O comportamento de issues reabertas é uma percepção a ser estudada para analisar o impacto das discussões na continuidade da manutenção de projetos de software. A análise de sentimentos apresenta-se como uma poderosa técnica para auxiliar tal análise. Neste estudo, analisamos 12.996 issues reabertas, contendo discussões, de 80 projetos do Github. Com base na análise dessa massa de dados históricos, buscamos analisar se uma issue fechada tende a ser reaberta a partir da análise de sentimentos das discussões dessa issue. As análises são realizadas através do grau de sentimento dos textos dos comentá- rios das issues. A ferramenta SentiStrength, com suporte aos léxicos da área de Engenharia de Software, foi utilizada para classificar o grau de polaridade dos textos encontrados. O estudo identificou que a polaridade dos sentimentos nas discussões pode afetar diretamente o ciclo de vida da issue, inclusive com suporte à predição sobre a reabertura das issues.

A demanda crescente por sistemas de software robustos e confiáveis tem levado a comunidade científica e a indústria de software a investigar aspectos relacionados aos defeitos reportados em sistemas de rastreamento de defeitos. O objetivo comum é compreender as causas dos defeitos, e assim estabelecer estratégias para prevenir sua ocorrência e propagação, reduzindo possíveis danos. Os defeitos reportados por usuários através de issues em rastreadores de defeitos revelam informações importantes para os desenvolvedores. A presente investigação realizou uma análise de dados provenientes de 510.212 issues de 85 repositórios de projetos de código-fonte aberto, disponíveis no Github. Com o auxílio de uma lista de 608 termos técnicos selecionados manualmente, foi analisada a frequência na utilização dos termos pelos contribuidores desses repositórios. O estudo encontrou o emprego dos termos nos diferentes campos de uma issue, bem como a possibilidade de identificação dos termos mais utilizados nestes repositórios. Os resultados deste estudo apontam para ganhos potenciais na compreensão do ambiente de falhas por apresentar termos que formam indicativos de defeitos em estruturas fundamentais do repositório.