Universidade Federal do Ceará
Mestrado e Doutorado em Ciências da Computação

Título: An Empirical Evaluation of Custom Models for Accessibility-Aware Android Code Generation

Data: 02/10/2025
Horário: 09h30
Local: Online

Resumo:

A integração de Modelos de Linguagem de Grande Porte (LLMs) ao desenvolvimento de software tem acelerado a geração de código, mas garantir requisitos não funcionais, como a acessibilidade, continua sendo um grande desafio. LLMs de uso geral frequentemente produzem código que ignora boas práticas de acessibilidade, resultando em exclusão digital. Este artigo apresenta um estudo empírico que avalia se modelos personalizados, aprimorados com a técnica de Retrieval-Augmented Generation (RAG), podem gerar código de interface de usuário (UI) mais acessível no Jetpack Compose para Android. Foram comparados dois LLMs de ponta — GPT-4o e Gemini 2.5 Pro — por meio da geração de 240 telas de UI, baseadas em 10 tipos comuns de aplicativos. O código foi produzido a partir de prompts em inglês e português, com e sem o uso de uma estratégia RAG que empregou documentação de acessibilidade selecionada como base de conhecimento externa. As falhas de acessibilidade foram identificadas com o Google Accessibility Scanner. Os resultados mostram que o Gemini 2.5 Pro gerou código com significativamente menos erros de acessibilidade do que o GPT-4o (161 contra 242 erros). A estratégia RAG reduziu de forma expressiva os erros do GPT-4o, diminuindo a média de falhas por tela de 2,55 para 1,48, embora seu impacto tenha sido menos acentuado no Gemini 2.5 Pro. Esses achados sugerem que modelos personalizados que utilizam RAG representam uma abordagem promissora para melhorar de forma sistemática a geração de interfaces móveis acessíveis, ainda que sua eficácia dependa do modelo utilizado.

Banca examinadora:

Prof. Dr. Windson Viana de Carvalho (MDCC/UFC) – Orientador
Prof. Dr. Lincoln Souza Rocha (MDCC/UFC)
Prof. Dr. José Gilvan Rodrigues Maia (UFC)
Me. Daniel Mesquita Feijó Rabelo (UFC)