Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids bakalaura akadēmiskās studijas
Studiju programmas nosaukums Datorsistēmas
Nosaukums Mākslīgā intelekta risinājumu iespēju izpēte funkcionālo testu stabilitātes nodrošināšanā
Nosaukums angļu valodā Research on Capabilities of Artificial Intelligence Solutions for Ensuring Functional Test Stability
Struktūrvienība 33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte
Darba vadītājs Ērika Nazaruka
Recenzents Jānis Amoliņš
Anotācija Šī darba mērķis ir novērtēt implementēto mākslīgā intelekta risinājumu kvalitāti funkcionālo testu stabilitātes nodrošināšanā. Darba mērķa īstenošanai darbā tiek noskaidrots, kāda ir programmatūras testēšanas nozīme tās izstrādes procesā, galvenie procesi testēšanā, kādi faktori ietekmē testu stabilitāti, kā arī kādi mākslīgā intelekta risinājumi jau tiek pielietoti testēšanā, kā tie darbojas un kādas ir to priekšrocības un trūkumi. Pēc informācijas avotu apskates tiek noteikts, ka mūsdienās, lietojumprogrammatūrām saskaroties ar arvien biežākām izmaiņām, tradicionālās testēšanas metodes var nebūt spējīgas efektīvi atjaunot testus. Kā potenciāls risinājums tam tiek izšķirts pašatjaunošanās mehānisms, kas spēj testus automātiski atjaunot pēc veiktām izmaiņām programmatūrā. Darbā tiek izšķirti vairāki pašatjaunošanās mehānisma veidi, un apskatīti rīki, kas tos izmanto. Darba eksperimentālajā daļā tiek pārbaudīti un salīdzināti 2 pašatjaunošanās mehānismu veidi: uz elementu lokatoriem balstītā pašatjaunošanās, ko izmanto ‘Healenium’ rīks, un uz vizuālajiem pavedieniem balstītā pašatjaunošanās, ko izmanto ‘Mabl’ rīks. Eksperimentu rezultātu novērtēšanai darba autors izvirza kritēriju kopu. Veicot eksperimentus, izmantojot abus apskatītos mehānismus, darba autors iegūst izvirzīto kritēriju rezultātus, kas ļauj novērtēt izmantoto pašatjaunošanās mehānismu spējas nodrošināt funkcionālo testu stabilitāti, un izdara secinājumus par to, kādos gadījumos, kuru no apskatītajiem mehānismiem būtu ieteicams izmantot. Pēc secinājumu izdarīšanas tika veikti tāda paša tipa eksperimenti, testējot citu programmatūru un ņemot vērā secinājumos aprakstītos ieteikumus. Rezultātā darba autors secina, ka, ņemot vērā secinājumos aprakstītos ieteikumus, ir iespējams uzlabot funkcionālo testu stabilitāti, izmantojot darbā apskatītos mākslīgā intelekta risinājumus. Atskaite sastāv no 56 lapaspusēm, 7 tabulām, 2 attēliem un tajā apskatīti 42 literatūras avoti. Darbā iekļauti 25 pielikumi. Atslēgvārdi: "pašatjaunojošie testa skripti", "paškoriģējošie satvari", "pašatjaunojošie automatizācijas satvari", "mākslīgais intelekts programmatūras testēšanā"
Atslēgas vārdi pašatjaunojošie testa skripti, paškoriģējošie satvari, pašatjaunojošie automatizācijas satvari, mākslīgais intelekts programmatūras testēšanā
Atslēgas vārdi angļu valodā self-healing test scripts, self-correcting framework, Self- Healing automation frameworks, artificial intelligence in software testing
Valoda lv
Gads 2024
Darba augšupielādes datums un laiks 27.05.2024 12:10:51