Identificação de valores de referência de métricas em software Python

Página do item simplificado
dc.contributor.advisorFerreira, Kecia Aline Marques
dc.contributor.advisorLatteshttp://lattes.cnpq.br/5681147676729706
dc.contributor.authorRibeiro, Marcus Vinicius Diniz
dc.contributor.refereeFerreira, Kecia Aline Marques
dc.contributor.refereekupsch, Daniela Cristina Cascini
dc.contributor.refereeSilva, Edson Marchetti
dc.date.accessioned2026-08-27T23:11:08Z
dc.date.available2026-08-27T23:11:08Z
dc.date.issued2026-06-17
dc.description.abstractA qualidade de software pode ser avaliada por meio de métricas quantitativas capazes de indicar características estruturais como complexidade, acoplamento, herança e coesão. Embora a linguagem Python tenha ampla adoção em diferentes domínios, há carência de valores de referência que auxiliem a interpretação objetiva dessas métricas em sistemas orientados a objetos. Diante desse cenário, este trabalho tem como objetivo identificar valores de referência para métricas de software aplicadas a software Python. Para isso, foi utilizada uma ferramenta responsável pela extração automática de 11 métricas orientadas a objetos, em uma amostra de 45 repositórios de código aberto selecionados no GitHub. Os dados obtidos foram consolidados e analisados estatisticamente com base em percentis, seguindo uma abordagem já aplicada em estudos anteriores com sistemas Java. A partir dessa abordagem, definimos intervalos de classificação para as métricas analisadas, categorizando seus valores como Bom/Frequente, Regular/Ocasional e Ruim/Raro. Os valores de referência identificados foram avaliados por meio de um estudo de caso. Os resultados sugerem que os limiares propostos mostram-se promissores como instrumentos de triagem para apontar componentes complexos com potencial necessidade de refatoração.
dc.description.abstractotherSoftware quality can be assessed using quantitative metrics that represent structural characteristics of source code, such as complexity, coupling, inheritance, cohesion, and class size. Although Python is widely used in several domains, there is still a lack of thresholds to support the objective interpretation of object-oriented software metrics in this language. In this context, this work aims to identify thresholds for software metrics applied to Python systems. To achieve this goal, 45 open-source repositories hosted on GitHub were selected and analyzed using a tool proposed in the literature to automatically extract 11 object-oriented metrics from Python software systems. The collected data were consolidated and statistically analyzed following an approach previously applied in studies with Java systems. We then defined classification ranges for the analyzed metrics, categorizing their values as Good/Frequent, Regular/Occasional, and Bad/Rare. The identified thresholds were evaluated through a case study. The results indicate that the proposed thresholds are applicable to identifying classes that require refactoring.
dc.identifier.urihttps://repositorio.cefetmg.br//handle/123456789/2930
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.subjectPadrões de software
dc.subjectPython (Linguagem de programação de computador)
dc.subjectProgramação orientada a objetos (Computação)
dc.titleIdentificação de valores de referência de métricas em software Python
dc.typeTrabalho de Conclusão de Curso da Graduação

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Identificação de valores de referência de métricas em software Python.pdf
Tamanho:
765.43 KB
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)