IDE Com Destaque De Biofeedback Inteligente

Abstract

As falhas de softwares (i.e., bugs) podem ter consequências desastrosasdependendo da área de utilização do software. O controlodos erros dos programadores no desenvolvimento de softwareé realizado pelas equipas de testes, controlo de qualidadee de inspecção de software, mas os processos aplicados, paraalém de serem trabalhosos (devido do aumento drástico do númerode linhas de código) também acarretam custos elevados.Os ambientes de desenvolvimento integrado (IDE) que se usamno desenvolvimento de software possuem apenas mecanismo deidentificação de erros de compilação e de execução, ou seja,não identificam as verdadeiras falhas de software, que resultamde erros humanos em consequência de elevada carga cognitiva,cansaço mental, stress e outros estados emocionais em queo programador vive constantemente. Nesta tese de mestradoapresentamos o primeiro protótipo de uma abordagem radicalque permite associar a carga cognitiva do programador a linhasde código e a tokens lexicais, através de anotações de biofeedback.O protótipo desenvolvido consiste numa versão expandidado IDE Eclipse, que realiza anotações e marcações de códigofonteusando dados de biofeedback dos programadores, dadosdas operações realizadas no código-fonte e métricas de complexidadedo código. Com este protótipo e com o uso de MachineLearning sobre os dados de anotação, abre-se caminho ao desenvolvimentode modelos de estimativa da densidade de errose de análise de risco de software, através do uso da informaçãosobre os estados emocionais e cognitivos do programador, emconjunto com métricas de complexidade de código.

Software faults (i.e., bugs) may have disastrous consequencesdepending on the area of use of the software. The mitigation ofprogrammers’ errors in software development is carried out bysoftware quality control, namely by testing and software inspection,but the applied processes, in addition to being laborious(due to the drastic increase in the number of lines of code) alsoentail very high costs. The integrated development environments(IDE) that are used in software development only havemechanisms for identifying compilation and execution errors.That is, IDEs do not identify the true software faults, whichresult from human errors as consequence of high cognitive load,mental fatigue, stress and other emotional states in which theprogrammer constantly live. In this master thesis we presentthe first prototype of a radical approach that allows associatingthe programmer’s cognitive load to actual lines of code or lexicaltokens, through biofeedback annotations. The prototype developedconsists of an expanded version of the Eclipse IDE, whichmakes annotations and markup of source code using biofeedbackdata from programmers, including data from operations performedon source code and metrics of code complexity. With thisprototype, and with the use of Machine Learning on the annotationdata, it opens the way to the development of models forestimating error density and software risk analysis, through theuse of information on the emotional and cognitive states of theprogrammer, in conjunction with code complexity metrics.