (2021). Repositorio Institucional Biblioteca Digital. Recuperado el 19 de Octubre de 2021, de https://repositorio.unal.edu.co/bitstream/handle/unal/80530/71360425.2021.pdf?sequence=4&isAllowed=y IBM. (22 de Marzo de 2021). IBM. Recuperado el 13 de Noviembre de 2023, de https://www.ibm.com/docs/en/spss-statistics/25.0.0?topic=analysis-factor-scores IBM. (3 de Marzo de 2023). Recuperado el 6 de Noviembre de 2023, de https://www.ibm.com/docs/es/spss-statistics/29.0.0?topic=detection-kmo-bartletts-test Jenik, F. (2 de Febrero de 2021). Sudolabs. Recuperado el 22 de Mayo de 2023, de https://sudolabs.com/blog/automated-release-process-for-lerna-monorepo Kherif, F., & Latypova, A. (2020). Machine Learning Methods and Applications to Brain Disorders. (S. V. Andrea Mechelli, Ed.) Copyright © 2020 Elsevier Inc. All rights reserved. doi:https://doi.org/10.1016/B978-0-12-815739-8.00012-2 Lenarduzzi, V., Besker, T., Taibi, D., Martini, A., & Fontana, F. A. (30 de Junio de 2020). arXiv, 1-42. Recuperado el 27 de Agosto de 2021, de https://arxiv.org/abs/1904.12538 Lenarduzzi, V., Saarimäki, N., & Taibi, D. (18 de Septiembre de 2019). The Technical Debt Dataset. ACM Digital Library, 1-10. doi:https://doi.org/10.1145/3345629.3345630 Lenarduzzi, V., T, D., Besker , T., Martini, A., & Arcelli, F. F. (14 de Octubre de 2020). A systematic literature review on Technical Debt prioritization: Strategies, processes, factors, and tools. sciencedirect, 1-16. doi:https://doi.org/10.1016/j.jss.2020.110827 León-Sigg, M., Vázquez-Reyes, S., & Rodríguez-Ávila. (31 de Diciembre de 2020). Towards the Use of a Framework to Make Technical Debt Visible. IEEE, 1-7. doi:10.1109/CONISOFT50191.2020.00022 Li , X., Moreschini, S., Zhang, Z., & Taibi, D. (Junio de 2022). Exploring factors and metrics to select open source software components for integration: An empirical study. Sciencedirect, 188, 1-19. doi:https://doi.org/10.1016/j.jss.2022.111255 Liebig, J., Apel, S., & Lengauer, C. (Mayo de 2010). An Analysis of the Variability in Forty Preprocessor-Based Software Product Lines. ResearchGate. doi:10.1145/1806799.1806819 Lumivero. (Octubre de 2023). Xlstat. Recuperado el 14 de Octubre de 2023, de https://www.xlstat.com/es/soluciones/funciones/analisis-de-componentes-principales-acp Mahdavi-Hezaveh, R., Ajmeri, N., & Williams, L. (10 de Febrero de 2022). Feature toggles as code: Heuristics and metrics for structuring feature toggles. Science direct, 145, 1-14. doi:https://doi.org/10.1016/j.infsof.2021.106813 Malakuti, S., & Heuschkel, J. (25 de Junio de 2021). The Need for Holistic Technical Debt Management across the Value Stream: Lessons Learnt and Open Challenges. IEEE, 1-5. doi:10.1109/TechDebt52882.2021.00021 Mangale, S. (28 de Agosto de 2020). Medium. Recuperado el 6 de Noviembre de 2023, de https://sanchitamangale12.medium.com/scree-plot-733ed72c8608 Martin Fowler. (21 de Mayo de 2019). Recuperado el 25 de Enero de 2024, de https://martinfowler.com/bliki/TechnicalDebt.html Maven Solutions. (10 de Enero de 2024). Tips and Tricks for Measuring and Improving Technical Debt Metrics. Recuperado el 23 de Enero de 2024, de https://www.mavensolutions.tech/blog/metrics-for-technical-debt/ McCabe, T. J. (1976). A Complexity Measure. IEEE. doi:10.1109/TSE.1976.233837 Meinicke, J., Hoyos, J., Vasilescu, B., & Kästner, C. (2020). Capture the Feature Flag: Detecting Feature Flags in Open-Source. ACM Digital Library, 169–173. doi:https://doi.org/10.1145/3379597.3387463 Microsoft. (1 de Marzo de 2023). Recuperado el 5 de Mayo de 2023, de https://learn.microsoft.com/en-us/dotnet/api/system.obsoleteattribute?view=net-7.0 Microsoft. (29 de Noviembre de 2023). Microsoft. Recuperado el 15 de Enero de 2024, de https://learn.microsoft.com/en-us/visualstudio/code-quality/code-metrics-values?view=vs-2022 Microsoft. (10 de Enero de 2024). Microsoft. Recuperado el 16 de Enero de 2024, de https://visualstudio.microsoft.com/es/ Mikhajlova, A., & Sekerinski, E. (Septiembre de 1997). Class Refinement and Interface Refinement in Object-Oriented Programs. ResearchGate, 1-21. Recuperado el 22 de Mayo de 2023, de