Uma teoria sobre o Debian como um ecossistema sustentável de Software para Ciência

• Doutorando: Joenio Costa (joenio@joenio.me)
• Orientadora: Christina von Flach (flach@ufba.br)

Apresentação

Este documento descreve o planejamento da pesquisa de doutorado em Engenharia de Software sobre o tema “Uma teoria sobre o Debian como um ecossistema sustentável de Software para Ciência”, de Joenio Marques da Costa sob a supervisão de Christina von Flach, no Programa de Pós-graduação em Computação (PGCOMP-UFBA) da Universidade Federal da Bahia (UFBA).

Motivação

O plano de pesquisa de doutorado apresentado aqui tem origens na minha experiência como engenheiro de software e tem suas raízes numa época onde eu ainda era estudante de graduação em Informática, há 18 anos atrás, na Universidade Católica na cidade de Salvador (UCSal), período em que comecei a me interessar por Software para Pesquisa (Research Software), Software Livre (Free Software), e Debian.

Em 2006, durante uma bolsa de iniciação científica, eu tive uma primeira experiência como desenvolvedor de software em ambiente acadêmico, colaborando com o projeto XMLNuke, um framework CMS baseado em XML, esta foi a semente do meu interesse no tema software para pesquisa. Ainda na graduação, em 2009, durante o trabalho de final de curso trabalhei num segundo projeto, o software Analizo (Terceiro et al. 2010), uma ferramenta de análise estática e métricas de código fonte, esta experiência me fez aprender na prática algumas questões sobre visibilidade de software na ciência e sobre o reconhecimento dos desenvolvedores de software para pesquisa.

Alguns anos mais tarde, em 2017, durante minha pesquisa de mestrado, me interessei ainda mais pelo assunto ao pesquisar sobre sustentabilidade de software para pesquisa (Costa, Meirelles, e Chavez 2018), um estudo que me fez perceber um ecossistema de software para pesquisa com pouca colaboração, comunidades desconectadas, e poucos incentivos à carreira dos autores de software.

Em paralelo a este período, entre 2014 e 2019, trabalhando como engenheiro de software no Laboratório Aplicado de Produção Pesquisa e Inovação em Software (LAPPIS), pude perceber também o grande potencial do software livre na formação de alunos de graduação, através de projetos com estreita colaboração entre professores, pesquisadores e profissionais da indústria, na construção de soluções de engenharia de software, no contexto acadêmico.

Importante destacar que, durante todo este período tenho sido usuário do sistema Debian, tanto para uso pessoal, quanto em servidores, em 2009 me tornei contribuidor do projeto, e em 2024 me tornei oficialmente um desenvolvedor Debian (Debian Developer). Um dos aspectos de maior interesse no projeto Debian são sua longevidade e resiliência em termos da capacidade de entregar software de qualidade, num modelo transparente, colaborativo e aberto.

Por fim, não menos importante, é oportuno mencionar que atualmente trabalho no laboratório Laboratoire Interdisciplinaire Sciences Innovations Sociétés (LISIS) de estudos sobre ciência, tecnologia e sociedade (CTS) como engenheiro de software na plataforma Cortext, tenho acompanhado com interesse o desenvolvimento do tema em eventos e conferências internacionais sobre Software Livre, Software para Pesquisa, e Debian.

Tais experiências, combinadas com a colaboração no grupo de pesquisa SEED.BR (Software Ecosystems, Evolution and Design), liderado pela orientadora deste trabalho, Christina von Flach, tem me possibilitado observar e participar ativamente do ecossistema de Software para Pesquisa, do Software Livre, e em especial do projeto Debian, despertando meu interesse na pesquisa apresentada aqui.

