Uma análise abrangente da qualidade estrutural de softwares Java gerados por inteligência artificial

Página do item simplificado
dc.contributor.advisorFerreira, Kecia Aline Marques
dc.contributor.advisor-coGomes, Rogério Martins
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/0460460352086325
dc.contributor.advisorLatteshttp://lattes.cnpq.br/5681147676729706
dc.contributor.authorRodrigues, Samyris Alves
dc.contributor.authorLatteshttp://lattes.cnpq.br/2466645299330535
dc.contributor.refereeFerreira, Kecia Aline Marques
dc.contributor.refereeGomes, Rogério Martins
dc.contributor.refereeKupsch, Daniela Cristina Cascini
dc.contributor.refereeSilva, Edson Marchetti da
dc.date.accessioned2026-08-18T21:02:11Z
dc.date.available2026-08-18T21:02:11Z
dc.date.issued2026-06-17
dc.description.abstractA 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.
dc.description.abstractotherGenerative Artificial Intelligence (GenAI) has been transforming Software Engineering by automating programming tasks through Large Language Models (LLMs). Despite the productivity gains enabled by these technologies, concerns remain about the quality of the software artifacts generated. In this context, this study investigates the structural quality of Java software generated by seven GenAI tools: ChatGPT, Gemini, Gemini Advanced, DeepSeek, GitHub Copilot, AWS CodeWhisperer, and Claude. Eight Java systems were evaluated across three independent execution periods using 46 software metrics and classified according to reference values established in the literature. The structural assessment considered only fully functional software systems. In addition, an indicator called effective quality was proposed to combine functional completeness and structural quality into a single comparative measure. The results indicate that, when only fully functional systems are considered, the evaluated tools produce software with similar structural quality, with no substantial differences between general-purpose and code-oriented tools or between free and paid versions. Coupling and inheritance metrics were predominantly classified as favorable, whereas cohesion emerged as the main recurring limitation. When functional completeness was incorporated through the effective quality indicator, clearer differences among the tools became evident, with AWS CodeWhisperer and DeepSeek achieving the best overall results. High temporal stability was also observed across the experimental executions. Overall, the findings suggest that the evaluation of AI-based code generation tools should jointly consider structural and functional aspects, since architectural quality alone does not fully reflect software generation capability.
dc.identifier.urihttps://repositorio.cefetmg.br//handle/123456789/2901
dc.language.isopt
dc.publisherCentro Federal de Educação Tecnológica de Minas Gerais
dc.publisher.countryBrasil
dc.publisher.departmentDepartamento de Computação
dc.publisher.initialsCEFET-MG
dc.subjectInteligência artificial
dc.subjectEngenharia de software
dc.subjectJava (Linguagem de programação de computador)
dc.titleUma análise abrangente da qualidade estrutural de softwares Java gerados por inteligência artificial
dc.typeTrabalho de Conclusão de Curso da Graduação

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Uma análise abrangente da qualidade estrutural de softwares Java gerados por inteligência artificial.pdf
Tamanho:
4.89 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.39 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

Engenharia de Computação (Belo Horizonte - Nova Gameleira)