DCCMAPI/CCET

Uma banca de PROPOSTA DE TESE/DISSERTAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: CHARLES JOSÉ LIMA DE MIRANDA
DATA: 22/08/2025
HORA: 08:30
LOCAL: http://meet.google.com/jbf-wjwi-ifj
TÍTULO: Coevolução de Código de Teste e Produção: Evidências Empíricas, Percepções Visuais e Perspectivas dos Desenvolvedores
PALAVRAS-CHAVES: Coevolução de testes, Teste de software, Mineração de repositório de software, Qualidade de software, GitHub Copilot
PÁGINAS: 91
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: O desenvolvimento de software é um processo complexo que exige práticas bem estruturadas e profissionais capacitados para lidar com mudanças constantes e entregas de qualidade. Nesse contexto, o teste de software desempenha um papel essencial na detecção de erros, validação de funcionalidades e garantia da confiabilidade do sistema, especialmente por meio da automação. A coevolução entre código de produção e testes é fundamental para manter a qualidade ao longo do tempo, exigindo que os testes acompanhem as modificações no sistema para evitar falhas e facilitar a manutenção. No entanto, estudos mostram que essa sincronização nem sempre ocorre, gerando riscos à qualidade e motivando o uso de visualizações e análises temporais para apoiar decisões em projetos de software. Diante disso, esta tese investiga a coevolução de testes em larga escala, analisando dados históricos de repositórios em diferentes linguagens. Inicialmente, um estudo empírico de 526 repositórios populares do GitHub (Java, Python, PHP, JavaScript, TypeScript e C#) revelou diferentes níveis de coevolução, cinco padrões distintos de evolução de testes e uma correlação entre coevolução e equipes menores. Técnicas de mineração de repositórios, séries temporais, clusterização (Time Series Forest) e o coeficiente de correlação de Pearson foram utilizados na análise. A tese contribui com a ferramenta Highlight Test Code, que oferece análise visual e automatizada da coevolução, permitindo a visualização de séries temporais, padrões de evolução e métricas de sincronização, facilitando a identificação de áreas de risco e a priorização de esforços de teste. Dando continuidade, a pesquisa explora a influência do GitHub Copilot na coevolução de testes, comparando os períodos pré e pós-adoção da ferramenta em 25 projetos privados. Um estudo qualitativo complementa a análise, investigando as percepções dos desenvolvedores sobre coevolução e práticas de teste, buscando entender as motivações e os desafios por trás dos padrões observados. Esta tese produzirá contribuições metodológicas e práticas para o entendimento da coevolução, evidências empíricas sobre os impactos do uso de IA generativa no ciclo de vida dos testes, e insights para a adoção de estratégias e ferramentas que favoreçam a sincronização entre código de produção e testes automatizados.
MEMBROS DA BANCA:
Presidente - 998.971.133-04 - GUILHERME AMARAL AVELINO
Interno - 030.017.063-76 - ROMUERE RODRIGUES VELOSO E SILVA
Interno - 751.764.243-04 - VINICIUS PONTE MACHADO
Externo à Instituição - EMANUELE MARQUES RODRIGUES SANTOS - UFC
Externo à Instituição - FERNANDO ANTONIO MOTA TRINTA - UFC