Treffer: Using Analytic Hierarchy Process (AHP) to Define the Best Programming Language for Software in Agribusiness.

This study develops a specialized framework for evaluating programming languages for agribusiness software development using the Analytical Hierarchy Process (AHP). The decision model was structured using the criteria Efficiency, Complexity, and Maintainability, with seven subcriteria: Execution Time, Memory Consumption, Ease of Learning, Portability, Updates, Community, and Security. The framework was validated through a comprehensive evaluation involving eight domain experts with experience in agribusiness software development. Results demonstrate that Efficiency is the most critical criterion (0.527), with Security (0.250), Ease of Learning (0.209), and Memory Consumption (0.199) being the most influential subcriteria. The analysis reveals that Python (0.397) is the preferred programming language for agribusiness applications, followed by PHP (0.264) and TypeScript/JavaScript (0.175). This research contributes to agricultural technology literature by providing a structured approach to technology selection that accounts for the specific requirements of agribusiness software development, helping developers make more informed decisions when selecting programming languages for agricultural applications. [ABSTRACT FROM AUTHOR]

Este estudio desarrolla un marco especializado para evaluar lenguajes de programación para el desarrollo de software agroindustrial utilizando el Proceso Analítico Jerárquico (AHP). El modelo de decisión se estructuró utilizando los criterios Eficiencia, Complejidad y Mantenibilidad, con siete subcriterios: Tiempo de Ejecución, Consumo de Memoria, Facilidad de Aprendizaje, Portabilidad, Actualizaciones, Comunidad y Seguridad. El marco se validó mediante una evaluación exhaustiva que involucró a ocho expertos en el dominio con experiencia en el desarrollo de software agroindustrial. Los resultados demuestran que la Eficiencia es el criterio más crítico (0.527), siendo la Seguridad (0.250), la Facilidad de Aprendizaje (0.209) y el Consumo de Memoria (0.199) los subcriterios más influyentes. El análisis revela que Python (0.397) es el lenguaje de programación preferido para aplicaciones agroindustriales, seguido de PHP (0.264) y TypeScript/JavaScript (0.175). Esta investigación contribuye a la literatura sobre tecnología agrícola al proporcionar un enfoque estructurado para la selección de tecnología que tiene en cuenta los requisitos específicos del desarrollo de software agroindustrial, ayudando a los desarrolladores a tomar decisiones más informadas al seleccionar lenguajes de programación para aplicaciones agrícolas. [ABSTRACT FROM AUTHOR]

Este estudo desenvolve uma estrutura especializada para avaliar linguagens de programação para desenvolvimento de software para agronegócio usando o Processo de Hierarquia Analítica (AHP). O modelo de decisão foi estruturado usando os critérios Eficiência, Complexidade e Manutenibilidade com sete subcritérios: Tempo de Execução, Consumo de Memória, Facilidade de Aprendizagem, Portabilidade, Atualizações, Comunidade e Segurança. A estrutura foi validada por meio de uma avaliação abrangente envolvendo oito especialistas de domínio com experiência em desenvolvimento de software para agronegócio. Os resultados demonstram que Eficiência é o critério mais crítico (0,527), com Segurança (0,250), Facilidade de Aprendizagem (0,209) e Consumo de Memória (0,199) sendo os subcritérios mais influentes. A análise revela que Python (0,397) é a linguagem de programação preferida para aplicações de agronegócio, seguida por PHP (0,264) e Typescript/JavaScript (0,175). Esta pesquisa contribui para a literatura sobre tecnologia agrícola ao fornecer uma abordagem estruturada para a seleção de tecnologia que leva em conta os requisitos específicos do desenvolvimento de software para agronegócios, ajudando os desenvolvedores a tomarem decisões mais informadas ao selecionar linguagens de programação para aplicações agrícolas. [ABSTRACT FROM AUTHOR]

Copyright of GeSec: Revista de Gestao e Secretariado is the property of Sindicato das Secretarias e Secretarios do Estado de Sao Paulo (SINSESP) and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)