Os sistemas de recomendação aumentam a eficiência da recuperação de informações em diversos domínios e oferecem conteúdo personalizado alinhado às preferências dos usuários. Eles extraem relações usuário-item por meio de métodos como a fatoração de matrizes e as redes de atenção em grafos (GAT). A literatura apresenta avanços na precisão em tarefas de regressão e ordenação, mas ainda se concentra principalmente no desempenho preditivo, com pouca atenção à utilidade mais ampla da estimativa de confiança. A estimativa de confiança é essencial para quantificar a certeza das recomendações, especialmente quando é necessário equilibrar risco e recompensa. Ela permite mitigar incertezas decorrentes do ruído nos dados e das limitações do modelo. No entanto, abordagens existentes enfrentam limitações importantes: métodos paramétricos sofrem risco de não convergência, flexibilidade reduzida na modelagem da incerteza e degradação frequente da precisão; técnicas não paramétricas, como a calibração probabilística com redes neurais, permanecem restritas a tarefas de classificação e não contemplam cenários de regressão, como a previsão de notas ou o aprendizado para ranqueamento. Além disso, muitos modelos de confiança operam de forma independente do modelo principal de recomendação, o que prejudica a capacidade de refletir adequadamente o nível real de certeza. A literatura também negligencia a integração de confiança em modelos baseados em GAT e carece de avaliações experimentais comparativas de métodos baseados em distribuições. Diante dessas lacunas, este estudo propõe uma avaliação experimental de métodos anteriores baseados em distribuição e investiga uma integração adequada de confiança em modelos baseados em GAT. Avaliamos quatro soluções existentes quanto à precisão na previsão de notas, à precisão de ordenação e à correlação entre confiança e erro, utilizando conjuntos de dados públicos com diferentes características. Os resultados mostram que a integração de confiança baseada na distribuição frequentemente reduz a precisão e ainda oferece margem para melhorias na correlação confiança-erro. Embora essas conclusões também se apliquem ao nosso método, ele apresenta desempenho superior ao de todas as soluções anteriores e obtém resultados promissores de correlação negativa entre confiança e erro. Na segunda parte do estudo, propomos e avaliamos a integração de confiança em métodos de aprendizado de ranqueamento. Essa proposta, bem como os modelos de referência, é avaliada em múltiplos conjuntos de dados e com múltiplas métricas de ordenação. Os resultados indicam que o método proposto mantém desempenho competitivo e supera os modelos de referência em alguns cenários. Assim, a integração de confiança na tarefa de previsão de notas não compromete significativamente o desempenho do modelo. Além disso, identificamos uma relação polinomial cúbica entre a confiança e o erro.

Redes sociais online geram volumes massivos de conteúdo e interações, intensificando a sobrecarga de informação e dificultando que os usuários identifiquem itens realmente relevantes. Esta tese apresenta um sistema de recomendação que explora o capital social como mecanismo de personalização em ambientes de microblogging, tendo o X (antigo Twitter) como principal contexto empírico. O capital social é tratado como um atributo mensurável, inferido a partir de interações observáveis na rede e calculado com base em indicadores de reputação, influência e força de engajamento. Esses sinais são combinados com outros atributos, como recência, diversidade e alinhamento contextual, para definir a prioridade de ranqueamento. A abordagem constrói perfis de usuários e representações de tweets a partir de interações públicas, incluindo curtidas, respostas, retuítes, menções e citações, permitindo capturar simultaneamente interesses temáticos e contexto relacional. O modelo resultante equilibra aderência temática e contexto social, aspecto crucial em plataformas de microblogging, nas quais a atualidade e a credibilidade são tão relevantes quanto a similaridade de conteúdo. Ao fundamentar as decisões de recomendação em atributos derivados da estrutura e das dinâmicas da rede, o sistema produz listas ranqueadas mais alinhadas à forma como os usuários percebem confiança, influência e utilidade em seus feeds. A avaliação experimental compreende um estudo online com usuários reais e análises offline realizadas sobre o mesmo conjunto de dados, totalizando três estudos complementares. Os algoritmos propostos são comparados a métodos baselines tradicionais e a abordagens do estado da arte, utilizando métricas padrão de ranqueamento, como MRR, MAP, NDCG e Precision@N. Em todos os cenários avaliados, os métodos sensíveis ao capital social apresentam ganhos consistentes em relevância e qualidade do ranqueamento, demonstrando que a integração do capital social fortalece a efetividade das recomendações sem comprometer a interpretabilidade. Os resultados indicam que um ranqueamento socialmente fundamentado pode mitigar a sobrecarga de informação e oferecer aos usuários conteúdo mais confiável e contextualizado, estabelecendo um caminho prático e robusto para a implementação de sistemas de recomendação socialmente conscientes em redes sociais online.

A Robótica Educacional destaca-se como uma abordagem pedagógica capaz de potencializar o aprendizado em programação de computadores e fomentar o engajamento estudantil na Educação Profissional e Tecnológica (EPT). Esta dissertação tem como objetivo investigar o impacto da Robótica Educacional no contexto dos cursos técnicos integrados ao Ensino Médio, utilizando uma pesquisa participante realizada por meio de um Clube de Robótica em um Centro Territorial de Educação Profissional. A metodologia adotada incluiu avaliação inicial dos níveis de engajamento e conhecimento prévio dos estudantes, seguida de atividades práticas semanais com a aplicação de conceitos de programação mediada pela robótica. Na etapa final, avaliou-se quantitativa e qualitativamente a evolução do engajamento e do conhecimento técnico dos participantes. Os resultados demonstram um aumento expressivo do engajamento emocional, cognitivo e comportamental dos estudantes, bem como uma melhoria consistente no domínio de habilidades técnicas em programação. Conclui-se que a utilização da Robótica Educacional é eficaz para reduzir barreiras cognitivas e promover um ambiente de aprendizado mais interativo e acessível aos estudantes da modalidade técnica integrada ao Ensino Médio.

No contexto das compras governamentais no Brasil, a eficiência e o monitoramento contínuo dos gastos representam desafios significativos para a gestão pública. O Governo Federal do Brasil, em 2023, emitiu um total de 1.761.910 de notas fiscais para diversos tipos de aquisições, resultando em um montante de R$ 76,62 bilhões em negociações com entidades privadas (TRANSPARÊNCIA, 2024). Essas aquisições governamentais abrangem um amplo espectro da máquina pública, incluindo aquisições para compras de materiais utilizados em construção de rodovias, manutenção de escolas e hospitais, utilização de bens pelo funcionalismo público, dentre outros fins. A aquisição desses insumos são distribuídas em diversos locais do território nacional, gerando um volume crescente e diversificado de informações, presentes em contratos e notas fiscais de produtos e serviços. No entanto, essas compras governamentais são frequentemente um campo fértil para a ocorrência de conluios e fraudes (OECD, 2007), como superfaturamento nos preços dos produtos, monopólios dos fornecedores, propina para agentes públicos, etc. O objetivo deste trabalho é comparar o desempenho de modelos de Processamento de Linguagem Natural (PLN) na tarefa de detecção - com base no extrato das compras governamentais - de empresas que já foram punidas por órgãos governamentais, como a Controladoria-Geral da União (CGU). Os dados utilizados são públicos e periodicamente atualizados através do portal de Dados Abertos do Governo Federal. Os resultados deste trabalho mostram que é possível utilizar modelos de linguagem natural como uma pré-etapa de investigação de compras suspeitas, fornecendo uma classificação de compras potencialmente problemáticas e que posteriormente podem ser avaliadas por um especialista, dessa forma, reduzindo a carga de trabalho humana ao reduzir a lista de compras para uma quantidade menor e mais focalizada.

Neste trabalho, são estudados dois problemas de otimização relacionados ao roteamento e escalonamento. O primeiro estudo envolve o problema de coleta e entrega com janelas de tempo e escalonamento nas arestas (pickup and delivery problem with time windows and scheduling on the edges — PDPTW-SE). O desafio consiste em determinar rotas para uma frota heterogênea de veículos, a fim de transportar pedidos com locais específicos de coleta e entrega, considerando que algumas travessias exigem uma atuação sincronizada com máquinas. Como o número de máquinas é limitado, seu uso deve ser devidamente escalonado. O objetivo é minimizar o tempo total de conclusão, respeitando restrições de capacidade, janelas de tempo e precedência. Para esse fim, são desenvolvidas uma formulação de programação inteira mista (mixed integer programming — MIP) e uma heurística multistart com um procedimento de melhoria baseado em programação linear. Também é proposto um conjunto de instâncias de teste composto por duas famílias de instâncias, representando diferentes aplicações do problema. Nos experimentos computacionais, a formulação MIP resolve instâncias com até doze pedidos e encontra soluções viáveis para 93.40% das instâncias. A heurística, por sua vez, obtém soluções viáveis para todas as instâncias, com qualidade equivalente ou superior à da formulação MIP. O segundo estudo envolve o problema de escalonamento de tarefas acopladas em uma única máquina (single-machine coupled-task scheduling problem — SMCTSP). Esse é um problema de escalonamento de trabalhos, no qual cada trabalho é composto por duas tarefas acopladas, não preemptivas, e separadas por um atraso exato. O objetivo é minimizar o tempo de conclusão da última tarefa escalonada. Para tal, o problema é modelado utilizando programação por restrições (constraint programming — CP). Adicionalmente, um algoritmo genético de chaves aleatórias enviesadas (biased random-key genetic algorithm — BRKGA) é desenvolvido incorporando um gerador de soluções iniciais (warm-start), reinicializações periódicas com diferentes intensidades, e um algoritmo de busca local. Os experimentos computacionais indicam que o BRKGA proposto fornece soluções de alta qualidade com tempos computacionais reduzidos em comparação ao modelo CP. Por outro lado, o modelo CP supera significativamente as soluções obtidas pelo BRKGA quando executado por uma hora e com execução paralela em múltiplos núcleos. Por fim, as abordagens propostas em conjunto obtém novas soluções melhores para 93.33% das instâncias ainda não resolvidas até a otimalidade pelas abordagens anteriores na literatura.

O avanço dos modelos de linguagem natural foi marcado pela transição de abordagens
baseadas em regras e métodos estatísticos para arquiteturas neurais profundas, como o

Transformer, que permitem modelar dependências contextuais em textos de forma dis-
tribuída. Este trabalho investiga a capacidade de um modelo monolíngue baseado no

BERT, treinado com dados em português brasileiro, de representar relações sintáticas do

tipo governante→dependente, conforme descritas no arcabouço do Universal Dependen-
cies (UD).

Para conduzir a análise, utilizou-se o corpus anotado UD Portuguese-Bosque, a partir
do qual foram extraídas sentenças que contêm padrões gramaticais diversos, incluindo
transitividade verbal, voz passiva, pronomes reflexivos, predicativos do sujeito e orações
subordinadas. As sentenças foram processadas pelo modelo, e os valores de atenção foram
extraídos por camada e cabeça, com o objetivo de identificar alinhamentos entre os pesos
atencionais e as dependências sintáticas registradas no corpus. O tokenizador do modelo
foi utilizado em conjunto com mecanismos de rastreamento lexical que permitem associar
subtokens às respectivas posições nos textos originais, viabilizando a análise interpretável
dos pares sintáticos.
A avaliação baseou-se em métricas como acurácia por padrão gramatical, entropia da distribuição de atenção e Undirected Unlabeled Attachment Score (UUAS). Também
foi aplicada uma métrica composta que integra seletividade e aderência estrutural. Os

resultados revelam que certas cabeças de atenção exibem padrões sistemáticos de ati-
vação em relação a dependências específicas. Destaca-se, nesse contexto, a cabeça 3 da

camada 2, que apresentou alinhamento consistente com relações entre núcleos verbais e

seus argumentos, sendo um exemplo de especialização funcional emergente. Essas evidên-
cias contribuem para a compreensão dos mecanismos internos de atenção em modelos do

tipo Transformer aplicados ao português brasileiro e fornecem subsídios para abordagens
futuras de compressão supervisionada e análise linguística automatizada.

A confiança interpessoal entre os alunos é essencial para o sucesso das atividades colaborativas em Ambientes Virtuais de Aprendizagem (AVAs), mas estabelecê-la é um desafio devido à ausência de presença física e às limitações da comunicação mediada por computador. A falta de confiança pode comprometer o compartilhamento de conhecimento, a motivação, o envolvimento e a retenção dos alunos nos cursos. A fim de apoiar o desenvolvimento da confiança interpessoal entre os alunos em AVAs, esta pesquisa teve como objetivo identificar os requisitos de software para recursos que promovam a confiança. Para isso, foi realizado um Estudo de Mapeamento Sistemático (SMS) para compreender como a confiança tem sido conceituada na literatura, bem como os aspectos intrínsecos desse fenômeno. Em seguida, foram analisados os atributos e características que influenciam a confiança entre os alunos em quatro fases evolutivas: adquirir, manter, perder e restaurar a confiança. Como resultado, foram identificados 37 atributos, a maioria dos quais originários de outros domínios, mas que podem influenciar a dinâmica da confiança entre os alunos em VLEs. 

No entanto, as evidências analisadas concentraram-se principalmente na fase de aquisição da confiança, enquanto a fase de perda foi pouco explorada. O SMS revelou lacunas significativas no campo da confiança entre os alunos, destacando, em particular, a ausência de características associadas à manutenção e restauração da confiança. Nesse sentido, ficou claro que havia a necessidade de explorar novas características com base nas próprias percepções dos alunos sobre as fases de aquisição e perda de confiança, bem como compreender, a partir da perspectiva deles, os fatores que influenciam a manutenção e a restauração da confiança. Com base nas lacunas identificadas, foi realizado um estudo exploratório por meio de uma pesquisa online com 170 alunos, que teve como objetivo principal compreender quais características pessoais e comportamentais podem influenciar a confiança nas quatro fases evolutivas. Foram identificadas 248 características que podem influenciar a confiança, sendo 96 na fase de aquisição, 78 na fase de perda e 37 características em cada uma das fases de manutenção e restauração. Com base nesses resultados, foram identificados 26 requisitos de software para os seguintes recursos: perfil de confiança do aluno, grupos de trabalho colaborativo, sistemas de recomendação de pares confiáveis, avaliação de pares e rede de amigos. Além disso, foi desenvolvido um modelo conceitual independente de plataforma que ilustra como os recursos podem ser integrados durante o processo de desenvolvimento de VLEs que visam promover a confiança. Por fim, os requisitos de software foram validados com as partes interessadas usando uma maquete de alta fidelidade que ilustrava os requisitos de software nos recursos pretendidos. Os principais artefatos gerados a partir desta pesquisa foram: um mapa conceitual baseado em definições da literatura, um modelo conceitual com atributos por fase evolutiva, catalogação de características identificadas na literatura e pelos alunos, requisitos de software e um modelo conceitual com recursos e requisitos destinados a promover a confiança.

A indústria de software tem enfrentado constantes desafios para adaptar-se às rápidas mudanças do mercado, atender às crescentes exigências dos clientes e manter a produtividade das equipes de desenvolvimento. Nesse contexto, cresce o interesse por abordagens híbridas de desenvolvimento de software, que combinam métodos ágeis, com abordagens orientadas a planos. O Scrum, por sua natureza iterativa, incremental e altamente adaptável, tem sido uma das principais bases para a construção de processos híbridos. No entanto, mesmo diante de seu potencial, ainda existem dificuldades por parte dos profissionais e das organizações em formular e adotar processos híbridos de forma eficaz, o que pode comprometer a produtividade, a qualidade do produto final e a satisfação das partes envolvidas.
Diante disso, esta dissertação teve como objetivo investigar, caracterizar e analisar o uso de processos híbridos na indústria de software, especialmente aqueles que envolvem o Scrum, a partir da perspectiva dos profissionais que atuam diretamente no desenvolvimento. Para tanto, foi realizada uma pesquisa empírica com 158 profissionais de Tecnologia da Informação distribuídos globalmente, sendo 143 participantes de um survey e 15 entrevistas semiestruturadas. A análise dos dados permitiu a identificação de práticas, combinações metodológicas, o que motivou a adoção, desafios enfrentados e estratégias utilizadas para superá-los.
Os resultados revelam que a hibridização é, em muitos casos, motivada pela busca por flexibilidade, redução de prazos, aumento da qualidade, mitigação de riscos e maior controle dos projetos. As combinações mais recorrentes observadas foram ScrumBan e Water-Scrum-Fall. Contudo, também foram relatadas dificuldades relacionadas à definição clara das práticas a serem combinadas, à adaptação das equipes, à resistência a mudanças e à ausência de diretrizes consolidadas que orientem a adoção de abordagens híbridas. As percepções dos profissionais evidenciaram que os conceitos de hibridização aplicados na prática nem sempre correspondem às definições encontradas na literatura acadêmica, demonstrando um distanciamento entre teoria e prática.
A partir dos achados, foram formuladas 69 recomendações direcionadas a aspectos humanos, técnicos e organizacionais, com o intuito de apoiar os profissionais da indústria na adequação e na melhoria dos seus processos de desenvolvimento de software. Espera-se que essas recomendações contribuem para a construção de processos mais eficazes, personalizados às necessidades de cada projeto, além de auxiliar na superação de obstáculos comuns à adoção de métodos híbridos.
Ao compartilhar essas descobertas, esta dissertação busca colaborar para o avanço do conhecimento sobre a hibridização de processos de software, promovendo um entendimento mais claro sobre seus benefícios e desafios, e fomentando práticas mais eficientes na indústria, com impactos positivos na produtividade e na qualidade dos projetos desenvolvidos.

A prática de ouvir música é amplamente adotada por profissionais de engenharia de software para melhorar a concentração e atenuar o ruído ambiental. No entanto, o impacto
neurofisiológico e comportamental dessa prática em testadores de software, um grupo
com demandas cognitivas distintas, permanece largamente inexplorado. Esta dissertação
investiga a influência da música no desempenho (acurácia) e na atividade neurofisiológica
de testadores de software profissionais durante a execução de tarefas de teste. Conduzimos
um experimento controlado com 14 profissionais , divididos em um grupo experimental
(exposto à música Lo-Fi) e um grupo de controle (em silêncio). Os participantes realizaram quatro blocos de tarefas distintas: compreensão de código de teste, identificação
de erros de sintaxe, identificação de erros de lógica e criação de casos de teste. A atividade
cerebral foi analisada usando Eletroencefalografia (EEG) , com foco em métricas como
Densidade Espectral de Potência (PSD) e Dessincronização/Sincronização Relacionada
a Eventos (ERD/ERS). Os resultados indicam que o grupo exposto à música alcançou
maior acurácia nas tarefas analíticas de compreensão, detecção de sintaxe e detecção de
lógica. Contudo, o grupo experimental apresentou desempenho ligeiramente inferior na
tarefa generativa de criação de casos de teste. O grupo com música também exibiu atividade EEG mais estável, notavelmente nas bandas Beta e Delta, associadas à atenção e
processamento cognitivo interno. Além disso, apresentaram uma dessincronização Alfa
(ERD) mais pronunciada durante as tarefas analíticas, sugerindo maior concentração. Inversamente, na tarefa criativa, o grupo com música demonstrou sincronização Alfa (ERS),
indicando um estado mais relaxado e menor foco. Este estudo, pioneiro na aplicação de
EEG em testadores de software profissionais, fornece evidências objetivas de que o impacto da música no desempenho é dependente da tarefa. A música instrumental parece
atuar como um otimizador cognitivo para tarefas analíticas, mas pode não ser benéfica
para atividades generativas. As contribuições incluem uma nova base metodológica para
a área e um conjunto de dados público para replicação e futuras investigações.

A identidade é fundamental para o reconhecimento das entidades (indivíduos, coisas e organizações) e das suas diversas relações no contexto em que estão inseridas. A Gestão de Identidades (GId) envolve processos como autenticação, autorização, responsabilização e auditoria, tradicionalmente realizados por sistemas centralizados ou federados. Contudo, esses modelos limitam a privacidade, a interoperabilidade e o controle do usuário sobre seus próprios dados. Nesse contexto, emergem as Identidades Digitais Descentralizadas (IDD), nas quais o próprio indivíduo detém e administra sua identidade, agora única, portável e compartilhável de forma segura. Este trabalho apresenta a ChainID, uma plataforma para gestão de identidades descentralizadas baseada em blockchain, desenvolvida no âmbito do Grupo de Trabalho GT-ChainID da RNP (Rede Nacional de Ensino e Pesquisa). A plataforma adota uma abordagem orientada a serviços para viabilizar a criação, emissão, verificação e revogação de identificadores descentralizados (DIDs) e credenciais verificáveis (VCs), abstraindo a complexidade dos padrões, protocolos e infraestrutura distribuída envolvidos nesse novo paradigma de identidade digital. Inicialmente, a ChainID foi construída sobre a blockchain Hyperledger Indy, voltada à privacidade e à gestão de credenciais. Com a evolução dos requisitos e da arquitetura da solução, a plataforma passou a utilizar a blockchain Hyperledger Besu, compatível com a Ethereum Virtual Machine (EVM), o que permitiu a compatibilidade com o ambiente de experimentação do Testbed RNP, melhorias operacionais e possibilidade de futura integração com a Rede Brasil Blockchain (RBB). A solução disponibiliza uma API RESTful, suporte a eventos assíncronos, integração com protocolos como autenticação SAML2, CAS, além de oferecer interfaces específicas como o ChainID Console, para configuração e gestão administrativa, e a ChainID Wallet, para controle individual de DIDs e VCs pelos usuários. Como provas de conceito da plataforma, foram implementados dois casos: (1) o componente de autenticação federada da ChainID, demonstrando sua aplicação em cenários educacionais com Moodle e a viabilidade de substituir infraestruturas centralizadas por soluções baseadas em IDD, sem comprometer segurança, privacidade ou interoperabilidade; e (2) o projeto CarbonID, que explora a emissão, validação e rastreabilidade de certificados de sustentabilidade com base em IDDs e contratos inteligentes, demonstrando o potencial da plataforma para uso em outras aplicações e domínios, com ambientais, sociais e corporativas.

