Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/15518
Files in This Item:
File Description SizeFormat 
taleslopessilva.pdf1.91 MBAdobe PDFThumbnail
View/Open
Type: Dissertação
Title: An architectural framework for expert identification based on social network analysis
Author: Silva, Tales Lopes
First Advisor: Menezes, Victor Ströele de Andrade
Co-Advisor: Villela, Regina Maria Maciel Braga
Referee Member: David, José Maria Nazar
Referee Member: Ralha, Celia Ghedini
Resumo: A análise de redes sociais tem sido amplamente utilizada em diferentes contextos de aplicação. Por exemplo, em Desenvolvimento Global de Software, onde vários desenvolvedores com diversos conhecimentos e habilidades estão envolvidos, o uso de modelos de redes sociais ajuda a entender como esses desenvolvedores colaboram. Encontrar especialistas que possam ajudar a abordar elementos ou problemas críticos em um projeto é uma tarefa desafiadora e crítica. Isso é especialmente verdade em projetos no contexto de Desenvolvimento Global de Software, onde desenvolvedores com habilidades e conhecimentos específicos geralmente precisam ser identificados. Nesse sentido, buscar membros essenciais é uma tarefa valiosa, pois eles são fundamentais para a evolução da rede. Este trabalho propõe um framework arquitetural para a identificação de especialistas como uma solução híbrida que inclui análise sintática e semântica em redes sociais. Buscamos abordar desafios de pesquisa relacionados ao projeto de sistemas de recomendação que envolvam a análise de estruturas sociais no contexto de Desenvolvimento Global de Software. Nesta solução, definimos um modelo para a rede social capaz de capturar a colaboração entre desenvolvedores, incorporamos estratégias de análise temporal da rede, exploramos a rede usando algoritmos de aprendizado de máquina, propomos uma ontologia para enriquecer os dados semanticamente e consideramos uma abordagem performativa para métodos de análise de redes de grande volume. Realizamos quatro estudos de caso usando dados extraídos do GitHub para avaliar a abordagem proposta, bem como um conjunto de dados de grande volume para os estudos de performance. Os estudos de caso fornecem evidências de que o método proposto pode identificar especialistas, destacando sua expertise e importância para a evolução da rede social.
Abstract: Social network analysis has been widely used in different application contexts. For example, in Global Software Development (GSD), where multiple developers with diverse skills and knowledge are involved, the use of social networking models helps to understand how these developers collaborate. Finding experts who can help address critical elements or issues in a project is a challenging and critical task. It is especially true in the context of Global Software Development projects, where developers with specific skills and knowledge often need to be identified. In this sense, searching for essential members is a valuable task, as they are fundamental to the evolution of the network. This work proposes an architectural framework for expert identification as a hybrid solution that includes syntactic and semantic analysis in social networks. We seek to address research challenges related to designing recommendation systems when analyzing social structures in the Global Software Development context. In this solution, we define a model for the social network capable of capturing collaboration between developers, incorporate strategies for temporal analysis of the network, explore the network using machine learning algorithms, propose an ontology to enrich the data semantically, and consider a performative approach for high-volume social network analysis methods. We conducted four case studies using data extracted from GitHub to evaluate the proposed approach, as well as a more extensive dataset for the performance studies. The case studies provide evidence that our proposed method can identify specialists, highlighting their expertise and importance to the evolution of the social network.
Keywords: Social network analysis
Global software development
Expert recommendation system
Syntactic analysis
Semantic analysis
Collaboration network model
Machine learning
Ontology
High-volume social network
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language: por
Country: Brasil
Publisher: Universidade Federal de Juiz de Fora (UFJF)
Institution Initials: UFJF
Department: ICE – Instituto de Ciências Exatas
Program: Programa de Pós-graduação em Ciência da Computação
Access Type: Acesso Aberto
Attribution-NonCommercial-NoDerivs 3.0 Brazil
Creative Commons License: http://creativecommons.org/licenses/by-nc-nd/3.0/br/
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/15518
Issue Date: 5-Dec-2022
Appears in Collections:Mestrado em Ciência da Computação (Dissertações)



This item is licensed under a Creative Commons License Creative Commons