Table Of Links Mesa de la izquierda 1 INTRODUCTION 1 Introducción 2 BACKGROUND AND RELATED WORK 2 Fundamentos y trabajos relacionados 3 RESEARCH DESIGN 3 Diseño de investigación 4 MAPPING STUDY RESULTS 4 Resultados del estudio de mapas 5 SURVEY RESULTS 5 Resultados de la encuesta 6 COMPARING THE STATE-OF-THE-ART AND THE PRACTITIONERS’ PERCEPTIONS 6 Comparación entre el estado del arte y las percepciones de los practicantes 7 DISCUSSION 7 Discusión 8 CONCLUSIONS AND ACKNOWLEDGMENTS 8 Conclusiones y Conclusiones REFERENCES Referencias 6 Comparación entre el estado del arte y las percepciones de los practicantes En esta sección, respondemos RQ3 - ¿En qué medida los investigadores y los profesionales están alineados con los objetivos de la investigación MCR? - juntando los resultados del estudio de mapeo (Sección 4) y las respuestas de la encuesta (Sección 5) 6.1 Comparing the number of research articles and the practitioners’ perceptions En la Figura 9, mapeamos las respuestas de la encuesta, el porcentaje de artículos que representan una declaración de encuesta y los temas de revisión de código modernos. El porcentaje de respuestas negativas y positivas para cada declaración se muestra en los ejes x y y, respectivamente. Cada burbuja representa una declaración de la encuesta y su tamaño indica el porcentaje de artículos que representan. Los diferentes colores representan los cinco temas que identificamos en el estudio de mapeo. Además, evaluamos si existe una correlación estadística entre el número de artículos y las percepciones de los practicantes. Usando el test de normalidad de Shapiro-Wilk determinamos que nuestros datos se distribuyen normalmente. Luego realizamos una prueba de correlación de Pearson para evaluar si existe una relación significativa entre las calificaciones y el número de artículos en diferentes temas. El resultado de la prueba de correlación se proporciona en la Tabla 13, los resultados estadísticamente significativos son audaces. Figura 9 hace hincapié en un resultado que reportamos sobre los niveles de acuerdo en la Sección 5.2: mientras que hay una investigación considerable sobre el apoyo a la solución (SS) y los factores humanos y organizativos (HOF), como se indica por el número y el tamaño de las burbujas, los practicantes parecen tener una actitud bastante negativa hacia la investigación realizada en este tema. Dentro de este tema, la investigación sobre el apoyo a la comprensión de los cambios de código que necesitan ser revisados y el apoyo a la selección de los revisores apropiados recibieron las respuestas más positivas y también se asoció con la mayoría de los artículos. Este es un buen ejemplo de alineación entre la investigación y el interés de los profesionales. El alineamiento positivo también se confirma en la prueba de correlación, ya que las soluciones que tienen menos publicaciones recibieron también más calificaciones negativas (cfr., Tabla 13). En el tema de la selección de los revisores, uno de los encuestados señaló que "P9: La revisión más efectiva es la realizada por desarrolladores que están más familiarizados con una funcionalidad particular o han trabajado en una funcionalidad similar en un proyecto diferente. I think there is no helping tool to tell who is the most appropriate reviewer." Varios estudios proponen o evalúan herramientas que hacen exactamente eso. Si bien la respuesta de los encuestados ciertamente no es representativa, un mayor enfoque en la traducción del conocimiento y la transferencia a los profesionales sobre las soluciones existentes puede ser un objetivo beneficioso para los investigadores en esta área. Además, como se ve en la Sección 4.2.1, sólo dos de las 36 soluciones que apoyan la recomendación del revisor proporcionan enlaces a las herramientas, lo que podría explicar por qué los profesionales no son conscientes de las soluciones existentes. Mirando a la Figura 9, vemos más respuestas negativas que positivas a las declaraciones relacionadas con factores humanos y de la organización (HOF). Sin embargo, no encontramos ninguna relación estadística significativa entre el número de artículos en el tema de HOF y la calificación, como se indica en la Tabla 13. La declaración que investiga el rendimiento de la revisión y la edad y la experiencia de los revisores en este tema está asociada con la mayoría de los estudios, pero también se percibe principalmente negativamente. "Age and experience is less important than code knowledge or ability to read code. An 18 year old with no experience writes the best comments, then that is the person I will invite to review". Otro participante elaboró más sobre el factor de edad: P7: Otro encuestado enfatizó la importancia de que un proceso de revisión estándar sea más importante que la edad y la experiencia