💻 computer science

What Characterizes Pairwise Modular Smells?

Este estudo caracteriza os Pairwise Modular Smells ao identificar 19 características de relacionamento de pares, treinar modelos de aprendizado de máquina em mais de 6 milhões de pares de entidades de 11 projetos Java para prever pares inaptamente separados e colocalizados com melhorias significativas de acurácia, e interpretar os resultados para revelar fatores influentes específicos, como dependências e similaridade semântica, que impulsionam essas falhas arquiteturais.

Autores originais: Chenxing Zhong, Daniel Feitosa, Paris Avgeriou, Huang Huang, Wei Song, He Zhang

Publicado 2026-06-23

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Chenxing Zhong, Daniel Feitosa, Paris Avgeriou, Huang Huang, Wei Song, He Zhang

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é o gerente de uma biblioteca enorme e movimentada. O objetivo de uma boa biblioteca é ter livros organizados em seções lógicas: "Culinária", "História", "Ciência", etc. Isso torna fácil para as pessoas encontrarem o que precisam e para os bibliotecários manterem tudo organizado.

No mundo do software, essas "seções" são chamadas de módulos. Um "bom" módulo agrupa arquivos que trabalham de perto uns com os outros (alta coesão) e mantém separados arquivos que não conversam muito entre si (baixo acoplamento).

Com o tempo, as bibliotecas podem ficar bagunçadas. Livros são colocados nas caixas erradas. No software, essa bagunça é chamada de "Smell" (um "cheiro"). Não é um odor ruim, mas um sinal de que algo está estruturalmente errado e pode causar dores de cabeça mais tarde.

O Problema: O "Pairwise Modular Smell" (PairSmell)

Em um estudo anterior, os autores introduziram uma nova maneira de encontrar essas bagunças chamada PairSmell. Em vez de olhar para a biblioteca inteira de uma vez, eles olham para pares de livros (arquivos).

Eles fazem uma pergunta simples: "Estes dois arquivos pertencem à mesma seção ou deveriam estar em seções diferentes?"

Para responder a isso, eles usam um painel de "bibliotecários especialistas" (ferramentas de software automatizadas). Se todos os especialistas concordam que o Arquivo A e o Arquivo B devem estar juntos, mas a biblioteca atualmente os tem em seções diferentes, isso é um problema. Isso é chamado de InSep (Separação Inapropriada).

Da mesma forma, se os especialistas dizem que eles deveriam estar em seções diferentes, mas a biblioteca os mantém presos juntos na mesma caixa, isso também é um problema. Isso é chamado de InCol (Colocação Inapropriada).

A Lacuna: O estudo anterior conseguia encontrar esses problemas, mas não conseguia explicar facilmente por que eram problemas. Era como um médico dizendo: "Você está com febre", mas sem explicar se é causada pela gripe, uma infecção ou apenas pelo sol. Os desenvolvedores precisavam saber por que um par estava bagunçado para poderem consertá-lo corretamente.

A Solução: Investigando a "Personalidade" dos Pares

Este novo artigo pergunta: Quais traços específicos tornam um par de arquivos propenso a estar no lugar errado?

Os autores trataram isso como uma história de detetive. Eles reuniram uma lista de 19 "traços de personalidade" (características) que descrevem como dois arquivos se relacionam entre si. Esses traços incluem:

Dependências: Com quantos outros arquivos este um conversa?
Palavras Compartilhadas: Eles usam o mesmo vocabulário técnico?
Tamanho: Qual o tamanho dos arquivos?
Complexidade: Quão difíceis são de entender?

Eles então alimentaram esses traços em um "Cérebro" de Aprendizado de Máquina (um modelo de computador) treinado em mais de 6 milhões de pares de arquivos de 11 projetos de software de código aberto diferentes (como Kafka, Hadoop e Druid).

As Descobertas: O Que Torna um Par "Smelly"?

O computador aprendeu a detectar os "cheiros" com alta precisão. Mais importante ainda, os autores pediram ao computador para explicar quais traços eram os maiores sinais de alerta.

1. Para Arquivos Que Deveriam Estar Juntos, Mas Estão Separados (InSep)

O modelo descobriu que arquivos separados são provavelmente "smelly" (erroneamente separados) se:

Eles têm muitas conexões "de saída": Imagine duas pessoas em salas diferentes que estão constantemente gritando instruções para o mesmo grupo de pessoas no corredor. Se elas dependem fortemente dos mesmos recursos externos, provavelmente deveriam estar na mesma sala para coordenar melhor.
Eles compartilham muitas palavras com o resto do sistema: Se ambos os arquivos estão constantemente falando sobre os mesmos conceitos que todos os outros no edifício, é provável que façam parte da mesma "equipe" e não devam estar isolados.
São muito simples (poucos campos): Se dois arquivos são pequenos e simples, mas dependem um do outro, mantê-los separados é como colocar um sapato esquerdo e um direito em caixas diferentes. Eles são simples demais para justificar serem separados.

