1163

https://doi.org/10.37815/rte.v36n1.1163

Artículos originales

Estudio comparativo de los paradigmas de programación orientada a objetos y programación reactiva en la resolución de Integrales Algebraica= s

Comparative study of object-oriented programming and reactive programming paradigms in solving Algebraic Integrals=

Pedro Stalyn Aguilar Encarnación¹ ^{https://orcid.org/0009-0005-1664-2280},

Jessenia Paola Castillo^=
1⁼^{https://orcid.org/0009-0009-5649-68=
62}, Harold Jair Carreño¹^{https://orcid.org/0009-0004-9268-15=
24}, Michael Estefania Jativa Brito¹^{https://orcid.org/0000-0002-6394-25=
86}

¹Esc= uela Superior Politécnica de Chimborazo, Orel= lana, Ecuador

pedro.aguilar@espoch.edu.ec, jessenia.castillo@espoch.edu.ec, harold.carrenio@espoch.edu.ec, usuario-4@correo.com

Enviado: 2024/04/19<= span style=3D'font-size:10.0pt;font-family:"Segoe UI",sans-serif;mso-ansi-langua= ge: ES-MX'>

Aceptado: 2024/06/25

Publicado: 2024/06/30 =

Resumen

Esta investigación evalúa el rendimiento en términos de tiempos de ejecución en la resolución de integrales algebrai= cas utilizando tanto el paradigma de la programación orientada a objetos (POO)= como la programación reactiva (PR). El problema que se aborda es la escasez de evidencia científica que permita determinar qué paradigma ofrece mejores resultados tiempos de ejecución en la resolución de estas integrales. El enfoque del estudio implicó la implementación de dos versiones en Java, c= ada una construida siguiendo los principios de los paradigmas mencionados. Posteriormente, a través de escenarios experimentales controlados y métod= os integrados de Java se midió el tiempo de ejecución de cada aplicación. L= os resultados revelaron que la programación reactiva demuestra una mayor efic= iencia en términos de rendimiento. Esta investigación se centró en la resoluci�= �n de integrales algebraicas lineales y polinomiales y señala la necesidad de ll= evar a cabo investigaciones más exhaustivas en este campo. En conclusión, el e= studio muestra que la programación reactiva supera significativamente a la programación orientada a objetos, demostrando tiempos de ejecución notabl= emente inferiores.

Sumario: Introducción, Metodología, Resultados, Discusión y Conclusiones.=

= ;

Como citar= : Aguilar, P., Castillo, P., Carreño, H. & Jativa, M. (2024). Estudio compar= ativo de los paradigmas de programación orientada a objetos y programación reactiva en la resolución de Integrales Algebraicas. Revista Tecnológica - Espol, 36(1), 58-67.

https://rte.espol.edu.ec/index.php/tecnologica/article/view/1163=

<= i>Palabras clav= e: Integrales algebraicas, Java, Programación orientada a objetos, Programación reactiva, Tiempo de ejecución.

Abstract

The article evaluates the performance in terms of execution times in solving algebraic integrals using both the object-oriented programming (OOP) and reactive programming (RP) paradigms. The problem addressed is the lack of scientific evidence that al= lows us to determine which paradigm offers the best results in terms of execution times in solving these integrals. The approach of the study involves the implementation of two versions in Java, each built following the principles= of the aforementioned paradigms. Subsequently, through controlled experimental scenarios and integrated Java methods, the execution time of each applicati= on is measured. The results reveal that reactive programming demonstrates grea= ter efficiency in terms of performance. This research focuses on the resolution= of linear and polynomial algebraic integrals and points out the need for more extensive research in this field. In conclusion, the study shows that react= ive programming significantly outperforms object-oriented programming, demonstr= ating notably lower execution times.

Keywords: Algebraic integrals, Java, Object-oriented programming, Reactive programming, Runtime evaluation.

Introducción

Los paradigmas de programación jue= gan un papel crucial en la forma en que los desarrolladores abordan los problemas y diseñan soluciones. Dos de estos paradigmas, la programación reactiva y la programación orientada a objetos, destacan como enfoques distintos con sus propias filosofías y metodologías. La programación reactiva (PR) emerge = como una solución dinámica y orientada a eventos, diseñada para abordar las complejidades de las aplicaciones basadas en eventos, mientras que la progr= amación orientada a objetos (POO) se centra en la creación de entidades, que combi= nan estados y comportamientos relacionados entre sí. Comparar estos dos enfoques ofrec= e una visión esclarecedora de sus fortalezas, limitaciones y áreas de aplicaci�= �n, permitiendo a los desarrolladores elegir la herramienta adecuada para cada tarea específica.

