Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: https://sistemas2.uespi.br/handle/tede/2273
Registro completo de metadados
Campo DCValorIdioma
dc.creatorAraujo, Ada Beatriz de Oliveira-
dc.contributor.advisor1Sousa, Thiago Carvalho de-
dc.date.accessioned2025-07-14T13:09:44Z-
dc.date.issued2025-
dc.identifier.citationARAUJO, Ada Beatriz de Oliveira. Inteligência artificial na documentação de sistemas legados: uma abordagem comparativa de ferramentas. 2025. 75 f. Monografia (Bacharelado em Ciências da Computação ) - Universidade Estadual do Piauí, Teresina, 2025.por
dc.identifier.urihttp://sistemas2.uespi.br/handle/tede/2273-
dc.description.resumoA documentação de Software é uma atividade essencial na engenharia de Software, desempenhando um papel crucial na comunicação, manutenção, escalabilidade e na experiência do usuário, sendo um pilar fundamental para o sucesso de qualquer projeto de desenvolvimento de Software. No entanto, esta atividade de documentação é muitas vezes subestimada. Sistemas legados desempenham um papel crítico nas operações de muitas empresas, mas frequentemente enfrentam desafios significativos relacionados à manutenção e à documentação. Isso resulta em custos financeiros substanciais para as organizações e demanda tempo para os programadores que trabalham com esses sistemas. A automação advinda da inteligência artificial oferece uma alternativa para lidar com esses desafios, otimizando a documentação de sistemas legados, reduzindo custos e melhorando a eficiência na manutenção desses sistemas. Identificar a ferramenta de inteligência artificial mais eficaz para essa finalidade é essencial para a adoção de estratégias mais precisas e eficientes no contexto profissional, promovendo melhorias na manutenção dos sistemas e prolongando sua vida útil. Neste trabalho foi realizada uma análise comparativa das ferramentas de geração de documentação de código, com foco em sua aplicação em sistemas legados. A comparação foi realizada a partir da inserção de trechos de código-fonte selecionados nas ferramentas, com o objetivo de avaliar a documentação gerada, a partir de critérios de legibilidade, dimensão e adequação de comentários. Os resultados indicaram que a ferramenta Gemini apresentou o melhor desempenho na atividade de geração de documentação; no entanto, as demais ferramentas, ChatGPT, DeepSeek, Claude, Meta AI, Le Chat Mistral e Grok, também forneceram resultados relevantes, evidenciando potencial para aprimoramento tanto nas próprias ferramentas quanto no processo de avaliação adotado. A automação da documentação por meio da inteligência artificial não só melhora a compreensão do código, mas também facilita sua manutenção, resultando em maior eficiência e redução de custos para as organizações.por
dc.description.abstractSoftware documentation is an essential activity in software engineering, playing a crucial role in communication, maintenance, scalability, and user experience, and serving as a fundamental pillar for the success of any software development project. However, this documentation activity is often underestimated. Legacy systems play a critical role in the operations of many companies but frequently face significant challenges related to maintenance and documentation. This results in substantial financial costs for organizations and demands considerable time from programmers working with these systems. Automation powered by artificial intelligence offers an alternative to address these challenges by optimizing the documentation of legacy systems, reducing costs, and improving maintenance efficiency. Identifying the most effective AI tool for this purpose is essential for the adoption of more precise and efficient strategies in professional contexts, promoting improvements in system maintenance and extending their lifespan. In this study, a comparative analysis was conducted on code documentation generation tools, focusing on their application to legacy systems. The comparison was based on the insertion of selected source code excerpts into the tools, with the objective of evaluating the generated documentation according to criteria such as readability, length, and adequacy of comments. The results indicated that the Gemini tool demonstrated the best performance in the documentation generation task; however, other tools ChatGPT, DeepSeek, Claude, Meta AI, Le Chat Mistral, and Grok also provided relevant results, highlighting the potential for improvements both in the tools themselves and in the evaluation process used. Automating documentation through artificial intelligence not only enhances code comprehension but also facilitates its maintenance, resulting in greater efficiency and cost reduction for organizations.eng
dc.description.provenanceSubmitted by Ada Araujo (adabaraujo@aluno.uespi.br) on 2025-07-12T00:21:49Z No. of bitstreams: 2 MONOGRAFIA COMPLETA.pdf: 1090879 bytes, checksum: 1bc7b2a085e73b7ec847adc5b51901b5 (MD5) TERMO DE AUTORIZAÇÃO PARA PUBLICAÇÃO.pdf: 163531 bytes, checksum: 2882e4603ef6920dcad5194eed14f50b (MD5)eng
dc.description.provenanceApproved for entry into archive by Curadoria Digital Biblioteca Central (repositorioinstitucional@uespi.br) on 2025-07-14T13:09:44Z (GMT) No. of bitstreams: 2 MONOGRAFIA COMPLETA.pdf: 1090879 bytes, checksum: 1bc7b2a085e73b7ec847adc5b51901b5 (MD5) TERMO DE AUTORIZAÇÃO PARA PUBLICAÇÃO.pdf: 163531 bytes, checksum: 2882e4603ef6920dcad5194eed14f50b (MD5)eng
dc.description.provenanceMade available in DSpace on 2025-07-14T13:09:44Z (GMT). No. of bitstreams: 2 MONOGRAFIA COMPLETA.pdf: 1090879 bytes, checksum: 1bc7b2a085e73b7ec847adc5b51901b5 (MD5) TERMO DE AUTORIZAÇÃO PARA PUBLICAÇÃO.pdf: 163531 bytes, checksum: 2882e4603ef6920dcad5194eed14f50b (MD5) Previous issue date: 2025-07-02eng
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Estadual do Piauípor
dc.publisher.departmentCentro de Tecnologia e Urbanismopor
dc.publisher.countryBrasilpor
dc.publisher.initialsUESPIpor
dc.publisher.programBacharelado em Ciências da Computaçãopor
dc.rightsAcesso Abertopor
dc.subjectEngenharia de Softwarepor
dc.subjectSistemas Legadospor
dc.subjectInteligência Artificialpor
dc.subjectDocumentação de Softwarepor
dc.subject.cnpqMETODOLOGIA E TECNICAS DA COMPUTACAO::ENGENHARIA DE SOFTWAREpor
dc.titleInteligência artificial na documentação de sistemas legados: uma abordagem comparativa de ferramentaspor
dc.typeMonografiapor
Aparece nas coleções:CTU - Bacharelado em Ciências da Computação (Poeta Torquato Neto – TERESINA)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Monografia Completa.pdf1,07 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.