O Papel da Densidade de Texto Instrutivo na Eficiência de uma Aplicação Web.

Mariana da Silva Zangrossi; Daniele Aparecida Cicillini Pimenta

DOI: 10.22167/2675-6528-202601214

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

O desenvolvimento de aplicações web se conecta à experiência do usuário, e este trabalho investigou como o uso excessivo de textos instrutivos pode retardar a conclusão de tarefas e impactar a eficiência da aplicação. O objetivo foi identificar o impacto da densidade textual do conteúdo instrutivo na eficiência de uma aplicação web, utilizando como principal referência a terceira lei de usabilidade de Krug. A pesquisa, de caráter exploratório e delineamento experimental quantitativo, empregou um teste A/B em uma aplicação web responsiva, onde a única variável controlada foi a densidade textual (alta vs. baixa, definida pela contagem de palavras). Participaram 25 usuários, e os dados foram coletados via Datadog RUM, mensurando tempo de conclusão, erros de submissão e taxa de conversão. Os resultados revelaram que a variante com densidade textual reduzida (variante B) apresentou uma taxa de conversão superior (58,3% contra 33,3% da variante A) e um tempo médio de conclusão significativamente menor (1:38 minutos contra 4:58 minutos da variante A), representando um aumento de 67,12% na eficiência. O teste t de Welch (p=0,042) confirmou que a redução da densidade textual impactou a eficiência. Concluiu-se que a redução da densidade textual afeta a eficiência e a taxa de conversão, reforçando a importância de conteúdo objetivo e conciso. Contudo, a baixa densidade textual, por si só, não garantiu o pleno entendimento, sendo essencial a comunicação clara e objetiva das instruções, validando a relevância do UX Writing.

Palavras-chave: Eficiência; Experiência de usuário; Teste A/B; Texto Instrutivo; Usabilidade.

1. Introdução

A evolução da internet, marcada pela transição da Web 1.0 para a Web 2.0, redefiniu a interação digital. Enquanto a Web 1.0 se caracterizava por um modelo estático e predominantemente informativo, a Web 2.0 introduziu a capacidade bidirecional, permitindo que as ações dos usuários alterassem e persistissem informações no lado do servidor. Este novo paradigma impulsionou o surgimento de plataformas de conteúdo gerado pelo usuário, como redes sociais e blogs, conforme observado por Nath et al. (2014).

Com a crescente abundância e complexidade das aplicações da Web 2.0, que resultaram em um aumento significativo da informação disponibilizada ao usuário (Laajalahti, 2023), o estudo da experiência do usuário, ou “user experience” (UX), em inglês, tornou-se um fator primordial para a sobrevivência e o sucesso dos produtos digitais. Uma experiência insatisfatória pode levar ao abandono do usuário antes mesmo da conclusão de uma tarefa, um risco que Garrett (2011) e Nielsen (2000a) já destacavam.

A UX, nesse contexto, abrange a forma como o usuário interage com um produto, indo além dos aspectos puramente funcionais ou estéticos (Garrett, 2011). Morville (2004) propõe que uma boa experiência de usuário é alcançada pela união de sete atributos inter-relacionados, que devem ser priorizados de acordo com as especificidades do produto. Embora a usabilidade seja um componente crucial, Morville (2004) enfatiza que ela não deve ser o único objetivo, posicionando a UX como um conceito mais abrangente.

Em sua essência, a usabilidade é definida como a capacidade de uma pessoa, independentemente de suas habilidades, de utilizar algo de modo a obter mais benefícios do que malefícios (Krug, 2014). Sob uma perspectiva técnica, a Associação Brasileira de Normas Técnicas (ABNT, 2002) estabelece na norma NBR 9241-11 que a usabilidade é a medida pela qual os usuários alcançam seus objetivos em um contexto de uso com eficácia, eficiência e satisfação. A eficiência, em particular, refere-se à quantidade de esforço necessária para completar uma tarefa de maneira assertiva. Nielsen (2012) complementa que uma experiência usável deve ser fácil, memorável e com baixa ocorrência de erros que não impeçam o uso.

A amplitude dos cenários em que a UX é abordada levou à especialização em subáreas. Algumas dessas vertentes se concentraram na web como uma funcionalidade, tratando o produto como uma ferramenta, enquanto outras se inclinaram para a web como informação, focando na maneira como o conteúdo é transmitido ao usuário. Essa ramificação reflete uma divergência na discussão sobre a resolução de problemas de UX (Garrett, 2011), com este estudo alinhando-se à perspectiva da informação.

