Navegando por Autor "Rodrigues, Samyris Alves"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Uma análise abrangente da qualidade estrutural de softwares Java gerados por inteligência artificial
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2026-06-17) Rodrigues, Samyris Alves; Ferreira, Kecia Aline Marques; Gomes, Rogério Martins; http://lattes.cnpq.br/0460460352086325; http://lattes.cnpq.br/5681147676729706; http://lattes.cnpq.br/2466645299330535; Ferreira, Kecia Aline Marques; Gomes, Rogério Martins; Kupsch, Daniela Cristina Cascini; Silva, Edson Marchetti da
    A Inteligência Artificial Generativa (IAG) vem transformando a Engenharia de Software ao automatizar tarefas de programação por meio de Modelos de Linguagem de Grande Escala (LLMs). Apesar dos ganhos de produtividade proporcionados por essas tecnologias, persistem questionamentos quanto à qualidade dos artefatos produzidos. Nesse contexto, este trabalho investiga a qualidade estrutural de softwares Java gerados por sete ferramentas de IAG: ChatGPT, Gemini, Gemini Advanced, DeepSeek, GitHub Copilot, AWS CodeWhisperer e Claude. O estudo avaliou oito sistemas Java em três períodos de execução independentes, utilizando 46 métricas de software e classificadas com base em valores de referência da literatura. A avaliação estrutural considerou apenas os softwares gerados de forma completa e funcional. Adicionalmente, foi proposto um indicador denominado qualidade efetiva, que combina a taxa de completude funcional e a qualidade estrutural dos sistemas gerados, permitindo uma comparação mais abrangente entre as ferramentas avaliadas. Os resultados indicam que, quando considerados apenas os sistemas completos, as ferramentas apresentam qualidade estrutural semelhante, sem diferenças expressivas entre modelos generalistas e especializados, nem entre versões gratuitas e pagas. As métricas de acoplamento e herança apresentaram predominância de classificações favoráveis, enquanto a coesão destacou-se como a principal limitação recorrente. A incorporação da completude funcional por meio da qualidade efetiva evidenciou diferenças mais claras entre as ferramentas, destacando AWS CodeWhisperer e DeepSeek pelos melhores resultados globais. Observou-se, ainda, elevada estabilidade temporal dos padrões identificados ao longo das execuções experimentais. Conclui-se que a avaliação de ferramentas de geração automática de código deve considerar simultaneamente aspectos estruturais e funcionais, uma vez que a qualidade arquitetural isolada não reflete integralmente a capacidade de geração de software.