01. Universidade Federal Rural de Pernambuco - UFRPE (Sede)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/1
Navegar
2 resultados
Resultados da Pesquisa
Item Promovendo a qualidade de software em equipes ágeis por meio da segurança psicológica(2025-06-04) Albuquerque, Fernanda Oliveira Carneiro de; Marinho, Marcelo Luiz Monteiro; http://lattes.cnpq.br/3362360567612060; http://lattes.cnpq.br/9047736114174675As metodologias ágeis já são amplamente adotadas no desenvolvimento de software, e sua utilização continua em expansão à medida que mais empresas reconhecem a importância de ambientes de trabalho que promovam confiança, colaboração e inovação. A segurança psicológica, nesse cenário, é vista como um elemento essencial para o desempenho de equipes, fomentando abertura ao diálogo, aprendizagem com erros e cooperação técnica, fatores que impactam diretamente a qualidade dos produtos desenvolvidos. Este artigo investiga como a segurança psicológica influencia comportamentos orientados à qualidade de software em equipes ágeis brasileiras, por meio da replicação contextualizada de um survey internacional previamente validado. Para isso, um survey foi replicado e adaptado ao contexto nacional. A coleta de dados foi realizada por meio de questionário estruturado contendo sete construtos-chave. Foram obtidas 92 respostas válidas de profissionais atuantes em equipes ágeis no Brasil. Os resultados apontam que os construtos “aprender com os erros”, “colaboração” e “resolver problemas coletivamente” obtiveram os maiores níveis de concordância, refletindo práticas maduras de trabalho em equipe e melhoria contínua. Contudo, “segurança psicológica” apresentou média inferior e maior dispersão, indicando desigualdades na percepção de segurança interpessoal. Comportamentos inovadores voltados à qualidade, embora presentes, ainda ocorrem com baixa frequência.Item Detecção de Code Smells em ambientes de nuvem(2025-02-24) Amorim, João Victor Silva de; Sousa, Erica Teixeira Gomes de; http://lattes.cnpq.br/9899077867723655; http://lattes.cnpq.br/2962216276431331Code smells são características do código que indicam possíveis problemas no design estrutural do software. Embora essas questões não causem falhas imediatas na funcionalidade do sistema, podem comprometer aspectos cruciais, como desempenho, escalabilidade, manutenibilidade e confiabilidade, especialmente em projetos de grande escala. Este trabalho apresenta uma ferramenta desenvolvida para detectar code smells em plataformas de computação em nuvem. A ferramenta foi projetada para identificar code smells relacionados a código repetitivo, código morto e funções contendo múltiplas instruções de retorno. A ferramenta proposta detectou nove tipos de code smells, analisando mais de 1.200 arquivos de código em Python e Java. No OpenStack, o código repetitivo foi o problema mais prevalente, representando 65,7% dos casos, enquanto no CloudStack, classes e métodos longos foram os mais recorrentes, totalizando 39,5% do total. Além disso, o code smell proposto, número mágico, se destacou ao representar 6,1% do total de code smells no CloudStack e 8,4% no OpenStack, evidenciando sua relevância para a legibilidade e manutenibilidade do código. A análise da detecção de code smells demonstra a importância da ferramenta NimbusScan, pois não apenas acelera o processo de revisão de código, mas também promove a modularidade e a clareza necessárias em sistemas complexos e dinâmicos. Essa análise conclui que soluções como a apresentada são essenciais para o desenvolvimento de software robusto e eficiente, capaz de atender às crescentes demandas do mercado de computação em nuvem, desempenhando um papel fundamental na melhoria contínua da qualidade do código e na longevidade dos sistemas.