A preocupação com a clareza e concisão da informação é um tema recorrente na literatura. As dez heurísticas de usabilidade de Nielsen (1994) orientam a criação de produtos usáveis, sugerindo que a comunicação da aplicação seja familiar e compreensível, contendo apenas informações relevantes, indispensáveis e objetivas, para evitar a distração do usuário. Krug (2014) reforça essa heurística, defendendo uma experiência autoexplicativa e a manutenção apenas das instruções estritamente necessárias.

O Design de Informação (DI) estuda o processo de comunicação de uma mensagem, seja ela visual ou informacional, para garantir que o usuário a compreenda com facilidade (Garrett, 2011). Os princípios funcionais de DI, elaborados por Pettersson (2010) e corroborados por Venancio e Silva (2025), alinham-se às diretrizes de usabilidade de Krug (2014) e Nielsen (1994), enfatizando a utilização de textos curtos, simples e com linguagem adaptada. Essa área se conecta diretamente à redação UX, ou “UX Writing”, que se especializa na criação de conteúdo que guia o usuário e contribui para o crescimento do negócio (Tham et al., 2024; Venancio e Silva, 2025). Um de seus focos é a produção de microcópia, que são palavras e frases concisas e curtas destinadas a instruir as ações do usuário, aprimorando a eficiência e satisfação da experiência (Yifrah, 2019).

Diante do desafio de desenvolver aplicações web complexas e, ao mesmo tempo, mantê-las usáveis, a importância de um conteúdo breve e assertivo para mitigar a desistência do usuário é inegável. Aliadas às heurísticas de Nielsen e aos princípios de Pettersson, que orientam o uso de textos concisos e informações estritamente indispensáveis, a terceira lei de usabilidade de Krug (2014) propõe a remoção de metade das palavras e a repetição desse processo até que o conteúdo restante seja imprescindível. Embora o “UX Writing” e a microcópia sejam ferramentas eficazes na otimização do fluxo de interação, torna-se fundamental compreender qual o impacto real dessa redução quantitativa na eficiência da experiência do usuário, uma lacuna que este estudo busca preencher.

Assim, esta pesquisa se justifica pela necessidade de aprofundar o entendimento sobre a relação entre a densidade textual e a eficiência em aplicações web. O objetivo deste estudo foi utilizar o teste A/B, uma variante dos testes de usabilidade, para identificar o impacto da densidade textual do conteúdo instrutivo na eficiência em uma aplicação web, utilizando como principal referência a terceira lei de usabilidade de Krug.

2. Material e Métodos

A presente pesquisa caracterizou-se como exploratória e de delineamento metodológico experimental, conforme a classificação de Gil (2010). O estudo buscou investigar o impacto da densidade textual na eficiência de uma aplicação web, adotando uma abordagem quantitativa, segundo Creswell e Creswell (2021). Para tanto, empregou-se a estratégia de teste A/B, na qual o conteúdo textual foi a única variável controlada entre as variantes.

A unidade de análise consistiu em uma aplicação web responsiva, desenvolvida especificamente para este estudo, que simulava um sistema fictício de agendamento de doações de objetos. O objetivo foi criar um fluxo de interação simplificado, mas com regras de negócio que exigissem a atenção do usuário, fundamentado no conceito de custo de interação (Budiu, 2024).

A pesquisa contou com a participação de 25 usuários, selecionados por amostragem por conveniência. Os participantes acessaram a aplicação via dispositivos móveis ou computadores, garantindo um perfil amostral abrangente. A amostra de 20 usuários foi considerada estatisticamente significativa para métricas de usabilidade em pesquisas quantitativas (Nielsen, 2012b), e Faulkner (2003) reforçou que 20 participantes detectam 95% dos problemas de usabilidade.

Cada participante recebeu acesso a uma das duas variantes da aplicação de forma aleatória e balanceada. A variante A atuou como grupo de controle, apresentando alta densidade textual, enquanto a variante B constituiu o grupo experimental, com densidade textual reduzida. Um mecanismo de balanceamento foi implementado para redirecionar o usuário à variante com menor volume de tráfego, exceto em cenários de paridade absoluta.