La programación orientada a objeto= s y programación reactiva, han realizado aportes significativos en el área de investigación de la Ingeniería de Software. Estos avances han permitido m= ejorar la eficiencia y flexibilidad de los recursos empleados para resolver integr= ales algebraicas, pero aún queda por analizar cómo el rendimiento de las aplicaciones que resuelven esta clase de problemas matemáticos puede variar significativamente en función del paradigma de programación mediante el c= ual fueron construidos (Galindo et al., 2023).

Ante este antecedente, esta investi= gación se enfoca en analizar los paradigmas expuestos en el ámbito de las integrales algebraicas, de esta forma, se determina aspectos clave que actúan como un papel crucial en la ingeniería de software y las matemáticas (Budnikova & Bulatov, 2012). En el marco de = este estudio, se plantea el problema de investigación en dos preguntas:<= /p>

1. &n= bsp; ¿Qué paradigma de progr= amación ofrece mejores resultados en términos de tiempo de ejecución?

2. &n= bsp; ¿Existe una diferencia significativa en el tiempo de ejecución cuando se utilizan los paradigmas = de POO y PR para resolver integrales algebraicas en Java?

En ese contexto, se implementó dos aplicaciones de software u= na de forma estructurada organizada y modular, bajo el paradigma orientado a obje= tos, y otra que contiene la capacidad de manejar eventos y cambios de manera eficiente, basada en programación reactiva (Mosteo, 2020), a fin de evaluar el rendimient= o en función del tiempo de ejecución (Maina et al., 2022).

La metodología utilizada en el des= arrollo de la investigación fue la Ciencia del Diseño y se empleó técnicas de recolección de datos al realizar pruebas en ambos paradigmas y métodos de análisis específicos como la media aritmética, lo que facilitó la evalu= ación para determinar el tiempo de ejecución de cada enfoque, permitiendo una compara= ción detallada de su rendimiento en función del tiempo (Xihui Zhang et al., 2020). Cabe señalar que se integró el uso de métodos propios de Java, para obte= ner el tiempo de ejecución de las aplicaciones. De esta manera, se espera que los resultados proporcionen evidencia clara sobre las diferencias en el rendimi= ento entre la programación orientada a objetos y la programación reactiva (Peñuela et al., 2021).

La estructura propuesta para el art= ículo incluye las siguientes secciones: Introducción: presentación del tema, relevancia= y preguntas de investigación; Metodología: diseño del estudio y métodos utilizados para recopilar y analizar los datos: Resultados: presentación y análisis de los resultados; Discusión: comparación de los hallazgos obte= nidos con los de otros investigadores; Conclusiones: resumen de los hallazgos cla= ve, implicaciones prácticas y posibles direcciones futuras de investigación.<= /span>

Metodología

En esta investigación, se implemen= tó el mismo algoritmo para cada paradigma, permitiendo la evaluación comparativa= de sus resultados en términos de tiempos de ejecución (Ortin et al., 2023); además, se adoptó la meto= dología de la Ciencia del Diseño, que abarca el ciclo de relevancia, diseño y rig= or, fortaleciendo así la validez y la robustez del estudio.

Ciclo de relevancia

Esta etapa comprende la necesidad de analizar la resolución de integrales algebraicas bajo el paradigma de programación orientada a objetos y la programación reactiva. Para ello, se realizó una exhaustiva = revisión de artículos especializados que abordan las temáticas mencionadas. Las variables identificadas para este estudio incluyeron; la variable independiente, representada por el software desarrollado, y la variable dependiente, que se centró en el rendimiento del programa en relación con= el tiempo de ejecución. Además, se determinó las preguntas de investigación descritas en el apartado de la introducción, los requisitos de diseño y d= el artefacto de software a construir.

Ciclo de diseño

Esta etapa contempló la elaboraci�= �n de las dos versiones del artefacto de software. Para ello, se establecieron= los diseños mediante la utilización del lenguaje de modelado unificado, como = una herramienta visual para modelar la estructura del sistema, proporcionando u= na representación clara de las clases.

