Bacharelado em Ciência da Computação (Sede)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/6
Siglas das Coleções:
APP - Artigo Publicado em Periódico
TAE - Trabalho Apresentado em Evento
TCC - Trabalho de Conclusão de Curso
Navegar
1 resultados
Resultados da Pesquisa
Item Geração automática de sistemas backend com o suporte de IA generativa seguindo a arquitetura limpa(2024-03-06T03:00:00Z) Costa, Henrique Sabino da; Burégio, Vanilson André de Arruda; http://lattes.cnpq.br/3518416272921878; http://lattes.cnpq.br/5381537544189009Neste trabalho, investigou-se a potencial contribuição das tecnologias de Síntese Automática de Código, particularmente o GPT-4 da OpenAI, para a manutenção e aderência às boas práticas de arquitetura de software em startups. Dada a característica dessas empresas de operarem em ambientes de rápida mudança e inovação, mas com recursos limitados, práticas como testes unitários e documentação muitas vezes são negligenciadas. Contrariamente, enfatizamos a importância de tais práticas pela sua contribuição à manutenibilidade e escalabilidade das aplicações. Como meio de conciliar o ritmo acelerado de desenvolvimento com a necessidade de boas práticas, propusemos o uso de modelos de linguagem generativos (MLG), especificamente o GPT-4, para a geração de código seguindo os princípios da arquitetura limpa, um conjunto de conceitos definidos por Robert C. Martin para o desenvolvimento de projetos escaláveis e de boa manutenibilidade. A abordagem metodológica foi uma combinação de análise qualitativa e quantitativa, focada na exploração e adaptação de prompts para a geração de código e no desenvolvimento de exemplificações práticas em diversas linguagens de programação. Destaca-se a produção de três projetos em C#, JavaScript e Python, os quais foram avaliados segundo métricas de abstração, instabilidade, e aderência à Sequência Principal - conceitos chave na manutenção de uma arquitetura limpa. Os resultados indicaram que, apesar do potencial da tecnologia proposta para acelerar o desenvolvimento e promover a aderência às boas práticas através da automação, existem lacunas significativas na capacidade do GPT-4 de gerar código totalmente alinhado à arquitetura limpa e executável sem intervenção manual. Problemas relacionados à inconsistência na estrutura do projeto e na integridade do código gerado foram observados, sugerindo que, enquanto a ferramenta oferece uma base promissora para a potencialização da eficiência em projetos de menor complexidade, sua aplicabilidade em contextos complexos e diversificados ainda apresenta desafios. Portanto, conclui-se que o emprego de MLGs como o GPT-4, na geração automática de código representam uma ferramenta auxiliar valiosa para startups no desenvolvimento de software. No entanto, a necessidade de ajustes manuais no código e a garantia de aderência completa às práticas recomendadas de arquitetura de software reforçam a ideia de que tais tecnologias devem ser vistas como complementares ao trabalho humano e não como substitutas completas. Para futuros trabalhos, recomenda-se o aprofundamento na investigação de MLGs especializados em geração de código e a expansão dos experimentos para abarcar uma gama maior de linguagens de programação e frameworks, visando maximizar a aplicabilidade e eficácia dessa abordagem inovadora.