Análise de bugs L10n em repositórios open-source no Github

Abstract

Este trabalho tem como objetivo a criação de um dataset contendo issues relacionadas a pro- blemas de localização (L10n) em projetos open source no GitHub. A principal motivação foi disponibilizar um repositório de dados que auxilie o desenvolvimento de ferramentas automati- zadas para a detecção de problemas de L10n. Para isso, foi desenvolvida uma ferramenta de co- leta automatizada que utilizou a API do GitHub para buscar issues por meio de palavras-chave e labels específicas relacionadas à localização, como "L10n", "localization bug", "localization issue", entre outras. As issues coletadas foram filtradas para garantir a presença de screenshots, elemento fundamental para a validação dos problemas reportados. Os dados coletados foram organizados e armazenados em uma tabela pública no Google BigQuery, permitindo consultas diretas aos dados estruturados. Além disso, foi desenvolvida uma API para facilitar a recuperação dos dados e um aplicativo em Streamlit, que fornece uma interface interativa para que usuários possam visualizar e filtrar as issues coletadas. O resultado final foi um dataset contendo aproximadamente 2400 issues, classificadas em diferentes tipos de problemas de L10n, como falta de tradução, truncamento de texto, proble- mas de pontuação, entre outros. A análise dos dados revelou que o tipo de issue mais recorrente foi a tradução incorreta. Com isso, o dataset gerado fornece uma base robusta para futuros es- tudos e o desenvolvimento de soluções automáticas de detecção de problemas de localização.