Fundamentação

A ciência moderna depende de software. Cientistas não apenas utilizam software para fazer ciência como são também os seus principais desenvolvedores. Entre os vários domínios do conhecimento, pesquisadores desenvolvem e constroem novos sistemas de software como parte de suas pesquisas, no entanto, muitos destes sistemas de software se tornam indisponíveis tão logo acaba o financiamento inicial, gerando diversos incovenientes para os cientistas, como dificuldade em reprodução, retrabalho e até mesmo erros. A comunidade de computação científica em 1994 já se perguntava: “How accurate is scientific software?” (Hatton e Roberts 1994), se mostrando preocupados com aspectos de qualidade do software científico, e os impactos que isto causa nos resultados das pesquisas.

Apesar de ainda ser possível notar algumas destas questões hoje, bastante atenção foi dada nas últimas décadas em compreender e diagnosticar os aspectos de qualidade do software para pesquisa, especialmente sobre preservação, sustentabilidade e qualidade. Estudos como o “Scientific Software Production: Incentives and Collaboration” (Howison e Herbsleb 2011) de 2010 é um dos exemplos que destacam o papel do software nas pesquisas científicas e como o desenvolvimento de software para pesquisa se entrelaça com o sistema de reputação acadêmico. O estudo aponta para incertezas em relação a visibilidade e o reconhecimento dos autores e instituições produtoras de software para pesquisa.

Todo este esforço em diagnosticar e compreender o papel do software na ciência, em conjunto com alertas da comunidade científica sobre a importância de “um software melhor, para uma pesquisa melhor” (Better software, better research) (Goble 2014), tem levado a uma mudança de paradigma em relação ao software para pesquisa. Alguns exemplos recentes são percebidos por iniciativas como a criação da conferência Conference of Research Software Engineers para engajar e conectar a comunidade global de engenheiros de software para pesquisa, o jornal para publicação de software The Journal of Open Source Software, a construção da plataforma Research Software Directory para registro de metadados de software, o arquivo permanente de código fonte de software Software Heritage, a criação de institutos para promoção de boas práticas e reconhecimento do software na ciência como o Software Sustainability Institute, e o reconhecimento do software como um patrimônio cultural da humanidade pela UNESCO.

Ainda assim, questões sobre como produzir, manter e distribuir software de pesquisa continuam válidas, sabe-se que as práticas do software livre influenciam a ciência, ao ponto de ser o Open Source considerado um dos pilares da Ciência Aberta. Não espanta portanto, tantos inúmeras pesquisas investigando projetos como Apache, Linux, GCC ou Lua, para citar apenas alguns exemplos, outras estudos colaboram ainda com infraestrutura para pesquisa, como por exemplo iniciativas de ferramentas de workflow distribuídas para biologia computacional usando Debian (Möller et al. 2010), ou projetos de infraestrutura colaborativa para pesquisa no campo da neurociência como o Neuro Debian (Halchenko e Hanke 2012), ou o Debian Med para distribuição de software no campo da medicina (Tille et al. 2011), isto demonstra que o software livre e seus modelos, em especial o Debian, continuam relevantes cientificamente e podem contribuir positivamente para um ecossistema sustentável de software para ciência.

O Debian é um projeto de software com características sustentáveis (Nano 2023), este projeto desenvolve um dos sistemas operacionais livres mais antigos e difundidos, o sistema Debian, estabelecido em 1993 e baseado em Linux, é composto exclusivamente por software livre e é conhecido por ser um sistema estável e confiável, servindo de base para muitos outros projetos, notavelmente o Ubuntu, Linux Mint, Tails, Deepin, Raspberry Pi OS, etc. Além disso o Debian foi também a origem para a definição de Código Aberto (Open Source) da Open Source Initiative, que utilizou como base a definição de software livre do Debian Free Software Guidelines (DFSG). Estas características fazem crer que as estruturas socio-técnicas do projeto e do sistema Debian possuem qualidades interessantes para o ecossistema de software para pesquisa, em termos de um modelo sustentável para produção, distribuição e uso de software, de forma colaborativa, descentralizada e aberta.

Objetivos

O objetivo geral desta pesquisa é a investigação do projeto Debian como um ecossistema sustentável de Software para Ciência, em termos de um objeto técnico-científico na fronteira entre o acadêmico e o não-acadêmico, entre o industrial e o não-industrial, e com forte participação do terceiro setor na produção de conhecimento e de soluções de engenharia.

