1 |
Regras de Mapeamento e Heurísticas: uma estratégia para criar casos de teste a partir de C&LSOUSA, Silvia Pereira de Azevedo 01 August 2016 (has links)
Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2017-02-21T16:58:53Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Dissertação_SilviaVersaoFinal.pdf: 3562807 bytes, checksum: d273ad6c061161f899cab3d232a82a79 (MD5) / Made available in DSpace on 2017-02-21T16:58:54Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Dissertação_SilviaVersaoFinal.pdf: 3562807 bytes, checksum: d273ad6c061161f899cab3d232a82a79 (MD5)
Previous issue date: 2016-08-01 / FACEPE / Contexto: A fase de especificação de requisitos é fundamental no processo de
desenvolvimento de software. O uso de cenários é bastante popular para especificar
requisitos, por serem descritos em linguagem natural. No entanto, a linguagem natural
dá margem a requisitos ambíguos, incompletos e inconsistentes, o que vai de encontro
com os objetivos da fase de especificação de requisitos. Nesse sentido, uma técnica
baseada em Cenário & LEL (Language Extended Lexicon), chamada de C&L, pode
ser a solução adequada, pois LEL é um glossário que define um conjunto de palavras
que pertencem a um domínio e que devem ser usadas para descrever os cenários.
Assim, C&L é considerada uma técnica de cenários baseada em linguagem natural
controlada que ajuda a minimizar os problemas previamente mencionados, além de
poder ser utilizada para criar casos de teste de forma mais sistemática. Objetivo:
Neste trabalho, são propostas duas abordagens: a primeira abordagem usa regras de
mapeamento para derivar modelos statechart a partir de C&L visando verificar a
completude e consistência desses cenários e a segunda usa heurísticas para obter
sistematicamente casos de teste a partir de modelos statechart. Método: A pesquisa
apresentada nessa dissertação seguiu a abordagem de Engenharia para definir as
regras de mapeamento e as heurísticas que, por sua vez, foram avaliadas
empiricamente. Resultados: As regras de mapeamento apoiam a derivação de
statechart a partir de C&L. As heurísticas apoiam a derivação de casos de teste a
partir dos modelos statechart. Foi realizado um experimento para comparar o número
de erros de incompletude e inconsistência detectados pelos grupos experimental e
controle e o tempo gasto pelos grupos para detectar esses erros. Também foi
verificado se os statecharts gerados através da aplicação das regras de mapeamento
possuem grau de corretude e semelhança. Foi realizada uma avaliação qualitativa das
heurísticas utilizadas para derivar os casos de teste, com o intuito de saber se as
heurísticas foram utilizadas corretamente, se estão claras e são fáceis de usar.
Conclusões: Os resultados do experimento mostram que o número de erros de
incompletude detectados pelo grupo experimental foi superior ao número obtido pelo
grupo controle e em relação aos erros de inconsistência não houve diferença entre
quantidade de erros detectados pelos dois grupos. Além disso, a média do tempo
gasto para identificar erros de incompletude e inconsistência pelo grupo experimental
foi ligeiramente superior a média do tempo gasto pelo grupo controle. Em relação ao
grau de corretude, dentre os modelos gerados pelo grupo experimental, existe um que
apresenta o maior grau de corretude com 85,7%. No entanto, o grau de semelhança
entre os modelos é considerado de “baixa semelhança”. O resultado da avaliação
qualitativa mostrou que os participantes concordaram que as regras de mapeamento
e as heurísticas são compreensíveis e fáceis de utilizar. Também foi observado que
as heurísticas foram usadas de maneira correta na derivação dos casos de teste. / Context: The requirements specification phase is fundamental in the software
development process. The use of scenarios is quite popular to specify requirements
because they are described in natural language. However, natural language gives rise
to ambiguous, incomplete and inconsistent requirements, jeopardizes the objectives of
the requirements specification phase. In this context, a technique based on Scenarios
and LEL (Language Extended Lexicon), called C&L, may be an appropriate solution
because LEL is a glossary that defines a set of words that belong to a domain and
should be used to describe the scenarios. Thus, C&L is a scenario technique based
on controlled natural language that helps to minimize the problems previously
mentioned, and can be used to create test cases in a more systematic way. Objective:
In this study, two approaches are proposed: the first approach uses mapping rules to
derive statechart models from C & L in order to verify the completeness and
consistency of these scenarios and the second uses heuristics to systematically derive
test cases from statechart models. Method: The research presented in this work
follows the engineering approach to define the mapping rules and heuristics that, in
turn, were empirically evaluated. Results: Mapping rules support the derivation of
statechart from C & L. Heuristics support the derivation of test cases from statechart
models. An experiment was conducted to compare the number of incompleteness and
inconsistency errors detected by the experimental and control the groups and the time
spent by groups to detect these errors. Also it was verified whether the statecharts
generated by the application of the mapping rules have degree of correctness and
likeness. A qualitative evaluation of the heuristics used to derive the test cases was
made, in order to know whether the heuristics were correctly used and if they are clear
and easy to use. Conclusions: The results of the experiment show that the number of
incompleteness errors detected by the experimental group was higher than the number
obtained by the control group, and in relation to inconsistency errors, there was no
difference among the number of errors detected by the two groups. Furthermore, the
average time spent to identify incompleteness and inconsistency errors by the
experimental group was slightly higher than the average time spent by the control
group. In relation to the degree of correctness among the models generated by the
experimental group, there is one that has the highest degree of correctness with
85.7%. However, the degree of similarity between the models is considered "low
similarity”. The result of the qualitative evaluation showed that the participants agreed
that the mapping rules and heuristics are comprehensible and easy to use. It was also
observed that the heuristics were used correctly in the derivation of test cases.
|
Page generated in 0.0642 seconds