Authors: Gregor, L., Schnappinger, M., Pretschner, A. Teaser: Over the last few decades, a variety of static code metrics have been published and promoted to measure the maintainability of software systems. This study evaluates 12 common static code metrics for their correlation with observed… [weiterlesen]

Authors: Elsner, D., Kacianka, S., Lipp, S., Pretschner, A., Habermann, A., Graber, M., Reimer, S. Teaser: Continuous integration (CI) pipelines are commonly used to execute regression tests before pull requests are merged. Regression test selection (RTS) aims to reduce the required testing effort… [weiterlesen]

Authors: Hundsdorfer, S.*, Elsner, D.*, Pretschner, A. Teaser: Regression test selection (RTS) aims to reduce regression testing effort by selecting only those tests that are affected by introduced changes. RTS techniques are considered to be safe if they select all affected test cases. Several… [weiterlesen]

Authors:  Wuersching, R.*, Elsner, D.*, Leinen, F., Pretschner, A., Grueneissl, G., Neumeyr, T., Vosseler, T. Teaser: In automotive software engineering, system-level regression testing is crucial to ensure proper integration of oftentimes safety-critical components. Due to the inherent complexity… [weiterlesen]

Wir haben eine offene Position für eine*n Doktorand*in mit Fähigkeiten im Bereich Blockchain Engineering & Smart Contract Testing. Die Stelle ist am ACE-Programm von Algorand aufgehängt. Bewerben Sie sich über unser Formular mit Verweis auf diese Aussschreibung. [weiterlesen]

Christian Feiler wurde für seine herausragende Masterarbeit "Vectorizing Software for Machine Learning" mit dem Pelkhoven-Preis geehrt. Die Arbeit leistet einen wichtigen Beitrag wie Programme so dargestellt werden können, um effizient und effektiv von künstlicher Intelligenz analysiert werden zu… [weiterlesen]

Severin Kacianka successfully defended his thesis on Accountability for Socio-Technical Systems. [weiterlesen]

Our paper on using Text- and Image-Based ML to predict code quality received the Best Paper Award at the Software Quality Days! [weiterlesen]

Wir möchten Sie hiermit herzlich zur Abschlusskonferenz unseres BMBF-Projekts „Inverse Transparenz – Beteiligungsorientierte Ansätze für Datensouveränität in der digitalen Arbeitswelt gestalten“ einladen. Transparente Arbeitswelten nachhaltig gestalten: Wie wir Datensouveränität stärken und neue… [weiterlesen]

Machine learning has emerged as a useful tool to aid software quality control. It can support identifying problematic code snippets or predicting maintenance efforts. The majority of these frameworks rely on code metrics as input. https://doi.org/10.1007/978-3-031-04115-0_4 [weiterlesen]