2017 Fiscal Year Annual Research Report
A study on effort estimation models for lively changing software industries
| Project/Area Number |
15K15975
|
|---|
| Research Institution | Okayama Prefectural University |
|---|
Principal Investigator |
天嵜 聡介 岡山県立大学, 情報工学部, 助教 (00434978)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 「鮮度」の有効性の判別 |
|---|
| Outline of Annual Research Achievements |
今年度は前年度までの研究によって得られた知見を整理し，プロジェクトデータの「鮮度」に着目した工数見積もりの方法を検討・実装した．
前年度までに，常に「鮮度」を考慮すべきではないという知見が得られている．プロジェクトデータの特性と「鮮度」の設定範囲という観点からその理由付けに取り組んだ．しかしながら，これらの観点からの理由付けは難しいことが明らかとなった．この成果は国際会議（1件）で発表済みである．この結果を受けて，「鮮度」を考慮すべきかどうかについてプロジェクトデータ主導で判別する方法の開発に取り組んだ．
判別手法として，アンサンブル学習法に着目した．前年度に実装したアンサンブル学習法を用いる工数見積もりモデルの基本的な性能評価を行い，その内の一つを判別手法として適応させた．実証的な実験による結果，高い精度で「鮮度」を考慮すべき場合を判別できることが明らかとなった．これらの成果については国際会議で発表済み（2件）である．
研究課題である「鮮度」を考慮した工数見積もりについて一定の成果が得られた一方で，「鮮度」を考慮するアプローチ特有の課題も現れてきた．それは，古いデータを捨てることでデータサイズが小さくなり工数見積もりモデルの性能が低下することである．このため，「鮮度」の考慮による精度向上が相殺されている可能性がある．
この課題に対する将来的な対応に向けて，まず，古いプロジェクトデータを単に捨てるのではなく新しいプロジェクトデータに適応させる方法として，Cross-Project Defect Prediction (CPDP)の手法の転用について検討を始めた．また，プロジェクトデータ分布の偏りによる影響を排除しつつ見積もりに有用な変数を選択するために傾向スコアの利用を検討している．これらの過程で得られた成果は国際会議（2件）および雑誌論文（1件）で発表済みである．
|