Para la creación del artefacto de software bajo el paradigma de programaci�= �n orientada a objetos, se inició con el diseño visual de la estructura Modelo-Vista-Controlador (MVC). En esta fase inicial, se detallaron las cla= ses y responsabilidades asociadas a modelos, vistas y controladores, lo que facilitó una creación estructurada y eficiente del software. Respe= cto al diseño del artefacto bajo este enfoque, se elaboró una representación gr= áfica de la estructura y el comportamiento del software, como se muestra e= n la Figura 1.=

La creación del artefacto en progr= amación reactiva se hizo usando el patrón Observer, el cual desempeñó un papel fundamental al establecer una comunicación efectiva entre los diversos elementos del artefacto, permitiendo una sincronización fluida y actualiza= ciones oportunas.

Figura = 1=

Diagrama de Lenguaje de Modelado Unificado con enfoque Orientado a Objetos

La implementación de estos artefac= tos empleó tecnologías específicas, optando por Java como lenguaje de progra= mación y utilizando un entorno de desarrollo integrado como NetBeans. La implementación de las dos versiones de software se llevó a cabo en= los dos paradigmas siguiendo el diseño propuesto.

Los escenarios experimentales se de= finieron de forma coherente para ambos artefactos, asegurando así la utilización de casos de integrales algebraicas comparables en los artefactos construidos. = Esto incluyó la realización de tres pruebas de integrales lineales y otras tres pruebas en integrales polinomiales. Además, se llevaron a cabo pruebas exhaustivas para determinar el tiempo de ejecución. En este proceso, se em= pleó el método nanotime de Java, conocido por su precisión en la medición del tiempo, lo que garantizó una evaluación detallada y confiable del rendimi= ento de cada artefacto (Qiu et al., 2016).

La Figura 2 evidencia claramente la aplicación del patrón en mención en la estructura del arte= facto. La implementación de estos artefactos empleó tecno= logías específicas, optando por Java como lenguaje de programación y utilizando = un entorno de desarrollo integrado como NetBeans. La puesta en marcha de las d= os versiones de software se llevó a cabo en los dos paradigmas siguien= do el diseño propuesto.

Figura = 2=

Diagrama de Lenguaje de Modelado Unificado con enfoque Reactivo

Después de recopilar los datos, se= utilizó la media aritmética como medida central, a fin de facilitar la comprensió= n del rendimiento promedio en cada enfoque. Estas pruebas, ejecutadas con una herramienta de medición específica, permitieron comparar y determinar qué paradigma mostró mejor rendimiento en la resolución de integrales algebra= icas. Cabe mencionar que los tiempos de ejecución se determinaron en nanosegundo= s; sin embargo, a fin de ofrecer un mejor entendimiento de los resultados fuer= on convertidos a milisegundos.

Ciclo de rigor

Los datos efectivos recopilados en = estas pruebas no solo arrojaron conclusiones sobre qué enfoque resultó más efi= ciente en la resolución de integrales algebraicas, sino que también contribuyero= n al rigor científico y ético del proyecto al proporcionar evidencia empírica respaldada; sin embargo, es importante destacar que una de las limitaciones significativas del estudio fue su enfoque exclusivo en integrales algebraic= as lineales y polinomiales, lo que restringió la generalización de los resul= tados a otros tipos de integrales algebraicas más complejas. A pesar de esta limitación, se establecieron prácticas y protocolos rigurosos desde la fa= se inicial de revisión de literatura hasta la presentación de resultados, co= n el fin de facilitar a otros investigadores la replicación exitosa del proyect= o. Esta meticulosa atención a los detalles no solo promueve la transparencia = y la reproducibilidad en la investigación, sino que también facilita la compar= ación y validación de los resultados por parte de otros investigadores interesad= os en el tema, fortaleciendo así la robustez y la confiabilidad del estudio en su conjunto. Se implementaron prácticas y protocolos rigurosos desde la fase inicial de revisión de literatura hasta la presentación de resultados, co= n el objetivo de facilitar la replicación exitosa de este proyecto en otros estudios, así como la evaluación y validación de los resultados por part= e de otros investigadores interesados en el tema.