Ridesharing systems have emerged as a potential solution to urban mobility challenges, promoting collaborative vehicle usage and route optimization. These systems require efficient routing algorithms to balance conflicting objective functions such as travel cost, travel time, and driver bonuses. Previous studies have modeled such systems using the Traveling Salesman Problem with Profits (TSPP), where the driver shares the vehicle with passengers and minimizes travel cost. The Bi-objective Traveling Salesman Problem (BiTSP) has also been investigated in prior work, but it ignores passenger and bonus collection. Consequently, the literature lacks a multi-objective formulation that captures the real-world trade-offs among such objective functions. This work introduces the Multi-objective Traveling Salesman Problem with Profits and Passengers (MoTSPPP), an NP-hard optimization problem that minimizes travel cost and time while maximizing bonus collection. A mathematical formulation and a proof of NP-hardness are provided. Eight algorithms are investigated: an exact solver, three naïve heuristics, and four evolutionary metaheuristics (NSGA-II, MOEA/D, IBEA, and SPEA2). A comprehensive experimental study is conducted on 252 benchmark instances, comprising symmetric and asymmetric graphs with varying edge-weight correlations. Supported by statistical tests, performance evaluation concerns processing time, solution quality, and solution diversity. Results demonstrate that the MoTSPPP is computationally more challenging than the TSPP and BiTSP, and that metaheuristic approaches yield significantly better results than naïve heuristics.

Sistemas em tempo real (RTS) são compostos por um conjunto de tarefas (trechos de código) sendo lançadas recorrentemente para serem executadas e devem cumprir prazos. Projetar um sistema desse tipo de forma comprovadamente correta requer informações sobre o tempo de execução no pior caso (WCET) para cada uma de suas tarefas. No entanto, estimar o WCET está se tornando cada vez mais difícil devido à alta complexidade de hardware e software presentes nas plataformas modernas atuais. Isso tem motivado o uso de técnicas para derivar o tempo de execução probabilístico no pior caso (pWCET). A maioria das abordagens existentes se baseia em medir o tempo de execução das tarefas do sistema na plataforma alvo. Como as medições são realizadas durante o tempo de projeto, as amostras coletadas podem levar a estimativas não confiáveis (devido a um possível viés de medição) ou não representativas (devido às dificuldades na reprodução das condições operacionais). A necessidade de tornar as amostras compatíveis com as suposições da modelagem estatística é uma fonte adicional de dificuldade. Dadas as complexidades apresentadas, foram desenvolvidos dois estudos com objetivos distintos. No primeiro estudo, uma representação do tempo de execução é realizada com base em eventos de hardware, considerando diferentes ferramentas de inteligência computacional. Mais especificamente, para um programa sob análise, é mostrado que o tempo de execução T(n) por número n de instruções executadas pode ser correlacionado com ocorrências de eventos relacionados ao hardware. No segundo estudo, uma nova abordagem para análise temporal probabilística baseada em medição (MBPTA) é apresentada. Ao contrário de MBPTA usual, que considera apenas T(n) como a variável de interesse, essa nova abordagem incorpora uma variável de interesse que considera tanto T(n) quanto n. Utilizar tuplas (n, T(n)) para diferentes valores de n possibilita explorar múltiplos caminhos de execução. Além disso, essa nova abordagem permite que o conjunto de medições seja avaliado e aprimorado. Para esse propósito, redes neurais profundas (DNN) são empregadas. Uma vez que as medições são consideradas representativas, é possível estimar limites probabilísticos do tempo de execução. Resultados experimentais indicam uma diferença de até 30% entre as estimativas obtidas com amostras aprimoradas pela abordagem proposta e as amostras não aprimoradas. As abordagens são avaliadas considerando diferentes modelos de arquiteturas e programas, e os resultados obtidos demonstram eficácia nos estudos propostos.

Sistemas de Recomendação Colaborativa geram recomendações personalizadas ao analisar as interações passadas dos usuários. No entanto, abordagens tradicionais frequentemente priorizam a relevância, o que leva a problemas como superespecialização, viés de popularidade e desequilíbrio de classes. Essas limitações podem resultar em listas de recomendação que não representam de forma justa todo o espectro de interesses de um usuário. Nesse sentido, Recomendações Calibradas abordam esse problema ao equilibrar relevância com justiça (calibração), garantindo que a distribuição dos itens recomendados se alinhe mais de perto com a distribuição de preferências do usuário. Por exemplo, quando o perfil do usuário é composto por 80% de Aventura e 20% de Ficção Científica, a recomendação calibrada busca gerar uma lista seguindo essa distribuição. Relevância e calibração são objetivos distintos que o sistema deve alcançar. Esse problema de múltiplos objetivos é tratado por meio de uma abordagem de balanceamento de trade-off. Esta tese aborda as recomendações calibradas como um sistema de recomendação multiobjetivo, com o objetivo de medir e melhorar a calibração da lista de recomendações utilizando as preferências do usuário como referência. Assim, dividimos os objetivos desta tese em estudos, e dentro de cada estudo, foram levantadas e respondidas perguntas de pesquisa. No primeiro estudo, realizamos uma análise sistemática de 57 métricas de justiça, introduzindo métodos inovadores para extrair distribuições de preferência dos usuários e refinar a estimativa de relevância. Como resultado, quatro métricas atingiram os mesmos quatro melhores desempenhos. No segundo estudo, exploramos o impacto mais amplo da calibração em objetivos-chave da recomendação, incluindo novidade, cobertura, personalização, inesperado e serendipidade. Nossos achados indicam que a calibração melhora a cobertura dos itens e a personalização, mantendo uma alta utilidade nas recomendações. No terceiro estudo, investigamos as propriedades estruturais das distribuições utilizadas em recomendações calibradas. Diferentemente dos sistemas tradicionais de recomendação, que operam em um espaço unidimensional, as recomendações calibradas envolvem distribuições de preferência de usuários em espaços de alta dimensão. Nossa análise mostra que listas de recomendação calibradas formam naturalmente clusters distintos de usuários, fenômeno que pode ser melhor compreendido por meio de modelos de detecção de outliers. No quarto estudo, propomos duas abordagens inovadoras para modelar as preferências dos usuários com o intuito de aprimorar a precisão e adaptabilidade das técnicas de calibração. O primeiro método incorpora ponderações sensíveis ao tempo para descartar informações de preferência desatualizadas. O segundo método introduz uma abordagem baseada em entropia para capturar melhor as preferências dos usuários em domínios onde as características dos itens são representadas por conjuntos, como filmes com múltiplos gêneros. Avaliações experimentais confirmam que essas abordagens reduzem efetivamente a descalibração ao mesmo tempo em que mantêm a precisão das recomendações. De forma geral, esta tese avança no campo das recomendações calibradas ao fornecer uma avaliação abrangente de métricas de justiça, propor técnicas inovadoras de calibração e analisar as propriedades estruturais das distribuições de preferência dos usuários.

Contexto. Empatia é a capacidade de compreender e compartilhar as emoções dos outros, uma habilidade essencial para profissionais de software, pois contribui para a melhoria da qualidade do software, da comunicação, da colaboração e dos ambientes de trabalho. Apesar de sua importância, a empatia permanece um tópico pouco explorado na pesquisa em Engenharia de Software (ES).

Objetivos. Para abordar essa lacuna de conhecimento, esta dissertação visa aprofundar nossa compreensão da empatia em ES, investigando como ela é definida, praticada e vivenciada por profissionais de software, bem como identificando barreiras e efeitos relacionados ao comportamento empático em contextos de desenvolvimento.

Método. Adotamos uma abordagem de métodos mistos. Primeiramente, conduzimos uma análise qualitativa da literatura cinzenta de plataformas de profissionais (DEV e Medium). Em seguida, entrevistamos profissionais de software em uma grande organização de software para examinar quantitativa e qualitativamente as percepções e comportamentos relacionados à empatia. Também avaliamos nossa estrutura proposta com especialistas em empatia.

Resultados. O estudo revelou diferentes significados e um alto valor percebido da empatia, bem como barreiras que dificultam sua aplicação em equipes de software. Identificamos um conjunto de práticas empáticas e as categorizamos em dimensões de empatia com base na análise fatorial exploratória. Também constatamos que as práticas de empatia estão intimamente ligadas a resultados positivos, que vão desde produtividade e qualidade técnica até colaboração, bem-estar e crescimento profissional, reforçando a relevância prática da empatia em múltiplas dimensões da prática de software. Esses insights subsidiaram o desenvolvimento de uma estrutura conceitual de empatia em Engenharia de Software, que foi validada por meio do feedback de especialistas.

Conclusão. Esta pesquisa avança a compreensão da empatia na engenharia de software, oferecendo uma estrutura teórica e empiricamente fundamentada, um conjunto de dados com curadoria e implicações práticas para equipes e organizações. Ela estabelece as bases para trabalhos futuros sobre práticas, ferramentas e intervenções orientadas pela empatia no desenvolvimento de software.

Com o avanço das tecnologias digitais, os Ambientes Virtuais de Aprendizagem (AVAs) evoluíram de simples repositórios de conteúdo para espaços interativos que apoiam metodologias ativas e promovem experiências significativas de ensino e aprendizagem. No entanto, muitos desses ambientes ainda precisam se alinhar aos princípios do Design Instrucional (DI), o que dificulta o desenvolvimento de práticas pedagógicas coerentes pelos professores. Diante desse cenário, esta pesquisa teve como objetivo propor, estruturar e avaliar um marco conceitual para apoiar os profissionais da educação no uso de estratégias pedagógicas em VLEs, com base no design instrucional. O trabalho foi conduzido de acordo com a abordagem da Pesquisa em Ciência do Design (DSR- Design Science Research) e seguiu um caminho metodológico composto por: um estudo de mapeamento sistemático, aplicação de uma pesquisa com 276 profissionais da educação, realização de entrevistas com 26 professores, triangulação dos dados, avaliação da estrutura conceitual em 03 ciclos de grupos focais e um estudo de caso com 10 professores de ciência da computação. 

Com base na análise dos dados coletados na pesquisa e nas entrevistas, foram identificadas três metodologias ativas recorrentes e mais significativas na prática dos educadores: sala de aula invertida, aprendizagem baseada em problemas e aprendizagem baseada em projetos. Essas metodologias foram adotadas como eixos estruturantes da estrutura, devido à sua relevância na promoção da colaboração e da resolução de problemas em contextos educacionais mediados por Recursos Tecnológicos Digitais (RTDs). A estrutura conceitual resultante visa integrar elementos do design instrucional com as funcionalidades dos VLEs, fornecendo um guia teórico e prático que apoia a tomada de decisões informadas sobre a seleção de metodologias, estratégias e recursos digitais. Sua avaliação demonstrou aplicabilidade e relevância, especialmente como ferramenta de planejamento e reflexão para professores em contextos híbridos e remotos. Assim, esta tese representa a conclusão de um ciclo investigativo e contribui para o campo das tecnologias educacionais, oferecendo um modelo estruturado que fortalece o uso pedagógico dos VLEs.

O aumento exponencial de aplicações e serviços na Internet, com requisitos heterogêneos, exige mecanismos de diferenciação de serviços mais eficientes do que aqueles oferecidos pelas redes IP tradicionais. Nesse contexto, as Redes de Dados Nomeados (do inglês, Named Data Networking (NDN) surgem como uma alternativa promissora para atender o modelo de comunicação atual. A NDN propõe uma mudança de paradigma em relação ao modelo tradicional orientado a endereços IP, priorizando o acesso ao conteúdo pelo nome em vez da localização, e oferecendo características como cache na rede, encaminhamento com estado e segurança a nível de pacotes, capazes de suportar uma gestão de recursos mais sofisticada. Apesar de seus benefícios, a NDN, por padrão, não implementa mecanismos de diferenciação de serviços, tratando todo o tráfego de forma indistinta, o que limita o suporte a aplicações com diferentes demandas de Qualidade de Serviço (QoS). Além disso, a eficiência do cache, presente no caminho das requisições, e das estratégias de encaminhamento convencionais pode ser comprometida em cenários dinâmicos, com mobilidade de nós produtores de conteúdo e alta competição por recursos. Esta tese propõe um conjunto de mecanismos adaptativos para o provisionamento de QoS em NDN, baseado na integração entre semântica de nomeação, cache cooperativo e manutenção de estados de rede, com foco na diferenciação de serviços. Os trabalhos desenvolvidos incluem: estratégias de encaminhamento multicritério para mitigação de flooding de requisições em NDN sem fio; mecanismos de cache oportunístico e suporte a mobilidade de produtores de conteúdo, ampliando a reutilização de dados e reduzindo a latência de acesso em cenários dinâmicos; Balanceamento de carga distribuído e centrado no conteúdo, promovendo distribuição eficiente do tráfego e exploração cooperativa dos recursos de rede; Provisionamento de QoS e diferenciação de serviços, combinando política de cache e estratégia de encaminhamento para apoiar uma entrega diferenciada de conteúdo conforme os requisitos da classes de serviço. A tese propõe, implementa e avalia estes mecanismos por meio de simulações no ndnSIM, considerando diferentes topologias e cenários de rede, incluindo redes móveis e cabeadas. Os mecanismos propostos exploraram diversos componentes da pilha NDN, como nomeação, cache e encaminhamento. Por fim, a tese apresenta uma nova perspectiva para a diferenciação de serviços em NDN, demonstrando que a integração entre os diferentes componentes tem potencial para provisionar QoS de forma mais eficiente, oferecendo suporte a aplicações heterogêneas. O trabalho estabelece fundamentos conceituais e mecanismos práticos que podem guiar futuras pesquisas nessa temática.

A Dívida Técnica (DT) pode oferecer benefícios de curto prazo para projetos de software, mas sua presença pode levar à diminuição da qualidade do produto. Embora a literatura recente tenha proposto várias abordagens para identificar e gerenciar a Dívida Técnica de Desenvolvimento Ágil de Software (DT-DAS), a maioria delas analisa o ponto de vista dos desenvolvedores de software. No entanto, existe uma lacuna no conhecimento sobre como os profissionais de gerenciamento de projetos percebem e lidam com os itens de DT-DAS. O objetivo deste estudo é investigar como os praticantes de gerenciamento de projetos discutem e enfrentam itens da DT em suas atividades profissionais. Para atingir esse objetivo, foi realizada uma análise de 108 discussões relacionadas à DT-DAS no site de perguntas e respostas Stack Exchange Project Management (SEPM). Essas discussões totalizaram 547 postagens e 882 comentários de texto, fornecendo uma boa visão do tema. A análise foi conduzida utilizando métodos quantitativos e qualitativos, empregando a codificação aberta para identificar tipos de DT e indicadores. O estudo identificou 74 indicadores utilizados para reconhecer itens de DT-DAS, 126 práticas de gestão de DT e 9 tipos de DT. As discussões mais frequentes no SEPM sobre dívida técnica concentram-se em dois tipos processo e pessoas, diferindo dos estudos anteriores com desenvolvedores, que costumavam focar em itens de dívida de código e design. Além disso, o Product Owner e Development Team são os papeis mais envolvidos com a DT-DAS. Sprint Backlog e Sprint Planning são os elementos ágeis mais afetados pela DT-DAS. Os profissionais de gerenciamento de projetos usuário do SEMP adotam uma perspectiva distinta dos desenvolvedores ao analisar a DT. Os indicadores e práticas de gestão da DT foram estruturados em um diagrama de Sankey, proporcionando uma ferramenta valiosa para orientar a gestão da DT e orientar futuras pesquisas sobre o assunto.

Algoritmos de detecção e reconhecimento facial têm sido amplamente adotados para as mais diversas aplicações como, por exemplo, em redes sociais que automaticamente detectam e reconhecem todas as pessoas presentes em imagens publicadas. No entanto, com o crescimento do uso de algoritmos de Inteligência Artificial (IA) em geral, começaram a surgir questionamentos relacionados à existência de vieses. Em muitas situações foram encontrados vieses que afetam minorias historicamente oprimidas. Como exemplo, foi notado viés racial em muitos sistemas de reconhecimento facial utilizados pela polícia americana, o que levou à suspensão do uso dessa tecnologia em alguns estados, à descontinuação do desenvolvimento em algumas empresas, como a IBM, e pesquisadores a pedirem para seus colegas pararem de trabalhar nestes sistemas devido ao impacto sobre pessoas de diferentes raças e etnias. A problemática supracitada motiva o estudo e avaliação da existência de viés em um sistema, baseado em IA, para detectar fraudes no transporte público de Salvador (Brasil). Considerando que Salvador é a cidade brasileira com maior percentual de negros, qualquer erro pode afetar um número significativo de usuários, levando a um alto número de falsos positivos. Em estudos anteriores desenvolvidos pelo grupo de pesquisa em que o proponente deste projeto pertence, foram realizados testes estatísticos para verificar se há correlação entre a taxa de erro e a raça e gênero. Os resultados indicaram a existência dessa correlação, ou seja, há uma maior taxa de erro de detecção facial em usuários pretos ou pardos e mulheres. Com base em tais resultados, uma questão principal motiva o desenvolvimento deste projeto: Há, de fato, uma relação causal entre a raça e a taxa de erros na detecção? Para avaliar essa questão, este trabalho tem como objetivo principal criar um modelo causal que permita avaliar a influência da cor de pele no sistema de detecção facial utilizado no transporte público de Salvador.

Além dos semáforos inteligentes, está ocorrendo o avanço de sistemas para a gestão eficiente de interseções, contemplando o controle do fluxo de pedestres, ciclistas e veículos autônomos. Por outro lado, a gestão ineficiente de interseções pode acarretar congestionamentos, atrasos e elevação no risco de acidentes. Além disso, falhas na comunicação de dados, resultantes de problemas como obstáculos físicos, interferências, falhas na rede e sensores defeituosos, podem gerar lacunas na transmissão de informações, impactando adversamente as soluções de gerenciamento. Nesse contexto, apresenta-se uma proposta de sistema de gestão de interseções, visando aprimorar a segurança e eficiência do tráfego urbano para veículos autônomos. A tomada de decisão do sistema é baseada na comunicação de dados contínua entre os veículos e a infraestrutura. A partir desses dados, o sistema realiza uma análise de conflitos que identifica possíveis colisões entre os veículos e executa o ajuste dinâmico de velocidade desses veículos. Com o intuito de mitigar os efeitos negativos da falta de informações, incorporamos métodos de imputação de dados faltantes, ao utilizar interpolação segmentada por polinômios cúbicos (PCHIP), um processo que chamamos de GIVAC. Os resultados indicam que o GIVAC se mostrou estável em todos os cenários com perda de dados,  mantendo a média do tempo total de percurso nas simulações de 68.4\% inferior ao do algoritmo baseline, Intelligent Intersection (II).

Os sistemas de tempo real estão presentes em diversas aplicações, desde aplicações
críticas, como a automotiva e aviação, até as não críticas como multimídia e jogos on
line. Para que os sistemas de tempo real críticos funcionem corretamente, é necessário
garantir que todas as suas tarefas executem dentro de prazos (deadlines) pré-definidos.
Para tanto, o escalonador de tarefas do sistema tem papel fundamental, pois determina
a cada instante qual tarefa deve executar para que todas possam cumprir seus prazos.
Em sistemas com um processador, o escalonador Earliest Deadline First (EDF) é uma
das melhores opções, pois garante que todas as tarefas cumprem seus deadlines sempre
que isso é possível. Em sistemas com mais de um processador, o mesmo não é verdade. Este trabalho propõe o escalonador Partitioning and Server Shadowing Algorithm (PSSA) para sistemas multiprocessados compostos de tarefas periódicas e independentes. A ideia do algoritmo é particionar as tarefas entre os processadores para então utilizar o escalonamento EDF em cada processador. Quando tal particionamento não é encontrado, alguma tarefa deve executar em mais de um processador, enquanto alguns processadores são deixados com capacidades ociosas. A fim de gerenciar execução de tarefas que executam em mais de um processador, o PSSA utiliza uma nova abordagem denominada server shadowing, de acordo com a qual as partes ociosas dos processadores reais são utilizadas para criar processadores lógicos. Quando uma tarefa executa em um processador lógico, na verdade ela executa em algum dos processadores reais que forneceram
sua capacidade ociosa ao processador lógico onde a tarefa está alocada. Os conceitos de
server shadowing e processadores lógicos deram ao PSSA a capacidade de obter resulta-
dos similares aos melhores resultados publicados até hoje em termos de quantidade de
migrações e preempções geradas para tarefas periódicas, como demonstrado através de
extensivas simulações

O crescente avanço tecnológico impulsionou o desenvolvimento de casas inteligentes, exigindo sistemas adaptativos e personalizados para atender às necessidades dos moradores. Além disso, com o aumento no uso e integração de dispositivos, as casas inteligentes obtiveram o potencial de adaptarem-se às necessidades dos usuários, oferecendo serviços personalizados, como gerenciamento de energia, segurança doméstica e conforto. Ao mesmo tempo, esta evolução trouxe mais desafios e complexidade para estes cenários, trazendo uma quantidade maior de estados possíveis para os dispositivos inteligentes, como por exemplo; cores, temperaturas e intensidades diferentes para uma lâmpada. Uma alternativa para solucionar alguns desses desafios é a aplicação de sistemas de recomendação em abordagens de casas inteligentes, onde os itens resultantes das recomendações tendem a ser estados ou ações para os dispositivos presentes dentro do ambiente. O sistema de recomendação proposto neste trabalho busca otimizar a interação entre os dispositivos inteligentes presentes na casa e os habitantes, promovendo decisões mais eficientes no ambiente domiciliar. Por meio da aplicação de algoritmos de aprendizado por reforço, do uso de feedback implícito e da cooperação entre múltiplos agentes para controle dos dispositivos atuadores, este estudo explora novas abordagens para aprimorar a eficiência e a adaptatividade dos sistemas de recomendação em ambientes residenciais inteligentes. Neste estudo realizamos o experimento com dois algoritmos de aprendizado por reforço diferentes em dois conjuntos de dados diferentes, que baseiam-se em três rotinas distintas. Os resultados obtidos demonstram uma promissora capacidade do sistema de antecipar as necessidades dos moradores e adaptar-se a mudanças em suas rotinas, contribuindo para uma experiência residencial mais eficiente, intuitiva e adaptável.

