InSCo. Un modelo de proceso para la integración entre la ingeniería del software y la ingeniería del conocimiento

El objetivo general del trabajo de investigación presentado en esta memoria es la propuesta de un modelo de proceso para el desarrollo de un sistema híbrido, que llamaremos modelo de proceso InSCo; siendo un sistema híbrido aquel que presenta un comportamiento integrado donde colaboran componentes software basadas en conocimiento y no basadas en conocimiento. La propuesta del modelo de proceso InSCo define las actividades fundamentales y artefactos generados en la ejecución del proceso, prestando atención a los modelos construidos y técnicas utilizables en cada actividad. Aunque se hace una propuesta global que abarca todo el proceso de desarrollo, el trabajo de esta tesis se centra en describir detalladamente las actividades del nivel conceptual. El modelo InSCo permitirá la fusión de metodologías heredadas de la Ingeniería del Conocimiento (InCo) y de la Ingeniería del Software (InSo), teniendo por objetivo integrar bajo una misma descripción las técnicas y métodos utilizados y aprendidos por los profesionales de ambas ingenierías. No se plantea la construcción de una nueva metodología, porque los ingenieros son ya usuarios de alguna de ellas y trasladarse a un nuevo enfoque creemos que no es una propuesta viable por el coste que supone el cambio. De esta manera se facilitará la implantación de InSCo. Este modelo guiará la construcción de sistemas software híbridos en los que las soluciones deben venir de la mano de software basado en conocimiento, puesto que se han de resolver problemas poco estructurados con requerimientos subjetivos y donde la incertidumbre, la incompletitud y la inconsistencia son el común denominador; pero además tenemos que integrar en la solución primero.

Flujo de trabajo para la experimentación colaborativa en Ingeniería del Software guiada por búsqueda

La Ingeniería del Software Guiada por Búsqueda persigue reformular problemas de Ingeniería del Software que a menudo comprenden objetivos en conflicto, como problemas de optimización. Así, las técnicas que se aplican en esta disciplina buscan una o un conjunto de soluciones casi-óptimas en un espacio de soluciones candidatas con la ayuda de una función de aptitud que les permita distinguir las mejores soluciones. La naturaleza estocástica de los algoritmos de optimización requiere de la repetición de las búsquedas para mitigar los efectos de la aleatoriedad. A la hora de comparar algoritmos, el investigador comparará los resultados con mejor calidad (mejores valores en la función de aptitud, en indicadores de calidad y rendimiento) devueltos en las búsquedas, lo que conlleva un trabajo adicional por parte del investigador. La sobrecarga que implica esta actividad puede aminorarse si la experimentación se enfoca de manera colaborativa. Este artículo propone un flujo de trabajo para la experimentación colaborativa basado en resultados e indicadores de calidad y rendimiento.