Background

Programación Orientada a Objetos

La programación orientada a objeto= s (OOP) constituye una metodología empleada para la modelación y el diseño de si= stemas de software, en la cual se incorporan los principios fundamentales de encapsulación, abstracción, herencia y polimorfismo. Estos conceptos se r= igen por un conjunto de principios establecidos conocidos como principios de dis= eño. En la programación orientada a objetos, el objetivo es desarrollar fragmen= tos de código reutilizables y de fácil mantenimiento que puedan llevar a cabo tareas complejas mediante la colaboración entre ellos; sin embargo, la estructura de un programa orientado a objetos difiere significativamente de= la de un programa equivalente escrito con otro paradigma de programación. Aun= que no existe una definición única y universalmente aceptada de programación orientada a objetos, hay conceptos fundamentales presentes en la mayoría d= e las definiciones de este paradigma (Zotos, 2007).

La programación orientada a objeto= s se aplica mediante la creación de clases que representan conceptos como integ= rales indefinidas, con atributos como la función a integrar y métodos para el cálculo; además, la encapsulación permite ocultar detalles internos, la herencia posibilita la creación de clases especializadas, y el polimorfismo facilita la interoperabilidad para resolver problemas relacionados con cál= culos integrales (Singh et al., 2021).

Programación Reactiva

El paradigma de programación react= iva se ha propuesto como una solución idónea para desarrollar aplicaciones centrada= s en eventos. Aborda los desafíos inherentes a estas aplicaciones al ofrecer abstracciones que permiten expresar programas como reacciones a eventos externos; además, automatiza la gestión del flujo de tiempo y las depende= ncias de datos y cálculos, liberando a los programadores de la preocupación por= el orden de los eventos y las dependencias de cálculo. Este enfoque se basa e= n el paradigma de programación de flujo de datos síncrono, introduciendo conce= ptos como comportamientos para valores continuos y eventos para valores discreto= s. Además, permite la flexibilidad de la estructura del flujo de datos y admi= te flujos de datos de orden superior. Las investigaciones en torno a este paradigma de programación se han centrado en la facilitación de la constr= ucción de gráficos y aplicaciones interactivas, y ha dado lugar al desarrollo de numerosas bibliotecas y extensiones para diversos lenguajes de programació= n; además de estos campos, la programación reactiva también encuentra aplic= ación en áreas como el modelado y la simulación, la visión por computadora y la iluminación escénica (Bainomugisha et al., 2013).

La programación reactiva implica la utilización de un paradigma de programación que se centra en la propagaci= ón automática de cambios. Este enfoque resulta beneficioso al tratar con múl= tiples variables y funciones interdependientes en el cálculo de integrales. Al ad= optar la programación reactiva, se logra una gestión dinámica eficiente de las relaciones algebraicas, permitiendo que los cambios en una variable o funci= ón se propaguen automáticamente a través de las dependencias, actualizando de manera automática las demás variables y funciones afectadas. Este enfoque reactivo resulta particularmente útil para mejorar la eficiencia y la flexibilidad en situaciones donde las variables pueden cambiar en tiempo re= al (Wan & Hudak, 2000).

Integrales Algebraicas

Las integrales algebraicas, al abor= dar funciones polinomiales y lineales, se enfocan en calcular antiderivadas para expresiones matemáticas que combinan términos mediante operaciones algebr= aicas básicas (Jeffrey, 2004). La aplicación de técnicas espe= cíficas, como la regla de potencias y la regla de linealidad, facilitó significativamente la resolución de estas integrales. Este enfoque es esen= cial en la teoría de integrales, una rama fundamental del cálculo que proporci= ona herramientas matemáticas poderosas para comprender y analizar una amplia g= ama de fenómenos (Cai & Li, 2020); además, las integrales algebraicas tienen aplicaciones prácticas en diversas áreas, como la fís= ica, la ingeniería, la economía y la estadística, donde se utilizan para modelar= y resolver problemas del mundo real; por otro lado, el estudio de las integra= les algebraicas no solo proporciona soluciones numéricas, sino también una comprensión profunda de la relación entre la función original y su deriv= ada, lo que resulta crucial en la comprensión de los procesos de cambio y acumulac= ión en diferentes contextos.

Modelado de Lenguaje Unificado

El modelado Lenguaje de modelado Un= ificado (UML, por sus siglas en inglés) fue una notación estándar utilizada en el desarrollo de software para diseñar y documentar los artefactos de un sist= ema. Cuando se trabajaba con un programa en Java y se seguía el paradigma de programación orientada a objetos, el modelado UML era una herramienta vali= osa para planificar, diseñar y comunicar la estructura y su comportamiento (Ozkaya & Erata, 2020).

