Convalida empirica delle metriche orientate agli aspetti

Per convalidare empiricamente l'efficacia delle metriche nel contesto di AOP, sono state prese in considerazione tre metriche specifiche:Weighted Method per Class (WMC) - Questa metrica rappresenta la somma delle complessità di tutti i metodi di una classe. Un valore WMC più alto indica una classe con più comportamenti o logica, che può essere più difficile da comprendere e mantenere.Accoppiamento sull'esecuzione dei consigli (CAE) - Questa metrica quantifica quanto strettamente gli aspetti sono accoppiati con altre classi in base all'esecuzione dei consigli. Un accoppiamento elevato può aumentare la difficoltà di manutenzione e ridurre la modularità.Weighted Pointcut per Aspect (WPA) - Questa metrica conta e pesa la complessità dei pointcut definiti in un aspetto. Un WPA più elevato indica un aspetto che interagisce con molte parti del programma, aumentando potenzialmente il carico cognitivo.Per migliorare la valutazione di queste metriche, viene proposta una metrica cognitiva ponderata. Questa nuova metrica tenta di integrare le considerazioni sulla complessità cognitiva nelle metriche esistenti (WMC, CAE, WPA) assegnando pesi basati sullo sforzo di comprensione umana. Tuttavia, poiché la complessità del software non è sempre binaria o lineare, i sistemi logici croccanti tradizionali potrebbero non essere sufficienti per modellare tali complessità.