Establecimiento del Modelo de Agregación más Adecuado para Ingeniería del Software

Antecedentes: la sintesis cuantitativa consiste en integrar los resultados de un conjunto de experimentos, previamente identificados, en una medida resumen. Al realizar este tipo de sintesis, se busca hallar un resultado que sea resumen representativo de los resultados de los estudios individuales, y por tanto que signifique una mejora sobre las estimaciones individuales. Este tipo de procedimientos recibe el nombre de Agregacion o Meta-Analisis. Existen dos estrategias a la hora de agregar un conjunto de experimentos, la primera parte del supuesto de que las diferencias en los resultados de un experimento a otro obedecen a un error aleatorio propio de la experimentacion y de que existe un unico resultado o tamano de efecto que es compartido por toda la poblacion, la segunda estrategia parte del supuesto de que no existe un unico tamano de efecto representativo de toda la poblacion, sino que dependiendo del origen o momento en que se realicen los experimentos los resultados van a modificarse debido a la influencia de variables no controladas, a pesar de esto puede obtenerse un promedio de los distintos resultados para una conclusion general. A la primera de las estrategias se la denominada modelo de efecto fijo y a la segunda se la denominada modelo de efectos aleatorios. Los autores que han comenzado a trabajar en Meta-Analisis, no muestran una linea de trabajo unificada. Este hecho hace que sea necesaria la unificacion de criterios para la realizacion de este tipo de trabajos. Objetivo: establecer un conjunto de recomendaciones o guias que permitan, a los investigadores en Ingenieria del Software, determinar bajo que condiciones es conveniente desarrollar un Meta-Analisis mediante modelo de efecto fijo y cuando es conveniente utilizar el modelo de efectos aleatorios. Metodos: la estrategia seria la de obtener los resultados de experimentos de caracteristicas similares mediante el metodo de Monte Carlo. Todos ellos contarian con un numero de sujetos bajo, ya que esa es la caracteristica principal en el campo de la Ingenieria de Software y que genera la necesidad de tener que agregar el resultado de varios experimentos. Luego se agrega el resultado de estos experimentos con el metodo de Diferencia de Medias Ponderadas aplicada primero con el modelo de efecto fijo, y posteriormente con el modelo de efectos aleatorios. Con las combinaciones realizadas, se analiza y compara la fiabilidad y potencia estadistica de ambos modelos de efectos. Resultados: el modelo de efecto fijo se comporta mejor que el modelo de efectos aleatorios, presentando potencia con mas de 80 sujetos/experimentos cuando el modelo de efecto aleatorio no posee potencia en ninguno de los casos analizados, y fiabilidad para todos los casos en que la varianza es baja o media. Cuando los efectos poblacionales son altos o muy altos, el modelo de efecto fijo tiende a perder fiabilidad sobre todo cuando se incrementa la cantidad de experimentos y la cantidad de sujetos experimentales. Conclusiones: la baja potencia del modelo de efectos aleatorios dentro del contexto de simulacion desarrollado, provoca en la practica que el resultado final del meta-analisis hecho con este tipo de modelo tienda a dar diferencias no significativas en todo momento, no permitiendo de esta forma poder afirmar que un tratamiento es mejor que otro cuando en realidad lo es.