2. Para Arquivos Que Estão Juntos, Mas Deveriam Estar Separados (InCol)

O modelo descobriu que arquivos presos juntos são provavelmente "smelly" (erroneamente agrupados) se:

Eles não falam a mesma língua (Baixa Similaridade Semântica): Se um arquivo é sobre "Culinária" e o outro é sobre "História", mas estão na mesma caixa, isso é um erro. O modelo verifica se eles usam termos técnicos semelhantes; se não usarem, não deveriam estar juntos.
Eles não compartilham muitas palavras entre si: Mesmo que estejam na mesma caixa, se eles nunca mencionam as mesmas coisas, provavelmente não são relacionados.
Eles têm muitas conexões "de entrada": Imagine um único escritório onde 50 pessoas de diferentes departamentos vêm constantemente para entregar trabalho. Se dois arquivos no mesmo módulo estão sendo bombardeados por solicitações de todos os lugares, esse módulo provavelmente está muito lotado e precisa ser dividido para lidar com a carga.

Por Que Isso Importa

Os autores fornecem um "Manual do Usuário" para os desenvolvedores. Agora, em vez de apenas ver um sinal vermelho dizendo "Isso está errado", um desenvolvedor pode ver o porquê:

"Ah, estes dois arquivos estão separados, mas ambos dependem dos mesmos 50 outros arquivos. Eu deveria movê-los para junto."
"Ah, estes dois arquivos estão juntos, mas um é uma ferramenta utilitária e o outro é uma ferramenta de lógica de negócio, e eles não possuem vocabulário compartilhado. Eu deveria separá-los."

A Conclusão

Este artigo pega um problema complexo de software — descobrir por que os módulos de software estão bagunçados — e o decompõe em traços simples e compreensíveis. Ao usar uma abordagem de "detetive" com aprendizado de máquina, eles identificaram os "traços de personalidade" específicos (como o número de conexões que um arquivo possui ou quantas palavras ele compartilha) que sinalizam um erro de design. Isso ajuda os desenvolvedores não apenas a encontrar a bagunça, mas a entender a causa raiz para que possam limpá-la de forma eficaz.

Resumo Técnico: O Que Caracteriza os Pairwise Modular Smells?

Definição do Problema
Melhorar a estrutura modular de sistemas de software existentes é um desafio crítico. Embora as técnicas de modularização de software tentem reestruturar sistemas em módulos otimizados, elas são frequentemente impraticáveis devido às extensas e dispendiosas mudanças exigidas. Por outro lado, abordagens que identificam problemas de design (smells) como oportunidades de refatoração sofrem frequentemente de granularidade grosseira (por exemplo, ao nível do módulo), tornando difícil determinar estratégias específicas de refatoração.

Para abordar isso, o trabalho anterior dos autores introduziu o Pairwise Modular Smell (PairSmell), um smell arquitetural de granularidade fina definido como o desvio entre a relação modular (MR) real de um par de arquivos e uma MR apta. A MR apta é derivada de um consenso de múltiplas ferramentas de modularização. Se a relação real (colocada ou separada) contradiz o consenso, constitui um smell: InSep (separação inapta, onde as ferramentas concordam que deveriam estar juntos, mas estão separados) ou InCol (colocação inapata, onde as ferramentas concordam que deveriam estar separados, mas estão juntos).

No entanto, a definição de PairSmell depende da saída de "caixa preta" de ferramentas de modularização, tornando o conceito obscuro e difícil de explicar. Os desenvolvedores carecem de insights sobre por que um par específico exibe um smell. Este estudo visa explicar o PairSmell identificando as características do par específicas que tornam certas entidades suscetíveis a essas desvios arquiteturais.

Metodologia
O estudo emprega uma abordagem de métodos mistos combinando uma revisão rápida da literatura, modelagem de aprendizado de máquina (ML) e análise qualitativa:

