Omitir los comandos de cinta
Saltar al contenido principal

Mario Linares gana el ACM Distinguished Paper Award en ASE 2017

03/11/2017

​.

Ingeniería de Sistemas y Computación / 3 de noviembre de 2017 


Mario Linares, profesor asistente de Ingeniería de Sistemas y Computación, recibió el premio ACM Distinguished Paper Award por su artículo "Automatically Assessing Code Understandability: How Far Are We?" en la última edición de la Conferencia Internacional sobre Ingeniería de Software Automatizada -ASE 2017-, celebrada a comienzos de noviembre en Illinois (EE.UU.).


El artículo del profesor Linares fue seleccionado entre 65 trabajos y la decisión se fundamentó en la relevancia de los resultados, el volumen de métricas analizadas y la calidad tanto en la escritura como en la ejecución de los experimentos.


La conferencia internacional ASE 2017 uno de los eventos académicos más importantes en ingeniería de software. ​



​El artículo “Automatically Assessing Code Understandability: How Far Are We?”, toma como base un contexto en el que los procesos de evolución y mantenimiento de software y entender/comprender el código fuente (es decir el código escrito por los desarrolladores o por generadores automáticos) es una actividad fundamental para el ejercicio de otras tareas tales como cambio incremental, refactoring, corrección de defectos, entre otras. Dado que las tareas de entendimiento y comprensión de código están relacionadas con funciones cognitivas de alto nivel, el desarrollo de una “medida” que describa cuán comprensible es un fragmento de código, se ha convertido en uno de los grandes retos para los investigadores en Ingeniería de Software. Múltiples métricas y modelos de calidad se han propuesto (empíricamente) desde la década de los 70 con el fin de evaluar la comprensibilidad de código fuente. Sin embargo, hasta el momento, no se había realizado un estudio empírico que analizara la correlación entre las métricas y la comprensibilidad de código percibida por los desarrolladores.


Por lo tanto, el artículo presenta un estudio empírico en el cual se reproducen y analizan 121 métricas, que han sido consideradas -tradicionalmente- como proxies para estimar el nivel de comprensibilidad de código. Para el análisis se utilizaron fragmentos de código extraídos de 10 aplicaciones de código abierto (ampliamente usadas); los fragmentos fueron evaluados por 46 académicos y desarrolladores desde el punto de vista de la comprensibilidad del código (actual y percibida) y el tiempo requerido para entender cada fragmento.​