ارزیابی سبک از اثربخشی Test-Case با استفاده از شاخصهای کیفیت سورس کد

Test-Caseها برای کمک به توسعه دهندگان در جلوگیری از ایجاد خطاهای نرم افزار بسیار مهم هستند. متاسفانه، همه آزمایشها به درستی طراحی نشده اند یا نمیتوانند به طور موثر خطاهای سورس کد را شناسایی کنند. برخی از معیارها برای ارزیابی اثربخشی Test-Case تعریف شده اند: مرتبطترین آنها امتیاز جهش است که کیفیت یک آزمایش را با تولید به اصطلاح جهش یافته ها برجسته میکند، به عنوان مثال، تغییرات سورس کد که آن را معیوب میکند و اینکه آزمون قرار است شناسایی کند. بااین حال، مطالعات قبلی نشان داد که تجزیه وتحلیل جهش در عمل بسیار پرهزینه و سخت است. رویکردهای ارائه شده توسط محققان تاکنون نتوانسته اند دستاوردهای عملی را ازنظر کارایی آزمایش جهش ارائه دهند. این مسئله باعث میشود که مشکل ارزیابی کارآمد اثربخشی مورد آزمون همچنان باز باشد. در این مقاله به بررسی یک متدولوژی بدیع، متعامد و سبک میپردازیم ما امکان بهره برداری از شاخصهای کیفیت تولید و کد آزمون را برای تخمین امتیاز جهش یکTest-Case مطالعه میکنیم. ابتدا مجموعه ای از ۶۷ عامل را انتخاب می کنیم و ارتباط آنها را با اثربخشی موردمطالعه میکنیم. سپس، ما یک مدل تخمین امتیاز جهش را طراحی میکنیم که از چنین عواملی استفاده میکند و عملکرد آن و همچنین مرتبط ترین ویژگیهای آن را بررسی میکند. نتایج کلیدی این مطالعه نشان میدهد که مدل تخمین ما تنها بر اساس ویژگیهای استاتیکی دارای ۸۶ درصد F-Measure و AUC-ROC است. این بدان معناست که ما میتوانیم با استفاده از شاخصهای کیفی سورس کد، با دقت بالا و بدون اجرای آزمایش، اثربخشی Test-Case را تخمین بزنیم. درنتیجه، ما میتوانیم یک رویکرد عملی ارائه کنیم که فراتر از محدودیت های معمول تکنیکهای آزمایش جهش فعلی است.

کلیدواژه ها:

تست نرم افزار خودکار ، تست جهش ، کیفیت نرم افزار- الگوریتم جنگل تصادفی