La calidad del software asistida mediante inteligencia
artificial
https://doi.org/10.47230/Journal.TechInnovation.v1.n1.2022.10-21
Journal TechInnovation
Volumen 1, Número 1, 2022
Universidad Estatal del Sur de Manabí
ISSN-e: Pendiente
Software quality assisted by artificial intelligence
Journal - TechInnovation
UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ
Volumen: 1
Número: 1
Año: 2022
Paginación: 10-21
URL: https://revistas.unesum.edu.ec/JTI/index.php/JTI/article/view/2
*Correspondencia autor: carlosvillacresesparrales23@gmail.com
Recibido: 20-05-2022 Aceptado: 27-06-2022 Publicado: 01-07-2022
Carlos Andrés Villacreses Parrales
1*
https://orcid.org/0000-0002-4048-4316
Jennifer Elizabeth Chóez Calle
2
https://orcid.org/0000-0001-6051-2479
Jennifer Xiomara Barreto Pin
3
https://orcid.org/0000-0002-9610-8002
Victor Antonio Figueroa Castillo
4
https://orcid.org/0000-0002-7810-9730
Lenin Jonatan Pin García
5
https://orcid.org/0000-0001-8272-3816
1. Ingeniero en Tecnologías de la Información, Maestrante en Tecnologías de la Información y Comunicación. Universidad Estatal del Sur de Manabí. Jipijapa, Manabí, Ecuador.
carlosvillacresesparrales23@gmail.com
2. Egresada de la Carrera Tecnologías de la Información. Facultad de Ciencias Técnicas. Universidad Estatal del Sur de Manabí. Jipijapa, Manabí, Ecuador. jenniferelizachoez-
calle@gmail.com
3. Egresada de la Carrera Tecnologías de la Información. Facultad de Ciencias Técnicas. Universidad Estatal del Sur de Manabí. Jipijapa, Manabí, Ecuador. jenniferbarretopin@
gmail.com
4. Egresado de la Carrera Tecnologías de la Información. Facultad de Ciencias Técnicas. Universidad Estatal del Sur de Manabí. Jipijapa, Manabí, Ecuador. victor-fige@outlook.
com
5. Ingeniero en Sistemas con maestrías en Docencia universitaria, Sistemas de Información Gerencial y Gestión Estratégica de Tecnologías de la Información, y doctorando en
Ingeniería. Profesor principal a tiempo completo. Universidad Estatal del Sur de Manabí. Jipijapa, Manabí – Ecuador. jonatan.pin@unesum.edu.ec
RESUMEN
El presente trabajo de investigación hace énfasis a las aplicaciones de inteligencia artificial para evaluar la
calidad del software; el objetivo primordial de esta investigación científica es proporcionar información acerca
de cómo las métricas y los algoritmos genéticos se aplican en los diferentes softwares de calidad, teniendo
así que la presente revisión sistemática se centra en dar a conocer a los lectores como la IA, se emplea en
los algoritmos y otro sinnúmero de herramientas. En cuanto al desarrollo de este trabajo de investigación se
manifestó el funcionamiento, la usabilidad y el procesamiento, que ofrecerán las aplicaciones de Inteligencia
Artificial (IA), para ello, se emplearon los métodos teóricos de la investigación científica tales como: históri-
co-lógico y análisis-síntesis. Por consiguiente, se detallan las plataformas en la cual están desarrolladas los
algoritmos y se menciona las normas que se aplica en cada uno de ellas. Definiendo así, al algoritmo más
utilizado como Naive Bayes, desarrollado en el lenguaje de programación JAVA, el Aprendizaje Automático,
las Redes Neuronales Artificiales, Random, las Redes Bayesianas, son mayormente empleadas, puesto que,
puede ser modificado según las necesidades del programador, basándose en las normas de calidad de
software. Cabe recalcar que la indagación tendrá un gran impacto, debido a que se presentan los resultados
obtenidos de la revisión, los cuales se basan en las respuestas a las preguntas planteadas que dieron los 72
artículos aceptados según los criterios de inclusión y exclusión del protocolo de revisión en diversas fuentes
como bases de datos, artículos científicos, entre otros.
