Оцінка інтегрованого підходу до моніторингу якості програмного забезпечення за відгуками користувачів для підвищення точності та своєчасності

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2025.341516

Ключові слова:

аналіз відгуків, якість програмного забезпечення, аналіз настроїв, виявлення проблем, обробка даних

Анотація

Об’єктом дослідження є система моніторингу та аналізу якості програмного забезпечення на основі відгуків користувачів, зібраних з проєктів з відкритим кодом на GitHub. Проблема полягає у відсутності ефективних автоматизованих інструментів, здатних обробляти великі обсяги неструктурованих відгуків для виявлення проблем якості, визначення пріоритетів і фіксації негативних тенденцій у реальному часі. Традиційні методи забезпечення якості, хоча й важливі, не враховують нюанси настроїв користувачів і контекстні деталі у відгуках природною мовою, що призводить до затримок у виявленні та вирішенні проблем. Розроблена система інтегрує три модулі: аналіз настроїв для оцінки задоволеності користувачів, категоризацію проблем для структурування відгуків у придатні для використання типи та виявлення аномалій для ідентифікації раптових змін у настроях чи динаміці відгуків. Результати показують, що моделі на основі трансформаторів, зокрема точно налаштований BERT, перевершують правилоорієнтовані та традиційні алгоритми машинного навчання за точністю й стійкістю. Ця перевага пояснюється здатністю враховувати специфічну лексику, сарказм і контекстні залежності, що забезпечує точнішу інтерпретацію відгуків. Компонент виявлення аномалій, який використовує автоенкодери LSTM та Isolation Forest, продемонстрував здатність виявляти критичні регресії якості до двох днів раніше за офіційні повідомлення. Отримані результати можуть застосовуватися для безперервного моніторингу якості у гнучких, відкритих чи орієнтованих на користувача середовищах розробки, де своєчасне прийняття рішень на основі даних є критичним. Запропонований підхід підтримує аналітику в режимі реального часу, допомагаючи командам проактивно реагувати на ризики та підвищувати задоволеність користувачів.

Біографії авторів

Nurzhamal Kashkimbayeva, Astana IT University

PhD

Department of Computer Engineering

Ulan Bekish, Academy of Public Administration Under the President of the Republic of Kazakhstan

PhD, Associate Professor

Institute Management

Gulsim Abdoldinova, K. Kulazhanov Kazakh University of Technology and Business

PhD, Associate Professor

Department of «Information Technology»

