Empirische Validierung von aspektorientierten Metriken

Um die Wirksamkeit von Metriken im Kontext von AOP empirisch zu überprüfen, werden drei spezifische Metriken betrachtet:Weighted Method per Class (WMC) - Diese Metrik stellt die Summe der Komplexität aller Methoden in einer Klasse dar. Ein höherer WMC-Wert deutet auf eine Klasse mit mehr Verhalten oder Logik hin, die schwieriger zu verstehen und zu pflegen sein kann.Coupling on Advice Execution (CAE) - Diese Kennzahl gibt an, wie eng Aspekte mit anderen Klassen auf der Grundlage der Ausführung von Ratschlägen gekoppelt sind. Eine starke Kopplung kann die Wartung erschweren und die Modularität verringern.Weighted Pointcut per Aspect (WPA) - Diese Kennzahl zählt und gewichtet die Komplexität der in einem Aspekt definierten Pointcuts. Ein höherer WPA-Wert deutet auf einen Aspekt hin, der mit vielen Teilen des Programms interagiert, was die kognitive Belastung erhöhen kann.Um die Bewertung dieser Metriken zu verbessern, wird eine kognitiv gewichtete Metrik vorgeschlagen. Diese neuartige Metrik versucht, Überlegungen zur kognitiven Komplexität in die bestehenden Metriken (WMC, CAE, WPA) zu integrieren, indem sie Gewichte auf der Grundlage des menschlichen Verstehensaufwandes zuweist. Da die Softwarekomplexität jedoch nicht immer binär oder linear ist, reichen herkömmliche klare logische Systeme möglicherweise nicht aus, um diese Komplexität zu modellieren.

Autorentext
Dr. G. AROCKIA SAHAYA SHEELA arbeitet derzeit als Assistenzprofessorin in der Abteilung für Informatik, St. Joseph's College (Autonomous), Tiruchirappalli. Sie hat viele Bücher herausgegeben und Buchkapitel verfasst. Sie wurde mit dem Indian Scientist, Best Young Faculty und Best Indian Researcher Award ausgezeichnet. Sie hat 7 Förderungspatente erhalten.