A tarefa final atribuída aos participantes consistiu no agendamento de um par de calçado e um móvel, observando a data útil e o horário mais próximos, considerando a cidade e o tipo de residência informados. Para isso, foram estabelecidas oito regras de negócio específicas, que incluíam a necessidade de duas coletas (calçados e móveis), validação de CEP via API (ViaCEP e BrasilAPI), agendamento com antecedência mínima de três dias úteis para CEPs fora de São Paulo, horários específicos para casas (08:00 às 18:00) e apartamentos (10:00 às 16:00), e coletas em dias úteis e diferentes, nos dias e horários mais próximos disponíveis.

O desenvolvimento das interfaces da aplicação foi realizado com a ferramenta Bolt.new, que utiliza inteligência artificial para criar aplicações web a partir de comandos em linguagem natural. A hospedagem foi feita no Bolt Host, integrado à plataforma Bolt.new. Optou-se por um visual minimalista para focar a atenção nos elementos instrucionais, mitigando ruídos visuais.

O fluxo da aplicação foi estruturado em quatro etapas, cada uma com um caminho de Uniform Resource Locator (URL) específico, gerenciado pela biblioteca React Router. As etapas foram: Página inicial (`/`), Adição de objetos (`/donation/add_items`), Agendamento da doação (`/donation/schedule`) e Confirmação da doação (`/donation/finish`). A lógica de negócio da aplicação foi previamente mapeada utilizando a notação Business Process Model and Notation (BPMN) no software Bizagi Modeler, conforme detalhado no Apêndice A.

Para a implementação do balanceamento de usuários e persistência de dados, utilizou-se o Bolt Database, tecnologia nativa da plataforma Bolt.new, fundamentada em PostgreSQL. Duas tabelas foram criadas: `ab_test_metrics` para contadores de sessão por variante e `ab_test_assignments` para armazenar os identificadores únicos de sessão (`session_ids`) e suas respectivas versões atribuídas. A API `localStorage` do JavaScript foi empregada para manter o acesso do participante à mesma variante em sessões subsequentes, armazenando o `session_id` sob a chave `ab_test_session_id`. Os detalhes da implementação lógica encontram-se no Apêndice B.

A densidade textual foi definida com base na terceira lei de usabilidade de Krug (2014), que preconiza a redução do conteúdo ao essencial para diminuir o ruído e destacar informações cruciais para a conclusão da tarefa. A variante B teve sua carga textual reduzida em 51,4% em comparação à variante A. Além da redução quantitativa de palavras, o conteúdo da variante B incorporou princípios de microcópia, priorizando linguagem direta, termos do vocabulário cotidiano para uma escrita conversacional, sinalizações textuais simples para navegação e mensagens de erro focadas na resolução de problemas.

A coleta de dados das sessões dos participantes foi realizada por meio do Datadog Real User Monitoring (RUM). As métricas customizadas implementadas incluíram o tempo em milissegundos despendido para a conclusão do agendamento, mensurado a partir do acionamento do último botão do fluxo, e o rastreamento de erros de submissão. Os indicadores de maior relevância para a análise foram o volume de sessões por variante, o tempo médio de execução, a incidência de erros e a taxa de conversão. Para a organização e visualização desses indicadores, criou-se um painel no Datadog.

Em relação aos cuidados éticos, a privacidade dos participantes foi preservada por meio da anonimização dos dados de CEP, utilizando a configuração “defaultPrivacyLevel” no Datadog RUM. Adicionalmente, a funcionalidade de gravação de sessão, conhecida como “Session Replay”, foi desativada, uma vez que a captura visual das sessões não era necessária para os objetivos da pesquisa.

Para guiar a análise estatística, foram estabelecidas as seguintes hipóteses: a hipótese nula (H0) afirmava a inexistência de diferença estatisticamente significativa no tempo médio de conclusão da tarefa entre as variantes; a hipótese alternativa (H1) postulava que a redução da densidade textual, conforme a terceira lei de usabilidade de Krug (2014), resultaria em desempenho superior, manifestado pela redução do tempo até a tarefa final.

A análise estatística dos dados coletados utilizou o teste t de Welch, uma adaptação do teste t de Student para amostras independentes com variâncias desiguais (Sauro e Lewis, 2012). Para a obtenção do valor final do teste t de Welch, empregou-se a função TESTE.T do software Microsoft Excel, configurada com os tempos de conclusão das variantes A e B, um teste bicaudal e o tipo de teste apropriado. Adotou-se um nível de significância de 0,05 para a validação das hipóteses.