https://www.researchgate.net/publication/303992360_Class_Refinement_and_Interface_Refinement_in_Object-Oriented_Programs Mohan, B., & Kumar, P. (20 de Enero de 2013). An Overview of Various Object Oriented Metrics. ResearchGate, II, 1-11. Recuperado el 14 de Febrero de 2022, de https://www.researchgate.net/publication/236616349_An_Overview_of_Various_Object_Oriented_Metrics Molnar, A. J., & Motogna, S. (20 de Octubre de 2020). Long-Term Evaluation of Technical Debt in Open-Source Software. ACM Digital Library, 1-10. doi:10.1145/3382494.3410673 OMG. (1 de Septiembre de 2018). Object Management Group. Recuperado el 15 de Febrero de 2023, de https://www.omg.org/spec/ATDM/?__hstc=64371056.313d6ed65e49ea25f2bfedd7ce2e4cea.1698498226843.1698498226843.1698498226843.1&__hssc=64371056.2.1698498226843&__hsfp=1453860330 Pathak, A. (11 de Abril de 2022). Kinsta Inc. Recuperado el 02 de Marzo de 2023, de https://kinsta.com/es/blog/herramientas-devops/ Pavel, K. (24 de Marzo de 2023). Modlogix. Recuperado el 22 de Mayo de 2023, de https://modlogix.com/blog/3-main-threats-resulting-from-outdated-technology/ Perera, J., Tempero, E. D., Tu, Y., & Blincoe , K. (Junio de 2023). Understanding the relationship between Technical Debt, New Code Cost and Rework Cost in Open-Source Software Projects: An Empirical Study. ACM Digital Library, 247–252. doi:https://doi.org/10.1145/3593434.3593490 Pérez, B., Castellanos, C., Correal, D., Rios, N., Freire, S., & Spínola, R. (22 de Julio de 2021). Technical debt payment and prevention through the lenses of software architects. Elsevier, 140. doi:https://doi.org/10.1016/j.infsof.2021.106692 Pfeiffer, R. H., & Lungu, M. (27 de Febrero de 2022). Technical Debt and Maintainability: How do tools measure it? arXiv, 1-22. Recuperado el 24 de Enero de 2024, de https://arxiv.org/abs/2202.13464 PostgreSQL. (9 de Noviembre de 2023). PostgreSQL. Recuperado el 16 de Enero de 2024, de https://www.postgresql.org/ Quora. (18 de Agosto de 2018). Quora. Recuperado el 22 de Mayo de 2023, de https://www.quora.com/What-are-the-steps-one-should-take-to-understand-a-software-system-with-no-documentation Ramirez, J., Tuovinen, A. P., & Mikkonen, T. (25 de Junio de 2021). Experiences on Managing Technical Debt with Code Smells and AntiPatterns. IEEE, 1-29. doi:10.1109/TechDebt52882.2021.00013 Rosser, L. A., & Norton, J. H. (7 de Junio de 2021). A Systems Perspective on Technical Debt. IEEE, 1-10. doi:10.1109/AERO50100.2021.9438359 Rouse, M. (27 de Diciembre de 2016). Techopedia. Recuperado el 20 de Mayo de 2023, de https://www.techopedia.com/definition/8073/lines-of-code-loc#:~:text=27%20December%2C%202016-,What%20Does%20Lines%20Of%20Code%20Mean%3F,used%20to%20write%20a%20program. Samarthyam, G., Suryanarayana, G., & Sharma, T. (25 de Septiembre de 2015). InfoQ.com. Recuperado el 25 de Enero de 2024, de https://www.infoq.com/articles/pragmatic-technical-debt/ Schermann, G., Cito, J., & Leitner, P. (22 de Marzo de 2016). An empirical study on principles and practices of continuous delivery and deployment. PeerJ, 1-13. doi:10.7287/peerj.preprints.1889v1 Soliman, M., & Avgeriou, p. (14 de Junio de 2021). Architectural design decisions that incur technical debt — An industrial case study. Elsevier, 139, 1-17. doi:https://doi.org/10.1016/j.infsof.2021.106669 Spertus, E. (23 de Diciembre de 2021). stackoverflow. Recuperado el 20 de Mayo de 2023, de https://stackoverflow.blog/2021/12/23/best-practices-for-writing-code-comments/ Stochel, M G; Chołda, P; Wawrowski, M R. (16 de Octubre de 2020). On Coherence in Technical Debt Research : Awareness of the Risks Stemming from the Metaphorical Origin and Relevant Remediation Strategies. IEEE, 1-9. doi:10.1109/SEAA51224.2020.00067 Subramanyam, R., & Krishnan, M. S. (23 de Abril de 2003). Empirical analysis of CK metrics for object-oriented design complexity: implications for software defects. IEEE, 297 - 310. doi:10.1109/TSE.2003.1191795 Taibi, D., & Lenarduzzi, V. (2021). A systematic literature review on Technical Debt prioritization: Strategies, processes, factors, and tools. Science Direct, 171, 1-16. doi:https://doi.org/10.1016/j.jss.2020.110827 