Return to search

Class-test: classificação automática de testes para auxíio à criação de suítes de teste

Made available in DSpace on 2014-06-12T15:53:09Z (GMT). No. of bitstreams: 2
arquivo1903_1.pdf: 918157 bytes, checksum: 0dfd55458968c90c309a4c7e189c25fe (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2009 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Este trabalho apresenta o Class-Test, uma ferramenta idealizada para auxiliar os
profissionais de testes na criação de suítes de testes extensas. Em geral, as suítes de testes
devem conter um determinado número de testes de cada tipo (e.g., testes negativos, testes
de fronteira, testes de interação, etc), número este fixado pelo engenheiros/designers de
testes da empresa. Um dos maiores problemas enfrentados pelos testadores para montar
essas suítes é o tempo gasto na categorização manual dos testes pré-selecionados para
compor suítes extensas (com 1.000 testes, por exemplo).
O Class-Test é uma ferramenta para classificação automática de casos de testes,
que visa diminuir o esforço e o tempo gasto no processo de categorização dos testes. A
ferramenta foi construída com base em técnicas de Aprendizagem de Máquina, em
particular, da área de Categorização de Texto. Três classificadores automáticos foram
construídos utilizando-se um corpus composto por 879 casos de testes, com a distribuição
de 191 casos de testes do tipo Fronteira (Test Boundary), 338 do tipo Negativo (Test
Negative), e 350 do tipo interação (Test Interaction). Cada classificador é especializado
em apenas um desses três tipos de teste. Foi necessário criar três classificadores porque
alguns casos de teste podem ser associados a mais de uma classe de teste ao mesmo
tempo. Foram realizados dois estudos de casos. O primeiro estudo teve como objetivo
avaliar, dentre os quatro algoritmos de aprendizagem selecionados, qual apresentava
melhor precisão para o corpus em questão. O algoritmo SVM Máquina de Vetores de
Suporte apresentou melhor desempenho nesse estudo. O segundo estudo de caso visou
comparar a precisão da categorização automática versus a categorização manual, este
experimento será mostrado com mais detalhes no capítulo 5.
Este trabalho é parte do projeto Test Research Project do CIn/BTC, que está
sendo desenvolvido em uma parceria entre o CIn-UFPE e a Motorola. O propósito geral
desse projeto é automatizar a geração, seleção e avaliação de casos de teste para
aplicações de telefonia móvel

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/1919
Date31 January 2009
Creatorsde Souza Lima, Leonardo
Contributorsde Almeida Barros, Flávia
PublisherUniversidade Federal de Pernambuco
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.002 seconds