Resumen

Existen muchas definiciones de la Deuda Técnica (TD) de software que han sido propuestas con el tiempo. Aunque han surgido muchas técnicas para medir la TD en tiempos recientes, todavía no hay una comprensión clara sobre cómo se comparan las diferentes técnicas cuando se aplican a proyectos de software. El objetivo de este documento es arrojar algo de luz sobre este aspecto, comparando tres técnicas de identificación de TD que han sido propuestas con el tiempo: (i) el Índice de Mantenibilidad (MI), (ii) los modelos de TD de SIG y (iii) el análisis de SQALE. Considerando 20 bibliotecas de Python de código abierto, comparamos las series temporales de medidas de TD en términos de tendencias y evolución de acuerdo con diferentes conjuntos de versiones (mayores, menores y micro), para ver si la percepción de los profesionales sobre la evolución de la TD podría verse afectada. Si bien todos los métodos reportan generalmente tendencias crecientes de TD con el tiempo, existen diferentes patrones. SQALE reporta más periodos

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Definiciones; Deuda técnica de software; Técnicas; Medición; Comparación; índice de mantenibilidad; Modelos SIG TD; Análisis SQALE; Bibliotecas de Python de código abierto; Tendencias; Evolución; Lanzamientos; Profesionales; Impacto; Patrones; Pagos; Similitud; Implicaciones
• Keywords:Definitions; Software technical debt; Techniques; Measure; Comparison; Maintainability index; SIG TD models; SQALE analysis; Open source Python libraries; Trends; Evolution; Releases; Practitioners; Impact; Patterns; Repayments; Similarity; Implications