Please use this identifier to cite or link to this item: http://repositorio.ufc.br/handle/riufc/29508
Type: TCC
Title: Identificação automática de problemas encontrados e mudanças sugeridas por usuários em seus comentários sobre aplicações móveis
Authors: Melo, Antonio Caio Silva de
Advisor: Bezerra, Carla Ilane Moreira
Co-advisor: Silva, Ticiana Linhares Coelho da
Keywords: Mineração de dados (Computação);Análise por agrupamento;Software-Controle de qualidade;Aplicativos móveis;Retroalimentação-Usuários
Issue Date: 2017
Citation: MELO, Antonio Caio Silva de. Identificação automática de problemas encontrados e mudanças sugeridas por usuários em seus comentários sobre aplicações móveis. 2017. 90 f. TCC (Graduação em Engenharia de Software) - Universidade Federal do Ceará, Campus Quixadá, Quixadá, 2017.
Abstract in Brazilian Portuguese: A popularização dos dispositivos móveis e o aumento da sua presença no cotidiano das pessoas induziu ao desenvolvimento de inúmeros sistemas de software, construídos especificamente para tal plataforma e conhecidos como aplicativos ou aplicações móveis (mobile apps), criados com o intuito de adicionar valor à vida de seus usuários, ao oferecer diversos tipos de funções e serviços. Atualmente, as lojas de aplicativos (app stores) centralizam várias operações relacionadas aos aplicativos, e uma delas é permitir que os usuários comentem e atribuam uma nota ao aplicativo. Os comentários podem funcionar como uma fonte de feedback direto aos desenvolvedores sobre os diversos aspectos referentes à suas aplicações, que vão variam entre elogios, críticas, sugestões, e assim por diante. Dentre as informações que os usuários provêm, destacam-se as que citam problemas encontrados, sugestões de possíveis mudanças ou melhorias na aplicação, que são capazes de auxiliar diretamente a evoluir seu software, pois explicitam ou ressaltam características específicas que ela apresenta, ou que poderiam ser adicionadas. Contudo, embora seja possível aproveitar-se do conteúdo desses comentários para incrementar e melhorar aplicação, é preciso identificar quais deles contém informações consideradas úteis, e quais tópicos os usuários citam. Tal processo exigiria grande esforço e tempo, caso executado de modo manual, principalmente para aplicações mais populares. Neste contexto, o presente trabalho propõe a utilização da clusterização, uma técnica de mineração de dados que realiza agrupamentos de objetos baseandose no quão similares eles são entre si, para tentar reunir comentários que discorrem sobre os mesmos temas ou aspectos relacionados às aplicações. Para isso, a clusterização foi aplicada em comentários de usuários sobre os aplicativos Facebook e Telegram, em sua versão para o sistema operacional Android, considerando duas medidas de similaridade distintas, com o propósito de analisar como ele pode auxiliar na identificação automática do relato de problemas e solicitação de mudanças. Os resultados mostram que há agrupamentos bastante coesos em relação aos temas em seus comentários, permitindo a derivação de tipos ou classes de problemas a partir da descrição do cluster. Além disso, há indícios de que a presença de problemas e a ausência de certas funcionalidades impacta nas notas atribuída a aplicação. Por fim, foi observado que as distâncias consideradas produzem resultados distintos mas, que de modo geral, Jaccard produz clusters mais coesos em relação aos tópicos presentes neles.
Abstract: The popularization of mobile devices and the increase of its presence in people’s daily lives has induced the development of countless software systems, build specifically for such platform and known as mobile applications, or apps for short, created with the intent of adding value to its users’ lives, by offering many kinds of funtionalities and services. Currently, the app stores centralize many operations related to apps, and one of them is allowing users to review and rate the application. Reviews can function as a source of direct feedback to the developers about various aspects that refer to ther apps, that vary between compliments, criticisms, suggestions, and so on. Among the information the users provide, stand out those that mention problems found and suggestions of possible changes or improvements to the application, which are able of directly helping the developers to evolve their software, since they make explicit or emphasize specific features it presents, or that could be added. However, though it is possible to utilize the content of these reviews to increment and improve the app, it is needed to pinpoint which of them contain said useful information, and which topics the users quote. Such process would demand great effor and time, if executed manually, mainly for more popular applications. In this context, the current work proposes the use of clustering, a data mining technique that realizes grouping of objects based on how similar they are with each other, to try gathering reviews that talk about the same themes or aspects app related. Thereunto, the clustering process was applied to user reviews over the Facebook and Telegram apps, in their versions for the Android operating system, taking into account two distinct similary measures, with the purpose of analyzing how it may help the automatic identification of problem reports e change requests. The results show that there are groups very cohesive in respect to the themes in its reviews, allowing the derivation of kinds or classes of problems from the cluster’s description. Moreover, there are indications that the presence of problems and the absence of certain features impact the ratings given to the app. Lastly, it was observed that the distances taken into account produce distinct results but, in general, Jaccard generates more cohesive clusters regarding tópicos within them.
URI: http://www.repositorio.ufc.br/handle/riufc/29508
Appears in Collections:ENGENHARIA DE SOFTWARE - QUIXADÁ - TCC

Files in This Item:
File Description SizeFormat 
2017_tcc_acsmelo.pdf927,79 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.