&n= bsp;

Resultados

Los resultados de esta investigación se realizaron a través de dos fases fundamentales. En la primera etapa, se emprendió la creación de los artef= actos de software. Posteriormente, en la segunda fase, se llevaron a cabo mediciones para obtener los tiempos de ejecución asociados al artefacto de software en ambos paradigmas.

Artefactos de Software

Los resultados de los artefactos de software son el producto de un proce= so riguroso de diseño, implementación y evaluación. Cabe mencionar que, a f= in de no inferir en la obtención de los tiempos de ejecución y ofrecer una visi= ón clara del rendimiento en cada enfoque de programación, se determinó un in= terfaz en iguales circunstancias para los dos paradigmas propuestos. La Figura 3<= /span> muestra la interfaz utilizada en la construcción de los dos artefactos de software construidos.

Figura 3

Interfaz de la aplicación de software

Tiempos de Ejecución

El tiempo de ejecución abarca el lapso co= mpleto que un programa o proceso requiere para su finalización, desde el inicio d= e su ejecución hasta su conclusión, y engloba todas las tareas de inicializaci= ón y procesamiento. En este estudio, se realizó una exhaustiva recopilación de= los tiempos de ejecución asociados a los artefactos de software en ambos paradigmas. Para ello, se emplearon los mismos conjuntos de ejercicios matemáticos en ambos casos, lo que proporcionó una base sólida para la comparación. Los datos recopilados se presentan de manera clara y concisa = en la Tabla 1, lo que facilitó su interpretación y permitió un análisis detallado de los dos paradigmas utilizados; además de proporcionar información sobre el rendimiento de los artefactos, esta comparación ofrece una visión más amplia de las fortale= zas y debilidades de cada paradigma en términos de tiempo de ejecución.<= /span>

Tabla 1=

Tiempo de Ejecución

NO.	INTEGRAL	TIEMPO EN NANOSEGUNDO PROGRAMACIÓN ORIENTADO A OBJETOS	TIEMPO EN NANOSEGUNDO PROGRAMACIÓN REACTIVA
1		128400	28400
2		218100	15700
3		232400	29700
4		196600	17800
5		207700	18400
6		159200	24400

El cálculo del promedio mediante la media aritmética se realizó para propor= cionar una medida representativa de la POO y PR de los tiempos de ejecución(Tabla 2). Este proceso impl= icó sumar los tiempos de ejecución individuales de cada prueba para cada parad= igma.

Tabla 2=

Suma de tiempos de ejecución de acuerdo al número de prueba

<= /p>	1	2	3	4	5	6	TIEMPO EN NANOSEGUNDOS
POO	128400	218100	232400	196600	207700	159200	1142400=
PR	28400	15700	29700	17800	18400	24400	134400<= /p>

Luego se dividió la suma total por el número de pruebas realizadas para obtener= el promedio y dado que los tiempos de ejecución se registraron en nanosegundo= s, se realizó una conversión a milisegundos (Tabla 3).

Tabla 3=

Promedio Total de tiempos de ejecución por paradigma de programación=

PARADIGMA	CÁLCULO DEL PROMEDIO	TOTAL, EN NANOSEGUNDOS	TOTAL, EN MILISEGUNDOS
PROGRAMACIÓN ORIENTADA A OBJETOS	1142400/6	190400	0.1904
PROGRAMACIÓN REACTIVA	134400/6	22400	0.0224

Discusión

En el desarrollo del programa para resolver integrales algebraicas en Java, se compararon la Programación Orientada a Objetos y la Programación Reactiva= en términos de tiempo de ejecución. Se encontró que la programación reacti= va era más eficiente en tiempo de ejecución que la orientada a objetos, lo cual coinc= ide con la creciente evidencia de su ventaja en la gestión eficiente de evento= s y flujos de datos. El hecho de que la programación reactiva haya demostrado = ser más eficiente en términos de tiempo de ejecución, una metodología más = rigurosa no solo fortalecería la validez de los resultados presentados, sino que ta= mbién facilitaría la replicación por parte de otros investigadores, fomentando = así un avance más sólido en la comprensión de los enfoques de programación en = la resolución de problemas matemáticos (Gomez-Gasquet & Diaz-Madronero, 2014).

La PR se ha aplicado en proyectos de construcción para ayudar en la toma de decisiones frente a retrasos, generando nuevos cronogramas y presupuestos asociados. Se han desarrollado métodos dentro de la estrategia de reprogramación reactiva, como la reprogramación total y parcial, que actu= alizan programas existentes para adaptarse a cambios durante la ejecución del pro= yecto (Garrido & Carrillo, 2013).

Conclusiones

En el desarrollo de este estudio, se lograron alcanzar los objetivos propuestos, que consistían en evaluar el t= iempo de ejecución de dos enfoques para resolver integrales algebraicas mediante programación orientada a objetos y programación reactiva en Java. Los resultados indican que la implementación del paradigma de programación re= activa ofrece un rendimiento superior, logrando resultados en un tiempo menor en comparación con el enfoque basado en POO.

Los resultados confirman que la programación reactiva es más eficiente que la orientada a objetos; sin em= bargo, se identifican limitaciones en el enfoque basado en POO, revelando un rendimiento menos eficiente en este contexto específico; también, la investigación exhaustiva de artículos relevantes y la implementación pr�= �ctica del programa permiten analizar de manera concluyente los tiempos de ejecuci= ón, demostrando la superioridad de la programación reactiva en este escenario específico.

La interpretación de los hallazgos= sugiere que, al utilizar la programación reactiva, se pudieron lograr mejoras significativas en el rendimiento del programa para la resolución de integr= ales algebraicas. La capacidad de ejecución inherentes a este enfoque proporcio= na una ventaja clara en comparación con la programación orientada a objetos = en este contexto específico.

Los resultados contribuyen al desta= car las diferencias de rendimiento entre estos enfoques en el ámbito específico d= e la resolución de integrales algebraicas y también aporta para tomar una deci= sión sobre qué paradigma utilizar para la resolución de integrales algebraicas= . Al igual, la literatura respalda la noción de que la programación reactiva, = al proporcionar un modelo de ejecución asincrónica y basada en eventos, puede conducir a una mayor capacidad de ejecución y tiempos de ejecución eficie= ntes. En este caso, la evidencia respalda la idea de que adoptar la programación reactiva podía ser beneficiosa en cuanto a eficiencia temporal.

A pesar de los logros alcanzados en= este estudio, es crucial reconocer y ser transparente acerca de las limitaciones inherentes al diseño y ejecución de la investigación. Una limitación po= tencial fue el enfoque en integrales algebraicas lineales y polinomiales, lo cual a= fectó la generalización de los resultados a otros tipos de integrales algebraica= s más complejas. Futuras investigaciones podrían abordar esta limitación amplia= ndo el alcance del estudio a una variedad más amplia de funciones; además, las i= mplicaciones prácticas de este estudio sugieren que la programación reactiva en Java p= odría ser preferible para aplicaciones que requieren una resolución eficiente de integrales algebraicas. Se recomienda la implementación de este enfoque en entornos similares para mejorar el rendimiento de programas similares, al i= gual pueden ampliar la comprensión de diferentes enfoques de programación en diversas aplicaciones prácticas.

En conclusión, este estudio contri= buye al entendimiento de cómo los paradigmas de programación impactan en el rendi= miento de la resolución de integrales algebraicas en Java. Se comprueba que el paradigma de programación reactiva muestra una mayor eficiencia en términ= os de tiempo de ejecución en comparación con la orientada a objetos. Tras reali= zar pruebas resolviendo integrales algebraicas lineales y polinomiales, se obse= rva una diferencia significativa en el tiempo de ejecución al utilizar los paradigmas de POO y PR, indicando que el enfoque reactivo es preferible par= a la resolución de este tipo de problemas en Java. Este trabajo aporta y no se = limita solo a la optimización de la resolución de problemas matemáticos, sino q= ue sugiere un impacto más amplio en el desarrollo de soluciones informáticas eficien= tes, abriendo la puerta a la aplicación de estos enfoques y nuevas perspectivas= en problemas más amplios dentro de la programación.