É parte também deste objetivo a construção de uma teoria sobre o projeto Debian como um ecossistema sustentável de Software para Ciência, seja como Software para Pesquisa, Software Científico ou Infraestrutura de Software para Pesquisa (Hasselbring et al. 2025), observando os conceitos, relações e atributos de uso e qualidade do sistema Debian no contexto científico, com especial atenção aos seus aspectos de qualidade arquitetural, como meio de avaliar a sustentabilidade, longevidade e resilência para manutenção de longo prazo.

Estratégia de pesquisa

Serão realizados três estudos orientados por Theory-Oriented Software Engineering (TOSE) (Stol e Fitzgerald 2015) usando como referência o livro Theory building (Dubin 1978) para guiar o processo de teorização sobre o tópico de interesse e os objetivos da pesquisa.

Cada estudo será um passo em direção ao objetivo geral da pesquisa, iniciando por uma revisão de literatura para levantamento de conceitos, questões e hipóteses, passando por um segundo estudo utilizando experimentos para responder tais questões e testar hipóteses, um passo necessário para a construção da teoria, chegando ao estudo final com estudos por amostragem para testar a teoria com objetivo de ser validada.

O planejamento de cada estudo se apoia no Research Path Schema (RPS), um modelo para definir o caminho de uma pesquisa entre arquétipos arquiteturais comuns, e no ABC Framework para engenharia de software (Stol e Fitzgerald 2018), um guia para seleção de métodos de pesquisa, definidos segundo os seguintes elementos:

• A (Actors): Generalização sobre atores.
• B (Behaviour): Precisão de mensuração do comportamento dos atores.
• C (Context): Realismo sobre o contexto.

A distribuição dos elementos ABC nesta pesquisa, bem como a definição dos caminhos segundo o RPS, podem ser visualizados no diagrama abaixo, representando uma visão geral da pesquisa incluindo cada um dos estudos em relação aos quadrantes do framework ABC e dos domínios de interesse do RPS.

Cada um dos estudos serão detalhados nas seções seguintes, em termos de objetivos, resultados esperados, e estragégia de pesquisa.

Estudo 1: Estudo de campo guiado por sistema com caminho observacional

O objetivo principal deste estudo é realizar um estudo de campo (field study) através de revisão de literatura multivocal (Garousi, Felderer, e Mäntylä 2019) sobre o Debian para caracterizar o seu papel nas pesquisas científicas, seja como Software para Pesquisa, Software Científico, ou Infraestrutura de Software para Pesquisa. Este estudo visa também compreender os limites entre os conceitos de Operating System, Software Bundle, Software Collection, FLOSS Distribution, Global Computing Infrastructure e Collaborative Research Infrastructure, bem como de posicionar o Debian entre tais idéias.

O estudo 1 é classificado segundo o RPS como uma pesquisa com interesse particular primário no domínio substantivo (substantive domain), com interesse inicial de observar o sistema e o projeto Debian, tem como interesse secundário o domínio metodológico (methodological domain), e é guidado por sistema (system-driven research), seguindo o caminho observacional (observational path, or empirical). O interesse terciário deste estudo é o domínio conceitual (conceptual domain) para classificação e caracterização do Debian segundo os conceitos de software para pesquisa.

De acordo com o framework ABC, o estudo 1 tem um alto potencial de realismo no contexto estudado, se posiciona no Quadrante I em ambiente natural, baixa manipulação de variáveis e pouca interferência do pesquisador no ambiente estudado, possuindo um baixo potencial de generalização dos resultados.

Os resultados esperados deste estudo é a caracterização do Debian sob o ponto de vista científico, segundo os conceitos e definições do software para pesquisa, software científico e infraestrutura de software para pesquisa. Espera-se também levantar hipóteses e questões de pesquisa durante este estudo, incluindo questões sobre o nível de sustentabilidade do projeto Debian em termos de manutenção, longevidade e qualidade. Serão utilizados aspectos de qualidade arquitetural do sistema como um intermediário para avaliar a sustentabilidade e resiliência para manutenção de longo prazo.

