Class-test: classificaÃÃo automÃtica de testes para auxÃio à criaÃÃo de suÃtes de teste

AUTOR(ES)
DATA DE PUBLICAÇÃO

2009

RESUMO

Este trabalho apresenta o Class-Test, uma ferramenta idealizada para auxiliar os profissionais de testes na criaÃÃo de suÃtes de testes extensas. Em geral, as suÃtes de testes devem conter um determinado nÃmero de testes de cada tipo (e.g., testes negativos, testes de fronteira, testes de interaÃÃo, etc), nÃmero este fixado pelo engenheiros/designers de testes da empresa. Um dos maiores problemas enfrentados pelos testadores para montar essas suÃtes à o tempo gasto na categorizaÃÃo manual dos testes prÃ-selecionados para compor suÃtes extensas (com 1.000 testes, por exemplo). O Class-Test à uma ferramenta para classificaÃÃo automÃtica de casos de testes, que visa diminuir o esforÃo e o tempo gasto no processo de categorizaÃÃo dos testes. A ferramenta foi construÃda com base em tÃcnicas de Aprendizagem de MÃquina, em particular, da Ãrea de CategorizaÃÃo de Texto. TrÃs classificadores automÃticos foram construÃdos utilizando-se um corpus composto por 879 casos de testes, com a distribuiÃÃo de 191 casos de testes do tipo Fronteira (Test Boundary), 338 do tipo Negativo (Test Negative), e 350 do tipo interaÃÃo (Test Interaction). Cada classificador à especializado em apenas um desses trÃs tipos de teste. Foi necessÃrio criar trÃs 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 â MÃquina de Vetores de Suporte apresentou melhor desempenho nesse estudo. O segundo estudo de caso visou comparar a precisÃo da categorizaÃÃo automÃtica versus a categorizaÃÃo manual, este experimento serà mostrado com mais detalhes no capÃtulo 5. Este trabalho à parte do projeto Test Research Project do CIn/BTC, que està sendo desenvolvido em uma parceria entre o CIn-UFPE e a Motorola. O propÃsito geral desse projeto à automatizar a geraÃÃo, seleÃÃo e avaliaÃÃo de casos de teste para aplicaÃÃes de telefonia mÃvel

ASSUNTO(S)

software engineering ciencia da computacao text categorization engenharia de software categorizaÃÃo de texto machine learning inteligÃncia artificial software test

Documentos Relacionados