3. Resultados e Discussão

A investigação sobre o impacto da densidade textual em aplicações web revelou achados significativos, confirmando a influência do volume de conteúdo instrutivo na eficiência e na experiência do usuário. Após a disponibilização da aplicação e a participação de 25 usuários, os resultados foram analisados com o objetivo de comparar o desempenho das variantes A e B. A variante A, que serviu como grupo de controle, apresentou alta densidade textual, enquanto a variante B, o grupo experimental, teve sua densidade textual reduzida em 51,4% em comparação à variante A, conforme a metodologia. Essa redução foi baseada na terceira lei de usabilidade de Krug (2014), que preconiza a eliminação de palavras desnecessárias para otimizar a clareza e a concisão.

A análise das sessões de usuário demonstrou que, do total de 25 participantes, 12 foram expostos à variante A e 13 à variante B, indicando o funcionamento adequado do algoritmo de balanceamento. As sessões foram consideradas válidas apenas se o ponto de entrada do fluxo fosse a página inicial, garantindo a integridade da mensuração da eficiência. A distribuição dos usuários por tipo de dispositivo mostrou que 4 sessões da variante A e 8 da variante B ocorreram em dispositivos móveis, enquanto 8 sessões da variante A e 5 da variante B foram em desktops. Essa distribuição valida a aplicabilidade dos conceitos de usabilidade em diferentes contextos de acesso, reforçando a relevância da densidade textual para a eficiência em diversas plataformas.

A taxa de conversão, que mede a porcentagem de usuários que concluíram o objetivo final da tarefa, foi um indicador crucial para avaliar o impacto da densidade textual. Observou-se que a variante B obteve uma taxa de conversão superior, alcançando 58,3% de conclusão, em contraste com os 33,3% da variante A. Embora ambas as versões tenham experimentado uma diminuição na taxa de conversão entre as etapas de agendamento e confirmação, a variante com texto reduzido demonstrou uma capacidade significativamente maior de guiar os usuários até a finalização da tarefa. Este resultado sugere que a concisão do conteúdo instrutivo contribui para que mais usuários persistam e completem o fluxo proposto, alinhando-se às heurísticas de Nielsen (1994) sobre a comunicação objetiva.

Tempo de conclusão

O tempo médio de conclusão da tarefa foi uma das métricas mais impactantes, diretamente relacionada à eficiência da aplicação, conforme definido pela ABNT (2002). A variante B registrou um tempo médio de 1 minuto e 38 segundos para a conclusão do objetivo final, enquanto a variante A demandou, em média, 4 minutos e 58 segundos. Essa diferença representa um aumento notável de 67,12% na eficiência da variante B. Os tempos máximo e mínimo também corroboraram essa tendência, com a variante A apresentando 5 minutos e 43 segundos (máximo) e 3 minutos e 15 segundos (mínimo), e a variante B registrando 2 minutos e 4 segundos (máximo) e 1 minuto e 5 segundos (mínimo). Tais dados evidenciam que a redução da densidade textual impacta positivamente a velocidade com que os usuários conseguem navegar e finalizar as tarefas, resultando em uma experiência mais fluida e menos custosa em termos de esforço cognitivo (Budiu, 2024).

Erros de submissão de agendamento

Além do tempo e da taxa de conversão, a pesquisa também monitorou a incidência de erros de submissão de agendamento, que ocorriam quando as regras de negócio não eram atendidas. Curiosamente, a variante B, com menor densidade textual, apresentou um total de 103 erros, ligeiramente superior aos 96 erros registrados na variante A. No entanto, apesar do maior número de erros, a variante B manteve um tempo médio de conclusão inferior, conforme demonstrado anteriormente. Este paradoxo sugere que, embora os usuários da variante B pudessem cometer mais erros iniciais, as mensagens de erro e as instruções mais concisas e diretas permitiram uma recuperação mais rápida e eficaz, minimizando o impacto no tempo total da tarefa. Isso reforça a importância do UX Writing e da microcópia, que focam na clareza e na assertividade das mensagens, mesmo em cenários de erro (Yifrah, 2019).