Neste trabalho, foi desenvolvido um framework que integra uma rede de IoT com as tecnologias Blockchain e contratos inteligentes, visando tornar a IoT uma fonte de dados confiável para sistemas de treinamento de modelos de aprendizado de máquina. A confiabilidade nesta pesquisa consiste na provisão da automação, disponibilidade, privacidade, rastreabilidade e imutabilidade dos dados pela arquitetura. A arquitetura do framework proposto foi concebida a partir de um gêmeo digital, capaz de representar virtualmente a topologia de uma FOT, com o auxílio do projeto MININET. Dessa forma, a capacidade de garantir a confiabilidade foi avaliada por meio de experimentos que simularam o comportamento da solução proposta em comparação com a arquitetura convencional. Os experimentos focaram na interação das arquiteturas como fonte de dados para um sistema de aprendizado de máquina, que utiliza o algoritmo de aprendizado federado para treinar uma rede neural capaz de prever o conforto térmico de um ambiente, guiada pelo cálculo do índice de desconforto térmico. Os resultados revelaram que a IoT convencional não possui medidas eficazes para impedir ou mitigar ataques de manipulação de dados. Em contraste, o framework proposto, mesmo que um atacante consiga alterar informações, restaura os dados originais, garantindo que o consumidor receba os dados exatamente como foram coletados, sem comprometer a disponibilidade e sem a necessidade de intervenção humana. Para determinar a viabilidade da arquitetura, foram realizadas análises de custo computacional, recursos de mercado e impacto temporal da integração das tecnologias, demonstrando que a solução, além de eficiente, oferece um baixo custo em comparação com soluções centralizadas.

Os test smells são considerados más práticas durante o desenvolvimento do código de teste. Sua presença pode reduzir a qualidade do código de teste, prejudicando as atividades de teste e manutenção de software. A refatoração de software é uma prática fundamental para lidar com smells e melhorar a qualidade do software sem alterar seu comportamento. No entanto, as ferramentas de refatoração existentes visam o código de produção, com características muito diferentes do código de teste. Apesar do esforço da comunidade em investigar sobre refatorações de test smells, pouco se sabe se as refatorações atuais melhoram a qualidade do código de teste. Nesta proposta de tese, é apresentada uma abordagem baseada em aprendizado de máquina que pode ajudar os desenvolvedores a decidir quando e como refatorar os test smells. O primeiro objetivo é minerar as refatorações realizadas por desenvolvedores a fim de derivar um catálogo de refatorações de teste e seu impacto no código de teste. Como resultados, pôde-se perceber que os desenvolvedores têm preferência por recursos específicos dos frameworks de teste, o que pode levar a test smells como o Inappropriate Assertion e o Exception Handling. Enquanto as refatorações propostas na literatura alinhadas com a evolução dos frameworks de teste auxiliam na refatoração de test smells, o Inappropriate Assertion permanece inexplorado na literatura. O segundo objetivo é entender se os códigos de teste com baixa qualidade são alvos de refatoração pelos desenvolvedores e os efeitos das refatorações para a melhoria da qualidade. Como resultados, pôde-se observar que códigos de teste com baixa qualidade, em especial, em termos de métricas estruturais, possuem mais possibilidade de sofrer refatorações. Além disso, as refactorações comuns entre código de teste e produção ajudam a melhorar a qualidade do código de teste em relação a coesão, tamanho e complexidade, enquanto que, refatorações específicas de teste ajudam na melhoria da qualidade em relação a resolução de test smells. O terceiro objetivo é aprender com quando e como os desenvolvedores realizam refatorações teste com o potencial de corrigir os test smells. Os resultados indicam que a acurácia dos modelos, utilizando o algoritmo Support Vector Machines, varia entre 30% e 100% em diferentes projetos para a detecção de quando o desenvolvedor realizaria alguma refatoração no código. Porém, acurácia diminui para a detecção de refatorações específicas, devido a quantidade de refatorações encontradas nos projetos analisados. De modo geral, esta pesquisa mostra a viabilidade do uso de métricas e test smells para a detecção de refatorações de teste, evidenciando ainda a necessidade de melhorias por meio da análise de dados sintéticos e do contexto de desenvolvimento dos projetos. A abordagem proposta representa um passo promissor para apoiar a detecção e refatoração de test smells alinhadas às práticas de desenvolvimento atualmente adotadas pelos desenvolvedores.

As radiografias panorâmicas dentárias não são apenas exames altamente valiosos, mas também versáteis. Elas podem ser utilizadas para diagnosticar perda óssea periodontal, lesões, cistos e tumores, além de estimar a idade e o sexo biológico do paciente. Os trabalhos que aplicam \textit{deep learning} para determinar essas condições em radiografias panorâmicas se baseiam em abordagens supervisionadas que exigem a anotação manual de cada atributo e condição considerada. No entanto, a anotação manual dessas radiografias é exigente, pois demanda mão de obra qualificada, sendo, consequentemente, cara. Este trabalho busca superar essa dificuldade ao explorar o conceito de Human-in-the-Loop, uma técnica de aprendizado semi-supervisionado que acelera o processo de rotulagem por meio de uma interação entre especialistas humanos e modelos de aprendizado de máquina.

Para apoiar essa abordagem, deu-se foco especial aos dentes, por serem os principais objetos de atenção e pontos de referência para os radiologistas ao interpretar radiografias panorâmicas. Como resultado, foi produzido um conjunto de dados para segmentação de instâncias de dentes em radiografias panorâmicas: o conjunto O$^2$PR, contendo 4.000 imagens. Os demais dados do trabalho incluem 4.795 radiografias no conjunto\textit{ Raw Panoramic Radiographs} (RPR), com imagens em formato bruto, e o conjunto \textit{Textual Report Panoramic Radiograph}s (TRPR), contendo 8.029 pares de imagens de radiografias e relatórios textuais. Esses grupos de dados compõem o maior conjunto de dados da literatura. Com base nesses conjuntos, classificamos treze condições dentárias presentes nos dentes ou em seus arredores.

Para classificar todas as condições consideradas, foi necessária uma abordagem holística. Primeiro, utilizamos as radiografias anotadas do conjunto O$^2$PR para treinar uma rede neural de segmentação de instâncias, a fim de pseudo-rotular os dentes nas radiografias não anotadas. Em seguida, todas as imagens dos dentes foram recortadas para facilitar a classificação das condições dentárias. Os conjuntos O$^2$PR e RPR não incluem relatórios textuais, impossibilitando a geração de rótulos para treinamento ou avaliação dessas imagens quanto a condições dentárias. Em vez disso, os recortes de dentes desses conjuntos foram usados para pré-treinar Vision Transformers (que posteriormente foram empregados como redes de classificação para as condições dentárias) por meio de uma técnica de aprendizado autossupervisionado chamada Masked Autoencoders. Essa abordagem se mostrou eficaz, pois permitiu o uso de dados não anotados para melhorar o desempenho.

O procedimento de extração de rótulos segue uma linha diferente. Exploramos a API de um Grande Modelo de Linguagem, o GPT-4, para evitar a rotulagem puramente manual das condições dentárias. O objetivo de sua utilização foi identificar os sintagmas nominais nos relatórios textuais para encontrar as condições dentárias. Em seguida, uma heurística associou cada dente mencionado nas sentenças do relatório a todas as condições dentárias presentes na mesma sentença. Aproveitamos o Vision Transformer pré-treinado para treinar vários modelos de classificação de condições dentárias. De forma encorajadora, os resultados consistentemente atingiram ou superaram as métricas de referência para o coeficiente de correlação de Matthews. A comparação da solução proposta com profissionais humanos, respaldada por análise estatística, destacou sua eficácia e limitações de desempenho; com base no grau de concordância entre especialistas, a solução demonstrou um nível de precisão comparável ao de um especialista júnior.

O uso crescente de tecnologias digitais ocasionam uma produção e consumo de dados em larga escala em todo o mundo. Consequentimente, há uma grande demanda por técnicas de análise computacional que auxiliem os usuários a obter uma melhor compreensão dos dados. Um desafio inerente a esse contexto é analisar grande volume de dados complexos e heterogêneos, como os concebidos por repositórios de software. Áreas como Visualização de Software e Visual Software Analytics têm se tornado cada vez mais usadas para apoiar os desenvolvedores na compreensão do software, fornecendo um panorama visual de todo o processo de desenvolvimento. Essas representações gráficas fornecem extração de informações úteis, especialmente para manutenção do sistema ao analisar dívidas técnicas. Embora os repositórios sejam compostos em sua maioria por conjuntos de dados multidimensionais, faltam trabalhos que apliquem visualizações multidimensionais para identificar e rastrear tipos distintos de dívidas técnicas.
Nesse sentido, a proposta apresenta a ferramenta Visual Debts Analytics, uma abordagem baseada em Visual Analytics composta por múltiplas visualizações multidimensionais coordenadas para a análise de diferentes grupos de dívidas técnicas em repositórios de software. Em particular, a técnica proposta visa identificar e rastrear a correlação, estrutura, evolução e semelhanças de dívidas técnicas em repositórios de software de código aberto. Para avaliar nossa abordagem, apresentamos estudos de caso em dois repositórios que demonstram uma melhor compreensão do ciclo de vida do projeto, permitindo extrair novos insights e informações.

Blockchain é uma tecnologia disruptiva que permite transações diretas entre entidades distribuídas sem a necessidade de uma terceira parte confiável, oferecendo uma rede descentralizada segura. Contratos inteligentes (SmCs) são códigos executáveis hospedados na blockchain e permitem a implementação de aplicações descentralizadas, em diferentes domínios. Devido à complexidade de construção dos SmCs, é necessário buscar formas de facilitar e tornar robusto esse processo de desenvolvimento inovador. Muitos projetos da literatura propuseram soluções baseadas em geração automática de código a partir de uma modelagem de alto nível, como diagramas. Porém, esta abordagem traz consigo uma constante necessidade de uma pessoa para modelar os contratos e realizar o processo de compilação e implantação. Esta dissertação de mestrado apresenta o Gifflar, um framework para geração automática de código de SmC em tempo de execução, que permite a um sistema escrever, compilar e implantar SmCs numa rede blockchain com uma aplicação ainda em execução, o que reduz a frequente precisão do desenvolvedor de SmC e possibilita automatizar ainda mais o processo de desenvolvimento de SmC. Uma das suas principais ferramentas é uma biblioteca estruturada em componentes que implementam padrões de projeto para melhor definir a responsabilidade de cada uma dessas partes. A biblioteca Gifflar oferece uma API que permite ao desenvolvedor modelar, gerar códigos e gerenciar os SmCs através de métodos que abstraem até certo nível o código do SmC utilizando o JSON como modelo para a geração de código. Em complemento, foram realizadas duas avaliações para validar o projeto: (i) uma avaliação de usabilidade da biblioteca do Gifflar e (ii) uma avaliação conceitual de aplicação do Gifflar em outros projetos. Até onde se sabe, este framework é um dos primeiros a permitir gerar SmCs dinamicamente em tempo de execução, assim contribuindo para o estado da arte ao abordar um novo paradigma, onde os sistemas podem atuar como desenvolvedores de contratos inteligentes.

Sistemas autoadaptativos podem monitorar a si mesmos e ao seu contexto. Eles podem detectar mudanças e reagir à condições inesperadas com o mínimo de supervisão humana durante a sua execução. Um dos desafios por trás do desenvolvimento de sistemas autoadaptativos é lidar com o processo de tomada de decisão durante a análise dos pontos de \textit{tradeoff} dentre os múltiplos atributos de qualidade (QA). Em Engenharia de Software, um método amplamente aceito de avaliação das metas de QA em projetos de software é o Método de Análise de \textit{Tradeoffs} Arquiteturais, amplamente conhecido como ATAM. Entretanto, apesar de sua importância e ampla aceitação, há poucos relatos de estudos empíricos sobre a análise de \textit{tradeoffs} de QA em sistemas autoadaptativos. Neste sentido, a presente investigação propõe uma versão adaptada do ATAM chamada ATAM-4SAS para lidar com as particularidades de sistemas de software autoadaptativos. Para alcançar o objetivo da pesquisa, empregamos o UPPAAL SMC (modelo de verificação estatística) para analisar um conjunto de QA. Para avaliar a viabilidade do método proposto, realizamos um estudo empírico sobre a execução do ATAM-4SAS em um sistema autoadaptativo desenvolvido conforme o modelo MAPE-K. Este modelo engloba as fases de Monitoramento, Análise, Planejamento e Execução. Tais etapas compartilham uma base de conhecimento (K), fundamental no apoio à tomada de decisões. A avaliação empírica foi complementada com a realização de um grupo focal, que buscou avaliar a facilidade de uso percebida e a utilidade percebida do ATAM-4SAS para apoiar a escolha estratégica de QA em um sistema autoadaptativo. Como resultado, obervamos que maioria dos participantes concordou que o ATAM-4SAS provê o devido suporte para a escolha estratégica dos QA em sistemas autoadaptativos. 

Sistemas de tempo real (RTS) são aqueles cujas ações estão sujeitas a restrições tempo- rais, definidas em termos de prazos de execução (deadlines). Um RTS crítico é usualmente  projetado para nunca deixar de cumprir seus deadlines, como é o caso dos sistemas aviônicos e espaciais. Para que isso aconteça, é fundamental que se saiba qual o tempo máximo que cada tarefa leva para executar nestes ambientes, parâmetro conhecido como
Tempo de Execução no Pior Caso (WCET). Estimar o WCET de uma tarefa não é simples e, no caso das arquiteturas modernas, o mesmo está sujeito a imprevisíveis influências de diferentes elementos de hardware e software, que impedem a identificação de um valor absoluto de WCET. Uma das técnicas mais empregadas, nestes casos, é a Análise Temporal Probabilística Baseada em Medições (MBPTA), fundamentada em um ramo da estatística conhecido como Teoria dos Valores Extremos (EVT). Por meio da MBPTA-EVT pode-se inferir distribuições de probabilidade de pior caso e estimar WCET Probabilísticos (Probabilistic Worst Case Execution Time - pWCET). O presente trabalho visa realizar uma análise experimental do uso da EVT via MBPTA
para inferência de pWCET, apresentando o processo de aplicação da técnica em um ambiente real RPi e expondo os desafios e falhas encontrados durante este processo; ponto raramente exposto pela literatura. Os resultados parciais apontam que EVT é robusta, mas que apresenta fragilidades pois nem sempre produz modelos adequados e resultados pWCET coerentes. O trabalho está inserido no contexto do projeto Kepler,
uma cooperação entre a UFBA e o INRIA-Paris.

O objetivo deste trabalho é propor um novo modelo híbrido SVR-ANN para previsão de demanda de água. Onde uma adaptação da metodologia proposta por Zhang (2003) é utilizada para decompor as séries temporais de 10 reservatórios que abastecem a Região Metropolitana de Salvador (RMS). Os dados utilizados são do consumo histórico de janeiro/2017 a fevereiro/2022, obtidos junto à empresa de abastecimento local, Empresa Baiana de Águas e Saneamento (EMBASA), e dados meteorológicos obtidos junto ao Instituto Nacional de Meteorologia do Brasil (INMET). Os resultados demonstraram a viabilidade do uso do modelo proposto, comparado a outros modelos tradicionais como o Multilayer Perceptron (MLP), Support Vector Regression (SVR), Short Long Term Memory (LSTM) e Autoregressive and Integrated Moving Average (ARIMA).

Pedir comida online está presente diariamente na vida das pessoas, entretanto, este procedimento exige o envio de dados de clientes para diferentes sistemas de restaurantes, e muitas vezes esses restaurantes compartilham informações sensíveis com seus parceiros sem autorização, criando um risco à segurança ao compartilhar tais dados. Ainda, em muitos casos quando uma pessoa viaja para um país diferente de sua origem e deseja pedir comida é exigida a transação de câmbio para moeda local que tem custo elevado. As blockchains revolucionaram o modo de fazer pagamentos online e intrinsecamente de forma segura eliminando a entidade centralizadora e autorizativa, a exemplo da Bitcoin, primeira blockchain utilizada em larga escala. Entretanto, a literatura científica registra a dificuldade diante da alta frequência de transações na Bitcoin, alto tempo de transações, e, também, seu alto custo por transação além da limitação da linguagem Script para desenvolvimento de aplicações. Nesse passo a blockchain Ethereum surge como alternativa a Bitcoin, num ambiente de aplicações mais complexas com maior frequência de aplicações e número de transações por segundo, mas, ainda distante da performance de soluções como cartão de crédito, o que desfavorece esta “cadeia de blocos” ante soluções tradicionais de pagamento como o cartão de crédito, além disso teve por um grande período altas taxas de custo por transação. Do estudo deste contexto nós propomos o modelo de pagamento de transações para o varejo por meio da blockchain a partir de Prova de Conceito (POC) voltada para restaurantes utilizando o Software Development Kit (SDK) da blockchain Lisk. A POC Lisk Restaurante representa uma integração da Lisk blockchain na indústria de alimentos permitindo clientes comprarem comida de forma rápida e segura através de sidechains - blockchains exclusivas para transações especiais tipo-restaurantes, sem intermediação e com menores taxas ao utilizar um único cripto ativo no mundo: o LSK. Realizamos estudo empírico da solução proposta no qual é avaliada o desempenho de transações em bloco, taxas de transação, auditabilidade, escala de solução, privacidade e segurança no envio de mensagens em transações. Os resultados foram utilizados na comparação com dados da literatura das blockchains Bitcoin, Ethereum, e Multichain. Os resultados apontam que, as transações especiais utilizadas na Lisk Restaurante permitem garantir privacidade de dados para seus clientes, pois, apenas ao recipiente de uma transação é possível acessar dados sensíveis de remetente. Assim, através de pesquisa, revisão da literatura e experimentos de avaliação de desempenho foi observado que a solução de sidechain para restaurantes demonstrou eficiência da tecnologia blockchain em prover serviços globais de forma menos custosa do que meios de pagamentos comuns; também, quando comparadas suas taxas de transações com outras blockchains como Bitcoin ou Ethereum, pois, seus valores são menores e mantida a privacidade de seus clientes. Ainda, a nossa solução demonstrou aumento na capacidade de transações Food em um único bloco e melhor escalabilidade por meio de sidechains, as quais, aceitam transações específicas ao negócio envolvido o que difere de blockchains únicas como Bitcoin ou Ethereum que executam transações de diversas finalidades, superando também à primeira versão da Prova de Conceito (PoC) Lisk Restaurante, ultrapassando em duas vezes a capacidade de número de transações ou frequência, em um bloco. Finalmente, ainda foi realizado experimentos com a Lightning network, tecnologia off-chain que funciona sobre a Bitcoin sendo uma solução de escalabilidade para a Bitcoin. A avaliação de resultados de experimentos da solução sidechain Lisk e da Lightning network demonstraram as diferenças de cada tecnologia e foi enaltecida as vantagens e desvantagens de cada uma. Assim, foi observado que a tecnologia Lightning network também pode ser utilizada na indústria de varejo, mas sem a possibilidade de personalizar custos de transação.

A detecção de vizinhança em redes veiculares ad hoc envolve a determinação de veículos
vizinhos para uma organização colaborativa. Esse problema apresenta desafios em relação à
comunicação entre veículos em redes veiculares devido à natureza dinâmica da rede, que
provoca variações imprevisíveis na qualidade do canal de comunicação devido a fatores como
condições ambientais, interferências e congestionamentos. Nesta dissertação, abordamos a
detecção de vizinhança entre pelotões em redes dinâmicas, enfrentando desafios como a
movimentação variada dos veículos e as interferências de edificações. A organização em
pelotões representa um cenário relevante para o estudo em redes veiculares, uma vez que traz
benefícios na qualidade do trânsito, como a redução do consumo de combustível, a melhoria
do fluxo de tráfego e o aumento da segurança. Desenvolvemos um protocolo básico de
comunicação, projetado para a comunicação entre líderes de pelotões, que garante o
conhecimento mútuo entre eles, possibilitando a troca de informações essenciais para a
detecção de vizinhança e o funcionamento colaborativo dos pelotões. Verificamos o protocolo
utilizando o verificador de modelos PRISM. Utilizando este protocolo, realizamos experimentos
para determinar os tempos necessários que ocorrem entre o envio e o recebimento de
mensagens trocadas entre líderes de pelotões para a determinação de vizinhança. Realizamos
experimentos em canais confiáveis e não confiáveis e determinamos tempos limite de
progresso por meio de simulações utilizando o framework VEINS, que integra SUMO e
OMNET++. Os resultados dos experimentos forneceram informações sobre os tempos limite
de progresso em vários cenários que podem servir de referência para o desenvolvimento de
aplicações relacionadas à comunicação em VANETs.

Visualizações multidimensionais são representações gráficas que atuam na apresentação de conjuntos de dados multidimensionais ou multivariados. Entretanto, muitas dessas técnicas apresentam pouca escalabilidade visual à medida que as dimensões aumentam, exigindo um espaço visual cada vez maior para acomodar todo o conjunto de dados. Uma forma de contornar esse problema é utilizar técnicas de Projeções Multidimensionais que realizam redução de dimensionalidade e buscam preservar os padrões dos dados originais no espaço projetado. Durante esse processo, é altamente provável que erros e distorções estejam presentes nos layouts de projeção. Um desafio na pesquisa desse tema é mensurar e visualizar os erros e distorções incorporados nos mapeamentos das projeções. Nesse sentido, este trabalho desenvolveu o MultiVisD3, uma abordagem de Visual Analytics para analisar a qualidade de Projeções Multidimensionais. Esta abordagem compreende um dashboard como um painel visual interativo contendo múltiplas visualizações coordenadas para facilitar a compreensão e comparação de métricas de erro entre duas projeções. Outras técnicas de visualização como Treemap e visão tabular apoiam a extração de informações sobre a qualidade das projeções. Por fim, a abordagem proposta foi submetida a uma avaliação com usuário utilizando conjuntos de dados conhecidos para analisar aspectos de funcionalidade e usabilidade. Os resultados mostraram que os usuários avaliaram positivamente a abordagem proposta neste trabalho. Mais de 90% dos participantes executaram corretamente oito das nove tarefas que lhes foram solicitadas e mais de 90% deles aprovaram os aspectos de usabilidade relacionados às interações e disposição das visualizações.