Tan, J., Feitosa, D., & Avgeriou, P. (Julio de 2023). The lifecycle of Technical Debt that manifests in both source code and issue trackers. Science direct, 159, 1-14. doi:https://doi.org/10.1016/j.infsof.2023.107216 Tang, M. H., Kao, M. H., & Chen, M. H. (6 de Agosto de 2002). An empirical study on object-oriented metrics. IEEE. doi:10.1109/METRIC.1999.809745 Tsoukalas, D., Kehagias, D., Siavvas, M., & Chatzigeorgiou. (8 de Agosto de 2020). Technical debt forecasting: An empirical study on open-source repositories. Elsevier(170), 1-31. doi:https://doi.org/10.1016/j.jss.2020.110777 UCLA. (22 de Agosto de 2021). Recuperado el 6 de Noviembre de 2023, de https://stats.oarc.ucla.edu/spss/seminars/efa-spss/ Verma, D., & Kumar, S. (Junio de 2017). Prediction of Defect Density for Open Source Software using Repository Metrics. ACM Digital Library, 1-18. Recuperado el 2 de Marzo de 2022, de https://dl.acm.org/doi/abs/10.5555/3177580.3177587 Wheatley, M. (13 de Octubre de 2022). DEV Community. Recuperado el 02 de Marzo de 2023, de https://dev.to/maximwheatley/an-open-source-solution-to-dora-devops-metrics-72l Wiese, M. (25 de Junio de 2021). Preventing Technical Debt by Technical Debt Aware Project Management. IEEE, 1-10. doi:10.1109/TechDebt52882.2021.00018 Wiese, M., Rachow, P., Riebisch, M., & Schwarze, J. (2022). Preventing technical debt with the TAP framework for Technical Debt Aware Management. Science direct, 148, 0950-5849. doi:https://doi.org/10.1016/j.infsof.2022.106926 Windev. (22 de Marzo de 2023). Windev. Recuperado el 20 de Mayo de 2023, de https://help.windev.com/en-US/?9000091&name=instant_spotting_modified_codecurrent_code |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
87 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Medellín - Minas - Maestría en Ingeniería - Ingeniería de Sistemas |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Minas |
| dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Medellín |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/86250/1/license.txt https://repositorio.unal.edu.co/bitstream/unal/86250/2/1077453954.2024.pdf https://repositorio.unal.edu.co/bitstream/unal/86250/3/1077453954.2024.pdf.jpg |
| bitstream.checksum.fl_str_mv |
eb34b1cf90b7e1103fc9dfd26be24b4a 816d8cbd8f2627de791bcafe83d2cdf5 448c5ee7c34c716c9669835237d84579 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814090102701293568 |
| spelling |
Atribución-NoComercial 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Espinosa Bedoya, Albeiro749aa8775c497b18160b8a0a5d502335Diaz Mena, Didier5dcfaa3a149e1e3f22794bb54937d317Calidad de Software2024-06-18T00:19:52Z2024-06-18T00:19:52Z2024-06-17https://repositorio.unal.edu.co/handle/unal/86250Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/La deuda técnica es un componente principal del costo de propiedad de la aplicación, se ha convertido en una de las metáforas más importantes para expresar los atajos de desarrollo, que causan la degradación de la calidad interna del software. Es necesario recalcar que, existen métricas de código abierto las cuales proporcionan datos numéricos en algunos productos de software y que a su vez permiten medir el índice de mantenibilidad, Complejidad ciclomática, Profundidad de herencia, Acoplamiento de clases, Líneas de código fuente, Líneas de código ejecutable donde los desarrolladores pueden identificar riesgos y hacer seguimiento continuo. No obstante, la literatura informa de varias métricas de software para líneas de productos y proceso, otras orientadas a objetos. En efecto, se realiza una búsqueda centralizada de varios repositorios de código abierto en la plataforma GitHub con el objetivo de dar cumplimiento a la necesidad expuesta de acuerdo a los criterios definido donde fueron preseleccionado nueve repositorios específicamente con el lenguaje Python obteniendo A si una mayor puntuación el repositorio de código abierto (square/square-python-sdk) para la aplicación de la métrica ya que es un proyecto medible desde todos sus ámbitos. En síntesis, se efectúa el análisis de los datos mediante el método estadístico