Orientador: Mario Lúcio CôrtesDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de ComputaçãoResumo: Em gerenciamento de projetos computacionais, uma etapa bastante complicada e importante é a estimativa de esforço a partir dos requisitos do projeto de software. Diversos métodos de estimativa de esforço foram propostos nas últimas décadas, todos com o objetivo de prever o esforço e custo do projeto com baixas taxas de erro. No entanto, muitos dos métodos algorítmicos de estimativa de esforço propostos ignoram os requisitos não-funcionais na modelagem de suas variáveis de entrada, outros métodos somente os utilizam parcialmente. O objetivo deste trabalho é entender o uso dos requisitos não-funcionais nos métodos de estimativa de esforço e a correlação da utilização deles ou não com a precisão do método. Uma revisão sistemática foi conduzida para verificar quais requisitos não-funcionais são usados, como eles são usados e quais seus efeitos sobre o erro da estimativa. A revisão sistemática mostrou que apenas 33% dos 39 métodos algorítmicos usam requisitos não-funcionais, por sua vez, a correlação entre a precisão da estimativa com o uso deles foi inconclusiva. Para compreender tal correção, um experimento foi realizado em datasets disponíveis publicamente na literatura. Este experimento mostrou que o uso de requisitos não-funcionais resulta em uma redução de aproximadamente 30% no erro da estimativa do software, com garantia estatísticaAbstract: Software cost estimation is a critical step in software project management, and its main driver are requirements. Some algorithmic methods use as inputs only functional requirements and others take also into account non-functional requirements. The goal of this study is to understand the correlation of using non-functional requirements on the accuracy of software cost estimation algorithmic methods. A systematic literature review was conducted to learn which non-functional requirements are used, how they are used, and their effects on estimation accuracy. The systematic review shows that only 33% of 39 algorithmic methods use non-functional requirements. However, the investigation on its correlation with estimation accuracy was not conclusive from published results. In order to address this issue, an experiment was conducted on publicly available datasets. This experiment shows that the use of non-functional requirements results in a reduction of about 30% in the estimation error, with statistically significant confidenceMestradoCiência da ComputaçãoMestre em Ciência da Computação