No mundo digital dinâmico de hoje, a infinidade de serviços de listagem, que vão desde plataformas de música até recomendações de produtos e sugestões de conteúdo de mídia social, muitas vezes deixa os usuários em busca de itens que realmente se alinhem com seus gostos. Abordando esta complexidade, a ascensão dos Sistemas de Recomendação provou ser inestimável. Esses sistemas filtram com eficiência vastos dados para alinhar itens com preferências individuais, melhorando as escolhas do usuário. Este trabalho centra-se na criação de uma API avançada de Sistemas de Recomendação. Criada de forma distinta, esta API possui acessibilidade universal e um procedimento de implantação descomplicado. Como base para vários serviços da Web, a API se fortalece na robusta arquitetura REST. Ele foi projetado com um compromisso com a modularidade, defendendo a adaptabilidade e a flexibilidade. A API processa dados e consultas do usuário para fornecer recomendações personalizadas rapidamente. As avaliações de desempenho destacaram a louvável precisão da API. Ele brilhou particularmente com conjuntos de dados menores, exibindo impressionantes tempos de processamento de dados e execução de algoritmos. A API manifestou eficiência e resiliência excepcionais sob condições de teste específicas, incluindo ambientes de nuvem, especialmente notáveis em cenários extensos de conjuntos de dados de 16.000 itens. A API é mais que uma ferramenta; ele abre caminho para experiências digitais personalizadas, mostrando sua habilidade em operações CRUD e recomendações personalizadas. A fase de avaliação do usuário abrangeu um grupo demográfico variado: desenvolvedores iniciantes a experientes. Mais da metade tinha experiência considerável em desenvolvimento de software e uma porcentagem significativa tinha envolvimentos anteriores com sistemas de recomendação de codificação. Com conhecimento diversificado de bibliotecas de recomendação, a maioria dos comentários elogiou a eficácia da API. 81% valorizaram as recomendações e muitos se sentiram confiantes nas técnicas de filtragem. O destaque deste trabalho é a versatilidade da API do Sistema de Recomendação. Apesar do feedback positivo, os usuários sugeriram melhorias na documentação, segurança de dados e recursos. Esses insights moldarão futuros refinamentos de API e experiência do usuário. O envolvimento entusiástico e o feedback dos participantes sublinham o potencial da API para melhorar aplicações que requerem um sistema de recomendação, especialmente para desenvolvedores que talvez sejam menos versados nas nuances teóricas. A sólida base de pesquisa e a dedicação dos participantes destacam o potencial da API para uma adoção mais ampla pelos desenvolvedores.

Refatorações são operações realizadas no código fonte que visam melhorar a capacidade de manutenção de um sistema de software. Apesar da literatura conter diversos estudos sobre refatorações, são poucos os trabalhos que investigam as motivações reportadas pelos desenvolvedores para realizar refatorações. Portanto, esta pesquisa tem o objetivo de investigar as motivações por trás das refatorações de extract method em sistemas reais. Para isso, foram conduzidos dois estudos experimentais, um preliminar envolvendo um único sistema de software, e um outro estudo onde foram considerados diversos sistemas. Os estudos foram baseados em mineração de commits onde ocorreram refatorações do tipo extract method. Basicamente, buscou-se analisar as mensagens desses commits visando capturar as motivações dos desenvolvedores para realizar tais refatorações. Os resultados apontaram 16 motivações diferentes para a aplicação do extract method. Além disso, observou-se que apenas 16% das refatorações tiveram intenção explícita de melhorar a qualidade do código. Também foi identificado que as refatorações com intenção de melhorar a qualidade do código ocorreram com maior frequência em métodos com tamanho acima de 61 linhas de código e com menor frequência em métodos abaixo de 20 linhas de código.

Rajadas de commits são sequências de modificações realizadas por desenvolvedores, que ocorrem no código dentro de um curto período de tempo. Em projetos que adotam a prática de Integração Contínua (IC), toda vez que uma modificação é finalizada, cria-se uma nova versão do código, gerando uma nova build. Nessa nova versão, as mudanças realizadas são verificadas automaticamente, executando testes de unidade e relatando o resultado de falha ou sucesso da build para os desenvolvedores. Nesse sentido, o objetivo desta pesquisa é realizar um estudo empírico para verificar a associação entre rajadas de commits e falhas na build. O primeiro passo foi a realização de um estudo empírico a partir da mineração de repositórios, por meio do qual se identificou a relação das rajadas de commits e falha na build. Após esse estudo, foi conduzido um survey, para se avaliar os resultados obtidos, considerando as opiniões de desenvolvedores que trabalham com IC. Dentre as descobertas realizadas, os resultados do primeiro estudo mostram que em alguns projetos a taxa de sucesso de builds após rajadas de mudanças tendem a diminuir. No entanto, não podemos generalizar os resultados para todos os projetos visto que, na maioria dos projetos estudados a diferença não foi estatisticamente significativa. No segundo estudo, a maioria dos participantes da pesquisa concordam que a proximidade da data de entrega de um projeto é um fator responsável pela rajada de commits e falha na build. No entanto, não podemos generalizar os resultados, visto que alguns desenvolvedores apresentaram pequenas discordâncias quanto aos responsáveis pela falha na build. Desse modo, os resultados deste trabalho pretendem contribuir com a comunidade de desenvolvedores que utilizam IC, ajudando-os a reduzir falhas na build, podendo orientar trabalhos futuros sobre boas práticas de desenvolvimento.

Com o crescimento da quantidade de veículos no mundo nos últimos anos, se tornou necessária a adoção de tecnologias para lidar com as consequências que esse volume veicular pode gerar para as grandes cidades, como o aumento dos congestionamento nas rodovias. As redes veiculares Ad-Hoc (VANETs) se apresentam como uma tecnologia promissora nesse cenário, auxiliando na formação de redes veiculares capazes de interconectar veículos e infraestrutura para entender e lidar com congestionamento de veículos. Considerando isso, a quantidade de dados gerados por esse ambiente aumenta na proporção que o número de veículos nas vias cresce. Consequentemente, o envio dos dados do ambiente veicular para a estrutura que identifica o congestionamento, pode ser cada vez mais oneroso no ponto de vista de utilização de rede, podendo gerar sobrecargas e aumento da latência e dificultando a tomada de decisão rápida. Dessa forma, propomos nesse trabalho, a construção de um Framework que visa identificar congestionamento de veículos, com uma abordagem para reduzir na camada de névoa, os dados gerados por uma VANET e depois enviar para a nuvem somente os dados mais relevantes para tomada de decisão. Além da detecção de congestionamento, com os dados históricos em formato de séries temporais realizamos a previsão de congestionamento utilizando ARIMA. Para trabalhar com a redução dos dados, o Framework utiliza algoritmos de amostragem simples e  técnicas de agrupamento (DBSCAN e XMEANS). Os resultados mostraram que, a utilização de algoritmos de agrupamento nesse Framework pode alcançar um nível significativo de acurácia na detecção de congestionamento de tráfego em conjunto com uma redução acentuada do uso de rede.

Contexto: Dívida Técnica (DT) descreve os efeitos de artefatos imaturos no desenvolvimento de software que podem trazer benefícios a curto prazo, mas que poderão ter que ser pagos com juros a longo prazo. O gerenciamento da DT equilibra os objetivos de curto e longo prazo, auxiliando as equipes de desenvolvimento a decidir sobre a necessidade e o melhor momento para eliminar a dívida. Dentre as atividades de gerenciamento da DT, tem-se a prevenção, o monitoramento e o pagamento. Por meio da prevenção, é possível evitar que equipes incorram em DT, enquanto o monitoramento as auxilia a acompanhar a evolução dos itens da DT em relação ao custo-benefício de eliminá-los ou não, ou seja, pagar os itens da dívida. Conhecer as práticas utilizadas para prevenir, monitorar e pagar os itens da DT pode auxiliar equipes de desenvolvimento na escolha da melhor prática a ser utilizada nos seus projetos. Identificar as razões que levam à não prevenção, ao não monitoramento e ao não pagamento da DT pode ajudar equipes a entenderem quais aspectos precisam ser melhorados para possibilitar o gerenciamento da DT. Embora a literatura técnica tenha investigado a prevenção, o monitoramento e o pagamento da DT, os resultados atuais refletem apenas o ponto de vista de um pequeno número de profissionais e organizações. Para alcançar os benefícios da gestão da DT, é necessário investigar mais profundamente as práticas e as razões associados a essas atividades da DT.

Objetivo: Esta tese tem como objetivo investigar, por meio da replicação contínua e independente de uma família de surveys conduzidos globalmente, o estado da prática sobre a prevenção, o monitoramento e o pagamento de itens da DT em projetos de software.

Método: Inicialmente, foi realizada uma revisão da literatura sobre o estado atual da pesquisa sobre DT e sua prevenção, monitoramento e pagamento. Em seguida, foram analisados os dados coletados por seis equipes de replicação do projeto InsighTD, uma família de surveys globalmente distribuída sobre causas, efeitos e gerenciamento da DT. A partir do corpo de conhecimento resultante das análises dos dados de InsighTD, foram definidos três artefatos: uma versão atualizada do modelo conceitual de DT, um conjunto de mapas conceituais e os diagramas IDEA (Impediments, Decision factors, Enabling practices, and Actions). Por fim, os três artefatos foram avaliados por meio de estudos de casos na academia e na indústria.

Resultados: Esta tese apresenta as principais práticas utilizadas para prevenir, monitorar e pagar itens da DT e as razões que justificam a não aplicação dessas práticas. Em relação à prevenção da DT, requisitos bem definidos, adoção de boas práticas de programação e melhor gerenciamento do projeto estão entre as cinco práticas relacionadas à prevenção mais citadas, enquanto prazo curto, gerenciamento ineficiente e falta de previsibilidade no desenvolvimento de software estão entre as cinco razões mais citadas para justificar a não prevenção da dívida. Sobre o monitoramento da DT, backlog composto por itens da DT, utilização de ferramentas e reuniões da equipe estão entre as cinco práticas relacionadas ao monitoramento mais citadas, enquanto falta de interesse, foco em metas de curto prazo e falta de tempo estão entre as cinco razões utilizadas para explicar o não monitoramento de itens da DT. Em relação ao pagamento da DT, refatoração de código, investindo esforço nas atividades de pagamento da DT e refatoração de design estão entre as cinco práticas relacionadas ao pagamento mais citadas, enquanto foco em metas de curto prazo, falta de interesse organizacional e falta de tempo estão entre as cinco razões mais citadas para explicar o não pagamento da DT. O modelo conceitual da DT foi atualizado por meio da inclusão do conhecimento oriundo do estado da prática e todas as práticas e razões, juntamente com seus tipos, natureza e categorias, foram organizadas em mapas conceituais e diagramas IDEA. Por meio da avaliação do modelo conceitual e do mapa de pagamento da DT, foi encontrado que eles são bem-organizados e fornecem informações valiosas para definir estratégias de gerenciamento da DT. A avaliação dos diagramas IDEA forneceu evidências positivas de que eles são fáceis de ler e seguir e podem influenciar as decisões sobre como gerenciar itens de TD. Conclusão: Utilizando dados de InsighTD, esta tese explora o estado da prática da prevenção, monitoramento e pagamento da DT, revelando as principais práticas utilizadas para realizar essas atividades e as razões que evitam sua execução. Todo o corpo de conhecimento foi organizado em três artefatos que podem guiar novas investigações sobre a DT e apoiar os profissionais de software a aumentar suas capacidades e reduzir seus problemas no gerenciamento de itens de dívida.

A demanda por memória aumentou devido ao surgimento de várias aplicações, como big data, aprendizado de máquina, redes sociais, análise de grafos entre outros. A tecnologia DRAM está enfrentando problemas com escalabilidade, energia e custos, apesar de sua vantagem de baixa latência. A memória não volátil (NVM) é uma alternativa aos problemas de escalabilidade da DRAM. Embora o NVM tenha alta densidade, baixo custo e baixo consumo de energia, sua alta latência o impede de substituir a DRAM. Memórias heterogêneas como DRAM+NVM provavelmente se tornarão comuns, e o posicionamento eficiente de dados é uma importante questão de pesquisa. Esta dissertação de doutorado se concentra no gerenciamento de posicionamento de dados para aplicações de análise de grafos. Ele estuda modelos de aprendizado de máquina para prever o desempenho de aplicativos em um contexto com várias aplicações e explora opções de mapeamento de dados no nível de objeto ou bloco para uma única aplicação. A dissertação contribui para a identificação off-line de atributos de objetos que influenciam o desempenho, a implementação de um escalonador off-line no nível do chunk e a implementação de um escalonador on-line no nível do chunk.

Compilação condicional é frequentemente utilizada para implementar variabilidade em código fonte de sistemas configuráveis. Compilação condicional utiliza #ifdefs para delimitar o código de uma funcionalidade (feature). Estudos anteriores mostraram que #ifdefs podem dificultar a compreensão do código. No entanto, esses estudos não levaram explicitamente em conta as dependências entre features. A dependência entre feature ocorre quando diferentes features se referem ao mesmo elemento de programa, como por exemplo, uma variável. A compreensibilidade de código fonte de sistemas configuráveis pode ser ainda mais afetada na presença de dependência entre features, pois o desenvolvedor deve raciocinar sobre diferentes cenários que afetam a mesma variável. Nosso objetivo é, portanto, entender como a dependência entre features afeta a compreensibilidade do código fonte de sistemas configuráveis. Para isso, realizamos quatro estudos experimentais complementares. No Estudo 1, quarenta e seis desenvolvedores responderam a uma pesquisa online. Eles executaram tarefas nas quais tiveram que analisar programas contendo #ifdefs com e sem dependências entre features. No entanto, as dependências entre features podem ser de tipos diferentes, dependendo do escopo da variável compartilhada. No Estudo 1, não nos preocupamos com diferentes tipos de dependência. Assim, no Estudo 2, realizamos um experimento no qual 30 desenvolvedores depuraram programas com diferentes tipos de dependência entre features. Cada programa incluiu um tipo diferente de dependência entre features: global, intraprocedural ou interprocedural. Usamos um dispositivo de rastreamento ocular para registrar os movimentos do olhar dos desenvolvedores enquanto depuravam os programas. No entanto, as dependências entre features não diferem umas das outras apenas em termos de tipos. Eles também podem apresentar diferenças em termos de número de variáveis dependentes e grau de variabilidade, entre outros. Para atender a essas características, complementamos os Estudos 1 e 2 por meio dos Estudos 3 e 4. No Estudo 3, realizamos um experimento controlado com 12 participantes que analisaram programas com diferentes números de variáveis dependentes. No Estudo 4, realizamos um experimento no qual 12 desenvolvedores analisaram programas com diferentes graus de variabilidade. Nossos resultados mostram que: (i) analisar programas contendo #ifdefs e dependência entre features exigiu mais tempo do que programas contendo #ifdefs, mas sem dependência entre features, (ii) depurar programas com #ifdefs e dependência global ou interprocedural exigiu mais tempo e maior esforço visual do que programas com dependência intraprocedural, (iii) quanto maior o número de variáveis dependentes, mais difícil foi para entender programas com dependência entre features e (iv) o grau de variabilidade não afetou a compreensibilidade de programas com dependência entre features. Em resumo, nossos estudos mostraram que #ifdefs afetaram a compreensibilidade de sistemas configuráveis em diferentes graus, dependendo da presença ou não de dependência entre features, do tipo de dependência entre features e do número de variáveis dependentes.

Mapas Conceituais são ferramentas pedagógicas amplamente utilizadas para facilitar o
processo de aprendizagem. De forma geral, podem ser definidos como diagramas com
organização hierárquica que apresentam relações entre conceitos. São um importante
instrumento para o ensino e avaliação do conhecimento por representarem, entre outras
características, a estrutura cognitiva do aprendiz. Os mapas conceituais estão fundamentados
na Teoria da Aprendizagem Significativa de Ausubel, assim, é possível avaliar os mapas com
base em aspectos dessa Teoria, como as categorias-chave da diferenciação progressiva e
reconciliação integrativa. Estas representam informações sobre o processo de construção do
conhecimento sendo, portanto, fundamentais para uma avaliação de aprendizagem
significativa. As categorias-chave podem ser identificadas no processo de elaboração dos
mapas, no entanto, este processo não vem sendo muito explorado na literatura. A maioria dos
trabalhos focam na análise comparativa entre o mapa do aprendiz e um mapa de referência
para verificar se os conceitos e relações estão representados corretamente. A análise
comparativa entre mapas é importante, mas não suficiente para uma avaliação da
aprendizagem significativa, visto que as categorias-chave bem como outras informações da
estrutura cognitiva do aprendiz, ou seja, como ele constrói e reconstrói seu conhecimento no
decurso do seu processo de aprendizagem, são essenciais para identificar indícios de
aprendizagem. Na literatura, há trabalhos que analisam a estrutura do mapa conceitual para
classificar a qualidade da aprendizagem em aprendizagem mecânica, significativa ou não-
aprendizagem, mas não analisa o processo de construção do mapa e nenhuma discussão é
feita sobre a automatização da avaliação. Pesquisas no campo da Informática na Educação têm
investigado o problema de se avaliar a aprendizagem, comparando mapas conceituais de
aprendizes com um mapa de referência, por meio de ferramentas computacionais. Há diversas
soluções que envolvem análise estrutural utilizando padrões de comparação e análise
semântica por meio de ontologias de domínio. Esta tese de doutorado apresenta um modelo
e um método para avaliação de mapas conceituais que considera avaliação sintática e
semântica bem como o processo de construção de mapas, propondo critérios para identificar
indícios de aprendizagem mecânica, significativa e não-aprendizagem. São consideradas
avaliação qualitativa e quantitativa. Um framework conceitual é especificado fornecendo um
arcabouço sobre a organização e estruturação de avaliação de mapas conceituais para apoiar a
construção de sistemas computacionais para a sua automatização. Foram desenvolvidos
estudos de caso, que serviram como uma primeira avaliação do método proposto.

Uma 1-fatoração é uma partição do conjunto de arestas de um grafo em emparelhamentos perfeitos. O conceito de 1-fatoração é de grande interesse devido às suas aplicações na modelagem de torneios esportivos. Duas 1-fatorações são ditas isomorfas (pertencem a mesma classe de isomorfismo) se existir uma bijeção entre seus conjuntos de vértices que transforme uma na outra. O espaço de busca de 1-fatorações não isomorfas é um grafo em que cada classe de isomorfismo é representada por um vértice e cada aresta que conecta os vértices $\mathcal{F}_a$ e $\mathcal{F}_b$ corresponde a um movimento em uma estrutura de vizinhança, que a partir de uma 1-fatoração isomorfa a $\mathcal{F}_a$ gera uma 1-fatoração isomorfa a $\mathcal{F}_b$. Uma invariante de uma 1-fatoração é uma propriedade que depende apenas de sua estrutura, de modo que 1-fatorações isomorfas possuem valores de invariantes iguais. Uma invariante é completa quando quaisquer duas 1-fatorações não isomorfas têm valores invariantes distintos. Essa tese analisa sete invariantes utilizadas para distinguir 1-fatorações não isomorfas de $K_{2n}$ (grafos completos com quantidade par de vértices). Considerando que as invariantes disponíveis na literatura não são completas, propomos duas novas invariantes, denominadas \textit{lantern profiles} e \textit{even-size bichromatic chains}. As invariantes são comparadas quanto aos seus tamanhos e complexidade computacional do seu cálculo. Além disso, realizamos experimentos computacionais para avaliar suas capacidades de distinguir 1-fatorações não isomorfas. Para tal, utilizamos os conjuntos de 1-fatorações não isomorfas de $K_{10}$ e $K_{12}$, bem como os conjuntos de 1-fatorações perfeitas não isomorfas de $K_{14}$ e $K_{16}$. Também consideramos aspectos algorítmicos e computacionais para explorar a vizinhança \textit{generalized partial team swap} (GPTS), uma estrutura de vizinhança para problemas de planejamento de tabelas de torneios \textit{round-robin} recentemente proposta na literatura. Nesse sentido, apresentamos um arcabouço para explorar a vizinhança GPTS. Além disso, é apresentada uma discussão sobre como esta estrutura de vizinhança aumenta a conectividade do espaço de busca definido por 1-fatorações não isomorfas de $K_{2n}$ (para $8 \le 2n \le 12$) quando comparada a outras estruturas de vizinhança.

Startups em estágios iniciais, frequentemente fundadas por equipes pequenas com ideias inovadoras, porém não comprovadas, enfrentam o desafio de validar seus conceitos no mercado. Essas ideias tomam forma por meio de um modelo de negócios flexível, adaptando-se até que uma abordagem repetível e escalável seja estabelecida. As startups precisam lidar com a pressão de fornecer rapidamente um produto ou serviço mínimo viável. Para as startups de software, isso frequentemente gira em torno de ofertas de software ou tecnologia, operando em um cenário altamente competitivo ao lado de empresas de vários tamanhos. Pesquisas recentes exploraram o contexto, objetivos, desafios e práticas de startups de software. Embora pesquisas extensivas tenham investigado como as startups de software se envolvem no desenvolvimento de software, ainda existe uma lacuna na compreensão de como elas selecionam e implementam práticas de desenvolvimento específicas. Descobrir seus processos e metodologias de desenvolvimento de software é igualmente essencial, pois isso impacta diretamente sua capacidade de superar os desafios do desenvolvimento de software. Perguntas-chave incluem: O que caracteriza o desenvolvimento de software em ambientes de startup? Como as startups priorizam os atributos de qualidade do produto em seus processos de desenvolvimento? Quais práticas de engenharia de software apoiam seus esforços de desenvolvimento e quais ferramentas auxiliam seu progresso? Esta tese busca obter insights sobre como as startups de software em estágios iniciais navegam na jornada de desenvolvimento de software, lançando luz sobre suas prioridades, processos e as ferramentas que utilizam. Nossa pesquisa adota uma abordagem qualitativa na forma de um estudo de caso múltiplo envolvendo 14 organizações. Analisamos os dados usando técnicas da Teoria Fundamentada, incluindo codificação aberta, axial e seletiva. As descobertas destacam a relevância crítica de fatores humanos, processos de desenvolvimento de software, práticas de engenharia de software e influências externas na jornada de desenvolvimento de software. A compreensão desses fatores levou à formulação de recomendações práticas para fortalecer o desenvolvimento de software em estágios iniciais nas startups. Este trabalho identifica fatores cruciais que influenciam o desenvolvimento de software nas startups e oferece recomendações práticas para suas iniciativas de desenvolvimento de software em estágios iniciais.

