PDF de programación - Análisis de estrategias para clasificar contenidos en foros de discusión: Un caso de estudio

Análisis de estrategias para clasicar contenidos

en foros de discusión: Un caso de estudio

Valeria Zoratto+, Gabriela N. Aranda+, Sandra Roger∗, Alejandra Cechich+

∗
Grupo GIISCo+, Grupo GILIA

Facultad de Informática, Universidad Nacional del Comahue

Buenos Aires 1400 (8300) Neuquén, Argentina

{vzoratto|gabriela.aranda|roger}@fi.uncoma.edu.ar

Resumen La información que generan las consultas realizadas en foros
especializados puede ser de gran utilidad para otros usuarios que tengan
problemas similares. Nuestra propuesta es capturar, mantener y analizar
hilos de discusión existentes en foros técnicos para, dado un problema
particular, sugerir un conjunto de soluciones exitosas en menos intentos
que utilizando buscadores multipropósito tradicionales. En este trabajo
se presenta una serie de casos de estudio enfocados en hilos de un foro
técnico sobre el uso del lenguaje de programación Java y se analizan
estrategias para clasicar dichos hilos y relacionarlos con las clases Java
correspondientes.

1.

Introducción

Los foros de discusión disponibles en la Web sobre temáticas relacionadas
al desarrollo y mantenimiento de software, contienen un amplio conocimiento
sobre diferentes problemáticas cotidianas, por lo que hacer un análisis de dicha
información es algo deseable y valioso [1]. Los usuarios generalmente utilizan
motores de búsqueda multipropósito para acceder a dicha información, y suelen
recorrer varias páginas buscando un problema similar al suyo. Este proceso puede
llevar al usuario a visitar distintas páginas antes de encontrar una propuesta de
solución para su pregunta, y a veces es necesario probar varias de ellas hasta
obtener la correcta. Para ello se propone avanzar en la línea presentada en [2]
a n de lograr el pre-procesamiento de la pregunta del usuario y, basado en el
análisis previo de hilos de discusión clasicados por tema, ofrecerle un conjunto
ordenado de soluciones con mayor probabilidad de éxito.

Como se muestra en la Figura 1, para reutilizar la información disponible
en los foros de discusión, es necesaria una primera etapa durante la cual se
clasiquen los hilos de dichos foros. Para ello se propone utilizar un conjunto
de entidades más reconocibles, llamados documentos de referencia. A modo de
ejemplo, en este artículo se ha analizado una colección de hilos de discusión
sobre uso del lenguaje Java, y como documentos de referencia un repositorio de
especicación de clases de dicho lenguaje.

Teniendo en cuenta este objetivo, en la Sección 2 se describe el diseño de
una familia de casos de estudio para evaluar estrategias que logren una mejora

ASSE 2015, 16º Simposio Argentino de Ingeniería de Software. 44 JAIIO - ASSE 2015 - ISSN: 2451-7593176 Figura 1. Proceso de clasicación de hilos de acuerdo a documentos de referencia

en la clasicación de hilos de discusión. Luego, en la Sección 3 se presenta el
desarrollo de la primera etapa de dicha familia. Posteriormente, en la Sección 4
se analizan los resultados obtenidos y, nalmente, se presentan las conclusiones
y líneas de trabajo futuro.

2. Diseño de una familia de casos de estudio

Un caso de estudio se desarrolla con el objetivo de investigar una entidad
o fenómeno particular en el contexto de la vida real [3]. Los casos de estudio
son estudios observacionales, es decir, se llevan a cabo mediante la observación
de un proyecto o actividad que está en marcha, mientras que los experimentos
son estudios en entornos controlados [4]. Dado que el objeto real de estudio es la
información disponible en la Web, se ha diseñado una estrategia empírica basada
en el estudio de casos. En la Tabla 1 se muestra la denición de dicha estrategia
según la plantilla propuesta por el método GQM [5].

Tabla 1. Denición del caso de estudio según plantilla GQM

Analizar

Foros de discusión sobre aspectos técnicos disponibles en la

Web

Con el propósito de

Clasicar los hilos de los foros para relacionarlos a una

entidad más reconocible (documentos de referencia)

Con respecto a

Determinar el grado de relación entre distintos hilos de foros

Desde el punto de vista de

Usuario externo de un foro

En el contexto

Información disponible en la Web de forma pública

ASSE 2015, 16º Simposio Argentino de Ingeniería de Software. 44 JAIIO - ASSE 2015 - ISSN: 2451-7593177 Figura 2. Estructura de los documentos utilizados en el caso de estudio

Como esta etapa se ha enfocado en el estudio de hilos de foros de discusión
sobre uso del lenguaje Java, se ha seleccionado como conjunto de documentos de
referencia la especicación de clases de Oracle (versión 5)1.

En la Figura 2 se muestra un ejemplo de la estructura de los documentos
involucrados en este estudio. Como se puede observar, un hilo de discusión tiene
un título y una pregunta principal, que han sido los disparadores del hilo, y luego
una serie de respuestas a dicha pregunta (pedidos de aclaración, propuesta de
soluciones, etc). Por el otro lado, un documento Oracle tiene el nombre de la clase
(Class Name en el documento Oracle) y a continuación se listan las interfaces que
implementa (Implemented Interfaces), subclases conocidas (Known Subclasses),
etc.

