优化教育软件的自动化测试:以一门在线STEM科目为例
发布时间：2021-08-31 16:03
教育软件和教育ICT软件应用程序测试的自动化能减少测试维护失败的风险,选择最优化的测试套件能提高效率,因此能降低成本和耗时。本文介绍一种自动化测试工具的研发,这种工具包含教育软件测试的两个主要自动化部分:测试套件生成和测试套件优化。本文通过控制流图表示被试教育软件的控制流。该工具提供五种测试套件生成方法,即边界值测试、稳健性测试、最坏情况测试、稳健最坏情况测试和随机测试,并采用人工蜂群算法或布谷鸟搜索算法对所生成的测试套件进行优化,直至达到预期的适应值水平。与其他算法相比,这种方法能够以最少的一组测试用例达成最大的路径覆盖率。最后,我们对所产生的优化测试套件进行自动故障检测。本文还以一所在线开放大学的一门STEM科目为案例,介绍这个工具的使用情况。
【文章来源】：中国远程教育. 2018,(06)北大核心CSSCI
【文章页数】：14 页
【部分图文】：
自动化测试工具制作的控制流图（三角形分类问题）条件：C0:a
杂美?a=107,b=65,c=33。这个测试用例通过路径N0-N1-N3-N5-N7-N8-N11，因此相应路径的记忆中就增加了这个变异测试用例。表4是第二次迭代的结果。表4第二次迭代序号123456路径N0-N1-N2N0-N1-N3-N4N0-N1-N3-N5-N6N0-N1-N3-N5-N7-N8-N10N0-N1-N3-N5-N7-N8-N11N0-N1-N3-N5-N7-N9测试用例a235165-331107-b65589-54165-c33356-65733-目标值-226215.86-16476743.47--56255018.9-95063.799999-以此类推，更多的迭代会增强其记忆。图4是用ABC优化测试套件的截图。CSA运算初始种群可以用上述任何一种黑盒技术或随机测试生成初始种群。本案例用的是随机技术，规定测试用例数目等于10，测试用例和它们的目标值见表5。表5初始种群序号12345678910路径N0-N1-N3-N5-N6N0-N1-N2N0-N1-N3-N5-N6N0-N1-N2N0-N1-N3-N5-N7-N8-N10N0-N1-N2N0-N1-N3-N5-N7-N8-N10N0-N1-N3-N5-N7-N8-N10N0-N1-N3-N5-N6N0-N1-N3-N5-N6测试用例a197992189027091229550516685b9264715139604580844320073c2534193517547875562268685559目标值-193340.28-838870.2-6378400.34-798429.0-42626684.3-1499877.56-64025503.019-28642692.119-10776596.94-1580416.49CSA第一次循环CSA第一次循环之后，每一条独立路径只剩下一个测试用例，这是对所有通过相同路径的测试用例的目标值进行比较的结果。目标值最小的测试用例被认为是这条路径最佳的测试用例。以通过路径N0-N1-N2的三个测试用例为例，它们分别是测试用例2（目?
中国远程教育DISTANCEEDUCATIONINCHINA2018,NO.62018年第6期表7第二次循环序号123456路径N0-N1-N2N0-N1-N3-N4N0-N1-N3-N5-N6N0-N1-N3-N5-N7-N8-N10N0-N1-N3-N5-N7-N8-N11N0-N1-N3-N5-N7-N9测试用例a9122166295--b5764200808--c875557685562--目标值-1499877.56-176099.33-10776596.94-64025503.019--好的测试用例，表格会随着持续更新。更多的循环会增强其记忆。图5是用CSA优化测试套件的截图。图5用CSA执行TSO实验结果表8和表9是用ABC和CSA测试20种教育ICT软件应用程序所获得的路径覆盖率和适应值（20种软件应用程序的名单见附录）。表8和表9是用ABC和CSA对20种教育ICT软件应用程序的测试套件进行优化测试的结果。测试结果显示，用ABC的平均路径覆盖率是90.3%，而CSA的平均覆盖率是75.4%。在优化数据的适应值方面，ABC也优于CSA。这说明在路径覆盖方面ABC的表现优于CSA。另外，研究发现，除了教育ICT软件应用程序3外，总体而言，适应值越高，路径覆盖率越高。应用程序3的适应值更高，但路径覆盖率却更低。这可能是由于CSA的各种限制条件所引起的，它们以较低路径覆盖率换取优质的数据优化。我们的这个工具在这两种算法的帮助下能以最少的测试用例覆盖最多的路径，这有助于减少测试时间，大大降低测试费用。用ABC得出这些软件应用程序适应值的标准差是2.69E-5单位，而CSA的标准差是1.14E-7单位。换言之，CSA的结果更加一致但路径覆盖率较低，而ABC的路径覆盖率更好，但结果不如CSA一致。
