Una Revisión Sistemática de la Literatura sobre el Rendimiento de la Predicción de Fallos en la Ingeniería de Software

Antecedentes: La predicción precisa de dónde es probable que ocurran fallos en el código puede ayudar a dirigir el esfuerzo de prueba, reducir costos y mejorar la calidad del software. Objetivo: Investigamos cómo el contexto de los modelos, las variables independientes utilizadas y las técnicas de modelado aplicadas influyen en el rendimiento de los modelos de predicción de fallos. Método: Utilizamos una revisión sistemática de la literatura para identificar 208 estudios de predicción de fallos publicados desde enero de 2000 hasta diciembre de 2010. Sintetizamos los resultados cuantitativos y cualitativos de 36 estudios que reportan suficiente información contextual y metodológica de acuerdo con los criterios que desarrollamos y aplicamos. Resultados: Los modelos que tienen un buen rendimiento tienden a basarse en técnicas de modelado simples como Naive Bayes o Regresión Logística. Combinaciones de variables independientes han sido utilizadas por modelos que tienen un buen rendimiento. La selección de características se ha aplicado a estas combinaciones cuando los modelos están funcionando particularmente bien. Conclusión: La metodología utilizada para construir los modelos parece influir en el rendimiento predictivo. Aunque hay un conjunto de estudios de predicción de fallos en los que es posible tener confianza, se necesitan más estudios que utilicen una metodología confiable y que reporten su contexto, metodología y rendimiento de manera integral.