Estudo 2: Experimento de laboratório guiado por conceito com caminho de projeto de estudo

O principal objetivo do segundo estudo é a execução de experimentos (experiment study) sobre a sustentabilidade do sistema Debian segundo aspectos sócio-técnicos de qualidade de sua arquitetura, do ponto de vista científico, cruzando dados dos pacotes do sistema, com mineração de código fonte, e dados bibliométricos de publicações acadêmicas. Estes experimentos serão realizados com o objetivo de construir uma teoria sobre o Debian como um ecossistema sustentável de Software na Ciência, sendo tal teoria o objetivo central desta pesquisa de doutorado.

Segundo o modelo RPS, este estudo tem como interesse particular primário o domínio conceitual (conceptual domain), possui como interesse inicial realizar experimentos utilizando teorias, hipóteses e conceitos sobre o Debian. O interesse secundário é o domínio metodológico (methodological domain), guidado por conceito (concept-driven research), segue o caminho projeto de estudo (study design path, or experimental), e tem como interesse particular primário os conceitos de Research Software sobre o Debian. E como domínio substantivo (susbstantive domain) definido em torno dos times do Debian e subconjuntos de pacotes.

Segundo o framework ABC, o estudo 2 terá um alto potencial de precisão nas medições do comportamento dos atores estudados, alto potencial para generalização dos resultados encontrados. Posicionado no Quadrante II em ambiente artificial, com alta manipulação de variáveis, e com alto grau de interferência do pesquisador no ambiente estudado.

Os resultados esperados deste estudo incluem uma teoria, ou fragmentos de teoria, sobre a sustentabilidade do Debian em termos de um ecossistema de software para ciência, a partir de aspectos de qualidade arquitetural, aspectos utilizados como intermediário para avaliar a sustentabilidade, custo de manutenção, longevidade e resiliência. O estudo visa também testar as hipóteses, e responder às questões elaboradas no estudo anterior.

Estudo 3: Estudo por amostragem guiado por conceito com caminho hipotético

A terceira e último etapa desta pesquisa tem como objetivo realizar um estudo por amonstragem (sample study) para testar a teoria sobre o Debian como ecossistema sustentável, segundo os seus aspectos de qualidade arquitetural, em um contexto de um ecossistema sócio-técnico sustentável e longevo para pesquisas acadêmicas. A teoria testada neste estudo vem do estudo anterior, que tem como resultado principal a construção de tal teoria.

Neste estudo o interesse particular primário é o domínio conceitual (conceptual domain), com interesse inicial em realizar estudo por amostragem (sample study) para testar a teoria ou fragmentos de teoria sobre o sistema e o projeto Debian, o estudo será guidado por conceito (concept-driven research), seguirá o caminho hipotético (hypothetical path, or theoretical), e tem como interesse particular primário a teoria ou fragmentos de teoria. O domínio substantivo (substantive domain) é definido segundo os times ou subconjuntos de pacotes do Debian.

Segundo o framework ABC, o estudo 3 tem um alto potencial de generalização sobre os atores estudados, podendo ter seus resultados expandidos e aplicados em outros atores. Se posiciona no Quadrante II em ambiente neutro, pouca manipulação de variáveis e pouca interferência do pesquisador no ambiente estudado.

Os resultados esperados incluem a validação da teoria e a avaliação dos aspectos de qualidade arquitetural do sistema Debian sob o ponto de vista de um ecossistema sustentável de software para pesquisa.

Resultados

Os três estudos desta pesquisa completam um processo de triangulação entre diferentes caminhos de pesquisa (Research Path Schema), utilizando estratégias de pesquisa que se complementam em termos do grau de generalização dos resultados e do nível de manipulação do ambiente pesquisado. Segundo os princípios do TOSE esta triangulação é uma estratégia importante para estabelecer uma compreensão profunda sobre um tópico particular. Entre os resultados esperados desta pesquisa encontra-se uma teoria, ou fragmentos de teoria, sobre o Debian como um ecossistema de software sustentável para uso e distribuição de software na ciência, seja como Software para Pesquisa, Software Científico, ou Infraestrutura de Software para Pesquisa.