En base a la información contenida en las secciones presentes en cada tipo
de documento (hilos de discusión y documentos Oracle), y a la tarea objeto de
esta investigación de clasicar los hilos de foros de discusión de la manera más
apropiada, se han denido las siguientes hipótesis:

Hipótesis A: Utilizar mayor cantidad de información sobre cada una de las
clases Java documentadas en Oracle permite clasicar los hilos de discusión
relacionados a ellas de forma más precisa.
Hipótesis B: Utilizar más información sobre el problema explicado en los
hilos de discusión permite clasicarlos de forma más precisa respecto a los
documentos Oracle de las clases Java.

En las siguientes secciones se explican los pasos realizados para implementar las
distintas etapas de dicha estrategia.

3. Desarrollo de los casos de estudio

En base al diseño explicado anteriormente, se han denido una serie de pasos

para comprobar las hipótesis propuestas mediante casos de estudio:

1 http://docs.oracle.com/javase/1.5.0/docs/

ASSE 2015, 16º Simposio Argentino de Ingeniería de Software. 44 JAIIO - ASSE 2015 - ISSN: 2451-7593178 Figura 3. Fases del desarrollo de los casos de estudio

Fase 1. Recuperación de documentos
Fase 2. Clasicación por expertos
Fase 3. Pre-procesamiento de documentos
Fase 4. Indexación de documentos de referencia
Fase 5. Búsqueda de documentos relevantes

En la Figura 3 se muestra una vista de dichas fases, así como de las entradas y
salidas de cada una de ellas, que serán explicadas con más detalle en las secciones
siguientes. Si bien las fases se han numerado y presentado de manera secuencial,
se puede observar que algunas de ellas pueden realizarse de manera paralela.
Por ejemplo, la Fase 2 (clasicación por expertos) puede realizarse a la vez que
la Fase 3, 4 y 5, dado que su evolución y resultado no depende de otras fases
o de resultados intermedios. En las secciones siguientes se irán explicando las
características más importantes de cada fase y su implementación en los casos
de estudio realizados.

3.1. Fase 1: Recuperación de documentos

En esta etapa se han recuperado de la Web, los documentos a utilizar durante
los casos de estudio propuestos. Por tratarse de pruebas preliminares, se se ha
restringido el estudio a un único foro de discusión, Stack Overow 2, ampliamente
utilizado por la comunidad de programadores. Haciendo uso de la funcionalidad
del buscador de dicho foro, se ha realizado una consulta con la cadena: Integer
class AND Java. Por el contrario, no se ha realizado ningún ltrado previo
para los documentos del sitio Oracle, descargándose la especicación de todas
las clases Java de la versión elegida. En la Tabla 3.1 se resumen las características

2

http://stackoverow.com/

ASSE 2015, 16º Simposio Argentino de Ingeniería de Software. 44 JAIIO - ASSE 2015 - ISSN: 2451-7593179 Tabla 2. Características técnicas del caso de estudio

Documentos de referencia

Hilos de discusión

Sitio

Idioma

Oracle

Inglés

Stack Overow

Inglés

URL Sitio

http://docs.oracle.com/javase/1.5.0/docs/

http://stackoverow.com/

Fecha recup.

27/11/2014

Cadena búsq.

-

27/02/2015

Integer class AND Java

Doc. analizados

2953 (todos los disponibles versión 1.5.0)

20 hilos

Tabla 3. Ejemplo de clasicación de los hilos realizadas por expertos

Hilo

Muy alto

Alto

Medio

Bajo

Muy bajo

3

6

8

12

16

18

19

Integer

JTable

Integer

String Object

JScrollPane

Component

JCombobox

JFrame

Long Boolean

Character

Double Short

Float Byte

Integer

Character

String

BigInteger

Integer

Long

String

String

Integer

String Integer

Integer

Float Double

de la realización de esta fase, indicándose la fecha de descarga de los documentos
utilizados, cantidad de documentos recuperados de cada tipo, etc., de acuerdo a
las restricciones explicadas anteriormente.

3.2. Fase 2: Clasicación por expertos

Como primera instancia,

los hilos de discusión recuperados han sido
analizados para identicar, entre las clases Java mencionadas en el hilo, aquellas
a las que el problema planteado por el usuario se encontraba más relacionado. A
n de conseguir una clasicación objetiva, se ha requerido el análisis consensuado
de tres expertos. Dado que los hilos están escritos en lenguaje natural,
la
información que presentan contiene un alto grado de ambigüedad. Es por ello
que el estudio se ha restringido a los primeros 20 hilos recuperados clasicados
de acuerdo a la escala de relación: muy alto, alto, medio, bajo y muy bajo. Por
ejemplo, para el hilo 8, se ha determinado que se encontraba relacionado en
grado alto con las clases Integer y Character, con grado bajo con la clase String,
y muy bajo con la clase BigInteger. En la Tabla 3 se muestra, a modo de ejemplo,
el resultado de dicho análisis para algunos hilos recuperados.

ASSE 2015, 16º S