1. Repositório Institucional - Universidade Federal de Uberlândia
2. Faculdade de Computação (FACOM)
3. TCC - Sistemas de Informação (Uberlândia)

Tipo de documento:	Trabalho de Conclusão de Curso
Tipo de acceso:	Acesso Aberto
Título:	Uso de Large Language Models (LLMs) para Auxílio na Correção de Bugs
Título (s) alternativo (s):	Use of Large Language Models (LLMs) for Bug Fixing Assistance
Autor:	Sá, Antonio Marcos Barbosa de
Primer orientador:	Rocha, Adriano Mendonça
Primer miembro de la banca:	Pereira, Fabíola Souza Fernandes
Segundo miembro de la banca:	Tuma, Carlos Cesar Mansur
Resumen:	Bugs são um problema frequente enfrentado por desenvolvedores, tornando a identiĄcação e compreensão deles uma tarefa árdua, especialmente para aqueles que estão aprendendo uma nova tecnologia de programação. A complexidade de localizar e corrigir bugs aumenta conforme a linguagem, e o nível de experiência do desenvolvedor. Nesse cenário, os LLMs (Modelos de Linguagem de Grande Escala) surgem como uma nova tecnologia, que pode ser aplicadas em diversas tarefas do desenvolvimento de software, incluindo a detecção e explicação de bugs. O presente estudo visa avaliar e analisar a capacidade dos LLMs, especialmente o Gemini e o GPT (Generative Pre-trained Transform) na identiĄcação e explicação de bugs de programação. Além de desenvolver e avaliar uma ferramenta para auxiliar desenvolvedores na identiĄcação e correção de bugs em seus códigos-fonte. Além disso, esse estudo tem como objetivo realizar uma análise crítica da qualidade das explicações geradas pelos LLMs. Para realizar essa análise, foram utilizados 40 exemplos de códigos contendo bugs, obtidos do StackOverĆow, sendo 10 exemplos para cada uma das seguintes linguagens: Java, Python, C e Kotlin. Esses códigos foram processados pelos LLMs, e avaliou-se se os bugs foram identiĄcados, e se as explicações fornecidas sobre os bugs foram satisfatórias. No processo de avaliação das explicações, foram considerados critérios como clareza, e coerência lógica no esclarecimento das causas dos bugs. Além disso, foi desenvolvida uma ferramenta web em Flask, que visa identiĄcar e explicar os bugs presentes no código fonte fornecido pelo usuário, que a partir da intenção do usuário e o código fornecido, a correção é feita por meio de uma chamada à API do Gemini. Essa tecnologia foi escolhida por ser gratuita e também pela eĄciência da mesma, conforme os resultados deste estudo. Também foi elaborado um questionário no qual foi aplicado a usuários que utilizaram a ferramenta para avaliarem a eĄciência da mesma. Com isso, chegaram-se aos seguintes resultados: todos os LLMs obtiveram 100% de acertos na identiĄcação dos bugs. No entanto, quanto à satisfação com as explicações dos bugs, observou-se que o GPT foi satisfatório em todos os problemas nas linguagens Java, C e Kotlin; já em Python, 8 dos 10 exemplos de códigos apresentaram explicações satisfatórias. Com o Gemini, as explicações foram satisfatórias em 8 exemplos de códigos nas linguagens Java e Python, enquanto em Kotlin e C, todas as explicações foram satisfatórias. Com relação ao questionário aplicado, a ferramenta foi bem avaliada pelos usuários.
Palabras clave:	LLMs, bugs, identiĄcação de bugs, desenvolvimento de software, código fonte.
Área (s) del CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma:	por
País:	Brasil
Editora:	Universidade Federal de Uberlândia
Cita:	SA, Antonio Marcos Barbosa de. Uso de Large Language Models (LLMs) para Auxílio na Correção de Bugs. 2024. 34 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2024.
URI:	https://repositorio.ufu.br/handle/123456789/44072
Fecha de defensa:	19-nov-2024
Aparece en las colecciones:	TCC - Sistemas de Informação (Uberlândia)

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.