Nós propomos um método que pode realizar a classificação de uma classe, dado apenas um pequeno número de exemplos da classe alvo e nenhum das outras. Nós formulamos o aprendizado de features significativas para a classificação de uma classe como um problema de meta-aprendizado no qual o estágio de metatreinamento simula repetidamente a classificação de uma classe, usando o objetivo de classificação do algoritmo escolhido para aprender uma representação de recurso. Para aprender essas representações, exigimos apenas dados multiclasse de tarefas semelhantes. Mostramos como o método Support Vector Data Description (SVDD) pode ser usado em nosso método, e também propomos uma variante mais simples baseada em Prototypical Networks que obtém desempenho comparável, indicando que aprender a representações de features diretamente dos dados pode ser mais importante do que qual algoritmo nós escolhemos. Nós validamos nossa abordagem adaptando conjuntos de dados de classificação com poucos exemplos ao cenário de classificação de uma classe com poucos exemplos, obtendo resultados semelhantes ao estado da arte da classificação tradicional de uma classe e que melhora a classificação de uma classe quando comparado aos baselines de classificação de uma classe com poucos exemplos. Além disso, como uma aplicação prática, empregamos nosso método para a tarefa biométrica de verificação facial. Nesse cenário, ele se compara desfavoravelmente à tácnica de aprendizagem de métrica do estado-da-arte.

A computação em nuvem oferece uma infraestrutura centralizada e orientada a serviços para usuários em todo o mundo. Um ambiente em nuvem permite executar aplicações críticas sensíveis à interação com os usuários (como uma busca online na Web), e também é usado para executar aplicações em lote orientadas a melhor esforço (como compressão de áudio/vídeo, indexação das páginas Web). Data centers são projetados em larga escala para suportar os diversos serviços em nuvem, distribuídos em centenas de milhares de servidores, com expressivos gastos operacionais e de capital. Assim, otimizar o uso dos recursos dos servidores resulta em economia significativa nesses sistemas. Como oportunidade de pesquisa, há a possibilidade de explorar momentos de ociosidade dos servidores que executam os serviços críticos, em especial durante períodos de baixa demanda. Esta pesquisa visa permitir coalocar diferentes tipos de tarefas de aplicações em nuvem (sensíveis à latência e de melhor esforço) em um mesmo servidor de forma a aumentar sua utilização, melhorando assim sua eficiência. O trabalho demonstra que realizar coalocação de tarefas sensíveis à latência e de melhor esforço proporciona maior eficiência dos servidores em nuvem, desde que seja garantido o desempenho das tarefas das aplicação críticas. O trabalho explorou o uso de escalonadores específicos para cada tipo de tarefa, as tarefas sensíveis à latência foram escalonadas e parametrizadas via escalonamento de tempo real, e tarefas de aplicações em lote utilizaram escalonamento justo de melhor esforço. Os ganhos em relação ao escalonador padrão do sistema chegaram a até 150% quando comparado ao proposto neste trabalho, aqui chamado de EDFCoaloc.

O projeto e implementação de Self-Adaptive Systems (SAS) eficazes é uma tarefa bastante desafiadora, geralmente por conta da existência de dinâmicas complexas entre os diversos elementos que compõem o sistema e entre estes elementos e o ambiente no qual eles operam. Um ponto crucial, no projeto de SAS, é a execução da atividade de planejamento (planning): definição de quais ações (planos de adaptação) devem ser realizadas para que o sistema se adapte e volte a atender os níveis de qualidade de serviço esperados. Pesquisas recentes têm investigado o uso de técnicas de verificação formal para viabilizar a geração de planos de adaptação confiáveis. Através da técnica de verificação de modelos (model checking) e do modelo de referência MAPE-K desenvolvemos o projeto, implementação e validação de uma arquitetura que define estruturas e comportamentos auto-adaptativos utilizando modelos formais, para a especificação planejadores que gerem planos de adaptação de forma autônoma, considerando propriedades auto-adaptativas tais como self-organizing e self-healing. Para a avaliação da arquitetura foi realizada através de um estudo de caso relacionado ao problema de controle de semáforos, com a criação de um planejador, em que os planos de adaptação foram gerados, de forma off-line, com o verificador de modelos UPPAAL e executados em run-time através de uma implementação própria deste trabalho. Alguns cenários da aplicação foram simulados, com uso da ferramenta SUMO, para avaliar a eficácia das soluções encontradas. O planejador criado gerou planos de adaptação eficientes, de forma autônoma, em cenários onde o número de possíveis planos de adaptação foi ordem de 2¹². Os resultados indicam que as soluções adotadas com nosso planejador foram mais efetivas em relação a soluções sem nenhuma abordagem de auto-adaptação, quando o fluxo de veículos se aproximou do colapso.

Em virtude dos impactos provocados pelo advento do novo Coronavírus (SARS-CoV-2), a mobilização e participação popular diante das políticas públicas de saúde são fundamentais para o enfrentamento da Covid-19 e mitigação dos seus danos, o que ´e amplamente afetado pelo conhecimento, atitudes e práticas em relação `a doença. Porém, tendo em vista o contexto de pessoas em estado de vulnerabilidade social e com baixo acesso `a educação e `a informação, a ausência de participação e engajamento em comunidades socioeconomicamente desfavorecidas se apresenta como um obstáculo que se interpõe aos objetivos propostos pelas políticas sanitárias. Desse modo, o presente trabalho propõe a implementação do modelo de design de gamificação orientado `a teoria GAFCC na plataforma +Lugar (versão Covid-19), para apoiar as abordagens participativas de crowdsourcing e mapeamento participativo em prol de iniciativas destinadas ao enfrentamento da Covid-19, principalmente o mapeamento e sinalização dos preditores de transmissão da doença em tempo real, por meio de uma abordagem de percepção de risco. A fim de avaliar a aceitação e uso da solução proposta, utilizou-se a UTAUT para identificação dos fatores determinantes que apresentam impacto significativo na intenção de uso da plataforma. Para tanto, foi realizado um estudo de validação com 20 jovens e adolescentes residentes do bairro de Marechal Rondon, onde foi aplicado um formulário composto por questões relacionadas aos fatores moderadores e determinantes, e intenção comportamental. O resultado do estudo apontou que os respondentes possuem altos níveis de expectativa de desempenho e esforço, influência social, condições facilitadoras, e intenção comportamental de uso da plataforma. Porém, por meio da análise do coeficiente de correlação de Spearman, foi possível identificar que apenas os fatores “expectativa de esforço” e “influência social” impactam significativamente a intenção comportamental.

Por muito tempo, os eletrocardiogramas (ECGs) têm sido usados para diagnosticar problemas cardíacos. No entanto, obter uma classificação satisfatória através da tecnologia dos sistemas digitais aplicados a medicina e-health é uma tarefa difícil. Para estudar tal problemática foi considerado que o coração é sistema reativo com alguns modos ou estados de funcionamento possíveis, então, é intuitivo usar ferramentas computacionais como máquinas estados finitas (MEFs) para descrever o estado de saúde desse órgão humano. Nesse paradigma, propomos o Cyber-ECG, um modelo computacional para classificação automática de sinais de ECG com detecções de falhas do eletrocardiógrafo ou sensores. Para realizá-lo, foram utilizadas as bibliotecas Simscape e Stateflow do Simulink no ecossistema Matlab. Além disso, é apresentado um protótipo para detecção do pulso cardíaco, com uso da tecnologia da Internet das Coisas Médico (IoTM). Esse protótipo é constituído de uma placa ESP32, para coletar, agregar e visualizar os dados do pulso cardíaco de uma pessoa na nuvem. A ferramenta Cyber-ECG proposta obteve uma precisão de 84% e 80% ao classificar as classes ARR e NSR, respectivamente. Para essas mesmas classes, os valores de F1- Score são 82% e 83%, aproximadamente. A precisão foi de 82,5% e a sensibilidade foi de 80%, respectivamente. Com base nesses resultados, a ferramenta apresentou desempenho satisfatório e, em alguns casos, teve desempenho superior em comparação a outros estudos de métodos de classificação de sinais de ECG relatados na literatura científica.

Sistemas de Recomendação fornecem sugestões de itens que são mais prováveis de serem de interesse dos usuários. Prover recomendações personalizadas é um desafio que pode ser endereçado por meio de algoritmos de filtragem, entre os quais a Filtragem Colaborativa (CF) tem demonstrado grande progresso nos últimos anos. Ao usar técnicas de Fatorização de Matrizes (MF), métodos de CF reduzem o erro estimado por meio da utilização de algoritmos de otimização. Contudo, eles geralmente lidam com problemas de esparsidade dos dados e erro predito. Estudos apontam o uso de dados da Web Semântica como um caminho para melhorar sistemas de recomendação e endereçar desafios relacionados a técnicas de CF. Motivado por essas premissas, o presente trabalho desenvolveu um pipeline de dados e um algoritmo que processa a Matriz de Avaliações combinando similaridades semânticas da Linked Open Data (LOD) e estima avaliações em branco. Os experimentos consideram subsets de três diferentes datasets (Movielens, LastFM and LibraryThing), duas métricas de similarity semântica, Linked Data Similarity Distance (LDSD) e Resource Similarity (RESIM), e três algoritmos baseados em MF (SVD, SVD++ and NMF). Nossos experimentos reduziram a esparsidade em mais de 70% no subset de Movielens e 28% no LastFM. Erro predito foi reduzido em todos os subsets com confiança estatística usando o teste paramétrico ANOVA seguido o teste de comparação múltipla de Tukey.

Dívida Técnica (TD) contextualiza um conjunto de tarefas que deixam de ser executadas e são acumuladas para serem realizadas posteriormente durante o desenvolvimento de software. Em teste de software, cobertura insuficiente de teste, falta de teste e ausência de planejamento de casos de teste são situações nas quais dívidas de teste podem ser encontradas. Em contrapartida, outros tipos de dívida podem afetar a qualidade das atividades de teste. Documentação de requisitos desatualizada é um exemplo de uma situação de dívida de requisitos que pode comprometer as atividades de planejamento de teste. Nesse cenário, o termo dívida relacionada a teste (TRTD) refere-se aos problemas enfrentados pelos profissionais de teste devido à presença de itens de TD. Recentemente, propôs-se na literatura técnica um mapa conceitual que relaciona atividades de teste a itens de TD. Este mapa apresenta causas, indicadores e práticas de pagamento de TD relacionada a teste. Entretanto, esse mapa foi baseado em uma revisão ad hoc da literatura e a evidência experimental sobre a sua viabilidade de uso na indústria é limitada. Apesar de vários trabalhos investigarem indicadores, causas, efeitos e prevenção de TD, ainda há um longo caminho sobre como usar essas informações para apoiar a gestão de itens de dívida no contexto de atividades de teste. O objetivo desse trabalho é (i) apresentar uma versão atualizada de uma estrutura conceitual que organiza um conjunto de indicadores, causas, efeitos e práticas preventivas de TRTD, utilizando como base os dados do projeto InsighTD, que é um questionário global, que busca gerar dados experimentais sobre TD, suas causas, efeitos e gerenciamento a partir de profissionais de engenharia de software e (ii) avalia-o quanto à sua facilidade de uso, utilidade e possível uso futuro. Esta metodologia de avaliação, baseada no modelo de aceitação de tecnologia (TAM), faz um estudo de viabilidade dos mapas com 95 participantes. Como resultado da pesquisa, observou-se que o arcabouço conceitual com os elementos de TD pode ser útil para subsidiar a gestão dos itens do TRTD, conforme apontado por 89% dos participantes. A maioria dos participantes também indicou que ganharia produtividade, desempenho, agilidade e eficácia usando o arcabouço proposto. O framework também foi considerado fácil de aprender e usar pelos participantes do estudo.

Nos últimos anos a disponibilidade de dados na Web tem sido impulsionada pelo uso crescente das redes sociais e aplicativos para smartphones. Além do conteúdo textual, informações de geo-localização também são compartilhadas, favorecendo o surgimento de inúmeros serviços baseado em localização. As informações de localização de um Ponto de Interesse (POI) podem ser utilizadas para se entender o perfil de usuários, seus interesses e movimentações. Dessa maneira, é possível identificar, por exemplo, lugares de interesse de um determinado usuário, e até mesmo classificá-los em categorias, tais como café, universidade, bar, shopping, etc. Esse tipo de dado é bastante utilizado para os Sistemas de Recomendação de Pontos de Interesse que tem por objetivo auxiliar os usuários na busca por lugares de interesses, seja no dia a dia, ou durante uma viagem. Esses sistemas tradicionalmente recomendam para indivíduos, no entanto, existem cenários em que os indivíduos se reúnem em grupos, aumentando assim a complexidade do problema. Além da necessidade de encontrar as preferências individuais, a recomendação deve ponderar as preferências do grupo como um todo, o que exige a aplicação de uma técnica de consenso. Outro obstáculo é que recomendações não diversificadas, tendem a ser sempre da mesma categoria, diminuindo o interesse do grupo em recomendações de Pontos de Interesse já conhecidos. Esta dissertação de mestrado propõe Sistema de Recomendação de Pontos de Interesse para Grupos usando diversidade. Para avaliar o modelo proposto, foi realizado um exaustivo experimento com 19 grupos, sendo alguns com 3 e outros 5 membros. Para avaliar as recomendações diversificadas, foram utilizadas métricas de precisão nas posições 3, 5 e 10. De acordo com os resultados, as recomendação para as posições 5 e 10 obtiveram resultados mais satisfatórios quando a diversidade foi aplicada. Após o experimento com usuários reais, também foi realizada uma análise offline com variações do modelo proposto e das técnicas de agregação. De acordo com os resultados obtidos, foi possível verificar que os modelos de recomendação com diversidade obtiveram melhores resultados que a abordagem não diversificada na maioria das configurações testadas.

Sistemas de Recomendação tradicionalmente recomendam itens a usuários individuais, no entanto existem cenários nos quais os indivíduos se reúnem em grupos e com isso surge a necessidade de recomendar também a grupos. A maior parte desses grupos se forma naturalmente, como por exemplo para assistir um filme, almoçar em algum restaurante ou até mesmo planejar uma viagem. Em todas essas hipóteses é possível utilizar os Sistemas de Recomendação enquanto ferramentas para oferecer informações personalizadas ao grupo como um todo. Para tanto, é preciso levar em consideração as preferências individuais dos membros do grupo, com o intuito de satisfazê-lo plenamente, e, nesse sentido, utilizar técnicas de agregação dessas informações. Embora existam técnicas de consenso para agregação das informações, as recomendações podem ser repetitivas entre si pois atenderão sempre ao mesmo perfil de grupo. Esse inconveniente abre precedente para adoção de técnicas de diversidade para recomendações ao grupo. Neste trabalho, nós investigamos como aplicar tais técnicas de diversificação em recomendações para grupo, com base nas preferências dos membros, a fim de evitar a super-especialização do sistema e assim manter os membros do grupo satisfeitos de forma geral. Para tanto, é preciso desenvolver um modelo de formação do grupo, e, em seguida, modelar como será realizada a recomendação, para então conseguir aplicar técnicas de diversificação nos itens a serem recomendados. Foram realizados dois experimentos nesta pesquisa, ambos considerando um trabalho relacionado como baseline. No experimento offline o resultado do modelo proposto foi levemente  superior ao baseline, tendo sido 3.8% mais preciso e 1.8% mais diverso. No segundo experimento, o experimento online, o modelo proposto dominou completamente o baseline em termos de precisão e foi levemente inferior em termos de diversidade.

Nos últimos anos, a rede centrada na informação (Information-centric networking - ICN) ganhou atenção das comunidades de pesquisa e indústria como um paradigma de rede de distribuição de conteúdo eficiente e confiável, especialmente para lidar com aplicativos centrados em conteúdo e que necessitam de alta largura de banda, juntamente com os requisitos heterogêneos de redes emergentes, como a Internet das coisas, Redes veiculares Ad-hoc e Computação na borda da rede. O armazenamento em caches na rede é uma parte essencial do design da arquitetura ICN e o desempenho da rede geral depende da eficiência da política de armazenamento de conteúdos utilizada no cache. Portanto, um grande número de políticas de substituição de conteúdos foram propostas para atender às necessidades de diferentes redes. A literatura apresenta extensivamente estudos sobre o desempenho das políticas de substituição em diferentes contextos. As avaliações podem apresentar diferentes variações de características de contexto, levando a diferentes impactos no desempenho das políticas ou diferentes resultados das políticas mais adequadas. Por outro lado, existe uma lacuna de pesquisas para compreender como as características do contexto influenciam o desempenho das políticas. Também faltam iniciativas que auxiliem no processo de escolha de uma política adequada a um cenário específico. Nesse sentido, esta tese aborda essas lacunas de pesquisa ao (i) apontar o que é contexto da perspectiva das políticas de substituição de cache e as características de contexto que influenciam o comportamento do cache, e (ii) propor uma estratégia de meta-política de cache para auxiliar na escolha de políticas adequadas ao contexto vigente. Para o estudo de delimitação de contexto, realizamos uma extensa pesquisa da literatura de ICN para mapear as evidências relatadas de diferentes aspectos do contexto em relação aos esquemas de substituição de cache. Além da contribuição de entender o que é contexto para políticas de cache, a pesquisa forneceu uma classificação útil de políticas com base nas dimensões de contexto usadas para determinar a relevância dos conteúdos. Além disso, como uma investigação de aspectos holísticos para representar o contexto, e motivados pela área emergente das redes centradas no humano, realizamos um estudo de caso exploratório sobre a influência do comportamento humano no desempenho das políticas. Neste sentido, realizamos um estudo baseado em simulação que avaliou o desempenho das políticas de substituição de cache por meio de clusters formados pelos usuários de acordo com seus hábitos de escuta musical. Os resultados mostram evidências de que aspectos distintos de contexto afetam o desempenho das políticas de cache. Após os estudos de contexto, apresentamos uma estratégia de meta-política capaz de aprender a política mais adequada para caches online e se adaptar dinamicamente às variações de contexto que levam à mudanças em qual política é a melhor. A meta-política se beneficia da diversidade de políticas e seus aspectos de contexto, e faz uma separação entre a lógica de remoção do conteúdo e o gerenciamento das informações de contexto usadas pela política. A estratégia modela a escolha de políticas adequadas como um problema de aprendizado online com retorno parcial. A meta-política oferece suporte à implantação de um conjunto diversificado de políticas de cache autocontidas em diferentes redes. Ela permite que o dispositivo de cache funcione como um sistema adaptativo agnóstico aos contextos subjacentes, como padrões de solicitação de conteúdo ou variações de popularidade. Os resultados experimentais mostraram a eficácia e adaptabilidade da meta-política a diferentes contextos em simulações com dados sintéticas reais.

Sistemas de Recomendação focam em recomendar os mais relevantes itens para usuários finais. Geralmente, os itens mais importantes são também os mais populares. Entretanto, o surgimento de novas formas de distribuição de conteúdo nos mais diversos mercados implicou no surgimento do fenômeno cauda longa, ou seja, a formação de novos mercados com produtos de nicho. Considerando o crescimento de grupos relacionados a mercados de nicho, o estudo de recomendações na cauda longa tornou-se cada vez mais crescente. Todavia, por serem menos populares, itens de cauda longa possuem uma menor quantidade de feedbacks, informações que geralmente são fornecidas pelos usuários através de compras, avaliações ou classificação (ratings) de um item. Como o sistema se baseia nos dados de comportamento de utilização e/ou histórico de vendas, quanto menor a quantidade e variedade de dados disponíveis para serem analisados, mais difícil será gerar recomendações mais relevantes. O principal objetivo da proposta apresentada nesta tese é o desenvolvimento de um modelo de recomendação que consiga melhor direcionar os usuários a itens de nicho. Assim, conduzi-los a uma maior diversidade de produtos e ao mesmo tempo de grande relevância. Para isso, técnicas de clusterização e representação de matrizes através de grafos são exploradas. Propomos duas abordagens e adotamos para cada uma, duas técnicas da literatura aplicadas de forma híbrida. A primeira técnica adota cadeias de Markov para calcular similaridades dos nós de um grafo usuário-item. A segunda técnica aplica clusterização no conjunto de itens de um dataset. Experimentos foram realizados para avaliar a abordagem e medir a eficácia das recomendações considerando o contexto da cauda longa. Métricas como recall, diversidade e popularidade das recomendações geradas foram mensuradas e comparadas com técnicas cujo objetivos não abrangem diretamente recomendações cauda longa. Além disso, um questionário aplicado com especialistas do domínio do negócio também complementaram a avaliação das abordagens propostas. Comparando com outros trabalhos do estado da arte, os resultados mostram que é possível melhorar a precisão das recomendações mesmo focando em itens menos populares, no caso, produtos de nicho que formam a cauda longa. O recall em alguns casos melhorou cerca de 27,9% enquanto que a popularidade dos itens recomendados diminuiu. Além disso, as recomendações focaram em itens mais diversificados indicando melhor exploração dos itens de cauda longa.

Um dos grandes desafios em SMA é a criação de planos cooperativos para lidar com os diversos cenários que se apresentam num ambiente dinâmico, de tempo real, composto por times de robôs móveis. Neste cenário, cada robô é controlado por um agente do SMA, o qual precisa tomar decisões complexas em um curto espaço de tempo de forma coordenada com os demais robôs de seu time. Apesar das muitas soluções desenvolvidas com base em planejamento multiagente e aprendizagem por reforço, um especialista humano no domínio do problema usualmente percebe oportunidades para melhores planos cooperativos em muitos cenários em que os robôs apresentam performance abaixo do esperado. A pesquisa apresentada nesta tese consiste em capturar o conhecimento do especialista humano para demonstrar como times de robôs podem cooperar melhor na solução do problema que devem resolver. O especialista humano, ao assistir o desempenho de um time de robôs em ação, é capaz de indicar as situações em que um plano cooperativo pode solucionar melhor um determinado problema. Como consequência, as diversas observações humanas podem ser reunidas em um conjunto de dados para treinamento dos agentes que controlam os robôs. Para o desenvolvimento desta pesquisa, foi utilizado o ambiente 3DSSIM e a coleta das demonstrações humanas foi realizada por meio de um conjunto de ferramentas desenvolvido a partir da adaptação de soluções existentes na comunidade RoboCup, utilizando uma estratégia de crowdsourcing. Além disso, foi utilizado o agrupamento fuzzy para reunir demonstrações de especialistas (setplays) que tenham o mesmo significado semântico, mesmo que com pequenas diferenças entre elas. Com os dados organizados, um mecanismo de aprendizagem por reforço foi utilizado para aprender uma política de classificação que permite aos agentes decidirem qual o grupo de  setplays é mais adequado a cada situação que se apresenta no ambiente.  Os resultados evidenciam a capacidade de evolução do time de robôs, a partir da aprendizagem dos setplays sugeridos e do seu uso de forma adequada às habilidades de cada robô.

