Software Defect Density Prediction Using Code Review Defect Density

IR IR (HANDLE) IPSJ Open Access

Bibliographic Information

Other Title
  • コードレビュー指摘密度を用いたソフトウェア欠陥密度予測
  • ソフトウェア工学におけるシステム評価·管理技術

Search this article

Description

本稿ではコードレビュー指摘密度がソフトウェア欠陥密度予測モデルの精度に与える効果を明らかにする．コードレビュー指摘密度はコードレビューでの指摘数をコード行数で除することにより定義する．ソフトウェア開発では，テストを実施する前に，ソースコードの品質を高めるためにコードレビューが行われている．一般的なソフトウェア開発プロジェクトではまずソースコードレビューが行われ，その後，単体テスト，結合テスト，システムテストが実施される．コードレビューにより欠陥が除去されることから，コードレビューでどの程度欠陥を除去できたかによって，コードレビュー後に実施されるテストにおける欠陥密度が変化する可能性がある．分析では，富士通株式会社において実施された27件のプロジェクトで収集されたデータを用いて，単体テスト，結合テスト，システムテスト別に欠陥密度予測モデルを重回帰モデルにより構築した．分析の結果，コードレビュー指摘密度を説明変数に用いない場合，システムテスト欠陥密度の予測はできない（決定係数0.02）が，コードレビュー指摘密度を説明変数に用いることによりシステムテスト欠陥密度の予測が可能となる（決定係数0.52）ことが示された．

This paper clarifies the effect of code review indication density for accuracy of software defect density prediction model. Code review indication density is defined as code review indication number divided by lines of source code. In the software development, code review is conducted before software testing to enhance quality of source codes. Generally, in software development project, source code review was conducted at first, then, unit testing, integration testing, and system testing are done. Results of source code review may influence number of detected faults during software testing. In the analysis, we used 27 projects data recorded in Fujitsu Limited, and made prediction model of defect density of unit testing, integration testing, and system testing with linear regression model. As a result, when the code review defect density is not used for an explanatory variable, the system testing defect density cannot be predicted (the determination coefficient was 0.02), and when the code review defect density is used for an explanatory variable, the system testing defect density can be predicted (the determination coefficient was 0.52).

Journal

Keywords

Details 詳細情報について

Report a problem

Back to top