Propiedad del código

Actualizado el 15 de noviembre de 2026

Sigla sin sigla asentada (Bird et al. usan los nombres Ownership, Major, Minor y Total; el factor autobús, a veces TF)
Aspecto «Evolución del código»
Se mide en componente o fichero (propiedad); proyecto (factor autobús), sobre el historial de versiones
Tipo de valor ratio de 0 a 1 (Ownership); recuentos de personas (Major, Minor, Total, factor autobús)
Dirección Ownership: más alto es mejor; Minor: más alto es peor; Major y Total: informativas; factor autobús: más alto es mejor
Umbrales de referencia contribuidor menor: menos del 5 % de los cambios de un componente (Bird et al., 2011)
Origen Bird, Nagappan, Murphy, Gall y Devanbu (2011); estimación automática del factor autobús, Avelino et al. (2016)
Stau Metro no la calcula

En pocas palabras

Mira quién cambia cada parte del código. Si casi todos los cambios de un componente los hace una persona, ese componente tiene un dueño claro; si lo tocan muchas personas, cada una un poco, nadie lo conoce a fondo. Hay estudios en los que los componentes con muchos contribuidores ocasionales tenían más fallos. La otra cara es el factor autobús: cuántas personas tendrían que irse para que nadie entendiera ya buena parte del proyecto.

Qué mide

Mide la concentración del conocimiento sobre el código, aproximada por quién hace los cambios. Es una métrica social y de proceso: se calcula sobre el historial del control de versiones, no sobre el código.

Importa en dos sentidos opuestos:

  • Calidad. Quien ha hecho muchos cambios en un componente lo conoce mejor y es menos probable que se equivoque. Un componente modificado por muchas personas con poca experiencia en él acumula cambios que nadie revisa con conocimiento.
  • Riesgo. Si todo el conocimiento está en una persona, el proyecto depende de ella. El factor autobús mide ese riesgo.

Una propiedad muy alta es buena para la calidad y mala para el riesgo. Las dos lecturas se hacen juntas.

Cómo se calcula

Medidas de Bird et al. (2011)

Para un componente (en su estudio, un binario de Windows):

  • Contribuidor: quien ha hecho al menos un cambio (commit) en el componente.
  • Proporción de propiedad de un contribuidor: sus cambios entre el total de cambios del componente. Si alguien ha hecho 20 de los 100 cambios, su propiedad es del 20 %.
  • Contribuidor menor: el que tiene una propiedad por debajo del 5 %. Contribuidor mayor: el que llega al 5 % o lo supera.

Con ellas, cuatro métricas por componente:

Métrica Definición
Minor número de contribuidores menores
Major número de contribuidores mayores
Total número total de contribuidores
Ownership proporción de propiedad del contribuidor con la proporción más alta

Cuentan cambios, no líneas: cada cambio es una «exposición» del desarrollador al código. Los autores citan trabajos previos con una correlación superior a 0,9 entre número de cambios y número de líneas aportadas, y dicen haber encontrado lo mismo en Windows. El umbral del 5 % lo eligieron mirando las distribuciones; un análisis de sensibilidad con umbrales del 2 % al 10 % dio resultados parecidos.

Factor autobús

El bus factor o truck factor es el número mínimo de personas que tendrían que desaparecer del proyecto («si las atropellara un autobús», o simplemente si se fueran) para que el proyecto quedara incapacitado. Avelino, Passos, Hora y Valente (2016) propusieron una forma automática de estimarlo:

  1. Para cada fichero, se calcula el grado de autoría (degree of authorship, DOA) de cada desarrollador:

    DOA=3,293+1,098⋅FA+0,164⋅DL−0,321⋅ln⁡(1+AC)DOA = 3{,}293 + 1{,}098 \cdot FA + 0{,}164 \cdot DL - 0{,}321 \cdot \ln(1 + AC)

    donde FAFA vale 1 si el desarrollador creó el fichero, DLDL es el número de cambios suyos en el fichero y ACAC el número de cambios de los demás. Los pesos vienen de experimentos anteriores de otros autores.

  2. Se normaliza: el desarrollador con el DOA más alto de cada fichero recibe 1. Se considera autor del fichero a quien tiene un DOA normalizado mayor que 0,75 y un DOA absoluto no menor que 3,293.

  3. Algoritmo voraz: mientras los autores que quedan cubran al menos el 50 % de los ficheros, se quita al autor de más ficheros y se suma 1 al factor autobús. Cuando la cobertura baja del 50 %, se para.

Ejemplo

Propiedad. El componente billing ha recibido 200 cambios en el periodo:

Desarrollador Cambios Proporción Tipo
Ana 90 45 % mayor
Luis 50 25 % mayor
Marta 40 20 % mayor
Pedro 8 4 % menor
Sara 7 3,5 % menor
Juan 5 2,5 % menor

Total de cambios: 90 + 50 + 40 + 8 + 7 + 5 = 200. Resultado: Ownership = 0,45, Major = 3, Minor = 3, Total = 6.

Factor autobús. Un proyecto de seis ficheros con estos autores (según el paso 2): Ana es autora de F1, F2, F3 y F4; Luis, de F4 y F5; Marta, de F6.

Paso Autores que quedan Ficheros con autor Cobertura Decisión
0 Ana, Luis, Marta F1-F6 6/6 = 100 % quitar a Ana (4 ficheros); factor = 1
1 Luis, Marta F4, F5, F6 3/6 = 50 % no baja del 50 %: quitar a Luis; factor = 2
2 Marta F6 1/6 ≈ 17 % baja del 50 %: parar

Factor autobús: 2. Si Ana y Luis se fueran, nadie conocería cinco de los seis ficheros.

