@MASTERSTHESIS{ 2018:164354800,
 	title = {ldentificação de especialistas em APIs a partir de conhecimento existente em repositórios sociais de software},
 	year = {2018},
 	url = "http://tede2.uefs.br:8080/handle/tede/776",
 	abstract = "A identificação de especialistas em desenvolvimento de software geralmente representa um alto custo operacional para as empresas. Para mitigar este problema, alguns pesquisadores apresentaram diferentes estratégias para encontrar especialistas. Apesar destes esforços, tais estratégias apontam para soluções particulares e avaliações particulares, gerando conclusões diferentes apesar de usarem insumos similares. Neste trabalho, construímos um entendimento sobre a área selecionando algumas das métricas recentes e propomos um protótipo de ferramenta capaz de utilizar estas métricas para identificar especialistas em uma API de software a partir de seu uso no código fonte em um conjunto de projetos disponíveis em um repositório social de software. A partir desses resultados, realizamos um estudo exploratório com três APIs de software com o objetivo de avaliar cinco métricas para identificação de especialistas a partir do código fonte. 
 Nesta avaliação, produzimos rankings de especialistas a partir das métricas computadas pelo protótipo e percebemos que estas métricas apresentam uma forte correlação entre si. Avaliamos também as métricas em relação a uma \textit{ground truth} baseada no desenvolvimento de software posterior ao cômputo das métricas. Os resultados apontam que, para um cenário pequeno de desenvolvedores que utilizam a API e com menor complexidade da API, as métricas apresentam uma melhor precisão. Para grupos grandes de desenvolvedores e com maior complexidade da API, os resultados são menos precisos, porém, ainda assim, apresentam uma precisão média de 48\%, a partir de rankings Top-5 e considerando as três APIs utilizadas na avaliação. Este trabalho vem somar ao corpo de conhecimento sobre determinação automática de expertise de software, apontando a viabilidade e apresentando uma avaliação do potencial uso de métricas de expertise no contexto de APIs usadas em repositórios sociais de software.",
 	publisher = {Universidade Estadual de Feira de Santana},
 	scholl = {Mestrado em Computação Aplicada},
 	note = {DEPARTAMENTO DE CIÊNCIAS EXATAS}
}