AI+RTESTING: um método para remoção de redundâncias de conjuntos de casos de teste integrando as ferramentas jabuti, mujava e weka
dc.contributor.advisor | Lenz, Alexandre Rafael | |
dc.contributor.author | Souza, Ana Cecília Santos | |
dc.contributor.referee | Massa, Mônica de Souza | |
dc.date.accessioned | 2024-10-07T14:40:14Z | |
dc.date.available | 2024-10-07T14:40:14Z | |
dc.date.issued | 2018-07-06 | |
dc.description.abstract | A execução do teste de regressão é imprescindível para garantir que adições e alterações realizadas em um software não introduzam erros em funcionalidades já existentes. Consequentemente, o teste de regressão é uma atividade dispendiosa e executada com frequência. Em vista disso, metodologias foram propostas para reduzir o esforço empregado na execução dessa técnica de teste, dentre essas metodologias encontra-se a redução de casos de testes. A redução consiste na remoção permanente de casos de testes redundantes do conjunto casos de testes original. Com intuito de auxiliar na identificação desses casos de teste redundantes, podem ser aplicados algoritmos de aprendizado de máquina. Através dos quais é possível associar as informações obtidas durante a atividade de teste para detectar comportamentos análogos. Assim sendo, o objetivo desse trabalho foi a análise, implementação e validação de um método automatizado para remoção de redundâncias em um conjunto de casos de teste que tem por finalidade a redução do esforço dispendido pelo testador durante a execução do teste de regressão em métodos implementados na linguagem Java. A automação consistiu em coletar as informações da atividade de teste fornecidas pela integração das ferramentas de teste Jabuti e Mujava. Subsequentemente, esse dados foram submetidos aos algoritmos de agrupamento e classificação disponíveis no pacote de software Weka. Com a obtenção das classes de equivalências que foram geradas através das regras de classificação, foi aplicado o cálculo da Progressão Aritmética (PA) para selecionar os casos dos teste que devem ser removidos do conjunto de teste a ser reexecutado. Após a realização dos experimentos de validação, foi possível concluir através dos resultados obtidos que o método automático conseguiu remover as redundâncias atingindo o mesmo valor dos critérios estruturais e escore de mutação do conjunto de casos de teste original. | |
dc.description.abstract2 | Running the regression test is imperative to ensure that additions and changes made to a software have not introduced errors in existing functionality. Consequently, regression testing is a costly and frequently performed activity. Therefore, methodologies were proposed to reduce the effort employed in the execution of this test technique, the reduction of test cases is one of these methodologies. The reduction comprises in the permanent removal of redundant test cases from the original test cases set. In order to assist in the identification of these redundant test cases, machine learning algorithms can be applied through which it is possible to associate the information obtained during the test activity to detect similar behaviors. Thus, the objective of this work was the analysis, implementation and validation of an automated method to remove redundancies in a set of test cases that has the purpose of reducing the effort expended by the tester during the execution of the regression test in implemented methods in the Java language. The automation consisted of collecting the test activity information provided by the integration of the Jabuti and Mujava test tools. Subsequently, this data was submitted to the clustering and classification algorithms available in the software Weka. By obtaining the classes of equivalences that were generated through the classification rules, the Arithmetic Progression (AP) calculation was applied to select the test cases that should be removed from the test set to be reexecutted. After the validation experiments, it was possible to conclude from the obtained results that the automatic method was able to remove the redundancies reaching the same value of the structural criteria and mutation score of the original set of test cases. | |
dc.format.mimetype | application/pdf | |
dc.identifier.citation | SOUZA, Ana Cecília Santos. AI+RTESTING: um método para remoção de redundâncias de conjuntos de casos de teste integrando as ferramentas jabuti, mujava e weka. 2018. 80f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação), Departamento de Ciências Exatas e da TerraI, Campus I, Universidade do Estado da Bahia, Salvador, 2015 | |
dc.identifier.uri | https://saberaberto.uneb.br/handle/20.500.11896/6407 | |
dc.language.iso | por | |
dc.publisher | UNEB | |
dc.publisher.program | Graduação | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
dc.rights2 | Attribution-NonCommercial-NoDerivs 3.0 Brazil | en |
dc.subject.keywords | Qualidade | |
dc.subject.keywords | Teste de Software | |
dc.subject.keywords | Teste de Regressão | |
dc.subject.keywords | Aprendizado de Máquina | |
dc.subject.keywords | Redução | |
dc.title | AI+RTESTING: um método para remoção de redundâncias de conjuntos de casos de teste integrando as ferramentas jabuti, mujava e weka | |
dc.title.alternative | AI+RTESTING: a method for removing redundancy in sets of test cases integrating jabuti tools, mujava and weka | |
dc.type | info:eu-repo/semantics/bachelorThesis |