ACP, también la normalización y cálculo de los pesos sobre las referencias de las métricas más usadas en la literatura. Finalmente, se valida la métrica propuesta aplicada al repositorio Square como caso de estudio donde se realizó el desarrollo del consumo de una API tanto a nivel Backend y FrontEnd. (Tomado de la fuente)Technical debt is a major component of application cost of ownership, It has become one of the most important metaphors to express development shortcuts, which cause degradation of the internal quality of the software. It is necessary to empha size that there are open-source metrics which provide numerical data in some software products and which in turn allow measuring the maintainability index, cyclomatic complexity, depth of inheritance, class coupling, lines of source code, lines of executable code where developers can identify risks and continuously monitor. However, the literature reports several software metrics for product and process lines, others object-oriented. In effect, a centralized search of several open-source repositories is carried out on the GitHub platform with the aim of fulfilling the stated need according to the defined criteria where nine repositories were preselected specifically with the Python language, thus obtaining a higher score. open-source repository (square/square-python-sdk) for the application of the metric since it is a measurable project from all its areas. In summary, the data analysis is carried out using the ACP statistical method, as well as the normalization and calculation of the weights on the references of the most used metrics in the literature. Finally, the proposed metric applied to the square repository is validated as a case study where the development of the consumption of an API was carried out at both the Backend and FrontEnd levels.Por consiguiente, el proponer nuestra métrica en base a las métricas más usadas nos permite generar una base de conocimiento frente al tema deuda técnica hacia futuras investigaciones de literatura ya que su implementación estuvo en marca en tecnología de desarrollo muy existente en la industria de software. En suma, que la mayoría de los proyectos de desarrollo no fracase por no medir adecuadamente la deuda técnica mediante métricas e idónea.MaestríaMagíster en Ingeniería - Ingeniería de SistemasMetricas de Deuda Tecnica.SoftwareProject Open Source client library for the Square API - Metrics Toggles-Debt - Backend. Código fuente en Backend: https://github.com/DidierDiaz/Metrics-Toggles-DebtProject Open Source client library for the Square API - Metrics Toggles-Debt - Front-end web development. Código fuente en Frontend: https://github.com/DidierDiaz/MetricsAPIFrontendIngeniería De Sistemas E Informática.Sede Medellín87 páginasapplication/pdfspaUniversidad Nacional de ColombiaMedellín - Minas - Maestría en Ingeniería - Ingeniería de SistemasFacultad de MinasMedellín, ColombiaUniversidad Nacional de Colombia - Sede Medellín000 - Ciencias de la computación, información y obras generales::003 - SistemasMedición de softwareLenguajes de programación (Computadores electrónicos)Deuda TécnicaMétricasRepositoriolenguajes de programaciónTechnical DebtMetricsRepositoryProgramming languageUna métrica para medir deuda técnica basada en el análisis de las más usadas. Caso de estudio del repositorio SquareA metric to measure technical debt based on the analysis of the most used ones. Square repository case studyTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMLaReferenciaAbilio, R., Vale, G., Figueiredo, E., & Costa, H. (16 de Mayo de 2016). Metrics for Feature-Oriented Programming. IEEE, 1-7. doi:10.1109/WETSoM.2016.014Al Mamun, M., Martini, A., Staron, M., & Berger, C. (7 de Noviembre de 2019). Evolution of technical debt: An exploratory study. Digitala Vetenskapliga Arkivet, 2476, 1-16. Recuperado el 24 de Enero de 2024, de https://www.diva-portal.org/smash/record.jsf?pid=diva2%3A1368627&dswid=-9383Alali, A., Kagdi, H., & Maletic, J. I. (2 de Julio de 2008). What's a Typical Commit? A Characterization of Open Source Software Repositories. IEEE, 