연속 소프트웨어 데이터에서 치료 결과 구조 자동 발굴 방법

초록

본 논문은 소프트웨어 개발·관리 과정에서 발생하는 이벤트 시퀀스를 분석하여, 결과 변수에 미치는 영향을 자동으로 탐색하는 Gandhi‑Washington Method(GWM)를 제안한다. 분석자는 이벤트를 문자 알파벳으로 인코딩하고, 정규표현식을 이용해 시퀀스를 추상화한 뒤, 통계 검정을 통해 의미 있는 치료‑결과 구조(TrOC)를 도출한다. 파일 편집, 코드 소유권, 릴리즈 주기 등 세 가지 사례 연구를 통해 GWM의 적용 가능성을 입증한다.

상세 분석

GWM은 “인코딩‑추상화‑합성”이라는 3단계 파이프라인으로 구성된다. 첫 단계에서 분석가는 연구 대상 이벤트를 의미 있는 기호(예: C=commit, R=review, T=testing)로 매핑한다. 이 과정은 도메인 지식과 연구 질문에 따라 알파벳 크기를 자유롭게 설정할 수 있어, 복잡한 프로세스를 단순 문자열로 변환한다. 두 번째 단계인 추상화에서는 정규표현식(예: CR, (S L)* 등)을 이용해 동일한 구조를 가진 시퀀스를 하나의 클래스로 묶는다. 정규표현식의 계층적 관계를 DFS로 탐색함으로써, 상위 표현식이 하위 표현식을 포함하는 부모‑자식 트리를 형성한다. 이는 시퀀스 간 구조적 유사성을 정량화하고, 불필요한 세부 변형을 제거하는 역할을 한다. 세 번째 단계인 합성에서는 각 정규표현식에 대응하는 실험 결과(버그 수, 충돌 수, 릴리즈 주기 등)를 통계적으로 비교한다. 논문에서는 주로 Mann‑Whitney U 검정을 사용했으며, p‑값이 사전 정의된 유의 수준 이하인 경우 해당 정규표현식을 의미 있는 치료(treatment)로 인정한다. 이렇게 도출된 치료‑결과 구조(TrOC)는 두 가지 관점에서 의미를 가진다. 첫째, 통계적으로 결과 변수에 차이를 만든다; 둘째, 정규표현식 자체가 시퀀스 구조에서 독특함을 보인다.

GWM의 장점은 (1) 연구자가 직접 인코딩을 설계함으로써 가설 검증 범위를 자유롭게 조정할 수 있다는 점, (2) 정규표현식을 통한 추상화가 데이터 차원을 크게 축소하면서도 핵심 패턴을 보존한다는 점, (3) 자동화된 통계 검증이 반복 실험을 손쉽게 수행하게 해 재현성을 높인다는 점이다. 반면 제한점으로는 (①) 인코딩 단계에서 전문가의 주관이 크게 작용해 결과에 편향을 일으킬 가능성, (②) 정규표현식 탐색이 탐색 공간이 커질 경우 계산 복잡도가 급증할 수 있다는 점, (③) 연속적인 시간 간격이나 다중 이벤트 동시 발생을 하나의 문자로 압축하기 어려워 복합적인 프로세스 모델링에 제약이 있다는 점을 들었다.

세 가지 사례 연구는 GWM의 실용성을 잘 보여준다. 파일 편집 시퀀스에서는 “연속적인 파일 수정 후 저장” 패턴이 버그 발생률을 낮추는 것으로 나타났고, 코드 소유권 분석에서는 “특정 개발자가 연속적으로 커밋한 파일”이 유지보수 비용을 감소시켰다. 릴리즈 사이클에서는 “짧은 검증 주기(L*)와 짧은 주기와 긴 주기의 교차(SL)* 패턴”이 충돌 수를 유의하게 감소시켰다. 각 사례마다 GWM이 자동으로 정규표현식을 생성하고, 통계 검정을 통해 의미 있는 TrOC를 도출함으로써, 기존의 수작업 기반 시퀀스 마이닝 대비 효율성과 정확성을 동시에 확보했다.

전체적으로 GWM은 소프트웨어 엔지니어링 분야에서 시퀀스 데이터와 결과 변수 간의 인과 관계를 탐색하는 새로운 프레임워크를 제공한다. 정규표현식 기반의 구조적 요약과 통계적 검증을 결합함으로써, 복잡한 개발 프로세스에서 핵심 치료 패턴을 자동으로 식별하고, 실무 의사결정에 직접 활용할 수 있는 정량적 근거를 제공한다. 향후 연구에서는 다중 결과 변수 동시 분석, 베이지안 통계 적용, 그리고 대규모 오픈소스 레포지토리 자동 파이프라인 구축 등을 통해 GWM의 확장성을 검증할 필요가 있다.