Predicción de conflictos en fusión de código mediante inteligencia artificial explicable

Abstract

La integración de código en el desarrollo de software colaborativo es una actividad habitual, pero que puede generar conflictos de fusión que son costosos de resolver. La detección temprana de conflictos por fusión de código busca alertar a los desarrolladores, evitando así que dichos conflictos se lleguen a producir. Además, es importante que los desarrolladores conozcan qué características del proyecto software o de su desarrollo pueden ser sintomáticas de una mayor predisposición a conflictos de fusión de código. En este trabajo se estudia la aplicación de algoritmos de aprendizaje automático (ML) e inteligencia artificial explicable (XAI) para predecir escenarios de fusión de código propensos a generar conflictos. Se trata del primer trabajo que aborda este problema predictivo desde la perspectiva XAI, inspeccionando los modelos de ML tanto a nivel global como local. La experimentación con conjuntos de datos extraídos de proyectos alojados en Github, y desarrollados en cuatro lenguajes de programación diferentes, muestra que aspectos como el número de ficheros modificados, el de desarrolladores y el de commits son los más relevantes para predecir conflictos de fusión de código.