En développement logiciel Agile, on utilise habituellement un backlog
composé d’un ensemble d’histoires d’utilisateur pour documenter les
exigences utilisateurs d’un projet. En règle générale, chacune d’elles
correspond à une phrase assez courte respectant le template de Cohn(“As a
<acteur>, I want <objectif> ,[so that <bénéfice>]”)
et leur nombre est assez élevé. Cela rend très compliqué le maintien du
backlog, la compréhension du domaine couvert sans une analyse détaillée
et l’identification de l’impact de chaque histoire d’utilisateur sur les
décisions de design. Les attributs de qualité sont l’un des facteurs
les plus importants dans la prise de décisions design. Dans ce mémoire,
nous proposons: (a) une technique d’identification des attributs de
qualité liés à une histoire d’utilisateur et (b) une approche permettant
de modéliser automatiquement les histoires d’utilisateur sous forme de
diagrammes de robustesse (visualisation semi-formelle modélisant le flux
d’un scénario en incluant les acteurs, les entités du domaine et les
interfaces utilisateurs). Pour évaluer nos travaux, nous avons utilisé
une base de données composée de 1,675 histoires d’utilisateur réparties
entre 22 backlogs de projets industriels et universitaires. (a) Pour
cette première technique, nous avons testé différents modèles de
classification d’apprentissage automatique pour prouver qu’il est
possible de détecter les histoires d’utilisateur faisant référence à un
attribut de qualité et d’en identifier le type. Nos expérimentations ont
pu montrer la faisabilité de notre idée avec un F1-Score de 0.71 pour
la détection et un F1-Score de 0.63 pour l’identification. (b) La
seconde technique permet de fusionner les diagrammes de robustesse de
plusieurs histoires d’utilisateur afin d’offrir une vue d’ensemble du
domaine et permettre l’identification de la redon- dance et des
incohérences potentielles. De plus, pour faciliter l’analyse en détail
d’un élément de ces diagrammes unifiés, nous proposons une approche par
"Point-De-Vue". Elle consiste à sélectionner un élément et à représenter
seulement les objets du diagramme en lien avec celui-ci. Nous avons
évalué la qualité syntaxique des diagrammes de robustesse générés en
fonction du fait que l’ensemble des objets qui le composent sont
connectés ou ne le sont pas.
la date de réponse | 14 juin 2019 |
---|
langue originale | Français |
---|
L'institution diplômante | |
---|
Superviseur | Pierre Yves Schobbens (Promoteur) |
---|
- Agile
- Machine Learning
- attribut de qualité
- Agile Software Development
- model-driven development
- natural language processing
- software architecture
- decision making
- machine learning
Génération de modèles et extraction de qualités pour le développement logiciel Agile
Georis, F. (Auteur). 14 juin 2019
Student thesis: Master types › Master en sciences informatiques à finalité spécialisée en data science