Crowdsourcing é um novo conceito associado à resolução de problemas onde a multidão é o seu elemento principal. Saber o que leva esse público a se engajar em projetos de crowdsourcing é um desafio, assim como construir projetos que atraiam esse público. Nossos estudos se concentraram em dois aspectos. Primeiro, na investigação do planejamento e desenvolvimento de projetos de crowdsourcing, e segundo na identificação dos fatores que levam as pessoas a colaborar com esses projetos. O crowdsourcing tem uma estrutura dinâmica onde o conhecimento, a resolução de problemas e, às vezes, a tomada de decisões podem ser atribuídos a membros desconhecidos da multidão. Essas características únicas do crowdsourcing devem ser consideradas em seu processo de construção. Nesta tese, nosso objetivo é investigar sistemas de crowdsourcing sob duas perspectivas. Do ponto de vista do desenvolvedor, investigamos a construção do crowdsourcing. E da perspectiva do usuário, investigamos os fatores que motivam os usuários a colaborar nesses projetos. Para atingir esse objetivo, realizamos diversos estudos, utilizando um método de pesquisa qualitativa exploratória. A investigação do processo de construção e a investigação da motivação dos usuários seguiram os mesmos procedimentos: (i) estudos selecionados por meio de revisão de literatura e (ii) entrevistas semi-estruturadas com desenvolvedores e usuários. Como a população de idosos está em constante crescimento e é pouco estudada no campo tecnológico, nosso estudo de motivação teve como foco esse público. Realizamos entrevistas com 46 idosos com mais de 60 anos. A análise das entrevistas sugere que os idosos são motivados por tarefas dinâmicas, que estimulam sua curiosidade, aumentam seus conhecimentos e habilidades, tarefas que os ajudam a cuidar de sua saúde física e mental e, principalmente, por tarefas relacionadas a causas altruístas. Com os resultados dos estudos, propusemos um modelo de processo para construção de crowdsourcing e um modelo de motivação voltado para idosos, ambos para serem usados como guia por gestores e desenvolvedores de software.

Contextualização: Desastres naturais levam a danos e perdas de vidas ao redor do mundo. Sistemas de Alerta Antecipado, ou simplesmente EWS da sigla em inglês Early Warning Systems, são sistemas que geram alertas, de forma antecipada, para avisar a população sobre estes eventos. Instituições de predição enviam as informações de eventos que podem ocasionar desastres em um padrão de arquivo conhecido como CAP. De forma geral, um EWS recebe um arquivo CAP, extrai seus dados e enviam avisos para a população. A maioria dos EWS não levam em consideração as necessidades específicas de grupos vulneráveis e enviam o mesmo alerta para todas as pessoas, quer ela seja, por exemplo, um deficiente visual ou auditivo, ou que estejam em uma área com maior risco para o evento em questão. Objetivo: Diante da contextualização, o objetivo deste estudo é propor um EWS para alertar pessoas, de grupos vulneráveis ou não, que estejam em áreas de risco. Método: Esta pesquisa foi realizada através de uma abordagem de combinação dos seguintes métodos: Mapeamento Sistemático da Literatura (MSL), Estudos Exploratórios e Estudos Empíricos. O MSL fundamentou as questões de pesquisa. Os estudos exploratórios, através de entrevistas semiestruturadas, serviram para se alcançar uma maior familiaridade com o problema da pesquisa. A partir destes estudos, foi proposto um modelo de contexto, regras comportamentais e um processo automatizado para elaboração de uma biblioteca de recursos acessíveis, de forma a possibilitar o desenvolvimento de um EWS que envia alerta para diferentes grupos de usuários. Por fim, a avaliação foi realizada por duas perspectivas: (i) avaliar se os alertas são entregues aos destinatários esperados e com a personalização prevista; (ii) avaliar o modelo de contexto e as regras comportamentais. Para a avaliação (i) foi utilizada uma abordagem empírica através de técnicas quantitativas. Já para a avaliação (ii), foi realizado um survey com especialistas da Defesa Civil. Resultados: Este estudo apresenta uma arquitetura e um modelo de contexto com regras contextuais para um EWS que considera pessoas de grupos vulneráveis (ex: surdos, cegos). Por fim, apresenta um protótipo implementado e funcional, o UAware Alert, com uma interface de gerenciamento de envio de alertas e uma aplicação móvel para o recebimento do alerta de forma acessível. Conclusão: EWS utilizam mensagens CAP e a localização da pessoa para enviar alertas. Mas para avisar pessoas com diferentes necessidades, é preciso também considerar o perfil da pessoa que está recebendo o alerta e do local onde ela se encontra. Assim, o modelo de contexto, regras comportamentais e o processo de geração de mídias deste estudo possibilita o desenvolvimento de um EWS, que envia instruções focadas na região onde a pessoa se encontra, quer seja em texto ou em formatos acessíveis à necessidade de cada usuário.

Contexto: O ensino-aprendizagem de Engenharia de Software (ES) em uma ou mais disciplinas, no contexto de cursos de graduação em Computação e áreas afins, tem-se mostrado desafiador. Na formação do estudante, deve-se prover uma base teórica sólida sobre conceitos básicos (requisitos, projeto, testes, dentre outros) e trabalhar tópicos relacionados a gerência de projetos, interação humano-computador, gerência de configuração e de lançamentos. Experiência prática, habilidades de comunicação e profissionalismo são dimensões que também devem ser consideradas, incluindo trabalho em equipe e ética, para preparar os estudantes para a carreira na indústria de software.

Projetos de software livre/código aberto (free/libre open source software ou FLOSS) têm sido usados na Educação em Engenharia de Software (EES) como estratégia viável para trabalhar habilidades técnicas e não-técnicas na formação de estudantes preparados para atuar na indústria de software. Na literatura, estudos relatam que o uso pedagógico de projetos FLOSS trouxe benefícios para o ensino-aprendizagem de ES mas também desafios que podem comprometer a sua adoção efetiva no contexto educacional.Uma dificuldade comum está relacionada ao processo de seleção de projetos, tanto pela diversidade de projetos FLOSS disponíveis, como pela complexidade da tarefa. Em geral, o professor deve buscar manualmente, ou com apoio de diferentes ferramentas (não necessariamente projetadas para uso na Educação), um ou mais projetos para uso pedagógico na disciplina. Vários critérios podem ser considerados para a seleção de um projeto FLOSS para uso na EES, dentre eles, tamanho do projeto, quantidade de testes, linguagem de programação, tamanho da comunidade e práticas utilizadas.

Problema: O processo de seleção de um projeto FLOSS para uso pedagógico exige tempo e experiência do professor, e ainda há poucas ferramentas para apoiar tal seleção com base em critérios reconhecidos e/ou definidos pelo professor. Dessa forma, o ônus da seleção de projetos FLOSS pode atrapalhar a sua utilização no contexto da EES.

Objetivo: Esta pesquisa teve como objetivo investigar a utilidade de uma abordagem automatizada para apoiar o professor na seleção de projetos de código aberto guiada por critérios baseados em aspectos sócio-técnicos do projeto, para uso pedagógico em disciplinas de ES.

Métodos de Pesquisa: Uma revisão da literatura foi realizada para  identificar tipos de critérios já utilizados para a seleção de projetos FLOSS. Em seguida, um conjunto de critérios de seleção foi definido, documentado, operacionalizado e implementado na ferramenta de código aberto FlossSearch.Edu. A primeira versão da ferramenta foi avaliada por estudantes e por professores de diferentes instituições brasileiras de ensino superior. Inicialmente, estudantes usaram FlossSearch.Edu, no contexto de uma disciplina de ES, para selecionar projetos FLOSS com base em critérios definidos pelo professor e, em seguida, avaliaram o uso da ferramenta por meio de um levantamento com perguntas do Modelo de Aceitação de Tecnologia (TAM).
Em um estudo de natureza qualitativa e quantitativa, professores familiarizados com o uso pedagógico de projetos FLOSS, utilizaram FlossSearch.Edu em sessão individual, gravada e guiada por cenários pré-definidos, enquanto relatavam suas impressões em voz alta (protocolo ``Think Aloud"). Ao final das sessões, os professores avaliaram o uso da ferramenta por meio de um questionário TAM.

Resultados: No contexto de seleção de projetos FLOSS em que FlossSearch.Edu foi utilizada, a ferramenta foi bem avaliada. Em sua maioria, estudantes que usaram FlossSearch.Edu em sala de aula e professores que participaram da segunda avaliação, afirmaram que a ferramenta é útil, fácil de usar e que pretendem usá-la no futuro. Diversas sugestões para melhoria foram recebidas e deverão guiar a evolução da ferramenta e novos estudos.

Startups são pequenas empresas que buscam explorar novos negócios incorporando novas tecnologias a diferentes mercados por meio da inovação. Os ecossistemas de startups existem para fornecer um ambiente de suporte para essas empresas, sendo uma fonte valiosa de networking e conhecimento para elas. Projetos de software white label são desenvolvidos por Startups e conhecidos nos Ecossistemas como produtos altamente adaptáveis, capazes de gerar novos produtos com mais rapidez do que aplicativos autônomos, garantindo o melhor custo x benefício. As startups são divididas em estágios e enfrentam desafios diferentes dependendo do estágio atual. Nos estágios iniciais, eles mal planejam suas atividades de desenvolvimento, mas avaliam as necessidades do mercado e encontram usuários para seu produto inicial, o que deixa uma dívida técnica. Os projetos de software White Label sofrem mais com esses problemas, pois os Startups não abordam técnicas avançadas de reutilização de código amplamente conhecidas pela academia. Nos estágios finais, as startups precisam resolver a dívida técnica gerenciada nos estágios iniciais e precisam de processos ainda mais escaláveis para expandir seus negócios que envolvem projetos de software White Label. Este trabalho busca desvelar o conceito de projetos de software White Label e sua viabilidade para startups de software; investigar se e como técnicas avançadas de reutilização de código, como sistemas altamente configuráveis, podem ser usadas como alavanca de oportunidade para startups de software; construir uma estrutura adaptável para ajudar os projetos de software White Label a gerenciar dívidas técnicas e enfrentar seus desafios. Para cumprir os objetivos mencionados, aplicamos três estudos empíricos sob diferentes públicos. Uma entrevista semiestruturada com startups usando projetos de software White Label, um questionário online aplicado para stakeholders de ecossistemas de inovação e uma Multivocal Literature Review com artigos de literatura cinzenta na Internet sobre projetos de software White Label. Os resultados obtidos apresentaram um retrato convincente de como as startups de software têm lidado com a reutilização de software em suas práticas diárias, com particular atenção em como o desenvolvimento de software White Label tem sido explorado em seus projetos. Os dados coletados permitiram a criação do framework acima para projetos de software Mobile White Label. Além disso, este trabalho apresenta um caminho de melhoria que pode ser aplicado para startups que trabalham com projetos de software White Label em diferentes estágios, além de oferecer aos pesquisadores um conjunto de desafios abertos a serem estudados em trabalhos futuros.

Sistemas de recomendação são ferramentas utilizadas para sugerir itens que possivelmente sejam de interesse dos usuários. Estes sistemas baseiam-se no histórico de preferências do usuário para gerar uma lista de sugestões que possuam maior similaridade com os itens do histórico do usuário, visando uma melhor precisão e um menor erro. É esperado que ao recomendar um item, o usuário dê um retorno ao sistema, indicando se gostou ou o quanto gostou do item recomendado. A interação do usuário com o sistema possibilita um melhor entendimento dos gostos dos usuários, que com o tempo, adiciona mais e mais itens a seu perfil de preferências. A recomendação baseada em similaridade do item com as preferências, buscando a melhor precisão pode causar efeitos colaterais na lista como: superespecialização das recomendações em um determinado núcleo de itens, pouca diversidade de categorias e desbalanceamento de categoria ou gênero. Assim, esta dissertação tem como objetivo explorar a calibragem, que é um meio para produzir recomendações que sejam relevantes aos usuários e ao mesmo tempo considerar todas as áreas de suas preferências, buscando evitar a desproporção na lista de recomendação. Para isto, são abordadas formas de ponderar o balanceamento entre a relevância das recomendações e a calibragem baseada em medidas de divergência. A hipótese é que a calibragem pode contribuir positivamente para recomendações mais justas de acordo com a preferência do usuário. A pesquisa é realizada através de uma ampla abordagem que contempla nove algoritmos de recomendação aplicados nos domínios de filme e música, analisando três de medidas de divergência, dois pesos de balanceamento personalizado e dois balanceamentos entre relevância-calibragem. A avaliação é analisada com métricas amplamente utilizadas, assim como métricas propostas. Os resultados indicam que a calibragem produz efeitos positivos tanto para a precisão da recomendação quanto para a justiça com as preferências do usuário, criando listas de recomendação que respeitem todas as áreas. Os resultados também indicam qual é a melhor combinação para obter um melhor desempenho ao aplicar as propostas de calibragem.

O Desenvolvimento Dirigido por Modelos (DDM) e a metáfora de Dívida Técnica (DT) são abordagens de Engenharia de Software que promovem a qualidade nos sistemas desenvolvidos. Enquanto DDM busca este objetivo através do uso de modelos como principais artefatos do processo de desenvolvimento, o gerenciamento de DT o faz através da correta gestão de problemas que, fora de controle, podem dificultar a manutenção e evolução dos sistemas. Grande parte das pesquisas em DT atualmente foca no código da aplicação como principal fonte das dívidas técnicas.  Em um projeto DDM, entretanto, a geração de código fonte geralmente é feita em etapas posteriores à criação dos modelos e, portanto, lidar com a DT apenas no nível de código pode levar ao pagamento de juros desnecessários devido à existência de dívidas técnicas não gerenciadas. Trabalhos recentes concluíram que códigos desenvolvidos com DDM não são livres de DT, demonstrando a importância em gerenciar a dívida técnica também nesses projetos, de preferência em estágios anteriores do processo de desenvolvimento, como a modelagem. Este trabalho busca analisar se é possível usar estratégias de detecção de dívida técnica de código fonte para identificar DT em modelos geradores de código dentro de um contexto de desenvolvimento dirigido por modelos. Para isso, técnicas de detecção de DT em código fonte foram avaliadas com o objetivo de adaptá-las para o nível de abstração dos modelos. Um catálogo de nove itens de dívida técnica para modelos independentes de plataforma foi especificado, com estratégias de detecção que permitem a automação do processo de identificação das dívidas técnicas nos modelos. Posteriormente, as estratégias de detecção propostas foram implementadas em uma ferramenta que permite a especificação e identificação de model smells para modelos EMF. Um estudo preliminar utilizando 3 projetos opensource versionados no Github foi realizado para avaliar e ajustar as estratégias de detecção propostas. Em seguida, um estudo experimental mais profundo foi feito com o objetivo de avaliar a efetividade real das estratégias de detecção propostas em antecipar a identificação das dívidas técnicas, detectando-as nos modelos geradores do código fonte. Um total de 9 diferentes projetos, com 36 modelos e mais de 400 mil linhas de código foram usados nessa avaliação, todos eles opensource, versionados publicamente no Github e desenvolvidos com a tecnologia EMF. Os resultados mostraram que as estratégias propostas são capazes de antecipar boa parte das dívidas técnicas de código fonte nos modelos geradores do código. Os itens do catálogo, porém, apresentaram diferentes graus de efetividade na antecipação e variados níveis de ocorrência nos projetos estudados. Uma discussão sobre cada item avaliado foi realizada com o objetivo de analisar e explicar os resultados obtidos do estudo experimental. Por fim, foram discutidos aspectos que podem orientar trabalhos futuros com melhorias e a extensão do catálogo proposto

Sistema de Sistemas (SoS) são compostos por um conjunto de sistemas, que interagem entre si

para um objetivo comum. Assim, ele tende a ser maior e mais complexo do que os sistemas

tradicionais. Para abordar a questão da complexidade inerente a este tipo de sistemas

complexos, eles são frequentemente modelados usando a Business Process Modeling and

Notation (BPMN), que é uma notação padrão para modelagem de processos de negócios.

O diagrama de coreografia, introduzido na versào BPMN2.0, fornece conceitos adequados

para representar as interações entre os sistemas constituintes de um SoS. No entanto,

os modelos criados com essa notação podem conter erros, alguns dos quais podem ser

detectados em tempo de design e outros apenas em tempo de execução. Os erros de

sintaxe são facilmente detectados com o auxílio de ferramentas de modelagem, no entanto,

a ausência de uma semântica formal para BPMN torna mais difícil identificar erros de

tempo de execução, como por exemplo, deadlocks, livelocks e outras propriedades de

seguran¸ca em diagramas de coreografia de BPMN. Esses erros são difíceis de detectar e

podem levar a uma operação inadequada ou até mesmo ao travamento do sistema. Nesse

contexto, um método para identificar erros de tempo de execução consiste em traduzir

o diagrama BPMN em um modelo formal que pode ser analisado em um verificador

de modelo. Assim, apresentamos uma abordagem para construir um modelo formal

para os diagramas de coreografia de BPMN em termos da linguagem formal PI-ADL,

que é uma linguagem projetada para a especificação de arquiteturas dinâmicas, uma

caracteríıstica intríınseca dos SoS. Portanto, definimos o mapeamento dos elementos do

diagrama de coreografia para pi-ADL, a fim de auxiliar sua descrição formal em pi-ADL.

Tais modelos pi-ADL permitem sua verificação formal por meio de um verificador de

modelo específico, possibilitando assim, a detecção prévia de erros em tempo de execução

no sistema modelado.

O mercado de dispositivos móveis tem crescido exponencialmente nos últimos anos, assim como a necessidade de aplicativos quem primem pela qualidade e que ofereçam features que ampliem a retenção de usuários. Nos últimos anos percebe-se uma crescente quantidade de estudos que apresentam soluções para problemas inerentes à demanda supracitada. A atividade de testes de software tem um papel de grande importância no processo de garantia da qualidade de software. Em particular, os testes de regressão apresentam-se como uma estratégia viável para lidar com a complexidade e com a constante evolução dos aplicativos, visto que o seu principal objetivo é garantir que as mudanças realizadas entre versões não alteram o comportamento do sistema. Embora a literatura tenha dedicado esforços para o desenvolvimento de novas técnicas de teste de regressão para Android - o sistema operacional mais popular para os dispositivos móveis - os estudos existentes são limitados no que diz respeito a demonstrar quais são as técnicas de teste de regressão utilizadas por profissionais. A presente investigação tem como objetivo realizar uma síntese temática sobre a adoção de técnicas de teste de regressão em projetos de software para a plataforma Android. A pesquisa foi organizada em quatro etapas: (i) realização de uma revisão estruturada da literatura sobre técnicas de teste de regressão de aplicativos para Android, (ii) aplicação de um survey, (iii) realização de entrevistas com profissionais da indústria, e (iv) a construção de uma síntese temática. O survey obteve 100 respostas e proporcionou uma visão preliminar sobre como é realizado o processo de teste durante e após a manutenção dos aplicativos, quão automatizado é o teste de regressão de aplicativos para Android na prática e os motivos pelos quais os profissionais não realizam teste de regressão após atualizarem os aplicativos. As entrevistas realizadas com 16 profissionais da indústria contribuíram com a pesquisa no sentido de identificar o nível de conhecimento dos profissionais e sua relação com a automação dos testes, as linguagens mais utilizadas no desenvolvimento dos aplicativos para Android e qual a relação delas com o processo de automação, as ferramentas utilizadas para automação de teste e as features esperadas pelos profissionais para executarem teste de regressão automatizado e um entendimento preliminar sobre como os profissionais executam teste de regressão na prática. A síntese temática apresentou um modelo resultante da comparação dos resultados obtidos nas diferentes fontes de dados - literatura, survey e entrevistas, sobre o uso de técnicas de teste de regressão. Esses estudos trazem uma visão sobre o tema e proporcionam possíveis investigações futuras.

O registro e a publicação digital de textos em linguagem natural faz parte de diferentes domínios da atividade humana. Dentre as informações registradas, os eventos são parte significativa desse conteúdo, visto que, independente do domínio, novos eventos continuam a acontecer, e os que são considerados relevantes são registrados. Com a disseminação de tecnologias de informação, a facilidade de acesso a esses registros fez crescer a oferta de eventos e também a demanda por conhecimento para auxílio à tomada de decisões, derivado de novas aplicações de um grande volume de informação cada vez mais globalizada e instantâneo.  A tarefa de extração de eventos tem o objetivo de automatizar a extração de eventos por meio da identificação do tipo de evento e dos seus participantes e atributos. Essa é uma tarefa de extração de informação, que faz parte da área de processamento de linguagem natural. Não se conhece uma solução com desempenho igual ou superior ao humano para essa tarefa em qualquer linguagem natural. No caso específico da língua portuguesa,  não existe apenas solução, mas carece-se  de propostas de métodos e recursos linguísticos anotados para o desenvolvimento e avaliação de métodos (via aprendizado com dados, aprendizado de máquina). Que saibamos, os poucos trabalhos que foram publicados não realizaram extração de eventos em domínio fechado, i.e. quando se conhece a estrutura dos eventos que busca-se extrair, para língua portuguesa. Neste trabalho é apresentado um método de  extração automática de eventos em domínio fechado em  sentenças da língua portuguesa, baseado em aprendizado de máquina profundo, utilizando word embeddings contextualizados. Além disso, para suportar o desenvolvimento e a avaliação do método proposto, foi construído um corpus em português com anotações de eventos em domínio fechado.