1-10. doi:10.1109/ICPC.2008.24Alfayez, R., Alwehaibi, W., Winn, R., Venson, E., & Boehm, B. W. (28 de Junio de 2020). A systematic literature review of technical debt prioritization. ACM Digital Library, 1-42. doi:10.1145/3387906.3388630Amanatidis, T., Mittas, N., Moschou, A., Chatzigeorgiou, A., & Ampatzoglou , A. (26 de Agosto de 2020). Evaluating the agreement among technical debt measurement tools: building an empirical benchmark of technical debt liabilities. Springer Nature, 25, 4161-4204. doi:https://doi.org/10.1007/s10664-020-09869-wAngular. (12 de Diciembre de 2023). Angular. Recuperado el 16 de Enero de 2024, de https://angular.io/docsArdimento, P., Aversano, L., Bernardi, M., Cimitile, M., & Iammarino, M. (Diciembre de 2022). Using deep temporal convolutional networks to just-in-time forecast technical debt principal. Science direct, 194. doi:https://www.sciencedirect.com/science/article/pii/S0164121222001649Arvanitou, E. M., Ampatzoglou, A., Bibi, S., Chatzigeorgiou, A., & Stamelos, I. G. (2019). Monitoring Technical Debt in an Industrial Setting. ACM Digital Library, 123–132. doi:10.1145/3319008.3319019Atlassian. (22 de Mayo de 2023). Atlassian. Recuperado el 22 de Mayo de 2023, de https://www.atlassian.com/es/git/tutorials/making-a-pull-request#:~:text=Las%20pull%20requests%20son%20una,integrarlos%20en%20el%20proyecto%20oficialAvgeriou, P., Taibi, D., Ampatzoglou, A., Fontana, F., & Besker, T. (18 de Septiembre de 2020). An Overview and Comparison of Technical Debt Measurement Tools. IEEE, 1-19. doi:10.1109/MS.2020.3024958Bedi, J., & Kaur , K. (24 de Junio de 2020). Understanding factors affecting technical debt. Springer Nature, 14, 1051–1060. doi:https://doi.org/10.1007/s41870-020-00487-9Besker, T; Martini, A; Bosch, J. (20 de Junio de 2020). Carrot and stick approaches when managing technical debt. ACM Digital Library, 21-30. doi:https://doi.org/10.1145/3387906.3388619Caglayan, B., Bener, A., & Koch, S. (18 de Mayo de 2009). Merits of using repository metrics in defect prediction for open source projects. IEEE, 1-6. doi:10.1109/FLOSS.2009.5071357Caldeira, J., Cardoso, J., & Abreu, B. F. (30 de Octubre de 2020). Unveiling process insights from refactoring practices. ScienceDirect. doi:https://doi.org/10.1016/j.csi.2021.103587Capilla, R., Mikkonen, T., Carrillo, C., Fontana, F. A., Pigazzini, I., & Lenarduzzi, V. (25 de Junio de 2021). Impact of Opportunistic Reuse Practices to Technical Debt. IEEE, 1-10. doi:10.1109/TechDebt52882.2021.00011Chidamber, S. R., Darcy, D. P., & Kemerer, C. F. (Agosto de 1998). Managerial use of metrics for object-oriented software: an exploratory analysis. IEEE, 1-12. doi:10.1109/32.707698Cholda, P., & Stochel, M. (16 de Octubre de 2020). Continuous Debt Valuation Approach (CoDVA) for Technical Debt Prioritization. IEEE, 1-5. doi:10.1109/SEAA51224.2020.00066Churcher, N. I., Shepperd, M. J., Chidamber, S., & Kemerer, C. F. (Marzo de 1998). Comments on "A metrics suite for object oriented design. IEEE, 263 - 265. doi:10.1109/32.372153de Almeida, R. R., Ribeiro, R. N., Treude, C., & Kulesza, U. (25 de Junio de 2021). Business-Driven Technical Debt Prioritization: An Industrial Case Study. IEEE, 1-10. doi:10.1109/TechDebt52882.2021.00017de Toledo , S. S., Martini, A., & Sjøberg, D. I. (9 de Abril de 2021). Identifying architectural technical debt, principal, and interest in microservices: A multiple-case study. Elsevier, 177, 1-21. doi:https://doi.org/10.1016/j.jss.2021.110968Diamantopoulos, T., Papamichail, M., Karanikiotis, T., Chatzidimitriou, K. C., & Symeonidis, A. L. (Junio de 2020). Employing Contribution and Quality Metrics for Quantifying the Software Development Process. ACM Digital Library, 558-562. doi:https://doi.org/10.1145/3379597.3387490Digkas, G., Chatzigeorgiou, A. N., Ampatzoglou, A., & Avgeriou, P. C. (20 de Octubre de 2021). Can Clean New Code reduce Technical Debt Density. IEEE, 1-18. doi:10.1109/TSE.2020.3032557DiStefano, C., Zhu, M., & Mîndrilã, D. (Noviembre de 2019). Understanding and Using Factor Scores: Considerations for the Applied Researcher. Scholarworks, 14(20), 