Palabras clave: IA, aprendizaje; java; software.
ABSTRACT
This research work emphasizes artificial intelligence applications to evaluate software quality; The primary
objective of this scientific research is to provide information about how the genetic metrics and algorithms are
applied in the different quality softwares, thus having this systematic review focused on making the readers
aware of how AI is used in algorithms and countless other tools. Regarding the development of this research
work, the operation, usability and processing, which will be offered by Artificial Intelligence (AI) applications,
were used, for this, theoretical methods of scientific research such as: historical-logical and analysis-synthesis.
Consequently, the platforms on which the algorithms are developed are detailed and the standards applied in
each of them are mentioned. Thus defining the most used algorithm as Naive Bayes, developed in the JAVA
programming language, Machine Learning, Artificial Neural Networks, Random, Bayesian Networks, are most-
ly used, since it can be modified according to the needs of the programmer, based on software quality stan-
dards. It should be noted that the inquiry will have a great impact, since the results obtained from the review
are presented, which are based on the answers to the questions posed by the 72 articles accepted according
to the inclusion and exclusion criteria of the review protocol. in various sources such as databases, scientific
articles, among others.
Keywords: IA; learning; Java; software.
Journal TechInnovation Volumen 1, Número 1, 2022
12
Introducción
En la actualidad, estamos rodeados por sis-
temas inteligentes que realizan una tarea en
específico, y que se apoyan del concepto
de la inteligencia artificial, al momento de
llevar a cabo cada una de las funcionalida-
des que provee el sistema. (Urretavizcaya
Loinaz) Conjuntamente, el uso de las inteli-
gencias artificiales hace posible que, sin la
intervención humana, las empresas puedan
atender de forma instantánea y correcta a
sus clientes y seguidores, ya sea a través
Aplicaciones que evalúen la calidad de sof-
tware. (TechTarget, s.f.)
La inteligencia artificial (IA) es el disimulo de
técnicas o métodos de la inteligencia huma-
na asimiladas por máquinas, empleadas en
los diferentes sistemas informáticos. (TO-
RRA) Estas tecnologías incluyen el apren-
dizaje, el razonamiento y la autocorrección
que es una característica primordial del ra-
ciocinio humano al momento de la toma de
decisiones en su diario vivir. (Navarro, Garri-
do, Navarro, & Catalán, 2015)
Maching Learning (ML) emplea algoritmos
de calidad de software, para desarrollar di-
ferentes sistemas, tales como la Programa-
ción Genética, los Algoritmos de Aprendiza-
je Automático, Redes Neuronales Artificiales
(ANN), Random, las Redes Bayesianas, en-
tre otros; los cuales contribuyen a la evalua-
ción de la calidad de software mediante la
IA. (Bielza, Correa, Pamies, & López, 2008)
Los Sistemas de Calidad de Software (SQ)
son cada vez más importantes en la socie-
dad actual y crecen rápidamente en tama-
ño y complejidad, los mismos que están
basados en estándares, métricas, clasifi-
cadores y algoritmos, ajustándose a las ne-
cesidades y funcionamiento del software.
(EcuRed, s.f.)
La presente investigación, se fundamenta
en las metodologías que se denomina re-
visión sistemática, los estándares, así mis-
mo las métricas que se tomaron en cuenta
como lo es analizar el funcionamiento, la
Villacreses Parrales, C. A., Chóez Calle, J. E., Barreto Pin, J. X., Figueroa Castillo, V. A., & Pin García, L. J.
usabilidad, el procesamiento de las aplica-
ciones de la IA, en la calidad del software,
para que la redacción de los análisis de los
datos que se obtuvieron, sean satisfactorios
para los programadores. (Sinnaps, s.f.)
El impacto de esta investigación en cuanto
al ámbito tecnológico y económico, es que
las grandes empresas implementen este
módulo de desarrollo, para garantizar una
evaluación de calidad en la implementación
de software; tomando en consideración las
aplicaciones y lo que hoy en día es moral-
mente ético, al crear prototipos de Inteligen-
cia Artificial.