Redes Definidas por Resíduos (do inglês, Residues Defined Network - (RDN)), possuem a capacidade de utilizar rótulos para encaminhamentos fim-a-fim em sistemas autônomos. A RDN é caracterizada por dispensar o uso de tabelas de encaminhamento no núcleo da rede. Dessa forma, os pacotes são encaminhados com base no resto da divisão entre o rótulo encontrado no pacote e a chave local encontrada no comutador de núcleo. Inicialmente, a RDN teve como propósito melhorar a latência nas SDNs, uma vez que os comutadores do núcleo da rede não possuem comunicação com o controlador. Por outro lado, uma gama de soluções adotam a Qualidade de Serviço (QoS) baseadas na utilização do MPLS, que permite prover serviços diferenciados a diferentes classes e padrões de tráfego e gerar benefícios consideráveis para as comunicações de rede. Entretanto, tais soluções apresentam altos custos de OPEX e CAPEX. Motivado pela capacidade das RDNs, esta dissertação traz um método alternativo para utilização dos rótulos no núcleo da rede, além de tentar resolver o problema de escalabilidade e flexibilidade encontrado na solução KeyFlow proposta e oferecer novas funcionalidades para esta tecnologia. Através da linguagem P4, foi implementado um novo protocolo flexível, escalável e reprogramável para a RDN, a fim implementar o modelo para aprovisionamento de QoS por rótulos programáveis, ProgLab (Programmable Labels). O ProgLab implementa um novo método para leitura dos rótulos pelos comutadores de núcleo, que utiliza o sistema numérico de resíduos para definir as portas de saídas e a prioridade da fila, assim provendo QoS à RDN. Para validação da proposta, foram realizados testes de emulação com métricas de QoS e Qualidade de Experiência (QoE) para avaliação e demonstração da viabilidade do modelo. Os resultados demonstraram a viabilidade desta proposta para provisão de QoS em redes de núcleo que utilizem o RNS como encaminhamento de pacotes, mostrando que futuramente uma RDN pode vir a ser uma alternativa de baixo custo para encaminhamento de pacotes com serviços de QoS.

As avaliações online são fontes valiosas de informação para apoiar o processo de tomada de decisão, tanto para pessoas físicas quanto para empresas. No entanto, o grande volume de revisões de baixa qualidade dificulta o processo de coleta de informações úteis dessas revisões. Os sites de vários varejistas fornecem um sistema de votação para permitir que os clientes avaliem outras avaliações de produtos como úteis ou não. No entanto, esses votos são muitas vezes tendenciosos e a maioria das avaliações não recebe nenhum voto. Além disso, vários sites sequer possuem esse mecanismo de votação ou qualquer outro componente para organizar as avaliações quanto à sua utilidade. Portanto, classificar as avaliações de acordo com sua utilidade é de suma importância para facilitar o acesso a conteúdos verdadeiramente informativos. Nesse contexto, estudos anteriores revelaram vários recursos e arquiteturas que são benéficos para a previsão de utilidade percebida. No presente trabalho, argumentamos que a especificidade do texto, definida como o nível de detalhes expressos em um texto, pode influenciar a percepção de utilidade da revisão e,   consequentemente, também pode ser um novo aspecto linguístico útil para modelar a previsão de utilidade. Propusemos duas abordagens para incorporar o aspecto de especificidade em modelos de classificação de utilidade: i) usando recursos artesanais baseados em especificidade de texto e ii) usando a previsão de especificidade de revisão como uma tarefa auxiliar em um ambiente de Aprendizagem Multitarefa (MTL). Primeiro, conduzimos uma abordagem de adaptação de domínio não supervisionada [Ko, Durrett e Li 2019] para rotular automaticamente pontuações de especificidade de texto em frases de avaliações online. Para avaliar os diferentes modelos treinados usando essa abordagem, propusemos uma medida denominada Avaliação de Predição de Especificidade (SPE), que se baseia na suposição de que, em média, sentenças específicas confiáveis tendem a ser mais longas do que sentenças gerais confiáveis [Li e Nenkova 2015] . Para as 18 coleções de revisões on-line usadas em todos os nossos experimentos, conseguimos obter previsões de especificidade mais confiáveis, de acordo com a SPE, variando apenas o tamanho do conjunto de treinamento e o número de épocas de treinamento. Por fim, realizamos experimentos para avaliar o desempenho dos modelos de classificação de utilidade usando duas arquiteturas neurais: Rede Neural Convolucional (CNN) [Kim 2014] e Representações de Codificador Bidirecional de Transformadores (BERT) [Devlin et al. 2019]. Em resumo, usando conjuntos de dados balanceados, os modelos de classificação de utilidade percebida, incorporados com especificidade de texto - como recursos ou MTL - mostraram resultados de precisão significativamente mais altos em comparação com uma linha de base SVM popular ao usar CNN. Com o BERT, os experimentos mostraram que o MTL superou os modelos de tarefa única para a maioria dos 18 conjuntos de dados e a precisão e a precisão foram aprimoradas em comparação com a linha de base do SVM.

Contexto: O termo Dívida Técnica (DT) refere-se às atividades adiadas durante o desenvolvimento do projeto de software. A DT pode ser comparada com uma dívida financeira cujo devedor tem a opção de pagar o valor principal da dívida ou os juros. Várias iniciativas têm buscado identificar as causas e os efeitos associados à DT. Dentre elas, o projeto InsighTD tem executado um survey em vários países para coletar evidencias sobre o estado da prática da DT. Um dos resultados obtidos pelo projeto foi a lista de causas e efeitos da DT reportados pelos profissionais de software. A DT pode incorrer em qualquer fase do desenvolvimento, como no teste de software. Essa atividade tem como objetivo assegurar a qualidade do software que está sendo desenvolvido. Entretanto, tanto o projeto quanto a literatura técnica pouco tem abordado sobre os itens de DT que ocorrem nas atividades de teste de software. Objetivo: Investigar, do ponto de vista dos profissionais de teste de software, os tipos de TD associados à DT relacionada a teste, as causas que levam a ela e os efeitos de sua existência. Método: Foi realizada uma replicação do survey do projeto InsighTD com profissionais de teste de software no Brasil. Além disso, utilizou-se respostas de profissionais de software coletadas na primeira execução do survey. Deste modo, foram coletadas e analisadas, quantitativamente e qualitativamente, 54 respostas de participantes da indústria brasileira de software. Resultado: Este estudo evidencia o ponto de vista dos profissionais de teste sobre DT. Foi percebido que os itens de dívida relacionados a teste estão relacionados a diferentes tipos de DT, como, documentação, código e a própria dívida de teste. Foram identificados 61 causas de DT organizadas em oito categorias. As principais causas identificadas foram prazo, documentação desatualizada/incompleta e planejamento inadequado. Foram identificados 45 efeitos de DT e agrupados em seis categorias. Os principais efeitos são atrasos na entrega, retrabalho e baixa qualidade externa. Conclusão: A lista de causas e efeitos juntamente com as suas categorias foi organizada em um conjunto de diagramas de causa e efeito que podem auxiliar os profissionais de software no gerenciamento da DT. Palavras-chave: Dívida técnica, dívida técnica relacionada a testes, teste de software, causas da dívida técnica, efeitos da dívida técnica, diagramas probabilísticos de causa e efeito.

A popularização das redes sociais e aplicativos para smartphones impulsionam a disponibilidade de dados na Web. Nesta extensa quantidade de dados, existe um tipo de dado específico conhecido como dado espacial. Este dado é a representação de um objeto físico a partir de coordenadas espaciais (e.g. latitude e longitude). Eles são críticos em um grande número de aplicações. Por exemplo, uma usuária pode ser avisada de uma emergência utilizando aplicativos baseados em dados espaciais. Estima-se que 80% de todos os aplicativos baseados em dados possuem dados geo-referenciados. Consultas espaciais são amplamente empregadas para manipular este tipo de dado eficientemente. Entretanto, o usuário tem um papel importante no processo de recuperação dos dados espaciais. Por décadas, pesquisadores propuseram técnicas para auxiliar usuários a expressar as suas necessidades. Dentre estas técnicas, pode-se citar os modelos booleanos, correspondência de padrões e expansão de consulta. Apesar da existência de alternativas importantes, faltam soluções aplicadas às consultas preferenciais por palavras-chave. O top-k Spatial Keyword Preference Query (SKPQ) surge como uma solução potencial para auxiliar usuários a encontrar pontos de interesse (POIs). O SKPQ seleciona POIs considerando a descrição de locais na vizinhança. Em essência, o usuário define uma restrição espacial (i.e. raio) e textual (i.e. palavras-chave) a ser satisfeita. Nesse contexto, esta tese propõe estratégias para melhorar a recuperação de informação proporcionada pela SKPQ e consultas similares. A contribuição desta tese pode ser dividida em três etapas. Na primeira, dois repositórios Linked Open Data (LOD) são explorados para melhorar a descrição dos POIs e suas vizinhanças. A descrição do POI no LOD contém mais informação do que nos bancos de dados espaciais tradicionais, o que leva a uma descrição mais detalhada. Na segunda etapa, os resultados da consulta são personalizados para apresentar os melhores POIs para o usuário nas primeiras posições do ranking. Ao explorar comentários relacionados aos POIs, o sistema identifica o objeto que melhor satisfaz o usuário da consulta e reordena o ranking de acordo com a preferência dele. Na terceira etapa, utilizamos uma função probabilística para descrever a preferência por POIs próximos um do outro. Esta função probabilística é incorporada à função de ranqueamento para que a busca também considere esta preferência. Por fim, avaliamos separadamente cada estratégia proposta nesta tese. A primeira estratégia alcançou melhora de 20% no NDCG ao utilizar palavras-chave aleatórias. Assim como encontrou POIs onde não era possível encontrar com a SKPQ. A segunda estratégia adiciona melhora de 92% no NDCG. Enquanto a terceira estratégia melhora a consistência do rank, alcançando aumento no coeficiente Tau de 52%.

O número crescente de aplicações modernas, que dependem da capacidade de CPUs multicore, tem impulsionado a área de sistemas de tempo real para a arquitetura de multiprocessada. Na verdade, tais aplicações podem ser encontradas em diversas áreas, tais como como automotiva, aviação e indústria de eletrônicos, sendo a maioria delas composta por serviços críticos (hard) e não críticos (soft).

Para sistemas de tempo real multiprocessados, que lidam com tarefas hard e soft, o foco está em minimizar o tempo de resposta das tarefas soft, sem comprometer as restrições temporais das tarefas hard. Diversas abordagens de escalonamento foram propostas para lidar com estes dois tipos de tarefa em um único processador, enquanto para ambientes multiprocessados tais abordagens são menos comuns e são tipicamente extensões dos mecanismos descritos para sistemas monoprocessados.

Este trabalho descreve uma abordagem de escalonamento flexível, projetada para sistemas de tempo real multiprocessados, compostos por tarefas hard e soft. De acordo com a abordagem proposta, as tarefas hard são atribuídas aos processadores de maneira off-line e não migram durante sua execução. Para tarefas soft duas configurações são possíveis. Elas podem ser alocadas na fila local de cada processador, e neste caso a migração não é permitida, ou podem estar numa fila global, sendo acessada por todos os processadores. A abordagem de escalonamento descrita nesta tese está fortemente ligada ao conceito de servidores, que funcionam como entidades de escalonamento (proxies), sendo responsáveis por escalonar tarefas (ou outros servidores) que estejam associados a ele. Dois servidores especiais são descritos: o single client server e o slack server. Juntos, estes servidores são capazes de (a) encapsular tarefas soft para que sua execução não coloque em risco os requisitos temporais das tarefas hard e (b) reclamar a folga não utilizadas para favorecer a execução de tarefas soft. Com isso, o tempo médio de resposta das tarefas soft é melhorado, sem comprometer os requisitos temporais das tarefas hard.

O uso das abordagens de escalonamento descritas nesta tese, em ambas as configurações, fornece melhorias nas métricas relacionadas a QoS para tarefas soft, tais como a taxa de perda de deadline e tempo médio de resposta, sem com isso comprometer as garantias temporais das tarefas hard. Os experimentos mostraram uma redução de até 27% na taxa de perda de deadline e uma redução de até 14% no tempo médio de resposta das tarefas soft. Tais resultados indicam que a capacidade de processamento disponível deixada sem uso por tarefas hard pode ser usada efetivamente para executar tarefas soft. Além disso, a abordagem proposta se mostrou flexível, podendo ser adaptada a outras políticas de escalonamento baseadas em EDF de maneira simples.

O estado da arte das técnicas para identificação de anomalias de código são baseadas na análise de métricas do código. Entretanto, muitas dessas técnicas possuem baixa acurácia. Uma possível razão é porque os elementos do código-fonte, tais como métodos, implementados com diferentes decisões de design, são avaliados usando os mesmos valores limiares para cada métrica. Outra possível razão é que estes valores limiares são geralmente derivados de classes que foram desenvolvidas usando decisões de design distintas. Usar valores limiares genéricos e que não consideram o contexto de design de cada classe avaliada pode gerar muitos falsos positivos e falsos negativos para os desenvolvedores de software. Nosso objetivo é considerar o papel de design desempenhado por cada classe do sistema como contexto para derivar valores limiares e detectar anomalias de código. Nossa principal hipótese é que valores limiares que consideram o papel de design da classe como contexto, podem apontar anomalias de código mais relevantes para os desenvolvedores de software. Nós conduzimos alguns estudos experimentais para definição de duas técnicas que consideram o papel de design como contexto. Primeiro, nós executamos uma survey de larga escala que mostrou que profissionais possuem dificuldades para ajustar ferramentas de análise estática de código nos seus processos de desenvolvimento de software. Uma possível razão reconhecida pelos profissionais é que muitas dessas ferramentas usam um valor limiar genérico para cada métrica que pode não ser adequado para avaliar todas as classes do sistema. Segundo, nós definimos uma heurística para identificar o principal papel de design de cada classe e conduzimos um estudo empírico para investigar a influência de algumas decisões de design na distribuição dos valores das métricas de software. Nossas descobertas mostram que as decisões de design que mais influenciaram na distribuição dos valores das métricas foram: (i) papel de design de classe (ii) bibliotecas utilizadas, (iii) estilo de codificação, (iv) estratégia de codificação usada para tratamento de exceção, e (v) estratégia para realizar log e depuração do código. Portanto, essa decisões de design poderiam ser consideradas como contexto para derivar valores limiares. Nós usamos essas descobertas para propor duas novas técnicas para derivar valores limiares sensíveis ao design do sistema usando os papéis de design da classe como contexto. Em seguida, realizamos dois estudos experimentais para avaliar as técnicas propostas. O primeiro estudo mostrou que as técnicas melhoraram a precisão de acordo com as percepções dos desenvolvedores. Como é impossível e cansativo fazer uma avaliação completa da qualidade do código-fonte com os desenvolvedores, conduzimos um segundo estudo explorando a evolução dos projetos de software de domínios arquiteturais populares. Descobrimos que nossas técnicas melhoraram o \emph{recall} para apontar métodos efetivamente refatorados durante a evolução do software.

A Educação a Distância, acompanhada pela evolução das Tecnologias de Informação e Comunicação, vem apresentando índices de matrículas superiores às matrículas no ensino tradicional presencial. Aliado a este crescimento, educadores passaram a gerenciar turmas com um número maior de alunos geograficamente distribuídos e, ainda assim, não conseguem aplicar os mesmos mecanismos de avaliação, observação e acompanhamento do aluno utilizados no ensino presencial. Desta forma, surgem desafios aos professores quanto ao acompanhamento do progresso acadêmico dos estudantes pautado no cumprimento dos objetivos educacionais planejados e na avaliação do desempenho acadêmico supervisionando a aquisição de conhecimento. Acompanhar as experiências de aprendizagem dos alunos nos Sistemas de Gerenciamento da Aprendizagem (SGA) para avaliar o desempenho acadêmico e o progresso dos estudantes é um dos desafios mais intensos e exaustivos para os educadores devido a quantidade de dados educacionais produzidos e aos diversos indicadores da aprendizagem disponíveis no SGA. Assim, esta pesquisa objetiva investigar como uma abordagem de monitoramento e avaliação de dados educacionais sobre o percurso acadêmico do aluno no SGA, chamada SapeS, pode impactar positivamente no processo de ensino e aprendizagem na Educação a Distância. A solução proposta processa dados educacionais provenientes do SGA, extrai conhecimento útil e disponibiliza informações para educadores e alunos baseado em técnicas de Learning Analytics e Ontologias Computacionais, norteados por Taxonomia dos Objetivos Educacionais. A solução foi desenvolvida baseada na metodologia Design Science Research (DSR) e aplicada em um contexto real para avaliação junto à população (n=24). Por meio dos dados coletados e análises realizadas, foi verificado que houve uma forte adesão ao uso da ferramenta SapeS proposta e uma diferença significativamente positiva entre os dados coletados em diferentes momentos da investigação. Foram verificados maior engajamento, motivação e participação nas atividades acadêmicas do curso investigado e maior atenção dos docentes quanto a avaliação do percurso do aluno, além da verificação e adequação do planejamento pedagógico em relação à situação dos discentes face aos objetivos educacionais. Este trabalho apresenta contribuições para professores e alunos da Educação a Distância oferecendo suporte ferramental, frente ao grande volume de dados educacionais oriundos do SGA.

A segmentação de imagens consiste em atribuir um rótulo a cada pixel da imagem de forma que os pixels pertencentes aos mesmos objetos da imagem tenham os mesmos rótulos. A área segmentada de um objeto deve abranger todos os pixels até os limites (limites) com os demais objetos. A região de fronteira pode fornecer informações úteis para o processo de segmentação, pois marca uma descontinuidade que pode definir um limite de segmento. No entanto, métodos de segmentação comumente sofrem para explorar informações de fronteira e consequentemente segmentar esta região. Isso se deve principalmente à proximidade entre regiões da imagem contendo rótulos diferentes. Diante disso, propomos investigar como levar em conta as informações de fronteira ao segmentar semanticamente um objeto de imagem. Nossa primeira contribuição é um segmentador de imagens baseado em grafos, chamado de expansão de programação dinâmica interativa (IDP). Este é um método fracamente supervisionado que requer uma semente em cada objeto alvo para ser segmentado na imagem, minimizando posteriormente uma função de energia para obter os rótulos da imagem. A expansão IDP explora a programação dinâmica para inicializar um algoritmo de expansão alfa sobre superpixels para melhorar as informações de limite em um processo de segmentação. Sobre o conjunto de dados de segmentação de Berkeley, nossos experimentos mostraram que a expansão IDP é 51,2% mais rápida do que uma segmentação baseada em expansão alfa tradicional. Embora a expansão do IDP tenha se mostrado mais rápida, ela sofre de dois problemas: uma inicialização obrigatória da semente e a falta de informações semânticas. Isso nos levou ainda a desenvolver uma arquitetura de rede neural convolucional supervisionada para explorar semanticamente informações de limite. Nosso novo método, chamado DS-FNet, usa dois fluxos integrados em uma rede convolucional de ponta a ponta para combinar informações de segmentação e limite com base em um mecanismo de atenção. Para avaliar o DS-FNet, inicialmente realizamos experimentos em conjuntos de dados de imagens de propósito geral (Pascal Context) e tráfego (Cityscapes, CamVid e Mapillary Vistas), tendo a interseção média sobre união (mIoU) como métrica de referência. O DS-FNet superou dez redes de segmentação nos conjuntos de dados Pascal Context, Cityscapes e CamVid. No conjunto de dados Mapillary Vistas, o DS-FNet alcançou o segundo lugar quando comparado a outros cinco métodos.

A geração de terrenos planetários, no contexto de jogos eletronicos, apresenta diversos desafios. Dentre eles o principal é o gerenciamento dos dados em multi-escala. Um jogador pode estar orbitando o planeta em um instante e depois descer para batalhar na sua superfĩcie. Para lidar com este desafio, apresentamos um método de geração procedural de planetas com suporte a múltiplas escalas, fazendo uso de funções de ruído fractal Browniano com derivadas parciais analíticas. Através de várias iterações deste ruído fractal conseguimos simular diversos tipos de terreno. O modelo de terreno em multiescala é gerenciado por uma quadtree indexada com tabelas hash. Essa mesma estrutura da suporte ao processo de view-frustum culling, que otimiza o processo de renderização. Além disso, nossa abordagem é capaz de grenciar níveis de detalhe baseado no ponto de vista do observador e a introdução de detalhes em alta resolução através do uso do processo de tesselação na GPU. Os resultados mostram que nosso método é capaz de gerar corpos planetários realísticos, com coerência temporal e diversidade de composições geológicas em tempo real, e, portanto, sendo aplicavél ao domínio de jogos eletrônicos.

Repositórios Institucionais (RI) são repositórios acadêmicos que possibilitam o armazenamento e a divulgação das produções científicas de universidades e centros de pesquisa. Estes repositórios permitem o auto-arquivamento, onde o próprio pesquisador pode efetuar o depósito de sua publicação. As informações sobre cada item depositado são armazenadas em seus metadados, mas como usualmente isso é feito de maneira manual pelo próprio pesquisador nem sempre os termos escolhidos ajudam nessa descrição, o que leva à intervenção dos bibliotecários no processo. A sugestão de keywords durante a validação dos metadados certamente ajudaria os bibliotecários pois identificaria termos representativos de cada publicação e enriqueceria semanticamente esses metadados, favorecendo a recuperação dos itens em um RI. Já métodos de aprendizagem de máquina de classificação textual binária podem sugerir que uma publicação também seja associada a outra coleção caso seja identificado que se trata de trabalho multidisciplinar. Também é possível auxiliar na classificação de publicações ainda não depositadas no RI e que não estejam organizadas por coleção mas por outro critério, como por exemplo data de entrega ao colegiado ou data da defesa. Dessa forma baseado nos termos representativos de cada comunidade e sub-comunidade, é possível treinar um classificador multi-hierárquico para identificar a qual comunidade e sub-comunidade cada trabalho deve pertencer. Por outro lado, a anotação semântica de metadados referentes a coleções e keywords permite o enriquecimento das descrições de itens do RI, além de facilitar o processo de recuperação. Nesse contexto o objetivo deste trabalho é anotar semanticamente os itens de um repositório acadêmico no Dspace de maneira semi-automática utilizando o padrão RDF do Dublin Core a partir dos resultados obtidos na classificação textual e validação das sugestões de keywords. Adicionalmente foi realizado um estudo de caso no RI da UFBA, onde as keywords extraídas passaram pela validação de especialistas de domínio, no caso as bibliotecárias do SIBI (Sistema de Bibliotecas da UFBA). Com isso, foi realizada a anotação semântica dos resultados obtidos no experimento da classificação textual e no estudo de caso. As principais contribuições desse projeto dizem respeito ao estudo exploratório de métodos de validação e classificação de depósitos das publicações, além do método de descrição e enriquecimento semânticos dos itens de um RI.

