A manutenção de software tem consumido mais de 50% do esforço de desenvolvimento e até 90% do ciclo de vida de um software. Localizar e corrigir defeitos após a entrega de um software apresenta frequentemente custos elevados em relação às fases anteriores do projeto. A predição de defeitos tem atraído crescente interesse na indústria e na comunidade científica. Uma das abordagens adotadas vem sendo utilização de métricas de produto de software, obtidas através de análise estática de código, como insumos para predição de manutenção corretiva. Neste contexto, diversas técnicas de predição têm sido propostas e utilizadas, baseadas em técnicas estatísticas de regressão e de aprendizado de máquina. Entretanto, a grande variedade de métricas de software e técnicas tem dificultado a adoção da prática de predição de defeitos em projetos reais, por exigirem conhecimento especializado e elevado esforço de investigação. Neste trabalho de pesquisa, é investigado, concebido, implementado e verificado um framework, denominado EARLY-FIX, para predição de manutenção corretiva de software, utilizando métricas de produto. O EARLY-FIX representa a principal contribuição desta pesquisa e endereça problemas enfrentados para obtenção das informações necessárias para predição de defeitos em projetos de software desenvolvidos com processos iterativos. O EARLY-FIX compõe-se de métodos de medição e de calibração que permitem sua execução automatizada, possibilitando sua implementação em projetos de forma transparente e não-intrusiva. O EARLY-FIX envolve ainda modelos de indicadores preditivos que visam a identificação de módulos com maior propensão a manutenções corretivas. Desta forma, os indicadores fornecem insumos para priorização de atividades de qualidade, como inspeção, refatoração e testes. Finalmente, realiza-se a implementação e a verificação do EARLY-FIX em uma análise histórica, considerando dois projetos da indústria desenvolvidos segundo o paradigma Orientado a Objetos. Comparações entre os modelos gerados por cinco técnicas de regressão estatística estão entre os principais resultados obtidos nesta pesquisa.

As redes sociais conseguem modelar diversos sistemas complexos existentes no mundo real. Conseguir prever o crescimento destas redes é um desafio de pesquisa atual, especialmente ao se tratar das redes sociais tecnológicas usadas na atualidade. Estas redes possuem grandes quantidades de textos que certamente refletem as características inerentes à própria rede. Esta tese procura desvendar a relação existente entre as palavras presentes nos textos das redes sociais e a sua estrutura. Nesta tese, é apresentada a entropia condicional das palavras existentes nas redes sociais em relação aos seus nós como um critério estável para a redução da dimensionalidade encontrada na análise dos textos. É proposta também uma medida de similaridade entre os nós da rede, baseada na probabilidade do uso de palavras pelos nós e, por fim, é proposto um processo de predição de ligações baseado na medida de similaridade proposta, juntamente com aspectos topológicos das redes sociais. Testes com uma rede social real foram realizados para avaliar o desempenho das técnicas propostas.

Recentemente, há uma preocupação cada vez maior por parte do governo brasileiro em obter um conjunto de indicadores acadêmicos que permita visualizar o grau de maturidade da pesquisa científica no país, de forma a tomar ações mais eficazes de fomento à pesquisa científica. O foco deste trabalho é obter métricas de desempenho dos programas de pós-graduação que estejam relacionadas à avaliação trienal da CAPES por intermédio de um sistema computacional para extração de conhecimento a partir de dados públicos da Plataforma Lattes. São utilizadas técnicas de extração de informação e algoritmos de similaridade para classificação e tratamento dos dados científicos extraídos. Além disso, as informações acadêmicas de domínio público são extraídas automaticamente a partir da Internet. Ao final, desenvolve-se um eficiente banco de dados com informações que podem ser potencialmente úteis à Gestão em Ciência & Tecnologia. Uma das contribuições deste trabalho é fornecer uma visão panorâmica sobre os programas de pós-graduação, permitindo um levantamento de indicadores de desempenho dos programas, que pode ser utilizado, por exemplo, como apoio à tomada de decisão por coordenadores e gestores das instituições.