del revisor: P25: "I don’t understand how the age of reviewer can help in performance, Experience to certain extent but that doesn’t mean the experienced person knows new technologies that are emerging so this statement should be viewed as 2 separate things with respect to experience yes important to investigate to certain extent. But with respect to age some younger ones are actually doing more reviews now a days". "Standard review procedure is to be independent of individual/team members’ age and experience". Mirando al ángulo superior izquierdo de la Figura 9, la área con altas calificaciones positivas y bajas negativas está dominada por declaraciones relacionadas con la investigación sobre el impacto de las revisiones de código en la calidad del producto y los aspectos humanos (IOF) y las propiedades del proceso de revisión de código moderno (CRP). Aunque, podemos ver que sólo la relación entre las calificaciones y los papeles en el tema de la IOF es estadísticamente significativa (por ejemplo, Tabla 13). Este resultado indica que los practicantes están interesados en la investigación que investiga las relaciones causales, como indica un respondente P11: Sin embargo, hay un número relativamente bajo de estudios en esta área. "Understanding how people approach and make decisions when performing a code review may open up some other interesting questions in how to structure and format code reviews to be more effective". 6.2 Comparing research impact and practitioners’ perceptions Recopilamos citas de todos los estudios primarios a partir de agosto de 2022. La cita de pares es una forma de evaluar el impacto de la investigación y la actividad de un tema. Comparamos el impacto de la investigación con las respuestas de los profesionales de la encuesta. Como tenemos las respuestas de los profesionales a cada declaración, Calculamos el impacto de la investigación para cada declaración considerando la suma de las citas de todos los estudios primarios que representan una declaración (ver Tabla 7). Los estudios primarios se publican entre 2007 y 2021 (Figura 10).El porcentaje de respuestas negativas y positivas para cada afirmación se muestra en los ejes x y y y los colores representan los diferentes temas.Cada burbuja representa una declaración de la encuesta y su tamaño indica el número total de citas de todos los estudios primarios en cada declaración. Además, evaluamos si existe una correlación estadística entre el impacto de la investigación y las percepciones de los profesionales. Usando la prueba de normalidad de Shapiro-Wilk determinamos que nuestros datos se distribuyen normalmente. Luego realizamos una prueba de correlación de Pearson para evaluar si existe una relación significativa entre las calificaciones y el impacto de la investigación en diferentes años. Tabla 14 muestra los resultados de la prueba de correlación de Pearson para los diferentes años. También evaluamos la correlación entre las calificaciones y el impacto de la investigación de los artículos en cada tema (véase Tabla 15). Aunque las calificaciones positivas generales son bajas para los sistemas de soporte para el tema de revisión de código (SS), los papeles con alto impacto tienen calificaciones positivas más altas que los papeles de bajo impacto. Cuando se consideran todos los años juntos, el tema SS muestra una correlación negativa significativa entre las calificaciones negativas y el impacto de la investigación (r = -0.5087684 , p = 0.004827), lo que indica que cuando el impacto es alto, las calificaciones negativas son bajas. Del mismo modo, la correlación entre las calificaciones positivas y el impacto de la investigación es significativa también (r = 0.5502959 ,0.001982). En el tema del factor humano y de la organización (HOF) podemos ver de la Figura 10 que algunas de las declaraciones que tienen un alto impacto fueron percibidas negativamente por los Sin embargo, no encontramos ninguna relación estadística significativa entre las calificaciones y las declaraciones en el tema HOF. En el tema relacionado con el impacto de las revisiones de código sobre factores humanos (IOF), podemos ver que las declaraciones que tienen un alto impacto también recibieron calificaciones más positivas. También observamos una correlación estadísticamente significativa entre las calificaciones positivas e impacto en el marco de tiempo entre 2013-2015 (r = 0.7670108 , p = 0.04419). No encontramos patrones interesantes en los otros temas. Los autores: DEEPIKA BADAMPUDI MICHAEL UNTERKALMSTEINER RICARDO BRITTO Authors: La profundidad de Badampudi Michael Unterkalmsteiner Ricardo Brito Este artículo está disponible en archiv bajo la licencia CC BY-NC-SA 4.0. Este documento es bajo la licencia CC BY-NC-SA 4.0. Disponible en Archivo Disponible en Archivo
