Validação empírica de métricas orientadas para os aspectos

Para validar empiricamente a eficácia das métricas no contexto da AOP, são consideradas três métricas específicas: Método ponderado por classe (WMC) - Esta métrica representa a soma das complexidades de todos os métodos de uma classe. Um valor mais elevado de WMC indica uma classe com mais comportamento ou lógica, que pode ser mais difícil de compreender e manter.Acoplamento na execução de conselhos (CAE) - Esta métrica quantifica o grau de acoplamento dos aspectos a outras classes com base na execução de conselhos. Um acoplamento elevado pode aumentar a dificuldade de manutenção e reduzir a modularidade.Pontuação Ponderada por Aspeto (WPA) - Esta métrica conta e pondera a complexidade das pontuações definidas num aspeto. Um WPA mais elevado sugere um aspeto que interage com muitas partes do programa, aumentando potencialmente a sua carga cognitiva.Para melhorar a avaliação destas métricas, é proposta uma métrica ponderada cognitiva. Esta nova métrica tenta integrar considerações de complexidade cognitiva nas métricas existentes (WMC, CAE, WPA), atribuindo pesos baseados no esforço de compreensão humana. No entanto, como a complexidade do software nem sempre é binária ou linear, os sistemas lógicos tradicionais podem não ser suficientes para modelar tais complexidades.

• | Author: G. Arockia Sahaya Sheela
• | Publisher: Edicoes Nosso Conhecimento
• | Publication Date: Jun 20, 2025
• | Number of Pages: 76 pages
• | Binding: Paperback or Softback
• | ISBN-10: 6208984459
• | ISBN-13: 9786208984458