Return to search

Uma solução baseada em ontologia para a prevenção de erros comuns em modelos de requisitos escriitos na linguagem i* / An ontology-basead solution for prevention of common mistakes in models requirements written in the language i*

Submitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2016-08-09T17:19:49Z
No. of bitstreams: 2
Dissertação - Heyde Francielle do Carmo França - 2016.pdf: 7287432 bytes, checksum: 9138c675f605c1734af600ab0faf3141 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-08-10T11:33:59Z (GMT) No. of bitstreams: 2
Dissertação - Heyde Francielle do Carmo França - 2016.pdf: 7287432 bytes, checksum: 9138c675f605c1734af600ab0faf3141 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-08-10T11:33:59Z (GMT). No. of bitstreams: 2
Dissertação - Heyde Francielle do Carmo França - 2016.pdf: 7287432 bytes, checksum: 9138c675f605c1734af600ab0faf3141 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Previous issue date: 2016-03-29 / The Goal Oriented Requirements Engineering (GORE) approach represents users’ needs
through goals with focus on capturing the real intentions of stakeholders. Based on the
GORE technique, the i* modeling language represents system’s and organization’s goals
and brings several advantages. Despite that, the i* language faces problems regarding the
quality of models, which include typical mistakes of misuse of i* constructs, the presence
of ambiguities on the interpretation of those constructs, and the complexity of the resulting
i* models. The aim of this work is to present an ontology-based solution for i* models in
order to reduce the most well-known errors while constructing such models. To achieve
this goal was accomplished initially a literature search, followed by an experimental
research to produce the proposed solution This solution includes the extension of an
ontology called OntoiStar+ with OWL restrictions to ensure that frequent mistakes in
i* models are not found. Besides, the TAGOOn+ tool was also extended to validate i*
models in the iStarML language and convert those to an OWL representation.To perform
the tests were modeled two different domains, Media Shop and on universities, using these
domains case studies have been reproduced and measured results. Results demonstrate an
approximate coverage of 70% of those common errors with extension of OntoiStar+ and
more than 80% with extension of TAGOOn+ tool. / A abordagem de Engenharia de Requisitos Orientada a Metas (do Inglês, GORE) representa
as necessidades dos usuários através de metas e intenções, focando em capturar a
real intenção dos stakeholders. Baseada na técnica GORE, a linguagem de modelagem i*
representa metas do sistema e da organização e traz diversas vantagens. Apesar disso, a
linguagem i* apresenta problemas relacionados à qualidade dos modelos, que incluem erros
típicos de mau uso dos construtores, à presença de ambiguidades na interpretação dos
construtores e à complexidade dos modelos resultantes. Assim, o objetivo desta dissertação
é apresentar uma solução baseada em ontologia visando a redução de erros comuns
em modelos de requisitos construídos na linguagem i*. Para atingir tal objetivo foi realizada
inicialmente uma pesquisa bibliográfica, seguida de uma pesquisa experimental para
produzir a solução proposta. Esta solução foi implementada realizando a extensão de um
ontologia chamada OntoiStar+, na qual foram inseridas restrições na linguagem OWL
para garantir que os erros frequentes de modelos i* não sejam reproduzidos. Foi realizada
também a extensão da ferramenta TAGOOn+ para validação de modelos i* escritos em
iStarML e conversão para modelos em OWL. Para realização dos testes foram modelados
dois domínios diferentes, o Media Shop e um sobre universidades, usando estes domínios
foram reproduzidos estudos de casos e mensurados os resultados. Os testes realizados em
ambas soluções geraram resultados satisfatórios. Os resultados demonstraram uma cobertura
de mais de 70% dos erros mais comuns com a extensão da OntoiStar+ e mais de 80%
com a extensão da ferramenta TAGOOn+ .

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/5894
Date29 March 2016
CreatorsFrança, Heyde Francielle do Carmo
ContributorsBulcão Neto, Renato de Freitas, Bulcão Neto, Renato de Freitas, Silva, Marcel Ferrante, Zinader, Juliana Pereira de Souza
PublisherUniversidade Federal de Goiás, Programa de Pós-graduação em Ciência da Computação (INF), UFG, Brasil, Instituto de Informática - INF (RG)
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG
Rightshttp://creativecommons.org/licenses/by/4.0/, info:eu-repo/semantics/openAccess
Relation-3303550325223384799, 600, 600, 600, -7712266734633644768, -862078257083325301

Page generated in 0.0024 seconds