Referencias<= /o:p>

Bainomug= isha, E., Carreton, A. L., Cutsem, T. van, Mostinckx, S., & Meuter, W. de. (2013). A s= urvey on reactive programming. ACM Comput. Surv., 45(4). https://doi.org/10.1145/2501654.2501666

Budnikova, O. S., & Bulatov, M. V. (2012). Numerical solution of integral-algebraic equations for multistep methods. Computational Mathematics and Mathematical Physics, 52(5), 691–701. <= span lang=3DES-EC>https://doi.org/10.1134/S09655425= 12050041

Cai, M., & Li, C. (2020). Numerical Approaches to Fractional Integrals and Derivatives: A Review. Mathematics, 8(1). https://doi.org/10.3390/math8010043

Galindo, C., Pérez, S., & Silva, J. (2023). Program slicing of = Java programs. Journal of Logical and Algebraic Methods in Programming, <= i>130, 100826. https://doi.org/10.1016/j.jlamp.2022.100826

Garrido,= A., & Carrillo, J. (2013). Programación reactiva en la administración de proyectos: aproximación conceptual y aplicaciones prácticas. Revista E= AN, 74, 72–85. https://d= oi.org/10.21158/01208160.n74.2013.737

Gomez-Ga= squet, P., & Diaz-Madronero, M. (2014). Algorithms for reactive production scheduli= ng: an application in the ceramic industry. BOLETIN DE LA SOCIEDAD ESPANOLA DE CERAMICA Y VI= DRIO, 53(4), I–IV. https://doi.org/10.3989/cyv.2014.= v53.i4.1292

Jeffrey, A. (2004). 4 - Indefinite Integrals of Algebraic Functions.= In A. Jeffrey (Ed.), Handbook of Mathematical Formulas and Integrals (Third Edition) (Third Edition, pp. 145–165). Academic Press. <= span lang=3DEN-US style=3D'font-size:10.0pt;color:windowtext;mso-ansi-language:E= N-US; text-decoration:none;text-underline:none'>https://doi.org/10.1016/B978-0123= 82256-7/50007-5

Maina, N. K., Muketha, G. M., & Wambugu, G. M. (2022). A Literat= ure Survey of Complexity Metrics for Object-Oriented Programs. International Journal of Science and Engineering Applications. https://api.semanticscholar.org/CorpusID:24893958= 2

Mosteo, A. R. (2020). Reactive programming in Ada 2012 with RxAda. <= i>Journal of Systems Architecture, 110, 101784. = https://doi.org/10.1016/j.sysarc.2020.101784

Ortin, F., Facundo, G., & Garcia, M. (2023). Analyzing syntactic constructs of Java programs with machine learning. Expert Systems with Applications, 215, 119398. https://doi.org/10.1016/j.eswa.2022.119398=

Ozkaya, M., & Erata, F. (2020). A survey on the practical use of= UML for different software architecture viewpoints. Information and Software Technology, 121, 106275. https://doi.org/10.1016/j.infsof.2020.106275

Peñuela, A., Hutton, C., & Pianosi, F. (2021). An open-source package with interactive Jupyter Notebooks to enhance the accessibility of reservoir operations simulation and optimisation. Environmental Modelling & Software, 145, 105188. https://doi.org/10.1016/j.envsoft.2021.105188

Qiu, D., Li, B., & Leung, H. (2016). Understanding the API usage= in Java. Information and Software Technology, 73, 81–100. https://doi.org/10.1016/j.infsof.= 2016.01.011

Singh, N., Chouhan, S. S., & Verma, K. (2021). Object Oriented Programming: Concepts, Limitations and Application Trends. 2021 5th International Conference on Information Systems and Computer Networks (ISCO= N), 1–4. https://doi.org/10.1109/ISCON52037.2021.9702463

Wan, Z., & Hudak, P. (2000). Functional reactive programming from first principles. Proceedings of the ACM SIGPLAN 2000 Conference on Programming Language Design and Implementation, 242–252. https://doi.org/10.1145/349299.349331<= /span>

Xihui Zhang, John D. Crabtree, Mark G. Terwilliger, & Redman, Ty= ler T. (2020). Assessing Students’ Object-Oriented Programming Skills with Ja= va: The “Department-Employee” Project. Journal of Computer Information S= ystems, 60(3), 274–286. https://doi.org/10.1080/08874417.= 2018.1467243

Zotos, K. (= 2007). Object-oriented design principles in mathematics. Applied Mathematics and Computation, 188(2), 1430–1436. https://doi.org/10.1016/j.amc.2006.11.009<= /a>=