Studiju veids |
maģistra akadēmiskās studijas |
Studiju programmas nosaukums |
Biznesa informātika |
Nosaukums |
Metode programmatūras testēšanā atklāto defektu pamatcēloņu noteikšanai |
Nosaukums angļu valodā |
Method for Detecting Root Causes of Defects Discovered during Software Testing |
Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
Darba vadītājs |
Ērika Nazaruka |
Recenzents |
Ksenija Lāce |
Anotācija |
Pieaugot popularitātei un pieprasījumam pēc uzlabotas programmatūras funkcionalitātes, programmatūras funkcionalitātes izveides un uzturēšanas process tiek uzskatīts par izšķirošu. Programmatūras testēšanā un defektu pārvaldībā ir notikušas ievērojamas paradigmas izmaiņas, lai veicinātu ātruma un precizitātes uzlabošanos, taču problēmu rašanās pamatcēloņu noteikšana joprojām ir izaicinājums, ko ierobežo to statiskais, manuālais raksturs, kas rada neefektīvu resursu optimizāciju, lielākus izdevumus un aizkavēšanos.
Šis darbs pēta pamatcēloņu analīzes (RCA) jomu programmatūras testēšanā, liekot uzsvaru uz tehnikas izstrādi problēmu pamatcēloņu noteikšanai programmatūras testēšanas laikā. Risinot ierobežojumus, tā piedāvā efektīvu RCA pieeju, izmantojot metadatu analīzes un masiņ mācīšanas (ML) metodes, kas ieviestas, izmantojot Python. Galvenais mērķis ir nodrošināt efektīvu pieeju programmatūras testēšanas laikā atklāto defektu pamatcēloņu atrašanai un ieskatiem preventīvo pasākumu noteikšanā to samazināšanai vai novēršanai nākotnē, tādējādi paaugstinot programmatūras izstrādes kvalitāti.
Informācija par darba apjomu par pašreizējo progresu – 91 lappuses, 19 tabulas, 15 attēli un 77 uzziņu avoti. |
Atslēgas vārdi |
SĀKŅCĒLOŅU ANALĪZE, DEFEKTU PROGNOZĒŠANA, MAŠĪNMĀCĪBA PROGRAMMATŪRAS TESTĒŠANĀ, METADATU ĪPAŠUMU IEGŪŠANA |
Atslēgas vārdi angļu valodā |
ROOT CAUSE ANALYSIS, DEFECT PREDICTION, MACHINE LEARNING IN SOFTWARE TESTING, METADATA FEATURE EXTRACTION |
Valoda |
eng |
Gads |
2025 |
Darba augšupielādes datums un laiks |
07.01.2025 00:15:07 |