A Model-Driven Software Reuse Approach (in portuguese)

Monperrus et al. (2008) argumentam que o custo para se coletar métricas em um projeto
orientado a modelos é extremamente alto, devido à especificidade a um domínio, o que
impede que sejam utilizadas métricas genéricas. Como consequência, é necessário desenvolver
ferramentas específicas para medir software cada vez que um novo domínio é implementado.
Para resolver este problema, os autores desenvolveram uma abordagem orientada a modelos
para a geração de sistemas coletores de métricas específicas de domínio, com base em
especificações formais das métricas a serem utilizadas. Especialistas do domínio especificam
quais métricas são necessárias, seguindo um metamodelo definido pela abordagem, e são
automaticamente geradas ferramentas capazes de coletar estas métricas.
Uma abordagem parecida é apresentada por Guerra, Lara e Díaz (2008). Neste trabalho,
os autores descrevem uma linguagem específica de domínio para a definição de métricas.
Esta linguagem pode servir de entrada para a coleta automática destas métricas. Porém,
diferentemente do trabalho de Monperrus et al. (2008), aqui os autores acrescentam a
preocupação com reprojeto e refatoração de modelos, visando a sua melhoria. A linguagem
para definição de métricas também inclui ações que representam modificações nos modelos, de
forma a implementar o reprojeto.
Nos estudos de caso desta tese, o objetivo foi avaliar a abordagem e suas vantagens
com relação ao desenvolvimento para reutilização tradicional, e portanto não foi necessária
a definição de nenhuma métrica específica para um domínio.
Genero, Poels e Piattini (2008) apresentam doze métricas para avaliação estrutural de
modelos entidade-relacionamento, com o objetivo de determinar sua manutenibilidade através
de sua compreensibilidade. A premissa de seu trabalho é a de que quanto mais compreensível
for um diagrama, maior será a sua facilidade de manutenção. Foi realizado um estudo empírico,
que demonstrou que a compreensibilidade de um diagrama E-R é afetada por sua complexidade
estrutural, ditada pela quantidade de atributos e relacionamentos, em particular relacionamentos
1:1 e 1:N. Quanto mais atributos e relacionamentos (1:1 e 1:N) um diagrama possuir, menos
compreensível ele será. É interessante notar que não foi identificada evidência que relaciona
o tamanho de um diagrama em termos de número de entidades com a compreensibilidade, a
não ser através de sua relação óbvia com o número de relacionamentos. Igualmente, não foi
evidenciada relação com o número de relacionamentos N:M. Assim, entre as doze métricas
originalmente propostas, apenas estas três foram comprovadamente verificadas como sendo
relevantes para a manutenibilidade. Em outro trabalho (GENERO et al., 2007), alguns destes
mesmos autores demonstram que as mesmas propriedades estruturais de diagramas E-R também
possuem influência na manutenibilidade de diagramas de classes UML, particularmente os
relacionamentos de associação e generalização. Estas métricas foram adaptadas e utilizadas
223