1-12. doi:https://doi.org/10.7275/da8t-4g52Efimova, P. (26 de Enero de 2021). Stepsize Ltd. Recuperado el 18 de Octubre de 2021, de https://www.stepsize.com/blog/tools-to-track-and-manage-technical-debtErnst, N., Kazman, R., & Delange, J. (2021). Technical Debt in Practice: How to Find It and Fix It. doi:https://doi.org/10.7551/mitpress/12440.001.0001Feitelson, D. G., Frachtenberg, E., & Beck, K. L. (4 de Febrero de 2013). Development and Deployment at Facebook. IEEE, 1-10. doi:10.1109/MIC.2013.25Feitosa, D., Ampatzoglou, A., Gkortzis, A., & Bibi, S. (23 de Mayo de 2020). CODE reuse in practice: Benefiting or harming technical debt. Elsevier , 167, 1-12. doi:https://doi.org/10.1016/j.jss.2020.110618Freire, S., Rios, N., Pérez, B., & Mendonça, M. (21 de Mayo de 2021). How do Technical Debt Payment Practices Relate to the Effects of the Presence of Debt Items in Software Projects? IEEE, 1-5. doi:10.1109/SANER50967.2021.00074Greenacre, M., Groenen, P., & Hastie, T. (22 de Diciembre de 2022). Principal component analysis. Springer Nature Limited. doi:https://doi.org/10.1038/s43586-022-00184-wHamilton, T. (6 de Mayo de 2023). Guru99. Recuperado el 20 de Mayo de 2023, de https://www.guru99.com/unit-testing-guide.htmlHick, H., & Denkmayr, K. (2004). The Load Matrix — a method for optimising powertrain durability and reliability test programmes. Springer Nature. Recuperado el 6 de Noviembre de 2023, de https://link.springer.com/chapter/10.1007/978-0-85729-410-4_262Hodgson, P. (9 de Octubre de 2017). Martin Fowler. Recuperado el 12 de Agosto de 2021, de https://martinfowler.com/articles/feature-toggles.htmlHolmegaard, E. (20 de Abril de 2023). Medium. Recuperado el 25 de Enero de 2024, de https://medium.com/@emilholmegaard/managing-technical-debt-31b52e83b510Hoyos, J. D. (2021). Repositorio Institucional Biblioteca Digital. Recuperado el 19 de Octubre de 2021, de https://repositorio.unal.edu.co/bitstream/handle/unal/80530/71360425.2021.pdf?sequence=4&isAllowed=yIBM. (22 de Marzo de 2021). IBM. Recuperado el 13 de Noviembre de 2023, de https://www.ibm.com/docs/en/spss-statistics/25.0.0?topic=analysis-factor-scoresIBM. (3 de Marzo de 2023). Recuperado el 6 de Noviembre de 2023, de https://www.ibm.com/docs/es/spss-statistics/29.0.0?topic=detection-kmo-bartletts-testJenik, F. (2 de Febrero de 2021). Sudolabs. Recuperado el 22 de Mayo de 2023, de https://sudolabs.com/blog/automated-release-process-for-lerna-monorepoKherif, F., & Latypova, A. (2020). Machine Learning Methods and Applications to Brain Disorders. (S. V. Andrea Mechelli, Ed.) Copyright © 2020 Elsevier Inc. All rights reserved. doi:https://doi.org/10.1016/B978-0-12-815739-8.00012-2Lenarduzzi, V., Besker, T., Taibi, D., Martini, A., & Fontana, F. A. (30 de Junio de 2020). arXiv, 1-42. Recuperado el 27 de Agosto de 2021, de https://arxiv.org/abs/1904.12538Lenarduzzi, V., Saarimäki, N., & Taibi, D. (18 de Septiembre de 2019). The Technical Debt Dataset. ACM Digital Library, 1-10. doi:https://doi.org/10.1145/3345629.3345630Lenarduzzi, V., T, D., Besker , T., Martini, A., & Arcelli, F. F. (14 de Octubre de 2020). A systematic literature review on Technical Debt prioritization: Strategies, processes, factors, and tools. sciencedirect, 1-16. doi:https://doi.org/10.1016/j.jss.2020.110827León-Sigg, M., Vázquez-Reyes, S., & Rodríguez-Ávila. (31 de Diciembre de 2020). Towards the Use of a Framework to Make Technical Debt Visible. IEEE, 1-7. doi:10.1109/CONISOFT50191.2020.00022Li , X., Moreschini, S., Zhang, Z., & Taibi, D. (Junio de 2022). Exploring factors and metrics to select open source software components for integration: An empirical study. Sciencedirect, 188, 1-19. doi:https://doi.org/10.1016/j.jss.2022.111255Liebig, J., Apel, S., & Lengauer, C. (Mayo de 2010). An Analysis of the Variability in Forty Preprocessor-Based Software Product Lines. ResearchGate. doi:10.1145/1806799.1806819Lumivero. (Octubre de 2023). Xlstat. Recuperado el 14 de Octubre de 2023, de https://www.xlstat.com/es/soluciones/funciones/analisis-de-componentes-principales-acpMahdavi-Hezaveh, R., Ajmeri, N., & Williams, L. (10 de Febrero de 2022). Feature toggles