Full metadata record
DC FieldValueLanguage
dc.contributor.authorSantos, Savyo-
dc.date.accessioned2022-07-04T13:48:53Z-
dc.date.available2022-07-04T13:48:53Z-
dc.date.issued2022-07-04-
dc.identifier.urihttp://repositorio.ifpb.edu.br/jspui/handle/177683/2139-
dc.description.abstractOs avanços promovidos pela adoção em larga escala das Tecnologias de Informação e Comunicação (TIC) em vários setores da sociedade possibilitaram a geração e armazenamento de uma grande quantidade de dados, que vêm aumentando com o passar dos anos em diversas fontes de informação. O termo Big Data foi criado para representar essa grande quantidade de dados, com variadas formas e dimensões, com o objetivo de gerar valor para o usuário de forma rápida. Devido ao seu alto poder de processamento e complexidade, um dos desafios do Big Data atualmente está relacionado à estimativa de esforço em softwares desenvolvidos nas empresas e organizações. No contexto da Administração Pública Federal, onde os órgãos estão submetidos a leis reguladoras, restringindo sua forma de estimativa, a métrica Análise de Pontos de Função (APF) é utilizada para medir o esforço nos contratos de projetos de software. No entanto, a métrica possui limitações e, por isso, não vem se mostrando adequada para este fim. Em projetos de Big Data, não apenas APF, mas também outros métodos de esforço não se mostram adequados para esse contexto. A partir do que foi exposto, este trabalho visa investigar o fenômeno da estimativa de esforço na literatura para propor um modelo mais adequado a projetos de Big Data. Para isso, foi realizado um estudo de caso numa empresa pública federal com o objetivo de analisar o seu processo de medição utilizando modelos com base em unidades de serviços técnicos (UST) e em requisitos não funcionais (SNAP), em complemento à APF. O resultado obtido no estudo mostrou a boa aplicação dos modelos SNAP e UST, com base na cobertura dos requisitos, granularidade das tarefas e tempo médio de medição. A avaliação do modelo de estimativa de esforço, obtido como resultado do estudo, foi realizada utilizando o algoritmo de classificação KNN (K Nearest Neighbor) e o resultado validou o que foi apresentado no trabalho.pt_BR
dc.language.isoptpt_BR
dc.subjectMedição de Softwarept_BR
dc.subjectEstimativa de Esforçopt_BR
dc.subjectBig Datapt_BR
dc.subjectAnálise de Pontos de Funçãopt_BR
dc.subjectAdministração Pública Federalpt_BR
dc.subjectSNAPpt_BR
dc.subjectUnidade de Serviço Técnicopt_BR
dc.titleUma Investigação sobre o Fenômeno da Estimativa de Esforço em Projetos de Big Data na Administração Pública Federalpt_BR
dc.typemasterThesispt_BR
ifpb.abnt.categoryDissertação de Mestradopt_BR
ifpb.abnt.grantorInstituto Federal da Paraíbapt_BR
Appears in Collections:Mestrado Profissional em Tecnologia da Informação

Files in This Item:
File SizeFormat 
IFPB-PPGTI-Dissertacao-Savyo_Santos.pdf1,48 MBAdobe PDFView/Open