SQM 3/24: Cognitive Complexity by G. Ann Campbell

• В курсе обсуждается, как улучшить качество программного кода и как его измерять.  

• Качество кода напрямую связано с количеством багов в продакшене.  

• Программисты не могут напрямую влиять на количество багов, но могут повысить качество кода, что предотвратит их появление или уменьшит их количество.  

• Метрика когнитив в комплекте была придумана для измерения сложности кода.  

• Она учитывает количество возможных путей выполнения программы и глубину вложенности инструкций.  

• Метрика поощряет код с повторениями и наказывает код с глубокой вложенностью.  

• Метрика когнити в комплекте (Cogito in Kit) измеряет сложность кода, игнорируя те фичи, которые делают код более читаемым.  

• Метрика учитывает количество точек разветвления в коде, но не учитывает их глубину.  

• Метрика предлагает штрафовать программиста за использование вложенных циклов и условий, что делает ее более точной в оценке сложности кода.  

• Метрика Cogito in Kit появилась только в 2016 году, что указывает на то, что человечество не сразу пришло к идее оценки сложности кода с учетом вложенных циклов и условий.  

• Возможно, развитие языков программирования и структурное программирование подтолкнули к созданию этой метрики.  

• Авторы предлагают метрику, которая пытается предсказать читаемость кода, но не было доказано, что она имеет смысл.  

• Метрика была предложена шесть лет назад, но не была опубликована в виде научной статьи.  

• Авторы провели эксперимент, который показал, что метрика коррелирует с читаемостью кода.  

• Однако, эксперимент был субъективным и не может быть полностью доверен.  

• В реальных продуктах программисты сталкиваются с более сложными и старыми кодами, которые требуют более глубокого понимания.  

• Метрики читаемости кода могут помочь в понимании и улучшении таких кодов.  

• Большинство программистов в компаниях ленивы, безграмотны и демотивированы, что приводит к вандализму в кодовой базе.  

• Это создает некомфортную и неудобную среду для работы, где качество кода ухудшается с каждым годом.  

• Метрики контроля качества, такие как когните в комплекте, могут помочь противостоять агрессии и болоту в кодовой базе.  

• Если использовать эти метрики, можно предложить архитекторам и менеджерам использовать их для улучшения качества кода.  

• Метрики контроля качества могут быть использованы для снижения показателей когнити в комплекте и улучшения качества кода.  

• Это может быть достигнуто через постепенное снижение показателей и контроль над ними.  

• Обсуждение сложности, с которой наш мозг оценивает системы команд и языки программирования.  

• Персивд - термин, обозначающий сложность восприятия и концептуализации кода.  

• Социальный код-анализ предполагает анализ не только структуры кода, но и поведения человека, который его написал.  

• Цель - улучшить понимание качества кода и объединить анализ структуры кода с анализом поведения человека.  

• Оценка изменений кода по степени их рискованности.  

• Использование механизмов оценки для классификации изменений и принятия решений о том, какие изменения требуют дополнительного ревью.  

• Обсуждение использования когнитивного анализа для понимания поведения программистов и качества их кода.  

• Упоминание о метрике "когнитив" как возможном будущем статического анализа.  

• Упоминание об использовании электроэнцефалограмм для измерения мозговой активности пилотов и водителей.  

• Возможность использования подобных устройств для анализа мозговой активности программистов и предсказания их дальнейших действий.  

• Обсуждение проблемы переизбытка задач и недостачи программистов.  

• Упоминание о том, что программисты должны быть вынуждены писать качественный код, используя статические анализаторы и контролеры качества.  

• Обсуждение того, как качество кода контролируется и поощряется на рынке программистов.  

• Упоминается, что некоторые программисты могут быть недовольны контролем качества, но это неизбежно в условиях дефицита программистов.  

• Упоминается машинное обучение и его использование в анализе кода.  

• Обсуждается, как машинное обучение может помочь в оценке читабельности кода и определении того, кто его написал.  

• Упоминается непредсказуемость машинного обучения, которое может давать разные ответы на один и тот же вопрос.  

• Обсуждается, что это может быть полезно для оценки читабельности кода и определения того, кто его написал.  

• Искусственный интеллект уже влияет на рынок программистов, и его влияние будет только расти.  

• В будущем, программисты будут заменены искусственным интеллектом, и их количество может уменьшиться.  

• Программирование в его нынешнем виде может исчезнуть, и программисты будут заниматься другими задачами, такими как постановка задач для искусственного интеллекта.  

• Через 20 лет, программисты будут заниматься формулированием задач для искусственного интеллекта, а не написанием кода.  

• Искусственный интеллект будет способен писать код лучше, чем люди, и это откроет новые возможности для программистов.  

• Через 20 лет, программисты станут "второго порядка", и появятся новые специализации, такие как "объяснятели" и "переговорщики с компьютером".  

• В будущем, программисты будут больше общаться с компьютерами, а не с их внутренним устройством.  

• Некоторые программисты будут создавать модели для компьютеров, но большинство будет заниматься разработкой игр и других приложений.  

• Программисты останутся техниками, но их работа будет менее детализированной и более автоматизированной.  

• Менеджеры будут управлять ресурсами и людьми, но программисты все равно будут иметь технический склад ума.  

• Программисты должны продолжать исследовать и писать методы исследования, которые будут актуальны и через 20 лет.  

• Важно сфокусироваться на разделе "метод" в статье и показать его автору.