[논문 리뷰] Software Cognitive Information Measure based on Relation Between Structures

Yong-Hwa Choe, Chol-Yong Jong외 1명|arXiv (Cornell University)|2013. 04. 01.

Cognitive Computing and Networks참고 문헌 10인용 수 5

한 줄 요약

이 논문은 소프트웨어 분석에 그레인룰 코어빙을 통합함으로써 변수 스코프와 기능 분해를 모델링하는 새로운 인지 복잡도 측정법인 스코프 정보 복잡도 수치(SICN)를 제안한다. Weyuker의 아홉 가지 성질을 사용한 이론적 기반을 구축하여, SICN이 변수 스코프와 소프트웨어 아키텍처에 기반한 구조적이고 인지 기반의 지표를 통해 인간의 이해 어려움을 효과적으로 측정함을 입증한다.

ABSTRACT

Cognitive complexity measures quantify human difficulty in understanding the source code based on cognitive informatics foundation. The discipline derives cognitive complexity on a basis of fundamental software factors i.e, inputs, outputs, and internal processing architecture. An approach to integrating Granular Computing into the new measure called Structured Cognitive Information Measure or SCIM. The proposed measure unifies and re-organizes complexity factors analogous to human cognitive process. However, according to the methodology of software and the scope of the variables, Information Complexity Number(ICN) of variables is depended on change of variable value and cognitive complexity is measured in several ways. In this paper, we define the Scope Information Complexity Number (SICN) and present the cognitive complexity based on functional decomposition of software, including theoretical validation through nine Weyuker's properties.

연구 동기 및 목표

• 소스 코드에서 인간의 이해 어려움을 반영하는 인지 복잡도 측정법을 개발하기 위해.
• 소프트웨어 복잡도 모델링에 그레인룰 코어빙 원리를 통합하여 인지적 일치도를 향상시키기 위해.
• 변수 스코프와 기능 분해를 기반으로 한 새로운 지표인 스코프 정보 복잡도 수치(SICN)를 정의하기 위해.
• 공식적 강건성을 확보하기 위해 Weyuker의 아홉 가지 이론적 성질을 사용한 제안된 측정법의 검증을 위해.

제안 방법

• 저자들은 소프트웨어의 변수 스코프와 구조적 분해를 함수로 정의하여 스코프 정보 복잡도 수치(SICN)를 제안한다.
• 기능 분해를 통해 인지 복잡도를 모델링하며, 코드를 정보의 그레인으로 간주한다.
• 이 방법은 기존의 복잡도 요소(입력, 출력, 내부 처리)를 인지에 부합하는 단위로 재구성하기 위해 그레인룰 코어빙을 적용한다.
• 수학적이고 인지적으로 일관된 보장을 위해 이론적 검증을 Weyuker의 아홉 가지 성질을 사용하여 수행한다.
• 변수 값의 변화를 동적 인지 부하 기여 요소로 간주하여 SICN 계산에 통합한다.
• 최종 측정법은 구조적 관계와 스코프 인식 변수 처리를 기반으로 하며, 인간의 인지 처리를 모방한다.

실험 결과

연구 질문

• RQ1 변수 스코프와 구조적 분해를 사용하여 소프트웨어의 인지 복잡도를 공식적으로 측정할 수 있는 방법은 무엇인가?
• RQ2 SICN 지표는 인간의 인지 처리 방식과 얼마나 잘 일치하는가?
• RQ3 제안된 측정법은 복잡도 측정에 대해 Weyuker의 아홉 가지 이론적 성질을 충족시키는가?
• RQ4 그레인룰 코어빙의 통합은 소프트웨어에서 인지 복잡도의 표현을 어떻게 향상시키는가?
• RQ5 변수 값의 변화는 인지 복잡도에 어떤 영향을 미치며, SICN에서는 이를 어떻게 캡처하는가?

주요 결과

• 제안된 SICN 지표는 Weyuker의 아홉 가지 이론적 성질을 모두 충족하여 공식적 유효성이 입증되었다.
• 그레인룰 코어빙의 통합은 소프트웨어 이해에서 인지 과정을 더 정확하게 표현할 수 있도록 한다.
• 변수 스코프와 동적 값 변화는 인지 복잡도에 상당한 영향을 미치며, SICN은 이를 효과적으로 캡처한다.
• 기능 분해는 복잡도 모델링의 정밀도를 높여 인간의 인지 부하 인식과 더 잘 일치시킨다.
• 측정법은 기존 복잡도 요소를 인지 기반의 구조적 단위로 재구성하는 통합 프레임워크를 제공한다.
• 이론적 검증을 통해 SICN이 강건하고 일관되며 실용적인 소프트웨어 인지 분석에 적합하다는 것이 확인되었다.