Zhuldyz Basheyeva, Astana IT University

PhD

Department of Computer Engineering

Alina Mitroshina, Astana IT University

Master’s Student

Посилання

  1. Devlin, J., Chang, M.-W., Lee, K., Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. Proceedings of NAACL-HLT, 4171–4186. https://doi.org/10.18653/v1/N19-1423
  2. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30. https://papers.nips.cc/paper/7181-attention-is-all-you-need.pdf
  3. Bordoloi, M., Biswas, S. K. (2023). Sentiment analysis: A survey on design framework, applications and future scopes. Artificial Intelligence Review, 56 (11), 12505–12560. https://doi.org/10.1007/s10462-023-10442-2
  4. Barik, K., Misra, S. (2024). Analysis of customer reviews with an improved VADER lexicon classifier. Journal of Big Data, 11 (1). https://doi.org/10.1186/s40537-023-00861-x
  5. Ahmad, W., Chakraborty, S., Ray, B., Chang, K.-W. (2020). A Transformer-based Approach for Source Code Summarization. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 4998–5007. https://doi.org/10.18653/v1/2020.acl-main.449
  6. Nurgaliyeva, S., Amangali, M., Basheyeva, Z., Kashkimbayeva, N., Amantayev, D. (2025). Design and evaluation of an intelligent waste monitoring system based on RGIS integration for smart cities. Eastern-European Journal of Enterprise Technologies, 4 (9 (136)), 70–78. https://doi.org/10.15587/1729-4061.2025.337033
  7. Smailov, N., Batyrgaliyev, A., Seilova, N., Kuttybaeva, A., Ibrayev, A. (2020.) Some approaches to assessing the quality of masking noise interference of spatial noise generators. Journal of Theoretical and Applied Information Technology, 98 (17), 3555–3574. Available at: https://www.jatit.org/volumes/Vol98No17/12Vol98No17.pdf
  8. Panichella, S., Di Sorbo, A., Guzman, E., Visaggio, C. A., Canfora, G., Gall, H. C. (2015). How can i improve my app? Classifying user reviews for software maintenance and evolution. 2015 IEEE International Conference on Software Maintenance and Evolution (ICSME), 281–290. https://doi.org/10.1109/icsm.2015.7332474
  9. Villarroel, L., Bavota, G., Russo, B., Oliveto, R., Di Penta, M. (2016). Release planning of mobile apps based on user reviews. Proceedings of the 38th International Conference on Software Engineering, 14–24. https://doi.org/10.1145/2884781.2884818
  10. Di Sorbo, A., Panichella, S., Alexandru, C. V., Shimagaki, J., Visaggio, C. A., Canfora, G., Gall, H. C. (2016). What would users change in my app? summarizing app reviews for recommending software changes. Proceedings of the 2016 24th ACM SIGSOFT International Symposium on Foundations of Software Engineering, 499–510. https://doi.org/10.1145/2950290.2950299
  11. Maalej, W., Nabil, H. (2015). Bug report, feature request, or simply praise? On automatically classifying app reviews. 2015 IEEE 23rd International Requirements Engineering Conference (RE), 116–125. https://doi.org/10.1109/re.2015.7320414
  12. Shinykulova, A. B., Mailybayev, Y. K., Isaykin, D. V., Kosyakov, I. O., Umbetov, U. U. (2020). Optimization of tourist transportation. Journal of Theoretical and Applied Information Technology, 98 (19), 3032–3042. Available at: https://www.jatit.org/volumes/ninetyeight19.php
  13. Taissariyeva, K., Abdykadyrov, A., Mussilimov, K., Jobalayeva, G., Marxuly, S. (2025). Analysis and Modeling of Environmental Monitoring Using Multicopters. International Journal of Innovative Research and Scientific Studies, 8 (3), 2947–2960.
  14. Wójcik, W., Kalizhanova, A., Kulyk, Y., Knysh, B., Kvyetnyy, R., Kulyk, A. et al. (2022). The Method of Time Distribution for Environment Monitoring Using Unmanned Aerial Vehicles According to an Inverse Priority. Journal of Ecological Engineering, 23 (11), 179–187. https://doi.org/10.12911/22998993/153458
  15. Campos, G. O., Zimek, A., Sander, J., Campello, R. J. G. B., Micenková, B., Schubert, E. et al. (2016). On the evaluation of unsupervised outlier detection: measures, datasets, and an empirical study. Data Mining and Knowledge Discovery, 30 (4), 891–927. https://doi.org/10.1007/s10618-015-0444-8
  16. Smailov, N., Baryssova, A., Koshkinbayev, S., Mailybayev, Y., Batyrgaliyev, A. (2025). Monitoring of emergency situations using fiber-optic acoustic sensors and signal processing algorithms. International Journal of Innovative Research and Scientific Studies, 8 (5), 1295–1304. https://doi.org/10.53894/ijirss.v8i5.9093