Referências

• Costa, Joenio, Paulo Meirelles, e Christina Chavez. 2018. “On the sustainability of academic software: the case of static analysis tools”. In Proceedings of the XXXII Brazilian Symposium on Software Engineering, 202–7. SBES ’18. New York, NY, USA: Association for Computing Machinery. https://doi.org/10.1145/3266237.3266243.
• Dubin, Robert. 1978. Theory building. Rev. ed. New York: Free Press.
• Garousi, Vahid, Michael Felderer, e Mika V. Mäntylä. 2019. “Guidelines for including grey literature and conducting multivocal literature reviews in software engineering”. Information and Software Technology 106 (fevereiro): 101–21. https://doi.org/10.1016/j.infsof.2018.09.006.
• Goble, Carole. 2014. “Better software, better research”. IEEE Internet Computing 18 (5): 4–8. https://doi.org/https://doi.org/10.1109/MIC.2014.88.
• Halchenko, Yaroslav O., e Michael Hanke. 2012. “Open is Not Enough. Let’s Take the Next Step: An Integrated, Community-Driven Computing Platform for Neuroscience”. Frontiers in Neuroinformatics 6 (junho). https://doi.org/10.3389/fninf.2012.00022.
• Hasselbring, Wilhelm, Stephan Druskat, Jan Bernoth, Philine Betker, Michael Felderer, Stephan Ferenz, Ben Hermann, et al. 2025. “Multi-Dimensional Research Software Categorization”. Computing in Science & Engineering, 1–10. https://doi.org/10.1109/MCSE.2025.3555023.
• Hatton, L., e A. Roberts. 1994. “How accurate is scientific software?” IEEE Transactions on Software Engineering 20 (10): 785–97. https://doi.org/10.1109/32.328993.
• Howison, James, e James D. Herbsleb. 2011. “Scientific Software Production: Incentives and Collaboration”. In Proceedings of the ACM 2011 Conference on Computer Supported Cooperative Work, 513–22. CSCW ’11. New York, NY, USA: ACM. https://doi.org/10.1145/1958824.1958904.
• Möller, Steffen, Hajo Nils Krabbenhöft, Andreas Tille, David Paleino, Alan Williams, Katy Wolstencroft, Carole Goble, Richard Holland, Dominique Belhachemi, e Charles Plessy. 2010. “Community-driven computational biology with Debian Linux”. BMC Bioinformatics 11 (Suppl 12): S5. https://doi.org/10.1186/1471-2105-11-S12-S5.
• Nano, Edlira. 2023. “Digital obsolescence”. https://eda.mutu.net/travaux.html.en.
• Stol, Klaas-Jan, e Brian Fitzgerald. 2015. “Theory-oriented software engineering”. Science of Computer Programming, Towards general theories of software engineering, 101 (abril): 79–98. https://doi.org/10.1016/j.scico.2014.11.010.
• Stol, Klaas-Jan, e Brian Fitzgerald. 2018. “The ABC of Software Engineering Research”. ACM Transactions on Software Engineering and Methodology 27 (3): 11:1–51. https://doi.org/10.1145/3241743.
• Terceiro, Antonio, Joenio Costa, Joao Miranda, Paulo Meirelles, Luiz Romario Rios, Lucianna Almeida, Christina Chavez, e Fabio Kon. 2010. “Analizo: an Extensible Multi-Language Source Code Analysis and Visualization Toolkit”, 6.
• Tille, Andreas, Steffen Möller, Michael Hanke, e Yaroslav Halchenko. 2011. “Debian Med Integrated software environment for all medical purposes based on Debian GNU/Linux”. Med@Tel 2011. https://wiki.debian.org/DebianMed.