Agenda de defesas Agenda de defesas

Voltar

Pós em Ciência da Computação realiza defesa de dissertação sobre automação de casos de teste nesta segunda-feira (5)

A defesa acontecerá às 14h, no Google Meet

O Programa de Pós-Graduação em Ciência da Computação, do Centro de Informática (CIn) da UFPE, realiza nesta segunda-feira (5) a defesa da dissertação de mestrado “DRL TC Classifier: Classificação de Casos de Teste para Automação de Testes de Dispositivos Móveis”. O trabalho, produzido pelo discente Eduardo José de Vasconcelos Matos e orientado pela professora Flávia de Almeida Barros, será defendido às 14h, de forma virtual, pelo Google Meet. A banca examinadora será composta pela orientadora e pelos professores Alexandre Cabral Mota (CIn/UFPE) e Lucas Albertins de Lima (Departamento de Computação/UFRPE).

Resumo

Buscando garantir a qualidade de produtos de software, são realizadas diversas atividades de teste. Contudo, esta é uma tarefa cara e complexa, responsável por aproximadamente 50% do custo de um desenvolvimento dos sistemas de software. A automação de testes surge como uma solução para diminuir o custo e aumentar a eficiência dos processos de teste. Um dos primeiros estágios do processo de automatização de Casos de Testes (CTs) é a identificação da viabilidade dessa automação. Atualmente, essa é uma problemática real da nossa empresa parceira, no ramo de dispositivos móveis, que mantém uma equipe responsável por criar os scripts executáveis para os CTs automatizáveis. A classificação é realizada manualmente por especialistas com conhecimento sobre as features dos dispositivos (i.e., que features podem ou não ser testadas automaticamente), e sobre o ambiente de desenvolvimento de CTs automáticos. No entanto, especialistas são profissionais “caros”, cujo tempo livre é escasso e o conhecimento adquirido é muito valioso. Nesse contexto, este trabalho teve por objetivo auxiliar no processo de automação de teste, criando uma ferramenta para classificação automática de CTs entre automatizáveis ou não. Além de otimizar essa tarefa, este trabalho também contribuiu para registrar o conhecimento do especialista, que pode ser perdido se o colaborador sair da empresa. O protótipo implementado utiliza conceitos da Classificação de Texto e da Engenharia do Conhecimento baseada em regras e inferência (através da ferramenta Drools). A avaliação do protótipo apresentou resultados muito satisfatórios, com valores de acurácia de 83,4%. Além disso, observamos que a classificação automática de um plano de teste com 1.192 CTs foi realizada em apenas alguns minutos, enquanto que a mesma tarefa levaria dias ou semanas para ser realizada manualmente.

Data da última modificação: 05/10/2020, 10:30