A análise detalhada dos erros por regra de negócio revelou que as regras 3, 5 e 6 foram as que mais geraram pontos de fricção para ambas as variantes. A Regra 3, referente ao agendamento com pelo menos três dias úteis de antecedência para CEPs fora de São Paulo, registrou 28 erros na variante A e 22 na variante B. A Regra 5, que estabelece horários permitidos para apartamentos (10:00 às 16:00), teve 25 erros na variante A e 18 na variante B. Já a Regra 6, sobre coletas em dias úteis e diferentes, contabilizou 20 erros na variante A e 15 na variante B. A recorrência desses erros, independentemente da densidade textual, indica que a complexidade inerente a certas regras de negócio pode ser um fator significativo que compromete a eficiência do fluxo, exigindo uma comunicação excepcionalmente clara e objetiva para mitigar a confusão do usuário.

Aplicação do teste T de Welch

Para validar estatisticamente as hipóteses do estudo, aplicou-se o teste t de Welch, uma adaptação do teste t de Student adequada para amostras com variâncias desiguais (Sauro e Lewis, 2012). A hipótese nula (H0) postulava que não haveria diferença estatisticamente significativa no tempo médio de conclusão da tarefa entre as variantes, enquanto a hipótese alternativa (H1) afirmava que a redução da densidade textual resultaria em um desempenho superior, ou seja, menor tempo de conclusão. A análise foi realizada apenas com as sessões concluídas, totalizando 3 sessões para a variante A e 7 para a variante B, o que delimitou a amostra para a validação estatística em 10 participantes.

Os tempos em segundos para as sessões concluídas foram: 188,76, 310,91 e 325,51 para a variante A; e 122,44, 103,99, 73,34, 64,45, 71,94, 79,27 e 62,71 para a variante B. Com base nesses dados, calculou-se a média, o desvio padrão e a variância para cada grupo. A variante A apresentou uma média de 275,06 segundos, desvio padrão de 75,10 e variância de 5639,06. A variante B, por sua vez, registrou uma média de 82,59 segundos, desvio padrão de 22,29 e variância de 496,71. A razão entre os desvios padrão foi de aproximadamente 3,37, confirmando a necessidade de utilizar o teste de Welch devido à desproporcionalidade das variâncias.

A aplicação do teste t de Welch resultou em um valor de t de aproximadamente 4,35 e graus de liberdade (df) de cerca de 2,15. O p-valor obtido foi de 0,042. Considerando o nível de significância adotado de 0,05, o p-valor (0,042) foi inferior a este limite. Consequentemente, a hipótese nula (H0) foi rejeitada em favor da hipótese alternativa (H1). Isso comprova estatisticamente que a redução da densidade textual impactou de forma significativa a eficiência da aplicação, resultando em um tempo de conclusão da tarefa consideravelmente menor para os usuários expostos à variante com menos texto.

As implicações desses resultados são claras e corroboram as premissas de usabilidade estabelecidas por autores como Nielsen (1994) e Krug (2014). A alta densidade textual não apenas compromete a eficiência da aplicação, mas também afeta negativamente a taxa de conversão, levando a um maior abandono do fluxo por parte dos usuários. A pesquisa demonstra que a otimização do conteúdo instrutivo, por meio da redução quantitativa de palavras e da aplicação de princípios de microcópia e UX Writing, é fundamental para criar uma experiência de usuário mais eficaz e satisfatória. Contudo, a baixa densidade textual, por si só, não garante o pleno entendimento, sendo essencial que a comunicação das instruções seja clara, objetiva e autoexplicativa, mesmo em sua forma mais concisa.

4. Conclusão

O presente estudo buscou identificar o impacto da densidade textual do conteúdo instrutivo na eficiência de uma aplicação web, utilizando como referência a terceira lei de usabilidade de Krug. Verificou-se que a redução da densidade textual, implementada na variante B, resultou em um aumento significativo da eficiência, evidenciado por um tempo médio de conclusão da tarefa 67,12% menor em comparação à variante A. Adicionalmente, observou-se uma taxa de conversão superior na variante com texto reduzido, alcançando 58,3% contra 33,3% da variante de alta densidade. A aplicação do teste t de Welch confirmou estatisticamente que a diminuição da densidade textual impactou de forma significativa a eficiência da aplicação. Esses achados reforçam as diretrizes de usabilidade que preconizam a importância de um conteúdo objetivo e conciso, demonstrando que a otimização do conteúdo instrutivo, por meio da aplicação de princípios de microcópia e UX Writing, é fundamental para criar uma experiência de usuário mais eficaz e satisfatória.