Revisão Rápida da Literatura: Os autores revisaram 178 estudos primários sobre modularização de software para sintetizar um conjunto de características candidatas que representam as relações entre duas entidades. Este processo resultou em 19 características de par distintas em seis dimensões: relacionamento, distância, independência, complexidade, coesão e tamanho.
Construção do Dataset: O estudo utilizou um dataset curado de mais de 6,1 milhões de pares de entidades derivadas de 11 projetos Java de código aberto (ex: Kafka, Hadoop, Druid). O dataset inclui tanto pares separados quanto colocados, com rótulos de verdade fundamental (ground truth) para instâncias de InSep e InCol estabelecidos em trabalhos anteriores.
Modelagem Preditiva:
- Características (Features): As 19 características foram usadas como variáveis independentes.
- Alvo (Target): Duas tarefas de classificação binária foram definidas: prever InSep (para pares separados) e InCol (para pares colocados).
- Seleção de Modelos: Vários modelos (Regressão Logística, SVM, Random Forest) foram treinados. Máquinas de Vetores de Suporte (SVM) foram selecionadas como os modelos primários devido ao seu desempenho superior.
- Pré-processamento: Para lidar com a colinearidade, características com uma correlação de postos de Spearman ( $\rho$ ) $\ge 0,7$ foram removidas. O desequilíbrio de classes foi tratado usando Amostragem de Transformação Inversa.
Interpretação: Os autores utilizaram a Importância de Característica por Permutação para identificar as características mais influentes. Gráficos de Dependência Parcial (PDP) foram gerados para visualizar como mudanças nos valores de características específicas afetam a probabilidade de um par ser classificado como um smell.
Validação Qualitativa: Exemplos representativos do dataset foram analisados manualmente para ilustrar como as características influentes identificadas se manifestam no código real.

Principais Contribuições

Caracterização Sistemática do PairSmell: O estudo vai além de apenas detectar o PairSmell para explicar sua emergência. Ele identifica e interpreta as características subjacentes do par que impulsionam as instâncias de InSep e InCol.
Identificação de Indicadores Influentes:
- Para InSep (pares separados que deveriam estar juntos), os indicadores mais influentes são dependências de saída (out-going dependencies), termos compartilhados com outros (grau/degree) e campos declarados (total-fields).
- Para InCol (pares colocados que deveriam estar separados), os indicadores mais influentes são similaridade semântica (tf-idf), termos compartilhados entre o par (interseção) e termos compartilhados com outros (grau/degree) e dependências de entrada (in-going dependencies).
Ilustração Prática: O artigo fornece exemplos concretos demonstrando como o alto grau de saída ou baixo número de termos compartilhados correlacionam-se com tipos específicos de smell, oferecendo insights acionáveis para desenvolvedores.

Resultados

Desempenho Preditivo: Os modelos SVM treinados alcançaram uma melhoria de 58,6% em ROC-AUC sobre os modelos de baseline para pares colocados e 34,6% para pares separados. Os modelos também demonstraram um equilíbrio louvável entre precisão e recall (melhorias de AUPRC de 1,57x e 2,77x sobre os baselines).
Análise de Características:
- InSep: Altas dependências de saída aumentam inicialmente a probabilidade de um smell (sugerindo acoplamento externo excessivo), enquanto um grau de saída muito baixo sugere independência funcional que justifica a separação. Alto grau (termos compartilhados com outros) indica responsabilidades sobrepostas, tornando a separação inapropriada. Baixo total-fields em pares dependentes sugere responsabilidades simples e dispersas que são melhor mantidas juntas.
- InCol: Baixa similaridade semântica (sim-tfidf) e baixa interseção indicam que as entidades colocadas não possuem relação, violando o princípio de responsabilidade única. Alto grau de entrada (in-degree) sugere que as entidades têm muitas responsabilidades, potencialmente sobrecarregando o módulo.
Significância Estatística: Testes Mann-Whitney U confirmaram diferenças significativas nas distribuições das características entre pares com e sem smell.

Significância e Alegações
O artigo afirma avançar a compreensão do PairSmell ao mudar o foco da sua prevalência e consequências para a sua explicabilidade. Ao vincular características específicas de pares à ocorrência de smells, o estudo:

Desmistifica o PairSmell: Explica por que certos pares são sinalizados como smells, movendo o conceito de uma saída de ferramenta opaca para um problema de design compreensível.
Guia a Refatoração: As descobertas oferecem estratégias específicas de mitigação baseadas em características (ex: abstrair interfaces para reduzir o grau de saída, ou renomear identificadores para melhorar a similaridade semântica).
Informa o Design Modular: O estudo sugere que futuras ferramentas de modularização não devem focar apenas na relação, mas também considerar a independência e o tamanho para produzir soluções mais racionais. Destaca que as características frequentemente usadas em algoritmos de modularização podem ser colineares, sugerindo a necessidade de uma seleção cuidadosa de características para evitar análises redundantes.

Os autores posicionam este trabalho como uma fundação para uma inspeção e melhoria mais eficaz das estruturas de módulos de software, fornecendo evidência empírica que apoia uma perspectiva matizada sobre o design modular, indo além das descobertas anteriores focadas apenas na prevalência de smells.