رویکردی جدید مبتنی بر سنجه های نرم افزاری جهت افزایش سودمندی آزمون بازگشت
اولویت دهی آزمایه فنی است که اغلب برای کاهش هزینه های آزمون بازگشت نرم افزار استفاده شده است. فنون فعلی سعی کرده اند با کمک اطلاعات مختلف پوشش کد، قدرت آشکارسازی خطای هر آزمایه را تخمین بزنند و سپس با روشی ابتکاری آن ها را رتبه بندی نمایند. اما مطالعه ها نشان داده اند که پوشش هم بستگی قوی با سودمندی آزمایه ها و قدرت آن ها در آشکارسازی خطا ندارد. با تکیه بر مطالعه هایی که اثربخشی سنجه های کد را در پیش بینی خطاها نشان داده اند، حدس زده شد که می توان از اطلاعات حاصل از سنجه های کد برای طراحی فن موثری جهت اولویت دهی آزمایه ها بهره برداری نمود. برمبنای این فرضیه، در این مقاله فن جدیدی برای اولویت دهی پیشنهاد می شود که براساس امتزاج داده روی اطلاعات سنجه های پیچیدگی کد کار می کند. نوآوری این تحقیق این است که قدرت آشکارکنندگی خطای آزمایه ها را در اولویت دهی با نگاه جدیدی تخمین می زند. برای ارزیابی فن پیشنهادی، آزمایش هایی روی نسخه های خطادار هفت برنامه محک جاوا انجام داده شد. در آزمایش ها کارایی اولویت دهی اغلب حداقل70% برحسب متوسط درصد آشکارسازی خطا مشاهده شد که این نتیجه فرضیه ما را معتبر می نماید.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.