Cómo interpretarla

Propiedad. El único umbral publicado es el del 5 % para separar contribuidores mayores y menores. No hay un valor «bueno» de Ownership; se compara entre componentes del mismo sistema.

  • Minor alto: muchas personas tocan el componente de paso. Bird et al. vieron que a menudo es gente que cambia el componente porque es una dependencia del suyo. Pide revisión de código por alguien que lo conozca.
  • Ownership muy bajo con Total alto: nadie es responsable del componente. Asigna un responsable o, si el componente mezcla cosas de varios equipos, divídelo.
  • Ownership cercano a 1: una sola persona. Bueno para la calidad; un riesgo para el factor autobús.

Factor autobús. Un factor de 1 significa que la marcha de una persona deja sin conocimiento más de la mitad del proyecto. En el estudio de Avelino et al., con 133 proyectos populares de GitHub, el 65 % tenía un factor autobús de 2 o menos.

Qué hacer con un factor bajo: reparte el conocimiento a propósito: revisión de código cruzada, programación en pareja en los componentes críticos, rotación de tareas y documentación de lo que solo una persona sabe.

Ojo. Estas métricas hablan de personas. Usarlas para evaluar a alguien («Luis es dueño de muy poco») las desvirtúa enseguida: la gente cambia su forma de hacer commits y la medida deja de reflejar el conocimiento. Sirven para ver riesgos del sistema, no para juzgar a nadie.

Para profundizar

Evidencia. Bird et al. (2011) estudiaron Windows Vista y Windows 7. En todos los casos, medidas como el número de desarrolladores con poca experiencia (Minor) y la proporción del principal propietario (Ownership) tenían relación con los fallos previos y posteriores a la entrega: más propiedad, menos defectos. También vieron que, cuando un componente tiene un contribuidor menor, ese mismo desarrollador es contribuidor mayor de un componente dependiente aproximadamente la mitad de las veces.

Las réplicas no coinciden. Foucault, Falleri y Blanc (2014) repitieron el análisis en siete proyectos Java de código abierto y encontraron que la relación entre las métricas de propiedad y los fallos de los módulos era débil. Greiler, Herzig y Czerwonka (2015) replicaron los dos estudios en cuatro productos de Microsoft, a nivel de fichero y de directorio, y confirmaron que la propiedad se correlaciona con la calidad. En resumen: el efecto aparece en los productos de Microsoft estudiados y es débil en los proyectos abiertos que analizaron Foucault et al.; no conviene dar por hecho que se cumple en cualquier proyecto.

Qué cuenta como contribución. Las variantes cambian el resultado:

  • cambios (Bird et al.) frente a líneas aportadas; Code Maat, por ejemplo, toma por defecto como desarrollador principal al que más líneas ha añadido;
  • autoría (quién escribió, git blame) frente a actividad (quién ha cambiado, git log);
  • identidades duplicadas (el mismo desarrollador con dos correos) que, sin unificar, parten a una persona en dos.

Limitaciones. Los cambios automáticos (formato, actualizaciones de dependencias, bots) cuentan como contribuciones; las revisiones de código, que también reparten conocimiento, no cuentan. El código fusionado por una persona en nombre de otra aparece como suyo.

Relación con otras métricas

En las herramientas

Stau Metro. No la calcula: no lee el control de versiones ni sabe quién escribió el código. Ninguna de sus métricas es cercana.

Code Maat. Varios análisis sobre el registro de git: authors (número de autores y de revisiones por fichero), main-dev (el desarrollador que más líneas ha añadido a cada fichero, con su proporción), main-dev-by-revs (el que más revisiones ha hecho), refactoring-main-dev (el que más líneas ha borrado), entity-ownership (líneas añadidas y borradas por cada autor en cada fichero) y entity-effort (revisiones por autor y fichero). Su documentación advierte de que las métricas de propiedad tienen los mismos sesgos que las de rotación: son heurísticas, no verdades absolutas.

Truck-Factor (herramienta de los autores de Avelino et al., publicada en GitHub). Estima el factor autobús de un repositorio a partir de su historial de commits, con el algoritmo descrito arriba.

Referencias

  • Bird, C., Nagappan, N., Murphy, B., Gall, H. y Devanbu, P. (2011). «Don't Touch My Code! Examining the Effects of Ownership on Software Quality». Proceedings of the 19th ACM SIGSOFT Symposium and the 13th European Conference on Foundations of Software Engineering (ESEC/FSE), 4-14. https://doi.org/10.1145/2025113.2025119
  • Foucault, M., Falleri, J.-R. y Blanc, X. (2014). «Code Ownership in Open-Source Software». Proceedings of the International Conference on Evaluation and Assessment in Software Engineering (EASE).
  • Greiler, M., Herzig, K. y Czerwonka, J. (2015). «Code Ownership and Software Quality: A Replication Study». Proceedings of the 12th Working Conference on Mining Software Repositories (MSR), 2-12. https://doi.org/10.1109/MSR.2015.8
  • Avelino, G., Passos, L., Hora, A. y Valente, M. T. (2016). «A Novel Approach for Estimating Truck Factors». Proceedings of the 24th International Conference on Program Comprehension (ICPC). https://arxiv.org/abs/1604.06766
  • Code Maat: https://github.com/adamtornhill/code-maat
  • Truck-Factor: https://github.com/aserg-ufmg/Truck-Factor