Defesa de: Dissertação de Mestrado
Candidato(a): Lucas Alexandre Siqueira dos Santos
Data: 24 de agosto de 2026, às 14h00
Local: Por videoconferência
Link para a defesa: https://meet.google.com/yuc-aott-oob
Resumo
O desenvolvimento de sistemas visuais de análise (VA) tem sido tradicionalmente um processo trabalhoso, que equilibra metodologias de design com práticas complexas de engenharia de software para lidar com fluxos de dados heterogêneos. Apesar da riqueza da literatura de VA urbana, a área carece de um toolkit consolidado que encapsule os componentes fundamentais de gerenciamento de dados espaciais e processamento analítico em uma estrutura única e leve. Para preencher essa lacuna, este trabalho apresenta o Autark, um toolkit serverless (sem servidor) executado inteiramente no navegador da web, projetado para a prototipagem rápida de sistemas de VA urbana com base em um modelo centrado no elemento geográfico (feature-centric). Nesse contexto, esta dissertação foca primordialmente na concepção, no desenvolvimento e na integração de dois módulos centrais dessa arquitetura: o gerenciador de dados espaciais e o mecanismo de processamento analítico. O primeiro módulo consiste em um banco de dados espacial no lado do cliente, compilado para WebAssembly, responsável por unificar a ingestão e a consulta de diversas fontes de dados urbanos. O segundo módulo compreende um mecanismo de computação paralela acelerado por WebGPU que permite a execução de alto desempenho de operações analíticas em larga escala. A metodologia de integração estabelece uma interface padronizada que conecta de forma fluida os dados processados por esses dois módulos às bibliotecas de visualização do toolkit. Os resultados da avaliação de desempenho demonstram que os módulos desenvolvidos alcançam um comportamento de escalonamento linear e tempos de resposta interativos para o carregamento e processamento de dados espaciais inteiramente no lado do cliente. Além disso, em um experimento no qual agentes de IA geraram aplicações de VA urbana, comparamos o Autark com uma abordagem livre (baseline) e com o UTK, o toolkit de VA urbana mais próximo. As aplicações geradas com o Autark exibiram uma redução significativa na complexidade estrutural, com uma média de 222 linhas de código e complexidade ciclomática de 27, em comparação a 787 linhas e complexidade de 114 na abordagem base, ao mesmo tempo em que demandaram um esforço de desenvolvimento (em tempo e custo) substancialmente menor que o do UTK. Em conclusão, os componentes arquiteturais desenvolvidos minimizam efetivamente a sobrecarga de infraestrutura associada à construção de protótipos de VA urbana, viabilizando análises interativas de alto desempenho e aprimorando substancialmente a confiabilidade do código em fluxos de trabalho de desenvolvimento assistidos por IA.
Abstract
The development of visual analytics (VA) systems has traditionally been a labor-intensive process, balancing design methodologies with complex software engineering practices to handle heterogeneous data streams. Despite the richness of the urban VA literature, the field lacks a consolidated toolkit that encapsulates the core components of spatial data management and analytical processing into a unified, lightweight framework. To address this gap, this work introduces Autark, a serverless toolkit executed entirely in the web browser, designed for the rapid prototyping of urban VA systems based on a feature-centric model. Within this context, this dissertation focuses primarily on the design, develop-ment, and integration of two core modules of this architecture: the spatial data manager and the analytical processing engine. The first module consists of a client-side spatial database, compiled to WebAssembly, responsible for unifying the ingestion and querying of diverse urban data sources. The second module comprises a WebGPU-accelerated parallel computation engine that enables the high-performance execution of large-scale analytical operations. The integration methodology establishes a standardized interface that seamlessly connects the data processed by these two modules to the toolkit’s visualization libraries. Performance evaluation results demonstrate that the developed modules achieve linear scaling behavior and interactive response times for loading and processing spatial data entirely on the client side. Furthermore, in an experiment in which AI agents generated urban VA applications, we compared Autark against an unconstrained baseline and against UTK, the most closely related urban VA toolkit. Applications generated with Autark exhibited a significant reduction in structural complexity, averaging 222 lines of code and a cyclomatic complexity of 27, compared to 787 lines and a complexity of 114 in the baseline condition, while requiring development effort (in time and cost) substantially lower than UTK. In conclusion, the developed architectural components effectively dissolve the infrastructure overhead associated with building urban VA prototypes, empowering high-performance interactive analysis and substantially improving code reliability in AI-assisted development workflows.
Banca Examinadora
- Prof. Marcos de Oliveira Lage Ferreira, UFF
- Prof. Daniel Cardoso Moraes de Oliveira, UFF
- Prof. Nivan Roberto Ferreira Júnior, UFPE
Leitura Recomendada em Metodologia de Pesquisa
Para quem está iniciando ou revisando os fundamentos metodológicos de uma pesquisa em Ciência da Computação, seguem algumas referências clássicas e amplamente utilizadas em Mestrados e Doutorados da área:
- Wazlawick, R. S. (2017). Metodologia de Pesquisa para Ciência da Computação. Editora Campus/Elsevier.
- Creswell, J. W., & Creswell, J. D. (2018). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. SAGE Publications.
- Yin, R. K. (2018). Case Study Research and Applications: Design and Methods. SAGE Publications.
- Wohlin, C., Runeson, P., Höst, M., Ohlsson, M. C., Regnell, B., & Wesslén, A. (2012). Experimentation in Software Engineering. Springer.
- Basili, V. R., Caldiera, G., & Rombach, H. D. (1994). The Goal Question Metric Approach. Encyclopedia of Software Engineering, Wiley.
- Glass, R. L., Ramesh, V., & Vessey, I. (2004). An Analysis of Research in Computing Disciplines. Communications of the ACM, 47(6).
- Shaw, M. (2003). Writing Good Software Engineering Research Papers. Proceedings of the 25th International Conference on Software Engineering (ICSE).
- Easterbrook, S., Singer, J., Storey, M.-A., & Damian, D. (2008). Selecting Empirical Methods for Software Engineering Research. In Guide to Advanced Empirical Software Engineering, Springer.
- Kitchenham, B., & Charters, S. (2007). Guidelines for Performing Systematic Literature Reviews in Software Engineering. EBSE Technical Report.
- Booth, W. C., Colomb, G. G., & Williams, J. M. (2016). The Craft of Research. University of Chicago Press.
Graduado em Ciências Atuariais pela Universidade Federal Fluminense (UFF) e Mestrando em IA no Instituto de Computação da UFF (nota máxima no CAPES). Palestrante e Professor de Inteligência Artificial e Linguagem de Programação; autor de livros, artigos e aplicativos.
Professor do Grupo de Trabalho em Inteligência Artificial da UFF (GT-IA/UFF) e do Laboratório de Inovação, Tecnologia e Sustentabilidade (LITS/UFF), entre outros projetos.
Proprietário dos projetos:
entre outros.
💫 Apaixonado pela vida, pelas amizades, pelas viagens, pelos sorrisos, pela praia, pelas baladas, pela natureza, pelo jazz e pela tecnologia.
