Software Effort Estimation: a Review of Taxonomies for use to-wards a Probabilistic Evidence Synthesis
Este artigo apresenta uma revisão sistemática da literatura de seis taxonomias de Estimativa de Esforço de Software, revelando uma fragmentação estrutural significativa, uma falta de cobertura para domínios de aplicação emergentes como dispositivos móveis e IA, e uma ausência geral de validação externa, destacando, assim, a necessidade urgente de uma taxonomia unificada e validada pela indústria.
Artigo original sob licença CC BY 4.0 (https://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
Todo projeto de software, desde um simples aplicativo móvel até um complexo sistema bancário, começa com uma pergunta que é deceptivamente simples: quanto trabalho isso vai levar? No mundo da engenharia de software, isso é conhecido como estimativa de esforço. É o processo de prever o tempo e os recursos necessários para construir uma peça de software antes que uma única linha de código seja escrita. Esta previsão é vital; ela determina o orçamento, o cronograma e se um projeto pode ser dotado com as pessoas certas. No entanto, prever o futuro do software é notoriamente difícil porque os fatores que influenciam quanto tempo um projeto leva são vastos, variados e frequentemente incertos. Um projeto pode demorar mais porque a equipe é inexperiente, porque a tecnologia é nova ou porque os requisitos não param de mudar. Para dar sentido a esse caos, pesquisadores passaram décadas tentando organizar esses fatores em listas estruturadas, ou taxonomias, que atuam como mapas para ajudar especialistas a navegar pelo terreno complexo do desenvolvimento de software.
Apesar da clara necessidade de tais mapas, uma nova revisão do campo revela que os mapas existentes estão fragmentados e incompletos. Emilia Mendes e Marc Solé Estragués, pesquisadores da Universidade de Aarhus, na Dinamarca, propuseram-se a examinar todos os sistemas de classificação conhecidos para estimativa de esforço de software. O objetivo deles era ver se esses sistemas poderiam ser combinados para criar uma ferramenta unificada para o futuro, ou se eram muito diferentes para serem reconciliados. Eles realizaram uma revisão sistemática, um método rigoroso de busca através da literatura científica para encontrar e analisar cada estudo relevante que propôs uma forma de categorizar os fatores que afetam o trabalho de software. Após filtrar milhares de artigos de grandes bases de dados acadêmicas, encontraram apenas seis estudos que realmente propuseram uma taxonomia para este propósito específico. Este pequeno número em si foi um achado significativo, sugerindo que, embora o problema seja bem conhecido, o esforço para resolvê-lo tem sido esporádico e disperso ao longo das últimas duas décadas.
Os pesquisadores então examinaram essas seis taxonomias em detalhes, observando como foram construídas e o que continham. Eles descobriram que os mapas foram desenhados em estilos muito diferentes. Alguns eram amplos, cobrindo desde o tamanho do software até a experiência da equipe e as técnicas específicas utilizadas para fazer a estimativa. Outros eram estreitos, focando em apenas um aspecto, como apenas o tamanho do código ou apenas os métodos usados para prever o trabalho. As estruturas variavam drasticamente, com algumas listas contendo apenas um punhado de categorias e outras expandindo-se para centenas de detalhes específicos. Quando os pesquisadores compararam as listas lado a lado, procurando por termos e conceitos compartilhados, descobriram uma falta de acordo surpreendente. De centenas de fatores específicos listados em todas as seis taxonomias, apenas uma fração minúscula era descrita da mesma forma. A maioria dos termos era única de um único estudo, o que significa que dois especialistas usando mapas diferentes estariam falando sem se entender, usando palavras diferentes para a mesma ideia ou ideias diferentes para a mesma palavra.
A revisão também destacou uma lacuna significativa de cobertura. Os mapas existentes focavam pesadamente em tipos tradicionais de software, como aplicações de negócios e sistemas embarcados encontrados em dispositivos. No entanto, eles ignoravam amplamente os campos em rápido crescimento do software de inteligência artificial e aplicações móveis modernas. Além disso, os pesquisadores descobriram que a maioria dessas taxonomias nunca havia sido testada no mundo real. Elas foram propostas como ideias ou estruturas teóricas, mas havia pouca evidência de que realmente ajudavam os profissionais da indústria a fazer previsões melhores. Apenas uma das seis taxonomias havia sido aplicada em um cenário do mundo real para ver se funcionava. As outras permaneceram não validadas, deixando uma interrogação sobre sua utilidade prática.
Os autores argumentam que essa fragmentação é uma barreira ao progresso. Quando pesquisadores e profissionais não conseguem concordar em uma linguagem comum, torna-se difícil compartilhar conhecimento, comparar resultados ou construir sobre descobertas anteriores. A revisão sugere que o campo precisa ir além dessas listas isoladas. Os pesquisadores propõem que o próximo passo é ou estender os mapas existentes para cobrir as áreas ausentes do desenvolvimento de software ou construir uma única taxonomia unificada que cubra todos os tipos de software. Tal sistema unificado precisaria ser testado na indústria para garantir que é realmente útil. Até lá, o campo permanece como uma coleção de ilhas desconectadas, onde o potencial para uma compreensão clara e compartilhada do esforço de software ainda aguarda para ser realizado.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.