O interesse da comunidade de Tecnologia da Informação e Comunicação (TIC) sobre sustentabilidade tem crescido consideravelmente nos últimos anos. Embora ainda em estágio inicial, a temática tornou-se de grande relevância uma vez que nos força a pensar sobre o que temos feito para garantir a continuidade do planeta e das gerações futuras. No contexto da Engenharia de Software (ES), quando pensamos no desenvolvimento de software sustentável nos deparamos com lacunas, uma vez que esse assunto ainda é nebuloso para os engenheiros de software e desenvolvedores, bem como para a comunidade de pesquisa em ES. Para que o software seja produzido de forma sustentável, os engenheiros de software precisam entender como os conceitos de sustentabilidade estão incorporados ao desenvolvimento de software, de forma que possam ter uma compreensão clara, comum e compartilhada desse conhecimento. No entanto, o desenvolvimento de um estudo recente sobre o estado-da-arte das abordagens de software que apoiam a ES sustentável mostrou que ainda há uma lacuna sobre o que, de fato, vem a ser o desenvolvimento de software sustentável. A falta de tal entendimento pode impedir a indústria de construir software com consciência sustentável. Dada a questão, esta pesquisa tem como objetivo caracterizar a Engenharia de Software Sustentável destacando as preocupações sustentáveis presentes no ciclo de vida de desenvolvimento do software. Para alcançar este objetivo, esta dissertação adotou uma abordagem multi-método e produziu uma série de estudos qualitativos. A abordagem multi-método é uma estratégia de pesquisa metodológica que combina dois ou mais métodos de pesquisa qualitativos ou dois ou mais métodos quantitativos de coleta e análise de dados. Foram elaborados: (1) um estudo de mapeamento sistemático na intenção de conhecer o domínio de ES sustentável; (2) um survey para obter uma percepção da indústria de software sobre a adoção de práticas sustentáveis; e (3) uma grounded theory, com o objetivo de gerar uma teoria para prover aos leitores um entendimento sobre o desenvolvimento de software sustentável. A teoria foi organizada em torno das dimensões da sustentabilidade. Esta dissertação concluiu que o desenvolvimento de software sustentável pode ser explicado através das seguintes proposições: (a) preocupações técnicas, ambientais e sociais estão presentes em todas as fases do desenvolvimento de software sustentável. Isso significa que os pesquisadores e os engenheiros de software estão preocupados em considerar a longevidade do software produzido, bem como os recursos ambientais, além do bemestar social; (b) a identificação de requisitos sustentáveis deve ocorrer na fase inicial do projeto (c) com o apoio de especialistas engajados com a sustentabilidade, os quais devem fazer parte do grupo de stakeholders; e (d) o uso de preocupações sustentáveis pode gerar trade-offs no projeto. Assim sendo, os resultados contribuem com uma maior compreensão à respeito do desenvolvimento de software sustentável, a partir das perspectivas da literatura e praticantes de software; e, consequentemente, com a evolução do estado da arte em ES Sustentável.

A maioria dos algoritmos de clustering convencionais conhecidos e amplamente utilizados, como k-Means e Fuzzy c-Means (FCM), foram projetados assumindo que, na maioria dos casos, o número de objetos em um conjunto de dados será maior que o número de dimensões (recursos). No entanto, essa suposição falha quando um conjunto de dados consiste em documentos de texto ou microarranjos de DNA, nos quais o número de dimensões é muito maior que o número de objetos. A maioria dos estudos revelou que o FCM e os índices de validade de cluster difuso (CVIs) apresentam desempenho fraco quando usados com dados de alta dimensão, mesmo quando é usada uma medida de similaridade ou dissimilaridade adequada para esse tipo de dados. Os problemas enfrentados pela alta dimensionalidade são conhecidos como \ textit {maldição da dimensionalidade} e algumas abordagens como transformação de recursos, seleção de recursos, ponderação de recursos e agrupamento de subespaços foram definidas para lidar com milhares de dimensões. Para estar convencido de que o número de dimensões deve ser mantido para aprender o máximo possível de um objeto e saber que apenas um subconjunto de recursos pode não ser suficiente para todos os clusters, a técnica de agrupamento por subespaço flexível foi usada no trabalho proposto. Além do FCM, três algoritmos de subespaço suave, Clustering Simultâneo e Discriminação de Atributos (SCAD), c-Meios Fuzzy Ponderados com Regularidade Máxima com Entropia (EWFCM) e Clustering Subespacial Melhorado (ESSC) foram realizados para agrupar três tipos de dados de alta dimensão ( Mistura gaussiana, texto, microarray) e foram avaliados empregando CVIs nebulosas em vez de usar medidas externas como Clustering Accuracy, Rand Index, Normalized Mutual Information, que usam informações de rótulos de classe, como geralmente é feito na maioria dos estudos. A partir dos resultados experimentais, em uma avaliação geral, todos os algoritmos de agrupamento tiveram desempenhos semelhantes, destacando que o ESSC apresentou o melhor resultado e o FCM foi melhor que os demais algoritmos do subespaço suave. Além do uso da técnica de subespaço suave, na busca pela causa do baixo desempenho das técnicas convencionais para dados de alta dimensão, investigou-se qual medida de distância ou valor do expoente difuso de ponderação ($ m $) produzia o melhor agrupamento resultado. Além disso, o desempenho de dezenove CVIs nebulosas foi avaliado verificando se algumas tendências e problemas relacionados a pesquisas anteriores são mantidos ao validar os resultados do agrupamento suave do subespaço. A partir da análise feita neste trabalho, ficou claro que o tipo de dados era determinante para o desempenho dos algoritmos de cluster e CVIs difusos.

Teste de unidade é um tipo específico de teste que lida com as menores unidades do sistema. Ele representa o primeiro teste após a implementação de um componente. Quando a implementação dos testes de unidade não segue boas práticas, é provável que anti-padrões sejam introduzidos no código. Anti-padrões nos testes, também conhecidos como test smells, são más decisões para projetar e implementar código de teste. Os test smells prejudicam a qualidade do código de teste e reduzem a capacidade de os desenvolvedores interagirem com o código de teste, o que dificulta a compreensão, leitura e, consequentemente, a manutenibilidade e evolução do sistema. Uma estratégia para remover test smells é a refatoração do código de teste. Poucos estudos na literatura oferecem suporte automatizado para a detecção e refatoração de test smells. Assim, o presente estudo fornece uma abordagem semi-automática para identificar test smells e sugerir refatorações para o código de teste. Nossa abordagem é apoiada pela ferramenta RAIDE (RefActorIng test Design Errors). Desenvolvemos a RAIDE integrada com à uma IDE de desenvolvimento para ajudar os engenheiros de teste a refatorar código de teste. RAIDE oferece suporte a dois test smells, Assertion Roulette e Duplicate Assert. Apesar de existir outras ferramentas capazes de identificar test smells, até onde sabemos, ainda não há evidências de ferramentas que fornecem suporte automatizado a refatoração de test smells. Além disso, nenhuma ferramenta fornecem uma interface amigável e integrada a uma IDE para a identificação de test smells. Para avaliar como nossa abordagem pode ajudar a melhorar a qualidade do código de teste, também realizamos um estudo experimental. Comparamos nossa ferramenta com o estado da arte e verificamos que os participantes que usaram RAIDE conseguiram identificar os test smells de forma mais fácil e rápida. Além disso, RAIDE também se mostrou eficiente na refatoração de métodos de teste. Como RAIDE é uma ferramenta integrada à IDE Eclipse, os processos de identificação e refatoração são mais rápidos e intuitivos em comparação com o estado da arte e a refatoração manual.

A modelagem de dados no domínio temporal tem sido aplicada em diferentes sistemas como meteorologia, engenharia, medicina e economia. Neste sentido, a área de Séries Temporais Fuzzy tem se destacado devido à sua capacidade de aproximar funções matemáticas e variáveis linguísticas para criação de regras, que são mais fáceis de serem interpretadas por especialistas. Como consequência dessa capacidade, pode-se obter modelos mais precisos para compreender o comportamento de sistemas e, por exemplo, realizar previsões de observações futuras. Desde o surgimento de modelos de séries temporais fuzzy, pesquisadores vêm propondo melhorias visando, por exemplo, reduzir erros na tarefa de previsão. Em geral, tais tarefas são compostas de três etapas: i) fuzzificação; ii) relacionamento lógico fuzzy; e iii) defuzzificação. De acordo com a literatura, um dos pontos mais estudados por pesquisadores é a etapa de fuzzificação, com foco no particionamento do universo do discurso para modelagem dos conjuntos fuzzy. No entanto, poucos trabalhos na literatura consideram a separação de influências dos componentes estocásticos e determinísticos presente com o objetivo de auxiliar no processo de modelagem dos conjuntos fuzzy. Visando superar essa limitação, o presente trabalho apresenta duas abordagens que realizam melhorias na modelagem dos conjuntos fuzzy na etapa de fuzzificação, considerando influências de componentes estocásticos e determinísticos presentes em séries temporais. Na primeira abordagem, realizou-se inicialmente a decomposição da série separando seus componentes em diferentes monocomponentes. Em seguida, monocomponentes com alta frequência foram removidos, resultando em uma nova série suavizada cuja combinação com a série original permite gerar um novo gráfico de dispersão. A segunda abordagem foi desenvolvida para modelar séries com comportamento caótico. Nesse sentido, ao invés de modelar a série como um gráfico de dispersão, utilizou-se ferramentas da área de Sistemas Dinâmicos e Teoria do Caos para reconstruir a série no espaço fase. Embora utilizem métodos distintos, as duas abordagens fazem a remoção da dependência temporal entre as observações para auxiliar no processo de modelagem dos conjuntos fuzzy modelagem, o qual é conduzido considerando o método de agrupamento Fuzzy C-Means e índices de validação de agrupamento, para estimar a quantidade e a função dos conjuntos fuzzy. Nos experimentos, utilizou-se séries temporais com influências de componentes estocásticos e determinísticos para validar e testar a generalização da abordagem. Os resultados atingidos foram promissores e superiores em comparação com o estado da arte.

Atualmente, existe um número expressivo de redes sociais utilizadas para diversos fins, como conectar pessoas com um interesse comum em pesquisa, ofertas de emprego, preferências musicais e conteúdos em geral. Essas redes ganharam popularidade significativa nos últimos anos. Para demonstrar esse fenômeno, a pesquisa mostra que 71% dos jovens adultos americanos usam uma rede social pelo menos uma vez por dia. Com esse acesso frequente e a liberdade proporcionada pelas redes, os usuários passaram a publicar inúmeras informações, desde fotos pessoais até textos com opiniões sobre diversos temas como política, entretenimento e saúde. Nesse sentido, um novo volume de informações passou a ser produzido, uma vez que, antes das redes sociais, apenas profissionais especializados com acesso às mídias convencionais conseguiam publicar suas opiniões. Do ponto de vista científico, diversas técnicas têm sido propostas na literatura com o objetivo de analisar o conteúdo produzido nessas redes sociais. Especificamente relacionado ao comportamento dos usuários, é comum observar sua modelagem por meio de gráficos ou séries temporais, no entanto, esses métodos tendem a ignorar aspectos desse comportamento, por exemplo, a relação temporal ou a dependência entre os termos usados nas publicações. Considerando essas limitações, este projeto de pesquisa foi desenvolvido com base na hipótese de que a adoção de grafos temporais, em conjunto com ferramentas das áreas de Mineração de Texto e Séries Temporais, permite detectar mudanças no comportamento dos usuários de redes sociais. Para validar essa hipótese, uma nova abordagem foi desenvolvida para identificar pontos de mudança no comportamento dos usuários e associá-los a eventos reais que influenciaram a opinião pública. Este procedimento utiliza técnicas de Text Mining para encontrar termos, que serão utilizados posteriormente na criação de grafos temporais, mantendo suas relações nos textos originais e suas dependências temporais. Uma nova medida também foi desenvolvida para quantificar como as opiniões dos usuários evoluem com o tempo. Por fim, é apresentado um método para detecção automática de mudança de comportamento, que visa identificar os pontos em que ocorrem mudanças. Essa abordagem foi avaliada considerando um evento histórico no Brasil: as eleições presidenciais de 2018. Esse período foi escolhido devido ao volume de publicações que efetivamente estabeleceram as redes sociais como principal mecanismo de ativismo político. Os resultados obtidos enfatizam a importância da abordagem proposta e abrem novas possibilidades, por exemplo, para a identificação de bots que propagam notícias falsas.

O escalonamento de frequências é uma técnica essencial para maximizar a eficiência dos recursos computacionais existentes, especialmente em sistemas com arquiteturas capazes de executar tais tarefas em núcleos de frequência variável. Um dos fatores mais críticos capazes de afetar a experiência do usuário em serviços como busca ou redes sociais é a latência de cauda, definida como sendo a latência no 95 ou 99-percentil. Esta latência pode ser fortemente influenciada pela resposta mais lenta de um núcleo de baixo desempenho de um sistema, com seu impacto largamente amplificado quão mais núcleos de baixo desempenho estejam hospedados neste mesmo sistema. Do lado corporativo, reduzir a latência de cauda para a meta desejada é tão necessário quanto a diminuição do gasto energético, haja vista que este é diretamente proporcional aos custos financeiros para a operação do serviço e consequentemente ao lucro. Trabalhos anteriores em escalonamento de frequências para núcleos com capacidade de variação de frequência são de granulometria grossa, no sentido que se observa o estado de toda a aplicação para a tomada de decisões (sem distinção entre aplicação, threads ou funções). Tais trabalhos também muitas vezes dependem de um processo externo rodando em paralelo para coletar o comportamento dinâmico de determinada tarefa.

A Pintura Hidrográfica, também chamada de Hidrografia é um método viável para colorir objetos criados com a impressão 3D. Entretanto, a técnica da hidrografia envolve uma complexa interação entre um filme e um objeto impresso em 3D. Primeiramente uma imagem é impressa em um filme, que é posto a flutuar na água. Em seguida, por reação com uma solução ativadora, o filme torna-se uma película adesiva com os pigmentos da imagem. Ao imergir um objeto 3D, o filme adere ao objeto, projetando a imagem 2D na superfície do objeto 3D. A projeção resultante de uma pintura hidrográfica é difícil de ser prevista de maneira precisa, visto que a operação ocorre na medida em que o filme vai aderindo ao objeto, considerando que o filme sofre um esticamento variável e um clareamento da cor nos pontos de maior esticamento. Para lidar com a dificuldade de se prever o resultado final da pintura hidrográfica, este trabalho propõe uma solução computacional que possibilita gerar uma imagem planificada de uma textura arbitrária, que impressa em um filme hidrográfico, permita colorir um objeto 3D. A proposta permite mapear fisicamente uma textura a um objeto, através de um processo com etapas computacionais e físicas. Para isto, foi criada uma simulação computacional em 3D que usa PBD (Position-Based Dynamics), uma técnica conhecida para simular corpos deformáveis e utilizada em bibliotecas para simulação de física. Esta técnica foi utilizada para executar em paralelo uma simulação na GPU (Graphics Processing Unit) com uma performance adequada. Então, foi simulado o comportamento do filme e a sua interação com o objeto impresso em 3D, como uma interação entre um corpo rígido em colisão com um corpo deformável. Para avaliar a performance alcançada de forma consistente, foram feitos testes variando o número de vértices e a quantidade de voxels nos corpos envolvidos e foi observado que a simulação continuou executando em tempo real. Além disso, a técnica de pintura hidrográfica foi executada em alguns modelos reais e estes resultados foram comparados com os modelos simulados.

O problema de otimização do projeto de redes de distribuição de água (WDND, do inglês water distribution network design) alimentadas por gravidade  consiste em determinar os diâmetros dos tubos de uma rede de água de forma que as restrições hidráulicas sejam satisfeitas e o custo total seja minimizado. Tradicionalmente, essas decisões de design são feitas com base na experiência de especialistas. Quando as redes aumentam de tamanho, no entanto, as regras práticas raramente levam a decisões quase ideais. Nos últimos trinta anos, um grande número de técnicas foram desenvolvidas para resolver o problema de projetar de forma otimizada uma rede de distribuição de água. Este trabalho aborda o problema NP-difícil de otimização do projeto de redes de distribuição de água  em um cenário multiperíodo no qual ocorrem padrões de demanda variáveis no tempo. É proposta uma nova metaheurística de busca local iterada (ILS, do inglês iterated local search) baseada em simulação aprimorada que explora ainda mais a estrutura do problema na tentativa de obter soluções de alta qualidade.
Mais especificamente, quatro novidades são propostas: (a) uma estratégia de busca local para dimensionar de forma inteligente tubos nos caminhos mais curtos entre os reservatórios e os nós com maiores demandas; (b) uma técnica para acelerar a convergência com base em um esquema de redução agressiva do diâmetro do tubo; (c) um novo mecanismo de perturbação concentrada que permite escapar de soluções ótimas locais muito restritas; e (d) um conjunto de soluções para alcançar um bom compromisso entre intensificação e diversificação.
Experimentos computacionais mostram que a abordagem é capaz de melhorar uma metaheurística estado da arte para a maioria dos testes realizados. Além disso, converge muito mais rápido para soluções de baixo custo e demonstra um desempenho mais robusto na medida em que obtém menores desvios das melhores soluções encontradas.

Problemas de corte bidimensional (2BP, do inglês 2-Dimensional bin packing problem) são problemas clássicos de otimização combinatória pertencentes à classe NP-Difícil e tem aplicações em diversos setores como a indústria têxtil, metalúrgica e de vidro. Estes problemas consistem em alocar um conjunto de itens retangulares em placas retangulares maiores com tamanho padronizado, a fim de minimizar o desperdício de matéria-prima. Nesta dissertação é estudado um problema restrito de corte bidimensional guilhotinado associado à produção de vidro considerado no ROADEF/EURO Challenge 2018, no qual existe a possibilidade de rotacionar itens em 90° e as placas retangulares de matéria-prima podem possuir defeitos como rachaduras e trincos. São propostas como técnicas para este problema duas heurísticas gulosas randomizadas e um método de aprimoramento de soluções baseado em uma modelagem de programação lógica por restrições combinada com uma heurística gulosa randomizada. As técnicas foram combinadas em metaheurísticas Multistart e GRASP (do inglês, Greedy Randomized Adaptive Search Procedure) a fim de se obterem melhores soluções. Os experimentos realizados mostram que o uso do método de aprimoramento de soluções é vantajoso, e que algumas combinações de técnicas se mostram mais eficazes para determinados tipos de instâncias. Uma versão preliminar deste trabalho foi qualificada para a etapa final do ROADEF/EURO Challenge 2018.

Contexto: O conceito de dívida técnica (DT) contextualiza o problema das tarefas de desenvolvimento pendentes como um tipo de dívida que traz um benefício a curto prazo para o projeto, mas que poderão ter de ser pagas com juros mais tarde no processo de desenvolvimento. É comum que um projeto de software incorra em dívida durante o processo de desenvolvimento, no entanto, sua presença traz riscos para o projeto e dificulta sua gestão. Diferentes estratégias de gerenciamento da DT têm sido propostas, contudo, considerar ações que possam evitar sua inserção e monitorar seus efeitos ainda não é uma prática comum. Este é um ponto que merece ser melhor investigado por diferentes motivos: (i) conhecer as causas da DT pode auxiliar as equipes de desenvolvimento na definição de ações que possam ser tomadas para evitar sua ocorrência e (ii) conhecer os possíveis os efeitos da DT pode apoiar na realização de análises de impacto mais precisas e também na definição de ações corretivas para minimizar possíveis consequências negativas da dívida inserida. Dessa forma, enquanto o gerenciamento da DT é um tópico de pesquisa importante, também é necessário entender as causas que podem levar equipes de desenvolvimento a incorrer em diferentes tipos de dívida, bem como os efeitos de sua presença em projetos de software.
Objetivo: O objetivo desta tese é investigar, através da replicação contínua e independente de surveys distribuídos globalmente, o estado da prática e tendências da indústria sobre DT incluindo causas que levam à sua ocorrência, efeitos de sua existência e como esses problemas se manifestam no processo de desenvolvimento de software. A partir da organização das causas e efeitos identificados, estruturar diagramas de causa e efeito probabilísticos que possam ser utilizados no apoio a atividades de gestão da DT.
Método: As atividades realizadas nesta tese são fundamentadas no paradigma da engenharia de software experimental. Inicialmente, foi realizado um estudo terciário com o objetivo de investigar o estado atual da pesquisa sobre DT identificando quais tópicos de pesquisa têm sido considerados, organizando direcionamentos de pesquisa e conhecimentos práticos que já foram definidos, identificando os tipos conhecidos de DT, e mapeando quais atividades, estratégias e ferramentas têm sido propostas para apoiar o gerenciamento da DT. Em seguida, foi planejado InsighTD, uma família de surveys globalmente distribuída. InsighTD foi planejado de forma cooperativa com pesquisadores da área de DT de diferentes instituições ao redor do mundo. Trata-se do primeiro estudo em larga escala realizado na área. Ele busca organizar um conjunto aberto e generalizável de dados experimentais sobre causas e efeitos da DT em projetos de software. Por fim, os diagramas probabilísticos de causa e efeito da DT propostos foram avaliados através de estudo de caso executado na academia.
Resultados: Esta tese apresenta os resultados do estudo terciário executado e as análises realizadas sobre a primeira execução de InsighTD no Brasil e sua primeira replicação nos Estados Unidos. Ao total, 107 profissionais da indústria brasileira e 99 da indústria estadunidense de software responderam ao questionário. Os resultados indicam que há uma ampla familiaridade com o conceito de DT. Prazos, planejamento inadequado, falta de conhecimento e falta de um processo bem definido estão entre as 10 causas mais citadas e mais prováveis de levar à ocorrência da DT em projetos de software. Por outro lado, baixa qualidade, atraso na entrega, baixa manutenibilidade, retrabalho e perdas financeiras estão entre os 10 efeitos mais citados e de maior impacto em um projeto com a presença da DT. Diagramas probabilísticos de causa e efeito da DT para os diferentes tipos de DT foram elaborados. Os resultados também indicaram que o tipo de modelo de processo (ágil, híbrido ou tradicional) impacta nos efeitos da DT sentidos por equipes de desenvolvimento.
Conclusão: Com InsighTD, pretende-se reduzir o problema de investigações isoladas em DT que ainda não são representativas e, assim, construir um conjunto aberto e generalizável de dados experimentais para a compreensão de problemas práticos e desafios da área. Parte do conhecimento organizado será estruturado em diagramas probabilísticos de causa e efeito que permitem apoiar atividades de gestão da DT.