feat(metrics): Function-Word-Profil (struktureller Keyword-Stil)

[aspala]

Was & Warum

Stilometrie-Signal: die Verteilung struktureller Keywords (do, end, with, case, cond, if, unless, fn, |>) charakterisiert die Handschrift eines Files — unabhängig vom Inhalt. In der Authorship-Attribution sind Funktionswörter das stärkste Autorensignal, weil sie unbewusst gesetzt werden.

Konsistentes Profil = ein Stil. Wildes Durcheinander = gemischte Handschrift / reingeklatschter Fremdcode.

Skala

Verhalten	Beispiel	erwartetes Profil
erwartet (konsistent)	durchgehend with/Pattern-Matching	dominiert von with/<-
mittel	Mix aus with und case	zweigipflig
unerwartet (gemischt)	if/cond/case/unless wild gemischt	flach, hohe Keyword-Entropy

Umsetzung

• Neues Modul lib/codeqa/metrics/file/function_word_profile.ex, @behaviour CodeQA.Metrics.File.FileMetric.
• Input: ctx.tokens, gefiltert auf eine feste Keyword-Liste (Elixir-Strukturkeywords + Operatoren). Relative Häufigkeiten + Entropy über das Profil.
• keys: ["keyword_entropy", "dominant_keyword", "keyword_ratio"] (Anteil struktureller Keywords an allen Tokens).
• Registrieren in lib/codeqa/engine/analyzer.ex.
• Edge-Cases: keine Keywords → Nullwerte.

Test

• test/codeqa/metrics/file/function_word_profile_test.exs, Muster wie brevity_test.exs.
• Assertion: reiner with-Code → dominant_keyword == "with", niedrige keyword_entropy; gemischter if/case/cond-Code → hohe keyword_entropy.

Hinweis

Verwandt mit #42 (Conditional Entropy) — beide arbeiten auf ctx.tokens. Sauber als getrennte Metrik halten, kein Shared State.