【参考文献】：
期刊论文
[1]转基因学习:构建基于规则、适合大规模招生的e-learning推荐模型[J]. 丹尼尔·布尔戈斯,阿尔贝托·考比,肖俊洪. 中国远程教育. 2017(07)
本文编号：3375188
【文章来源】：中国远程教育. 2018,(06)北大核心CSSCI
【文章页数】：14 页
【部分图文】：
自动化测试工具制作的控制流图（三角形分类问题）条件：C0:a
杂美?a=107,b=65,c=33。这个测试用例通过路径N0-N1-N3-N5-N7-N8-N11，因此相应路径的记忆中就增加了这个变异测试用例。表4是第二次迭代的结果。表4第二次迭代序号123456路径N0-N1-N2N0-N1-N3-N4N0-N1-N3-N5-N6N0-N1-N3-N5-N7-N8-N10N0-N1-N3-N5-N7-N8-N11N0-N1-N3-N5-N7-N9测试用例a235165-331107-b65589-54165-c33356-65733-目标值-226215.86-16476743.47--56255018.9-95063.799999-以此类推，更多的迭代会增强其记忆。图4是用ABC优化测试套件的截图。CSA运算初始种群可以用上述任何一种黑盒技术或随机测试生成初始种群。本案例用的是随机技术，规定测试用例数目等于10，测试用例和它们的目标值见表5。表5初始种群序号12345678910路径N0-N1-N3-N5-N6N0-N1-N2N0-N1-N3-N5-N6N0-N1-N2N0-N1-N3-N5-N7-N8-N10N0-N1-N2N0-N1-N3-N5-N7-N8-N10N0-N1-N3-N5-N7-N8-N10N0-N1-N3-N5-N6N0-N1-N3-N5-N6测试用例a197992189027091229550516685b9264715139604580844320073c2534193517547875562268685559目标值-193340.28-838870.2-6378400.34-798429.0-42626684.3-1499877.56-64025503.019-28642692.119-10776596.94-1580416.49CSA第一次循环CSA第一次循环之后，每一条独立路径只剩下一个测试用例，这是对所有通过相同路径的测试用例的目标值进行比较的结果。目标值最小的测试用例被认为是这条路径最佳的测试用例。以通过路径N0-N1-N2的三个测试用例为例，它们分别是测试用例2（目?
中国远程教育DISTANCEEDUCATIONINCHINA2018,NO.62018年第6期表7第二次循环序号123456路径N0-N1-N2N0-N1-N3-N4N0-N1-N3-N5-N6N0-N1-N3-N5-N7-N8-N10N0-N1-N3-N5-N7-N8-N11N0-N1-N3-N5-N7-N9测试用例a9122166295--b5764200808--c875557685562--目标值-1499877.56-176099.33-10776596.94-64025503.019--好的测试用例，表格会随着持续更新。更多的循环会增强其记忆。图5是用CSA优化测试套件的截图。图5用CSA执行TSO实验结果表8和表9是用ABC和CSA测试20种教育ICT软件应用程序所获得的路径覆盖率和适应值（20种软件应用程序的名单见附录）。表8和表9是用ABC和CSA对20种教育ICT软件应用程序的测试套件进行优化测试的结果。测试结果显示，用ABC的平均路径覆盖率是90.3%，而CSA的平均覆盖率是75.4%。在优化数据的适应值方面，ABC也优于CSA。这说明在路径覆盖方面ABC的表现优于CSA。另外，研究发现，除了教育ICT软件应用程序3外，总体而言，适应值越高，路径覆盖率越高。应用程序3的适应值更高，但路径覆盖率却更低。这可能是由于CSA的各种限制条件所引起的，它们以较低路径覆盖率换取优质的数据优化。我们的这个工具在这两种算法的帮助下能以最少的测试用例覆盖最多的路径，这有助于减少测试时间，大大降低测试费用。用ABC得出这些软件应用程序适应值的标准差是2.69E-5单位，而CSA的标准差是1.14E-7单位。换言之，CSA的结果更加一致但路径覆盖率较低，而ABC的路径覆盖率更好，但结果不如CSA一致。
【参考文献】：
期刊论文
[1]转基因学习:构建基于规则、适合大规模招生的e-learning推荐模型[J]. 丹尼尔·布尔戈斯,阿尔贝托·考比,肖俊洪. 中国远程教育. 2017(07)
本文编号：3375188
本文链接：https://www.wllwen.com/jiaoyulunwen/xuekejiaoyulunwen/3375188.html