  17. Smailov, N., Tolemanova, A., Ayapbergenova, A., Tashtay, Y., Amir, A. (2025). Modelling and Application of Fibre Optic Sensors for Concrete Structures: A Literature Review. Civil Engineering and Architecture, 13 (3), 1885–1897. https://doi.org/10.13189/cea.2025.130332
  18. Momynkulov, Z., Dosbayev, Z., Suliman, A., Abduraimova, B., Smailov, N., Zhekambayeva, M., Zhamangarin, D. (2023). Fast Detection and Classification of Dangerous Urban Sounds Using Deep Learning. Computers, Materials & Continua, 75 (1), 2191–2208. https://doi.org/10.32604/cmc.2023.036205
  19. Smailov, N., Kashkimbayeva, N., Kubanova, N., Sabibolda, A., Mailybayev, Y. (2025). Review of AI-augmented multisensor architectures for detecting and neutralizing UAV threats. International Journal of Innovative Research and Scientific Studies, 8 (5), 1281–1294. https://doi.org/10.53894/ijirss.v8i5.9091
  20. Seidaliyeva, U., Ilipbayeva, L., Utebayeva, D., Smailov, N., Matson, E. T., Tashtay, Y. et al. (2025). LiDAR Technology for UAV Detection: From Fundamentals and Operational Principles to Advanced Detection and Classification Techniques.
  21. Smailov, N., Dosbayev, Z., Omarov, N., Sadykova, B., Zhekambayeva, M., Zhamangarin, D., Ayapbergenova, A. (2023). A Novel Deep CNN-RNN Approach for Real-time Impulsive Sound Detection to Detect Dangerous Events. International Journal of Advanced Computer Science and Applications, 14 (4), 271–280. https://doi.org/10.14569/ijacsa.2023.0140431
  22. Cristea, V.-M., Baigulbayeva, M., Ongarbayev, Y., Smailov, N., Akkazin, Y., Ubaidulayeva, N. (2023). Prediction of Oil Sorption Capacity on Carbonized Mixtures of Shungite Using Artificial Neural Networks. Processes, 11 (2), 518. https://doi.org/10.3390/pr11020518
  23. Zhang, Z., Zhao, J., LeCun, Y. (2015). Character-level convolutional networks for text classification. Advances in Neural Information Processing Systems, 28. https://doi.org/10.48550/arXiv.1509.01626
  24. Mailybayev, Y., Muratbekova, G., Altayeva, Z., Zhatkanbayev, O. (2022). Development of models and improvement of methods for formalization of design problems and automating technical and operational works of railway stations. Eastern-European Journal of Enterprise Technologies, 4 (3 (118)), 6–16. https://doi.org/10.15587/1729-4061.2022.263167
  25. Morokina, G., Umbetov, U., Mailybayev, Y. (2019). Computer-Aided Design Systems of Decentralization on Basis of Trace Mode in Industry. 2019 International Russian Automation Conference (RusAutoCon), 1–5. https://doi.org/10.1109/rusautocon.2019.8867817
  26. Mailybayev, Y., Umbetov, U., Lakhno, V., Omarov, A., Abuova, A., Amanova, M., Sauanova, K. (2021). Development of mathematical and information support for solving prediction tasks of a railway station development. Journal of Theoretical and Applied Information Technology, 99 (3).
  27. McKinney, W. (2010). Data Structures for Statistical Computing in Python. Proceedings of the 9th Python in Science Conference, 56–61. https://doi.org/10.25080/majora-92bf1922-00a
  28. GitHub REST API Documentation. Available at: https://docs.github.com/en/rest Last accessed: 06.08.2025
  29. spaCy Documentation. Available at: https://spacy.io Last accessed: 06.08.2025
  30. Morokina, G. S., Umbetov, U., Mailybaev, Y. K. (2020). Automation design systems for mechanical engineering and device node design. Journal of Physics: Conference Series, 1515 (3), 032061. https://doi.org/10.1088/1742-6596/1515/3/032061
  31. Murzabekova, G., Glazyrina, N., Nekessova, A., Ismailova, A., Bazarova, M., Kashkimbayeva, N., Mukhametzhanova, B., Aldashova, M. (2023). Using deep learning algorithms to classify crop diseases. International Journal of Electrical and Computer Engineering (IJECE), 13 (6), 6737. https://doi.org/10.11591/ijece.v13i6.pp6737-6744
Оцінка інтегрованого підходу до моніторингу якості програмного забезпечення за відгуками користувачів для підвищення точності та своєчасності

##submission.downloads##

Опубліковано

2025-10-31

Як цитувати

Kashkimbayeva, N., Bekish, U., Abdoldinova, G., Basheyeva, Z., & Mitroshina, A. (2025). Оцінка інтегрованого підходу до моніторингу якості програмного забезпечення за відгуками користувачів для підвищення точності та своєчасності. Eastern-European Journal of Enterprise Technologies, 5(2 (137), 29–42. https://doi.org/10.15587/1729-4061.2025.341516

Номер

Том 5 № 2 (137) (2025): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2025 Nurzhamal Kashkimbayeva, Ulan Bekish, Gulsim Abdoldinova, Zhuldyz Basheyeva, Alina Mitroshina

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.