Contudo, constatou-se que a baixa densidade textual, por si só, não garantiu o pleno entendimento do usuário, sendo essencial que a comunicação das instruções seja clara, objetiva e autoexplicativa, mesmo em sua forma mais concisa. A recorrência de erros em regras de negócio complexas, independentemente da densidade textual, indicou que a complexidade inerente a certas funcionalidades pode comprometer a eficiência do fluxo, exigindo uma comunicação excepcionalmente clara. Como sugestão para trabalhos futuros, propõe-se a aplicação da mesma metodologia em fluxos de maior complexidade e o teste com públicos mais especializados, a fim de investigar se a familiaridade técnica com o domínio da aplicação preserva a eficiência mesmo com alta densidade textual. Recomenda-se, ainda, explorar o conceito de densidade textual para além da contagem quantitativa de palavras, incorporando análises de complexidade léxica e o impacto da escolha de vocabulários técnicos ou rebuscados.

Referências Bibliográficas

Associação Brasileira de Normas Técnicas [ABNT]. 2002. NBR 9241-11 Requisitos Ergonômicos para Trabalho de Escritórios com Computadores Parte 11 – Orientações sobre Usabilidade. Disponível em: <https://www.inf.ufsc.br/~edla.ramos/ine5624/_Walter/Normas/Parte%2011/iso9241-11F2.pdf>. Acesso em: 21 out. 2025.

Budiu. R. 2024. Interaction Cost. Disponível em: <https://www.nngroup.com/articles/interaction-cost-definition>. Acesso em: 5 fev. 2026.

Creswell, J. W.; Creswell, J. D. 2021. Projeto de Pesquisa: Métodos Qualitativo, Quantitativo e Misto. 5ed. Penso, Porto Alegre, RS, Brasil.

Faulkner, 2003 [Referência completa não encontrada no documento original]

Garrett, J. J. 2011. The Elements of User Experience: User-Centered Design for the Web and Beyond. 2ed. New Riders. Berkley, CA, Estados Unidos.

Gil, 2010 [Referência completa não encontrada no documento original]

Krug, S. 2014. Não me faça pensar: atualizado: uma abordagem de bom senso à usabilidade na web e mobile. 1ed. Alta Books, Rio de Janeiro, RJ, Brasil.

Laajalahti, 2023 [Referência completa não encontrada no documento original]

Morville, P. 2004. User Experience Design. Disponível em: <https://semanticstudios.com/user_experience_design>. Acesso em: 21 out. 2025.

Nath, K.; Dhar, S; Basishtha, S. 2014. Web 1.0 to Web 3.0 – Evolution of the Web and its Various Challenges. In: 2014 International Conference on Optimization, Reliability, and Information Technology, 2014, Faribadad, Índia. Anais… p. 86-90.

Nielsen, J. 1994. 10 Usability Heuristics for User Interface Design. Disponível em: <https://www.nngroup.com/articles/usability-101-introduction-to-usability>. Acesso em: 21 out. 2025.

Nielsen, J. 2000a. Projetando Websites. 5ed. Elsevier Editora, Rio de Janeiro, RJ, Brasil.

Nielsen, J. 2012a. Usability 101: Introduction to Usability. Disponível em: <https://www.nngroup.com/articles/usability-101-introduction-to-usability>. Acesso em: 21 out. 2025.

Nielsen, J. 2012b. How Many Test Users in a Usability Study?. Disponível em: <https://www.nngroup.com/articles/how-many-test-users>. Acesso em: 5 fev. 2026.

Pettersson, R. 2010. Information Design-Principles and Guidelines. Journal of Visual Literacy 29(2): 167-182.

Sauro, J; Lewis, J. R. 2012. Quantifying the User Experience. 2ed. Elsevier, Waltham, MA, Estados Unidos.

Tham, J. C. K.; Howard T.; Verhulsdonck G. 2024. UX Writing Designing User-Centered Content. 2ed. Routledge, Nova Iorque, NY, Estados Unidos.

Venancio, T. A.; Silva T. B. P. 2025. Critérios de UX Writing: perspectivas sobre o conteúdo no design de interfaces digitais. In: 12 Congresso Internacional de Design da Informação, 2025, São Paulo, SP, Brasil. Anais… p. 17-30.

Yifrah, K. 2019. Microcopy The Complete Guide. 2ed. Nemala, Haifa, Israel.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Engenharia de Software do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy