Code Smells e Qualidade de Código: Uma Abordagem Experimental com Desenvolvedores Humanos e Inteligências Artificiais
Resumo
Este trabalho investiga a influência do conhecimento sobre code smells na qualidade do código em projetos orientados a objetos, comparando desenvolvedores humanos e modelos de linguagem de inteligência artificial. A pesquisa envolve uma revisão de literatura, para consolidar conceitos e um experimento empírico com quatro grupos (humanos e IAs, com e sem instruções sobre code smells). A etapa de execução do experimento com grupos de desenvolvedores humanos está em andamento, sem resultados consolidados até o momento. A qualidade do código será avaliada pela ocorrência de code smells, permitindo uma análise comparativa entre os perfis. Os resultados parciais destacam o impacto do conhecimento ou de diretrizes sobre code smells na produção de software e trazem implicações para o uso de IA e a adoção de práticas de codificação de qualidade.
Palavras-chave:
Code Smells, Modelos de Linguagem de Intelig ência Artificial, Programação Orientada a Objetos
Referências
R. Troquete, “Programação orientada a objetos: uma visão conceitual dos elementos de modelagem,” Trabalho de Conclusão de Curso, Pontifícia Universidade Católica de São Paulo, São Paulo, 2019.
T. L. d. Silva, K. N. S. Vidotto, L. M. R. Tarouco, and P. F. d. Silva, “Inteligência artificial generativa no ensino de programação: um mapeamento sistemático da literatura,” RENOTE: Novas Tecnologias na Educação. Porto Alegre, RS. Vol. 22, n. 1 (jul. 2024), p. 262-272, 2024.
M. Fowler, Refactoring: improving the design of existing code. Addison-Wesley Professional, 2018.
M. Mantyla, “Bad smells in software-a taxonomy and an empirical study,” Ph.D. dissertation, PhD thesis, Helsinki University of Technology, 2003.
W. C. Wake, Refactoring workbook. Addison-Wesley Professional, 2004.
M. Lanza and R. Marinescu, Object-oriented metrics in practice: using software metrics to characterize, evaluate, and improve the design of object-oriented systems. Springer Science & Business Media, 2007.
A. Kaur, “A systematic literature review on empirical analysis of the relationship between code smells and software quality attributes: A. kaur,” Archives of Computational Methods in Engineering, 2020.
J. P. de Souza Rodrigues, L. A. Santos, and M. R. Almeida, “Uma análise sobre o uso de inteligência artificial no desenvolvimento de software,” São Paulo, Brasil, pp. 120–131, 2024.
S. Keele et al., “Guidelines for performing systematic literature reviews in software engineering,” Technical report, ver. 2.3 ebse technical report. ebse, Tech. Rep., 2007.
C. Wohlin, P. Runeson, M. Höst, M. C. Ohlsson, B. Regnell, A. Wesslén et al., Experimentation in software engineering. Springer, 2012, vol. 236.
D. Albuquerque, E. Guimar¯aes, M. Perkusich, T. Rique, F. Cunha, H. Almeida, and A. Perkusich, “On the assessment of interactive detection of code smells in practice: A controlled experiment,” IEEE Access, vol. 11, pp. 84 589–84 606, 2023.
C. Bezerra, H. Damasceno, and J. Teixeira, “Perceptions and difficulties of software engineering students in code smells refactoring,” in Anais do X Workshop de Visualização, Evolução e Manutenção de Software. Porto Alegre, RS, Brasil: SBC, 2022, pp. 41–45. [Online]. Available: [link]
I. L. Castellano, G. F. C. Aguilar, N. Silega, T. Kamal, M. S. Al-Gaashani, N. A. Samee, and M. Alabdulhafith, “An ontology-based approach to reduce the negative impact of code smells in software development projects,” IEEE Access, vol. 11, pp. 100 146–100 153, 2023.
J. Cordeiro, S. Noei, and Y. Zou, “An empirical study on the code refactoring capability of large language models,” arXiv preprint arXiv:2411.02320, 2024.
B. Martinović and R. Rozić, “Perceived impact of ai-based tooling on software development code quality,” SN Computer Science, vol. 6, no. 1, p. 63, 2025.
T. L. d. Silva, K. N. S. Vidotto, L. M. R. Tarouco, and P. F. d. Silva, “Inteligência artificial generativa no ensino de programação: um mapeamento sistemático da literatura,” RENOTE: Novas Tecnologias na Educação. Porto Alegre, RS. Vol. 22, n. 1 (jul. 2024), p. 262-272, 2024.
M. Fowler, Refactoring: improving the design of existing code. Addison-Wesley Professional, 2018.
M. Mantyla, “Bad smells in software-a taxonomy and an empirical study,” Ph.D. dissertation, PhD thesis, Helsinki University of Technology, 2003.
W. C. Wake, Refactoring workbook. Addison-Wesley Professional, 2004.
M. Lanza and R. Marinescu, Object-oriented metrics in practice: using software metrics to characterize, evaluate, and improve the design of object-oriented systems. Springer Science & Business Media, 2007.
A. Kaur, “A systematic literature review on empirical analysis of the relationship between code smells and software quality attributes: A. kaur,” Archives of Computational Methods in Engineering, 2020.
J. P. de Souza Rodrigues, L. A. Santos, and M. R. Almeida, “Uma análise sobre o uso de inteligência artificial no desenvolvimento de software,” São Paulo, Brasil, pp. 120–131, 2024.
S. Keele et al., “Guidelines for performing systematic literature reviews in software engineering,” Technical report, ver. 2.3 ebse technical report. ebse, Tech. Rep., 2007.
C. Wohlin, P. Runeson, M. Höst, M. C. Ohlsson, B. Regnell, A. Wesslén et al., Experimentation in software engineering. Springer, 2012, vol. 236.
D. Albuquerque, E. Guimar¯aes, M. Perkusich, T. Rique, F. Cunha, H. Almeida, and A. Perkusich, “On the assessment of interactive detection of code smells in practice: A controlled experiment,” IEEE Access, vol. 11, pp. 84 589–84 606, 2023.
C. Bezerra, H. Damasceno, and J. Teixeira, “Perceptions and difficulties of software engineering students in code smells refactoring,” in Anais do X Workshop de Visualização, Evolução e Manutenção de Software. Porto Alegre, RS, Brasil: SBC, 2022, pp. 41–45. [Online]. Available: [link]
I. L. Castellano, G. F. C. Aguilar, N. Silega, T. Kamal, M. S. Al-Gaashani, N. A. Samee, and M. Alabdulhafith, “An ontology-based approach to reduce the negative impact of code smells in software development projects,” IEEE Access, vol. 11, pp. 100 146–100 153, 2023.
J. Cordeiro, S. Noei, and Y. Zou, “An empirical study on the code refactoring capability of large language models,” arXiv preprint arXiv:2411.02320, 2024.
B. Martinović and R. Rozić, “Perceived impact of ai-based tooling on software development code quality,” SN Computer Science, vol. 6, no. 1, p. 63, 2025.
Publicado
22/10/2025
Como Citar
MORAIS, Keren Apuque Cardoso de; RIBEIRO, Eduardo Albuquerque; RUIZ, Evanise Araujo Caldas; OLIVEIRA, Frank Willian Cardoso de; TERENCIANI, Marcelo Figueiredo.
Code Smells e Qualidade de Código: Uma Abordagem Experimental com Desenvolvedores Humanos e Inteligências Artificiais. In: CONGRESSO LATINO-AMERICANO DE SOFTWARE LIVRE E TECNOLOGIAS ABERTAS (LATINOWARE), 22. , 2025, Foz do Iguaçu/PR.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 777-780.
DOI: https://doi.org/10.5753/latinoware.2025.16439.
