Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/46968| ORCID: |  http://orcid.org/0009-0006-6207-4314 |
| Tipo do documento: | Trabalho de Conclusão de Curso |
| Tipo de acesso: | Acesso Aberto |
| Título: | Análise Comparativa de Large Language Models (LLMs) na Geração de Documentação para APIs |
| Autor(es): | Ávila, Gabriela Alves de |
| Primeiro orientador: | Rocha, Adriano Mendonça |
| Primeiro membro da banca: | Tuma, Carlos Cesar Mansur |
| Segundo membro da banca: | Caetano, Daniel Stefany Duarte |
| Resumo: | A Interface de Programação de Aplicativos (API) apresenta diferentes tipos de funcionalidades, sejam elas complexas ou não, contudo entender como utilizá-las pode acabar sendo um problema. Mesmo tendo o auxílio das documentações oficiais das APIs, ainda é possível haver limitações que podem acabar comprometendo na eficiência do desenvolvimento do sistema, como por exemplo a ausência de exemplos de uso práticos para facilitar a aplicação, a falta de informações atualizadas ou a falta de tutoriais para auxiliar no uso das funcionalidades, entre outros. Atualmente, a utilização de Modelo de Linguagem de Grande Escala (LLM) em tarefas automatizadas tem incentivado a exploração de novas aplicações no campo da programação, principalmente na área de documentação técnica. Mostrando que as documentações das APIs são essenciais em sistemas que possuem menores recursos ou prazos de desenvolvimento. Este trabalho tem como objetivo analisar a geração de documentação automática para API a partir do uso da Inteligência Artificial (IA), voltado para os seguintes modelos de forma gratuita: ChatGPT, Gemini e DeepSeek. Assim, comparando os resultados apresentados por cada uma, com os presentes na Documentação Oficial, e observando as características e limitações distintas de cada uma das LLMs com base em suas amplitudes e integridades. Através dos resultados, observou-se que os modelos adotam estratégias distintas: Gemini prioriza a precisão mesmo que para isso precise de uma menor cobertura da API, o ChatGPT oferece dados em maior quantidade, porém com riscos de imprecisão, e o DeepSeek tenta garantir que haja um equilíbrio entre esses dois critérios. Logo, a pesquisa destaca o potencial das IAs como ferramentas auxiliares na automatização das documentações de APIs, desde que sejam acompanhadas. |
| Palavras-chave: | Large Language Model Documentação Automática API Inteligencia Artificial Documentação Oficial Automatic Documentation Artificial Intelligence Official Documentation |
| Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO::SOFTWARE BASICO |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Referência: | ÁVILA, Gabriela Alves de. Análise Comparativa de Large Language Models (LLMs) na Geração de Documentação para APIs. 2025. 69 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Monte Carmelo, 2025. |
| URI: | https://repositorio.ufu.br/handle/123456789/46968 |
| Data de defesa: | 8-Set-2025 |
| Aparece nas coleções: | TCC - Sistemas de Informação (Monte Carmelo) |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| AnaliseComparativaLarge.pdf | TCC | 765.26 kB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