as code: Heuristics and metrics for structuring feature toggles. Science direct, 145, 1-14. doi:https://doi.org/10.1016/j.infsof.2021.106813Malakuti, S., & Heuschkel, J. (25 de Junio de 2021). The Need for Holistic Technical Debt Management across the Value Stream: Lessons Learnt and Open Challenges. IEEE, 1-5. doi:10.1109/TechDebt52882.2021.00021Mangale, S. (28 de Agosto de 2020). Medium. Recuperado el 6 de Noviembre de 2023, de https://sanchitamangale12.medium.com/scree-plot-733ed72c8608Martin Fowler. (21 de Mayo de 2019). Recuperado el 25 de Enero de 2024, de https://martinfowler.com/bliki/TechnicalDebt.htmlMaven Solutions. (10 de Enero de 2024). Tips and Tricks for Measuring and Improving Technical Debt Metrics. Recuperado el 23 de Enero de 2024, de https://www.mavensolutions.tech/blog/metrics-for-technical-debt/McCabe, T. J. (1976). A Complexity Measure. IEEE. doi:10.1109/TSE.1976.233837Meinicke, J., Hoyos, J., Vasilescu, B., & Kästner, C. (2020). Capture the Feature Flag: Detecting Feature Flags in Open-Source. ACM Digital Library, 169–173. doi:https://doi.org/10.1145/3379597.3387463Microsoft. (1 de Marzo de 2023). Recuperado el 5 de Mayo de 2023, de https://learn.microsoft.com/en-us/dotnet/api/system.obsoleteattribute?view=net-7.0Microsoft. (29 de Noviembre de 2023). Microsoft. Recuperado el 15 de Enero de 2024, de https://learn.microsoft.com/en-us/visualstudio/code-quality/code-metrics-values?view=vs-2022Microsoft. (10 de Enero de 2024). Microsoft. Recuperado el 16 de Enero de 2024, de https://visualstudio.microsoft.com/es/Mikhajlova, A., & Sekerinski, E. (Septiembre de 1997). Class Refinement and Interface Refinement in Object-Oriented Programs. ResearchGate, 1-21. Recuperado el 22 de Mayo de 2023, de https://www.researchgate.net/publication/303992360_Class_Refinement_and_Interface_Refinement_in_Object-Oriented_ProgramsMohan, B., & Kumar, P. (20 de Enero de 2013). An Overview of Various Object Oriented Metrics. ResearchGate, II, 1-11. Recuperado el 14 de Febrero de 2022, de https://www.researchgate.net/publication/236616349_An_Overview_of_Various_Object_Oriented_MetricsMolnar, A. J., & Motogna, S. (20 de Octubre de 2020). Long-Term Evaluation of Technical Debt in Open-Source Software. ACM Digital Library, 1-10. doi:10.1145/3382494.3410673OMG. (1 de Septiembre de 2018). Object Management Group. Recuperado el 15 de Febrero de 2023, de https://www.omg.org/spec/ATDM/?__hstc=64371056.313d6ed65e49ea25f2bfedd7ce2e4cea.1698498226843.1698498226843.1698498226843.1&__hssc=64371056.2.1698498226843&__hsfp=1453860330Pathak, A. (11 de Abril de 2022). Kinsta Inc. Recuperado el 02 de Marzo de 2023, de https://kinsta.com/es/blog/herramientas-devops/Pavel, K. (24 de Marzo de 2023). Modlogix. Recuperado el 22 de Mayo de 2023, de https://modlogix.com/blog/3-main-threats-resulting-from-outdated-technology/Perera, J., Tempero, E. D., Tu, Y., & Blincoe , K. (Junio de 2023). Understanding the relationship between Technical Debt, New Code Cost and Rework Cost in Open-Source Software Projects: An Empirical Study. ACM Digital Library, 247–252. doi:https://doi.org/10.1145/3593434.3593490Pérez, B., Castellanos, C., Correal, D., Rios, N., Freire, S., & Spínola, R. (22 de Julio de 2021). Technical debt payment and prevention through the lenses of software architects. Elsevier, 140. doi:https://doi.org/10.1016/j.infsof.2021.106692Pfeiffer, R. H., & Lungu, M. (27 de Febrero de 2022). Technical Debt and Maintainability: How do tools measure it? arXiv, 1-22. Recuperado el 24 de Enero de 2024, de https://arxiv.org/abs/2202.13464PostgreSQL. (9 de Noviembre de 2023). PostgreSQL. Recuperado el 16 de Enero de 2024, de https://www.postgresql.org/Quora. (18 de Agosto de 2018). Quora. Recuperado el 22 de Mayo de 2023, de https://www.quora.com/What-are-the-steps-one-should-take-to-understand-a-software-system-with-no-documentationRamirez, J., Tuovinen, A. P., & Mikkonen, T. (25 de Junio de 2021). Experiences on Managing Technical Debt with Code Smells and AntiPatterns. IEEE, 1-29. doi:10.1109/TechDebt52882.2021.00013Rosser, L. A., & Norton, J. H. (7 de Junio de 2021). A Systems