Evaluating Python style guides: eye-tracking studies with novice developers.

• Ano de defesa: 2025
• Autor(a) principal: OLIVEIRA , Pablo Roberto Fernandes de.
• Orientador(a): GHEYI, Rohit., RIBEIRO, Márcio de Medeiros.
• Banca de defesa: MASSONI, Tiago Lima., PERKUSICH, Mirko Barbosa., ALVES, Vander Ramos., ALBUQUERQUE, Danyllo Wagner.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
• Departamento: Centro de Engenharia Elétrica e Informática - CEEI
• País: Brasil
• Palavras-chave em Português: Eye Tracking.; Compreensão de código; Guia de estilo; Linguagem de programação; Understanding code; Style guide; Programming language
• Área do conhecimento CNPq: Ciência da Computação
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/44747

A adoção de guias de estilo é amplamente incentivada no desenvolvimento de software visando melhorar padronização, legibilidade e manutenibilidade. No entanto, muitas das diretrizes desses guias, como o PEP8 do Python, carecem de evidência empírica sobre seu impacto na compreensão de código, sobretudo para iniciantes, e não está claro quais realmente facilitam ou dificultam a leitura. O objetivo deste trabalho é investigar empiricamente como guias de estilo de Python afetam a leitura e compreensão de código em programadores novatos. Para isso, conduzimos dois estudos com 64 novatos em Python. No primeiro, 32 participantes realizaram tarefas de leitura e interpretação envolvendo quatro diretrizes do PEP8, enquanto coletávamos métricas de eye tracking, como tempo, fixações, regressões e número de tentativas, complementadas por entrevistas sobre estratégias e preferências. No segundo, analisamos quatro novos padrões em uma abordagem mista, incluindo autoavaliação emocional após cada tarefa. Os resultados revelaram nuances importantes sobre a eficácia das diretrizes. O padrão recomendado para o Line Break Before Operator reduziu significativamente o tempo das tarefas em 48% regressões visuais em 66%, indicando leitura mais fluida e menor esforço visual. Preferred Negation with is not e Explicit vs. Implicit Returns reduziram o número de fixações em 42% cada e receberam avaliações emocionais positivas, sendo percebidos como mais naturais e claros. Em contraste, Comparison to True, Empty Sequence as False e Use is for None Comparison mostraram indícios de melhor desempenho quando as recomendações do PEP8 não foram seguidas. Apesar de não apresentarem diferenças significativas, os participantes apresentaram menor esforço visual e maior facilidade de interpretação com versões não recomendadas. Esses achados fornecem evidência sobre quais diretrizes favorecem a leitura de código por iniciantes e quais podem gerar mais esforço visual. Eles têm implicações diretas para o ensino de programação, desenvolvimento de ferramentas de linting e definição de boas práticas para novos desenvolvedores, além de contribuir metodologicamente ao integrar métricas objetivas de atenção visual com percepções emocionais dos participantes.