Desarrollo
La presente investigación que se plantea se
basa en las revisiones sistemáticas las cua-
les son indagaciones científicas en las cua-
les la unidad de análisis son los estudios
originales primarios. Constituyen una herra-
mienta esencial para sintetizar la informa-
ción científica disponible. (Urrútia, Ferreira,
& Coello, 2011) Para efectuar una revisión
sistemática se debe dar cumplimiento a las
siguientes fases como lo son la utilización
de mecanismos de búsqueda con palabras
clave y sitios sugeridos por expertos, así
mismo las Publicaciones recomendadas
por expertos, publicaciones disponibles en
sitios web y Bases de Datos.
Para ello se emplea una búsqueda de los
datos extraídos de la revisión sistemática,
como se muestra en la Figura 1, se repre-
senta el análisis de la búsquedad, de los
datos extraídos de la revisión sistemática.
13
Journal TechInnovation Volumen 1, Número 1, 2022
ARTÍCULO ORIGINAL: LA CALIDAD DEL SOFTWARE ASISTIDA MEDIANTE INTELIGENCIA ARTIFICIAL
Figura 1. Presentación del proceso de búsqueda de literatura.
Fuente: Elaboración propia de los autores.
Las diferentes fuentes empleadas para la investigación incluyen las diversas bases de da-
tos digitales: ACM Digital Library, IEEE Electrony Library, ASCE Journal, Springer Link, Sco-
pus. Como se muestra en la Tabla 1. En la cual se verificó, si las fuentes se ajustan a los
criterios previamente definidos, y se estableció la lista de fuentes, mostrada en la Tabla.
Tabla 1. Fuentes Empleadas.
Fuente: Elaboración propia de los autores.
Se empleó esta cadena la cual fue adaptada a cada buscador de las fuentes de búsqueda;
como las Palabras reservadas extraídas del conjunto de palabras definidas en la pregunta.
Combinando estas palabras clave con los operadores lógicos “AND” y “OR”, se obtuvo la
cadena de búsqueda como se muestra en la Tabla 2.
Tabla 2. Cadena de Búsquedad
Fuente: Elaboración propia de los autores.
Journal TechInnovation Volumen 1, Número 1, 2022
14
Vericación de las fuentes
En la definición de criterios de inclusión (CI) de estudios y de exclusión (CE) de estudios,
se identificaron, respectivamente, los cuales se muestran en la Tabla 3.
Tabla 3. Obtención de las Fuentes.
Fuente: Elaboración propia de los autores
Criterio de inclusión y exclusión
Se realizó la ejecución de las búsquedas, adaptando las cadenas a los motores de cada
buscador, las cuales se identifican en la Tabla 4. En la cual se detallan cuáles fueron los
criterios de inclusión y así mismo los de exclusión.
Tabla 4. Criterios de Inclusión y Exclusión.
Fuente: Elaboración propia de los autores
Materiales y métodos
Los materiales que se llevaron a cabo en
la presente investigación fueron: diversas
fuentes bibliográficas como artículos de re-
vistas científicas, sitios web, las cuales per-
mitieron sustentar la información obtenida
de los mismos.
Para el desarrollo de la indagación se utiliza-
ron métodos científicos tales como: métodos
teóricos predominando el histórico-lógico
para determinar los antecedentes presen-
tes en la investigación sobre la calidad de
software asistida mediante la inteligencia
artificial; así mismo el análisis-síntesis para
analizar y posterior sintetizar diversas opi-
niones vertidas de los diferentes artículos;
el método referencial-bibliográfico para dar
un sustento solido de la información que se
plantea.
Resultados
En esta sección se presentan los resultados
obtenidos, mediante tablas y gráficos esta-
dísticos, así mismo se examinará cada uno
de los resultados. Como se muestra en la
Figura 2. En esta grafica se detalla los artí-
culos aceptados obteniendo un 53, recha-
zados se obtuvo 17 y duplicados 3.
Villacreses Parrales, C. A., Chóez Calle, J. E., Barreto Pin, J. X., Figueroa Castillo, V. A., & Pin García, L. J.
15
Journal TechInnovation Volumen 1, Número 1, 2022
Figura 2. Artículos Obtenidos
Fuente: Elaboración propia de los autores
En cuanto a la Figura 3. Se detalla los años de publicación de los artículos, obteniendo un
incremento en el 2018 hasta el 2019, la actualidad.
Figura 3. Tendencia de Resultados.
Fuente: Elaboración propia de los autores
Como se muestra en la Figura 4. Se detalla los nombres de los diferentes algoritmos que se
emplearon para evaluar la calidad de software, entre los cuales se destacan con un 11%
Naive Bayes, con un 12% los Algoritmos de Aprendizaje, con un 5% los Genéticos, con un
9% las Redes Neuronales, BNJ, con un 3% Random, y con un 5% Regresión logística.
Figura 4. Nombres del Algoritmos.
Fuente: Elaboración propia de los autores
ARTÍCULO ORIGINAL: LA CALIDAD DEL SOFTWARE ASISTIDA MEDIANTE INTELIGENCIA ARTIFICIAL
Journal TechInnovation Volumen 1, Número 1, 2022
16
En la Figura 5. Se detalla los criterios de calidad que se evaluaron usando los algoritmos,
obteniendo un 32% la Usabilidad, con un 34% la Funcionalidad y con un 27% el procesa-
miento teniendo así una evaluación de la calidad.
Figura 5. Criterio de calidad se evaluó usando el algoritmo.
Fuente: Elaboración propia de los autores
En la Figura 6. Se detalla si los algoritmos están libres para ser descargados, obteniendo
un 43% un SI con un 38% un 38%, NO y un 19% como no definidos.
Figura 6. Algoritmo libre para ser descargado.
Fuente: Elaboración propia de los autores
En la Figura 7. Detalla las plataformas en las cuales se encuentran los algoritmos entre los
cuales se destacan con un JAVA, C++, PHP, Linux, TensonFlow, Python.
Villacreses Parrales, C. A., Chóez Calle, J. E., Barreto Pin, J. X., Figueroa Castillo, V. A., & Pin García, L. J.
17
Journal TechInnovation Volumen 1, Número 1, 2022
Figura 7. Plataforma en que se encuentra el algoritmo.
Fuente: Elaboración propia de los autores
En Figura 8. Detalla si el algoritmo puede ser modificado dependiendo las necesidades de
quien lo requiera, obteniendo un 44% un SI, y un 16% un NO, así mismo como no definidos
un 16%.
Figura 8. En los algoritmos de ML se han empleado normas de SQ.
Fuente: Elaboración propia de los autores
En la Figura 9. Representa el análisis de los algoritmos de Maching Learnig se han emplea-
do las normas de Calidad de Software, obteniendo un 33% un SI, un 33% un NO, y como
no definidas un 34% de los algoritmos.
Figura 9. En los algoritmos de ML se han empleado normas de SQ
Fuente: Elaboración propia de los autores
ARTÍCULO ORIGINAL: LA CALIDAD DEL SOFTWARE ASISTIDA MEDIANTE INTELIGENCIA ARTIFICIAL
Journal TechInnovation Volumen 1, Número 1, 2022
18
En la Figura 10. Representa el análisis las normas que se han utilizadas como lo es la ISO
9126, obteniendo un 3% un Si, un 53% un no y como definidos un 44%.
Figura 10. La norma utilizada es la ISO 9126.
Fuente: Elaboración propia de los autores
En la Figura 11. Representa el análisis de los resultados que se obtuvieron de la implemen-
tación de Maching Learning en la calidad de software, son satisfactorios de acuerdo a los
requerimientos de los usuarios, obteniendo un 44% un SI, y un 4% un NO y un 52% como
no definido, es así que no cumple con los requisitos.
Figura 11. Los resultados de implementación de ML en la SQ son satisfactorios de
acuerdo a los requerimientos del usuario.
Fuente: Elaboración propia de los autores
En la Figura 12. Representa el análisis de los resultados sobre si el articulo leído sobre la
Inteligencia Artificial se aplica en la Calidad del Software, obteniendo un 45% un SI, y un
19% un NO y un 36% como no definido, es así que cumple con las expectativas.
Villacreses Parrales, C. A., Chóez Calle, J. E., Barreto Pin, J. X., Figueroa Castillo, V. A., & Pin García, L. J.
19
Journal TechInnovation Volumen 1, Número 1, 2022
Figura 12. En el artículo leído sobre la IA se aplica SQ.
Fuente: Elaboración propia de los autores
Figura 13. Esta grafica representa si el artículo se han planteado desafíos a futuro, obtenien-
do un 29% SI, un 37% NO, y como no definidos un 34%.
Figura 13. En el artículo leído se han planteado desafíos a futuro de la IA en la SQ.
Fuente: Elaboración propia de los autores
Respuestas a las preguntas de Investiga-
ción
Las preguntas que se plantearon en la revi-
sión sistemática, fueron respondidas en su
totalidad, las cuales se analizan a continua-
ción.
PREGUNTA 1: ¿Qué aplicaciones, clasifica-
dores o algoritmos de inteligencia artificial
se usan para medir la calidad del software?
Entre los algoritmos más utilizados, se en-
cuentran el algoritmo de Random, Naive
Bayes, las Redes Bayesianas, las Redes
Neuronales así mismo BNJ. Lo cual un al-
goritmo es aquello que define de manera
específica en cada paso los desarrollos de
los elementos que se pueden expresar me-
diante diferentes actividades. (Pérez, s.f.)
PREGUNTA 2: ¿Qué normas se emplearon
para evaluar la inteligencia artificial en la
calidad del software?
Las normas empleadas para evaluar la ca-
lidad de software, son la ISO; la cual es el
estándar de normalización que se le aplica
a los diferentes productos o servicios, orien-
tadas a ordenar la gestión de una determi-
nada entidad que se dedique a distribuir
softwares u otros productos. (IsoTools Exce-
llence, 2015)
PREGUNTA 3: ¿Cuáles son los resultados
obtenidos en las aplicaciones de Machine
Learning en calidad de software?
Los resultados que se obtienen de las apli-
caciones de ML, son satisfactorios, depen-
ARTÍCULO ORIGINAL: LA CALIDAD DEL SOFTWARE ASISTIDA MEDIANTE INTELIGENCIA ARTIFICIAL
Journal TechInnovation Volumen 1, Número 1, 2022
20
diendo si cumple con los requisitos que so-
licita los usuarios, así mismo si puede ser
modificado y si cumple con las expectativas
de los programadores.
Considerando que, Machine Learnig o tam-
bién conocido como “aprendizaje automá-
tico, automatizado o de máquinas”, es una
rama de la disciplina computacional y de la
Inteligencia Artificial (IA). (Openexpoeuro-
pe, s.f.)
PREGUNTA 4: ¿Cómo se ha aplicado la in-
teligencia artificial en la calidad del softwa-
re?
Se detalla que los artículos emplean dife-
rentes aplicaciones de la Inteligencia Ar-
tificial en la SQ, para obtener una calidad
apropiada.
Cabe destacar que en el área del Asegura-
miento de la Calidad del Software la Inteli-
gencia Artificial puede ayudar a conseguir
especificaciones de requisitos o historias
de usuario de mayor calidad. Utilizando téc-
nicas de “text mining” es posible detectar
inconsistencias o carencias en las especifi-
caciones como, por ejemplo, la ausencia de
roles o de criterios de aceptación coheren-
tes en la definición de historias de usuario.
(MTP, 2018)
PREGUNTA 5: ¿Cuáles son los desafíos
existentes de la inteligencia artificial aplica-
dos en la calidad del software?
En diferentes Artículos que se obtuvieron,
se describen los desafíos, ya sean en se-
guir investigando sobre las aplicaciones,
métricas, algoritmos y las diferentes normas
que se aplican para evaluar la Calidad de
Software.
Conclusiones
De acuerdo a los resultados obtenidos en la
revisión sistemática se concluye:
• Qué las aplicaciones, clasificadores o
algoritmos de inteligencia artificial que
se usan para medir la calidad del sof-
tware, constan con un sinnúmero de mé-
tricas, herramientas y algoritmos a utili-
zar para satisfacer las necesidades de
las empresas que requieran de sistemas
informáticos.
• Que las normas que se emplean para
evaluar la inteligencia artificial en la ca-
lidad del software contribuyen no solo a
evaluar los sistemas informáticos, sino
también permiten desarrollar nuevos
prototipos de IA, puesto que, pueden
ser modificados según las necesidades
del programador, basándose en las nor-
mas de calidad de software.
• Que las aplicaciones de la IA que se han
empleado en la calidad del software no
solo pueden detectar inconsistencias o
carencias en las especificaciones para
la evaluación de la calidad.
• Que los desafíos existentes de la inteli-
gencia artificial aplicados en la calidad
del software, cumplen con las expecta-
tivas de los programadores que deseen
hacer uso o modificaciones de los algo-
ritmos.
Bibliografía
Bielza, C., Correa, M., Pamies, T., & López, A. (2008).
Redes Bayesianas vs redes neuronales en mo-
delos para la predicción del acabado superficial.
Congreso de máquinas-herramienta y tecnolo-
gías de fabricación(2829-516), 1-14. Obtenido
de http://digital.csic.es/handle/10261/13826
EcuRed. (s.f.). Inteligencia artificial. Obtenido de
www.ecured.cu: https://www.ecured.cu/Inteli-
gencia_artificial
Navarro, G., Garrido, G., Navarro, M., & Catalán, R.
(Abril de 2015). Construcción de conocimien-
to en educación superior. (G. N. Saldaña, Ed.)
UNIVERSIDAD DE CONCEPCION(N° 252.000 ).
doi:ISBN 978-956-227-388-6
Sinnaps. (s.f.). MÉTRICAS PARA LA EVALUACIÓN
DE PROYECTOS. Obtenido de www.sinnaps.
com: https://www.sinnaps.com/blog-ges-
tion-proyectos/metricas-la-evaluacion-proyectos
TechTarget. (s.f.). Inteligencia artificial, o AI. Obteni-
do de searchdatacenter.techtarget.com: https://
searchdatacenter.techtarget.com/es/definicion/
Inteligencia-artificial-o-AI
Villacreses Parrales, C. A., Chóez Calle, J. E., Barreto Pin, J. X., Figueroa Castillo, V. A., & Pin García, L. J.
21
Journal TechInnovation Volumen 1, Número 1, 2022
Cómo citar: Villacreses Parrales, C. A., Chóez Calle,
J. E., Barreto Pin, J. X., Figueroa Castillo, V. A., & Pin
García, L. J. (2022). La calidad del software asistida
mediante inteligencia artificial. Journal TechInnovation,
1(1), 10–21. https://doi.org/10.47230/Journal.TechInno-
vation.v1.n1.2022.10-21
TORRA, V. (s.f.). La inteligencia artificial. Lychinos,
2172-0207. doi:ISSN: 2171-6463
Urretavizcaya Loinaz, M. (s.f.). Sistemas Inteligentes
en el ámbito de la Educación. Iberoamericana
de Inteligencia Artificial, vol. 5, núm. 12, prima-
vera,2001, 6. Obtenido de www.redalyc.org:
http://www.redalyc.org/articulo.oa?id=92551202
Urrútia, G., Ferreira, I., & Coello, P. (Agosto de 2011).
Revisiones sistemáticas y metaanálisis: bases
conceptuales e interpretación. Revista Españo-
la de Cardiologia, Vol. 64.(8). doi:10.1016/j.re-
cesp.2011.03.029
ARTÍCULO ORIGINAL: LA CALIDAD DEL SOFTWARE ASISTIDA MEDIANTE INTELIGENCIA ARTIFICIAL