Perspective on Technical Debt. IEEE, 1-10. doi:10.1109/AERO50100.2021.9438359Rouse, M. (27 de Diciembre de 2016). Techopedia. Recuperado el 20 de Mayo de 2023, de https://www.techopedia.com/definition/8073/lines-of-code-loc#:~:text=27%20December%2C%202016-,What%20Does%20Lines%20Of%20Code%20Mean%3F,used%20to%20write%20a%20program.Samarthyam, G., Suryanarayana, G., & Sharma, T. (25 de Septiembre de 2015). InfoQ.com. Recuperado el 25 de Enero de 2024, de https://www.infoq.com/articles/pragmatic-technical-debt/Schermann, G., Cito, J., & Leitner, P. (22 de Marzo de 2016). An empirical study on principles and practices of continuous delivery and deployment. PeerJ, 1-13. doi:10.7287/peerj.preprints.1889v1Soliman, M., & Avgeriou, p. (14 de Junio de 2021). Architectural design decisions that incur technical debt — An industrial case study. Elsevier, 139, 1-17. doi:https://doi.org/10.1016/j.infsof.2021.106669Spertus, E. (23 de Diciembre de 2021). stackoverflow. Recuperado el 20 de Mayo de 2023, de https://stackoverflow.blog/2021/12/23/best-practices-for-writing-code-comments/Stochel, M G; Chołda, P; Wawrowski, M R. (16 de Octubre de 2020). On Coherence in Technical Debt Research : Awareness of the Risks Stemming from the Metaphorical Origin and Relevant Remediation Strategies. IEEE, 1-9. doi:10.1109/SEAA51224.2020.00067Subramanyam, R., & Krishnan, M. S. (23 de Abril de 2003). Empirical analysis of CK metrics for object-oriented design complexity: implications for software defects. IEEE, 297 - 310. doi:10.1109/TSE.2003.1191795Taibi, D., & Lenarduzzi, V. (2021). A systematic literature review on Technical Debt prioritization: Strategies, processes, factors, and tools. Science Direct, 171, 1-16. doi:https://doi.org/10.1016/j.jss.2020.110827Tan, J., Feitosa, D., & Avgeriou, P. (Julio de 2023). The lifecycle of Technical Debt that manifests in both source code and issue trackers. Science direct, 159, 1-14. doi:https://doi.org/10.1016/j.infsof.2023.107216Tang, M. H., Kao, M. H., & Chen, M. H. (6 de Agosto de 2002). An empirical study on object-oriented metrics. IEEE. doi:10.1109/METRIC.1999.809745Tsoukalas, D., Kehagias, D., Siavvas, M., & Chatzigeorgiou. (8 de Agosto de 2020). Technical debt forecasting: An empirical study on open-source repositories. Elsevier(170), 1-31. doi:https://doi.org/10.1016/j.jss.2020.110777UCLA. (22 de Agosto de 2021). Recuperado el 6 de Noviembre de 2023, de https://stats.oarc.ucla.edu/spss/seminars/efa-spss/Verma, D., & Kumar, S. (Junio de 2017). Prediction of Defect Density for Open Source Software using Repository Metrics. ACM Digital Library, 1-18. Recuperado el 2 de Marzo de 2022, de https://dl.acm.org/doi/abs/10.5555/3177580.3177587Wheatley, M. (13 de Octubre de 2022). DEV Community. Recuperado el 02 de Marzo de 2023, de https://dev.to/maximwheatley/an-open-source-solution-to-dora-devops-metrics-72lWiese, M. (25 de Junio de 2021). Preventing Technical Debt by Technical Debt Aware Project Management. IEEE, 1-10. doi:10.1109/TechDebt52882.2021.00018Wiese, M., Rachow, P., Riebisch, M., & Schwarze, J. (2022). Preventing technical debt with the TAP framework for Technical Debt Aware Management. Science direct, 148, 0950-5849. doi:https://doi.org/10.1016/j.infsof.2022.106926Windev. (22 de Marzo de 2023). Windev. Recuperado el 20 de Mayo de 2023, de https://help.windev.com/en-US/?9000091&name=instant_spotting_modified_codecurrent_codeEstudiantesInvestigadoresPúblico generalLICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/86250/1/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD51ORIGINAL1077453954.2024.pdf1077453954.2024.pdfTesis de Maestría en Ingeniería - Ingeniería de Sistemasapplication/pdf1973338https://repositorio.unal.edu.co/bitstream/unal/86250/2/1077453954.2024.pdf816d8cbd8f2627de791bcafe83d2cdf5MD52THUMBNAIL1077453954.2024.pdf.jpg1077453954.2024.pdf.jpgGenerated Thumbnailimage/jpeg5370https://repositorio.unal.edu.co/bitstream/unal/86250/3/1077453954.2024.pdf.jpg448c5ee7c34c716c9669835237d84579MD53unal/86250oai:repositorio.unal.edu.co:unal/862502024-08-25 23:11:40.692Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |