НЕВИЗНАЧЕНІСТЬ ОЦІНЮВАННЯ КІЛЬКІСНИХ ХАРАКТЕРИСТИК ЯКОСТІ ПРОГРАМНОГО ЗАБЕЗПЕЧЕН-НЯ
DOI:
https://doi.org/10.18372/2225-5036.30.19208Ключові слова:
якість програмних систем, апостеріорний розподіл, стандарти якості, критичні джерела невизначеності, байєсові методи, байєсове оновлення, гібридний підхідАнотація
Нині оцінка якості програмного забезпечення виступає важливим етапом у процесах його розробки та впровадження. Вона надає розробникам можливість отримати об'єктивну оцінку, щодо розроблених програмних продуктів та визначити їх відповідність до діючих міжнародних стандартів та вимог із оцінки якості програмного забезпечення. Однак даний процес в межах оцінки якості програмного забезпечення часто супроводжується певним рівнем невизначеності в межах реалізації оцінювання кількісних характеристик якості, що може ускладнити прийняття рішень про перспективність використання розробленого продукту та його безпеки. Суттєвий внесок у розробку теоретичних й практичних аспектів, щодо узагальнення проблематики питання невизначеності оцінювання кількісних характеристик якості внесли такі вчені, як: S. Hayashi, M. Kubo, H. Mori, C. Areces, R. Fervari, A. Saravia, F. Velázquez-Quesada, S. Guaman, J. Alamo, J. Caiza, M. Nakamura та ін.. Метою даної статті є вирішення проблеми пов’язаної із невизначеністю оцінювання кількісних характеристик якості програмних систем. Для реалізації мети в статті поставлені і вирішені такі завдання: розглянуті різні аспекти невизначеності оцінювання кількісних характеристик якості комп'ютерних програмних систем; розроблено методологічний підхід до вирішення проблеми пов’язаної із невизначеністю оцінювання кількісних характеристик якості; проведено практичне дослідження розробленого підходу. В процесі вирішення піднятих завдань було використано методи аналізу, синтезу, узагальнення та порівняння.
Посилання
Areces, C., Fervari, R., Saravia, A. R., & Veláz-quez-Quesada, F. R. (2023). Uncertainty-based knowing how logic. Journal of Logic and Computation. https:// doi.org/10.1093/logcom/exad056.
Behera, D. (2023). Alternative methodology for epistemic uncertainty-based linear programming prob-lem. Soft Computing. https://doi.org/10.1007/s00500-023-08725-5.
Bougeret, M., Pessoa, A., & Poss, M. (2023). Single machine robust scheduling with budgeted un-certainty. Operations Research Letters. https://doi.org/10. 1016/j.orl.2023.01.007.
Boukhelifa, N., Johnson, C. R., & Potter, K. (2023). Visualization and decision-making design under uncer-tainty. IEEE Computer Graphics and Applications, 43(5), pp. 23–25. https://doi.org/10.1109/mcg.2023.3302172.
Cappelli, V., Cerreia-Vioglio, S., Maccheroni, F., Marinacci, M., & Minardi, S. (2020). Sources of un-certainty and subjective prices. Journal of the European Economic Association. https: // doi.org /10.1093/jeea/jvaa¬013.
Chandra Yadav, D., Singh, Y., Kumar Pandey, A., & Kannagi, A. (2024). Computerized software quali-ty evaluation with novel artificial intelligence approach. Proceedings on Engineering Sciences, 5(4), pp. 363-372. https://doi.org/10.24874/pes.si.24.02.019.
Clarté, L., Loureiro, B., Krzakala, F., & Zde-borova, L. (2023). Theoretical characterization of uncer-tainty in high-dimensional linear classification. Ma-chine Learning: Science and Technology. https://doi.org/10. 1088/2632-2153/acd749.
Guaman, D. S., Alamo, J. M. D., & Caiza, J. C. (2020). A systematic mapping study on software quality control techniques for assessing privacy in information systems. IEEE Access, 8, pp. 74808-74833. https:// doi. org/10.1109/access.2020.2988408.
Hahn, S.-J., & Lee, B.-H. (2023). Quality evalu-ation to small scaled software implementation result. The Journal of Korean Institute of Information Tech-nology, 21(1), pp.1-10. https://doi.org/10.14801/jkiit.2023.21.1.1.
Hayashi, S., Kubo, M., Mori, H., & Nakamura, M. (2023). Significance of quantitative eval-uation and assessment using automated volumetric breast density measurements software (Volpara Densi-ty). Nihon Nyu¬gan Kenshin Gakkaishi (Journal of Ja-pan Association of Breast Cancer Screening), 32(1), pp. 63-65. https://doi. org/10.3804/jjabcs.32.63.
Humphrey, W. S., & Singpurwalla, N. D. (1998). A bayesian approach for assessing software quality and productivity. International Journal of Relia-bility, Quality and Safety Engineering, 05(02), pp. 195-209. https: //doi.org/10.1142/s0218539398000194.
Indi, M. M., Priyangan, D. M., Herdiani, F. D., Budiman, B., & Mose, Y. (2023). Evaluation of the effectiveness of technology-based project management systems for software development. Global International Journal of Innovative Research, 1(2), pp. 175-181. https:// doi.org/10.59613/global.v1i2.30.
Kamaletdinov, S., Aripov, N., Khudayber-ganov, S., Bashirova, A. M., & Akhmedov, M. D. (2023). Evaluation of data quality based on Bayesian networks in railway rolling stock monitoring systems. E3S Web of Conferences, 460, 04014. https: // doi.org / 10.1051/ e3sconf/202346004014.
Kuetche, F., Noura, A., Ntsama, P. E., Welba, C., & Thierry, S. (2023). Signal quality indices evalua-tion for robust ECG signal quality assessment systems. Biomedical Physics & Engineering Express. https://doi.org/ 10.1088/2057-1976/ace9e0.
Kusuma, M. R., Windu Gata, Sigit Kur-niawan, Dedi Dwi Saputra & Supriadi Panggabean. (2023). Software defect prediction for quality evaluation using learning techniques ensemble stacking. Inspiration: Jurnal Teknologi Informasi Dan Komunikasi, 13(2), pp. 1-13. https://doi.org/10.35585/inspir.v13i2.58.
Liu, C. (2021). Quantitative evaluation of software component behavior discovery approach. IEICE Transactions on Information and Systems, E104.D(1), pp. 117-120. https://doi.org/10.1587/transinf.2020mpl0001.
Merzlyakova, E. Y., & Yanchenko, E. V. (2023). Review of software quality verification and evaluation methods. The Herald of the Siberian State University of Telecommunications and Informatics, 17(1), pp. 92-106. https://doi.org/10.55648/1998-6920-2023-17-1-92-106.
Pankov, P. S., & Tagaeva, S. B. (2020). Sys-tems of differential equations and computer phenome-na. Herald of Institute Mathematics of the National Academy of Sciences of the Kyrgyz Republic, (2), pp. 86-93. https:// doi.org/10.52448/16948173_2020_2_86.
Yoon, H. (2023). A quantitative evaluation for usability under software quality models. Interna-tional Journal on Recent and Innovation Trends in Computing and Communication, 11(3), pp. 24-29. https: //doi.org /10.17762/ijritcc.v11i3.6194.
Yue, C., Huang, R., Towey, D., Xian, Z., & Wu, G. (2023). An entropy-based group decision-making approach for software quality evaluation. Ex-pert Systems with Applications, 121979. https: // doi.org /10.1016/j. eswa.2023.121979.
Zhang, X., Li, Z., Zou, Z., Gao, X., Xiong, Y., Jin, D., Li, J., & Liu, H. (2023). Informative data selec-tion with uncertainty for multimodal object detection. IEEE Transactions on Neural Networks and Learning Systems, 1–13. https://doi.org/10.1109/tnnls.2023.3270159.
Zhao, J., Wang, Y., Mancenido, M. V., Chiou, E. K., & Maciejewski, R. (2023). Evaluating the impact of uncertainty visualization on model reliance. IEEE Transactions on Visualization and Computer Graphics, pp. 1-15. https://doi.org/10.1109/tvcg.2023.3251950.
