Subversion Repository Public Repository

ramani

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
\chapter{Introdução} \label{cap:introducao}

%Contexto do problema
\section{Contexto do Problema}

Na conferência \textit{Internatonal Conferente on Software Engineering de 2004} (ICSE04), \citeonline{kitchenham2004evidence} sugeriram que os pesquisadores da área de  Engenharia de Software (ES), passassem a adotar o paradigma baseado em evidência, nascendo assim a Engenharia de Software Baseada em Evidencias (ESBE). O paradigma baseado em evidência tem sua origem na medicina, onde posteriormente foi adotado por muitas outras áreas, tais como economia, psicologia, entre outras. Na medicina as pesquisas mostraram que a opinião médica baseada em conselho, não era mais confiável do que uma opinião baseada no acúmulo de resultados de experimentos científicos. 

A ESBE faz uso de agregação de evidências empíricas. A evidência, também descrita como síntese, pode ser descrita como o melhor estudo em determinado tópico ou questão de pesquisa. Para realização de uma síntese, um dos principais métodos é a Revisão Sistemática da Literatura (RSL). A RSL é o método pelo qual se pode identificar, validar e interpretar todas as pesquisas disponíveis sobre uma questão de pesquisa, tópico ou área de interesse. As pesquisas o qual a RSL se referem são conhecidas como estudos primários, que são os estudos individuais, já as RSL são conhecidas como estudos secundários. 

O Mapeamento Sistemáticos (MS) é uma metodologia de estudo secundário também frequentemente usada em pesquisas médicas. Um estudo de MS tem como objetivo resumir e sintetizar o estado atual de uma área, fornecendo relatórios de trabalhos publicados, categorizando cada trabalho, onde o relatório pode se dar de forma visual, representado por um mapa na maioria das vezes \cite{Petersen2008}. Segundo \citeonline{Keele2007}, um mapeamento sistemático permite que a evidência de um domínio seja plotada em um alto nível de granularidade, com isso é possível direcionar o foco de futuras RSL para áreas mais adequadas onde os estudos primários sejam mais apropriados.

As principais diferenças existentes entre um MS e uma RSL segundo \citeonline{Kitchenham2009} são:

\begin{itemize}
  \item MS possuem questões de abordagem mais amplas em relação as de uma RSL;
  \item O estudo do MS e menos centrado do que uma RSL;
	\item O processo de seleção de estudos de uma MS também é mais amplo, enquanto de um RSL e mais precisa;
	\item O nível de análise para o estudo de MS é mais simples, não sendo necessário incluir técnicas de análise em profundidade, como meta-análise, como ocorre em uma RSL;
	\item Resultados de um MS são mais limitados do que uma RSL, pois focam em direcionar a pesquisa por estudos primários;
	\item Esforço necessário na realização de um MS é menor;
\end{itemize}

%Apresentação do Problema e motivação
\section{Problemas e Motivação}

A realização de um estudo secundário, seja ela um MP ou RSL, possuem algumas fases em comum, embora com profundidades diferentes. Na fase de estratégia de busca, no qual ambas tendem a selecionar os estudos primários que irão compor o estudo, a tarefa pode a vir a se tornar onerosa, e sujeita a erros, devido ao esforço necessário em sua realização. O esforço leva em consideração o trabalho de seleção e revisão de cada estudo primário. \citeonline{Sampaio2007} expõem que, os pesquisadores devem garantir que todos os estudos relevantes ou que possam ter algum impacto na conclusão da revisão sejam incluídos, levando em consideração os critério de inclusão e exclusão dos estudos, definidos no inicio do projeto. Outro esforço requerido para a seleção dos estudos, é o esforço em conjunto dos pesquisadores na sua realização.

No trabalho de \citeonline{Kitchenham2009}, o autores identificaram que o processo de busca pelos estudos primários, na realização de uma RSL, onde se utiliza o método de busca por \textit{string}, método recomendado pela a maioria das diretrizes, pode vir a ser muito oneroso. O uso de longos termos  de pesquisas, necessitam sempre ser adaptados para os motores de buscas a serem utilizados. Com o uso do MS previamente a uma RSL, poderia se ter um melhor direcionamento para os estudos primários adequados a abordagem RSL em questão, diminuindo significamento o tamanho dos termo a serem usados na pesquisa. Embora um MS possa ser fundamental para melhorar o foco de uma RSL, como ocorre em área da medicina, ela é bastante negligenciada em áreas como a de ES, onde segundo \citeonline{Petersen2008}, isto pode esta associado ao fato de que MS não foram descobertos ainda como um método para agregar pesquisas em ES.

Com o aumento do interesse da ES em conduzir estudos empíricos, para a validação e uso de novas tecnologias, os estudos primários necessários para a realização de uma RSL precisam ser os mais relevantes possíveis. \citeonline{Dieste2007} afirmam que desenvolver estratégias de buscas, que possam recuperar o máximo informações relevantes, mantendo um esforço e custo de desenvolvimento baixo, é fundamental para geração de evidências. O método de seleção abordado em ES, sugerido segundo \citeonline{Kitchenham2009}, que é realizado através de pesquisas em banco de dados, utilizando \textit{strings} de pesquisa bem definida, é o mais comum porém possui uma alternativa válida que vem sendo explorada, que é a técnica de \textit{snowballing}.

O método de seleção \textit{snowballing}, se difere do método de busca com \textit{string} em termo de abrangência e precisão. O uso de \textit{strings} como método de pesquisa, tende a retorna muitos resultados se o termo de pesquisa não for muito bem específico. \citeonline{Jalali2012} em seu trabalho confirma tal afirmação, no qual em sua pesquisa ele utilizou o termo \textit{“Agile”}, o qual é uma palavra muito genérica e usada em muitas disciplinas, em sua \textit{string} de pesquisa. O resultado do uso de um termo genérico, foi a grande quantidade de estudos irrelevante. Para utilizar o \textit{snowballing} como método de seleção, é necessário haver um conjunto de estudos iniciais (também conhecido como  sementes inciais), o qual servirão de base para iniciar o processo. A partir dos estudos iniciais, existem duas abordagem de seleção a serem seguidas, a \textit{backward snowballing} que se encarregam selecionar os estudos referenciados pelos estudos iniciais, e \textit{foward snowballing}, que  seleciona os estudos que citam os estudos iniciais. Com o resultado obtido após cada abordagem do \textit{snowballing}, o processo ira se repetir, criando iterações, até uma ponto de parada especificado ou quando não houver mais estudos a serem selecionados.

A abordagem \textit{snowballing} pode ser bastante útil na realização de estudos sistemáticos, como a RSL e MP. Como explanado no parágrafo anterior, esse método realiza um trabalho repetitivo até um ponto de parada determinado, e por consequência pode resultar em um grande número de estudos selecionados, demandando tempo e esforço em sua execução. Visto essa demanda, uma ferramenta que automatizasse o processo de seleção através do \textit{snowballing}, é uma ótima solução de suporte aos pesquisadores, que desejassem realização um estudo sistemático. A ferramenta pode vir a diminuir o tempo necessário na seleção dos estudos, bem com fornecer um meio pelo qual os colaboradores de um projeto pudessem interagir, facilitando o trabalho dos envolvidos, e da comunidade.

\section{Objetivos} \label{cap:objetivos}

Este trabalho tem por objetivo refatorar e estender a ferramenta chamada Ramani, desenvolvida inicialmente por \cite{de2013ramani}. A ferramenta Ramani foi desenvolvida para apoiar os pesquisadores, no desenvolvimento de projetos de MS, focado nos aspectos colaborativos, principalmente na seleção dos estudos. A ferramente em si faz uso do \textit{snowballing} como principal método de seleção dos estudos. Na sua primeira versão, a ferramenta  desenvolvida faz uso apenas da biblioteca digital \textit{Association for Computing Machinery} (ACM), como fonte de extração dos estudos primários, além de possuir um tempo de seleção significamento alto, embora automatizado, além de haver também inconsistência em alguns dados extraídos. 

Portanto, o principal foco deste trabalho será o aprimoramento do método de seleção e extração dos estudos primários, visando uma melhor eficácia na extração das informações das bibliotecas digitais, através do \textit{snowballing}, bem como a diminuição no tempo de execução do procedimento. Outros pontos a serem aprimorados e incluídos são:

\begin{itemize}
  \item Recurso de extração de dados da biblioteca digital \textit{IEEE Xplore Digital Library};
	\item Novas estratégias para seleção de estudos primários;
	\item Critérios para ordenação dos estudos selecionados;
	\item Criação de visualização de dados;	
	\item Uso de \textit{frameworks} para extração em bibliotecas digitais;
\end{itemize}

\section{Roteiro}

Este trabalho esta organizado da seguinte maneira, no Capítulo 2 temos a fundamentação teórica sobre estudos secundários e recuperação de informação. No Capítulo 3 temos a arquitetura da ferramente Ramani e sua implementação. No Capítulo 4 discutiremos o modelo de extração e os algorítimos do \textit{snowballing} e suas avaliações. No Capítulo 5 demostraremos a ferramente Ramani e a condução de como criar projetos, realizar seleções e visualizar dados. Finalmente no Capítulo 6 discutiremos os resultados obtidos, assim como futuros trabalhos.

Commits for ramani/TCCs/TCC_Ramani/textuais/introducao.tex

Diff revisions: vs.
Revision Author Commited Message
590 Diff Diff heartle picture heartle Tue 09 Jun, 2015 04:07:08 +0000
589 Diff Diff heartle picture heartle Mon 08 Jun, 2015 05:13:38 +0000
587 Diff Diff heartle picture heartle Fri 22 May, 2015 16:48:44 +0000
582 Diff Diff heartle picture heartle Wed 18 Mar, 2015 20:30:55 +0000
579 Diff Diff heartle picture heartle Fri 13 Mar, 2015 03:43:16 +0000
578 Diff Diff heartle picture heartle Thu 12 Mar, 2015 04:08:23 +0000
577 Diff Diff heartle picture heartle Wed 11 Mar, 2015 04:29:35 +0000
534 Diff Diff flbezerra picture flbezerra Thu 18 Sep, 2014 21:19:10 +0000

tcc do carlos

532 flbezerra picture flbezerra Thu 18 Sep, 2014 21:16:24 +0000

TCC do Carlos