Архитектура интеллектуальной системы тестирования
Автор: Бойко В.А., Легалов А.И., Зыков С.В.
Журнал: Журнал Сибирского федерального университета. Серия: Техника и технологии @technologies-sfu
Рубрика: Информационно-коммуникационные технологии
Статья в выпуске: 2 т.15, 2022 года.
Бесплатный доступ
Одним из подходов к автоматизации тестирования графического интерфейса пользователя являются программные комплексы, воспроизводящие сценарий взаимодействия пользователя с тестируемым программным обеспечением. Процесс воспроизведения такого сценария основывается на возможности имитации действий пользователя. Принципы, заложенные в реализацию такой системы тестирования, могут оказывать значительное влияние как на достоверность воспроизведения сценариев тестирования, так и на меру интеграции системы в тестируемое программное обеспечение или запускающую его среду. Подавляющее большинство инструментов не способно обеспечить высокой достоверности и переносимости тестовых сценариев. Вместе с тем, проблема обеспечения качества работы и тестирования различных интерфейсов пользователя, вне зависимости от запускающей его платформы, размеров экрана и способа ввода, является чрезвычайно сложной, многогранной и до сих пор эффективно не решенной. Рассматривается модульная архитектура интеллектуальной системы тестирования графического интерфейса пользователя. Для достижения большей автономности интеллектуальной системы предложены различные варианты реализации. Дано краткое описание интеллектуализации, основанной на методах машинного обучения. Элементами новизны представленного архитектурного решения служат модульная структура, циклическое выполнение команд тестового сценария и наличие интеллектуального модуля, способного распознавать элементы графического интерфейса пользователя. На основе концепции интеллектуализации процесса тестирования графического интерфейса пользователя создана модульная циклическая архитектура интеллектуальной системы тестирования и описан процесс и особенности взаимодействия модулей интеллектуальной системы. Предложена концепция цикла выполнения команды тестового сценария и рассмотрены подходы к обеспечению автономности работы интеллектуальной системы. Предложенная система может применяться для решения задач интеграционного тестирования с использованием интеллектуализации, основанной на методах машинного обучения; интеллектуальная система с модульной архитектурой позволяет достичь высокого уровня достоверности тестирования.
Тестирование, интеллектуальные системы, машинное обучение, модульная структура, графический интерфейс пользователя
Короткий адрес: https://sciup.org/146282428
IDR: 146282428
Список литературы Архитектура интеллектуальной системы тестирования
- Соловьева А. А. Сравнение программного обеспечения для разработки пользовательских интерфейсов и их прототипирования, Наука без границ, 2020, 4 (44), 55–60. [Soloveva A. A. Comparison of software for developing and prototyping user interfaces, Science without borders 2020, 4 (44), 55–60 (in Russian)]
- Deshpande A.P., Mahender C. N. Summarization of graph using question answer approach, Advances in Intelligent Systems and Computing 2020, 933, 205–216.
- Jander M. A multiple-choice protocol tester, Data Communications, 1994, 23(7), 41–42.
- Бойко В. А. Анализ особенностей процесса тестирования графического интерфейса пользователя, Приборы и системы. Управление, контроль, диагностика, 2021, 2. [Boyko V. A. Analysis of the features of the graphical user interface testing process, Devices and systems. Management, control, diagnostics, 2021, 2 (in Russian)]
- Рассел С., Норвиг П. Искусственный интеллект: современный подход, 2-е изд.: Пер. с англ. М.: Издательский дом «Вильямс», 2007. 1408 с. [Russell S., Norvig P. Artificial Intelligence: A Modern Approach, 2nd ed. M.: Publishing house «Williams», 2007. 1408 p. (in Russian)]
- Саттон Р.С., Барто Э. Г. Обучение с подкреплением: Пер. с англ. М.: БИНОМ. Лаборатория знаний, 2011. 399 с. [Sutton R. S. Barto E. G. Reinforcement learning. M.: BINOM. Knowledge Laboratory, 2011. 399 p. (in Russian)]
- Шайтура С. В. Интеллектуальные системы и технологии. Бургас, 2016. [Shaytura S. V. Intelligent systems and technologies, Burgas, 2016 (in Russian)]
- Минитаева А.М., Пешков Д. В. Нейронная сеть для определения принадлежности к заданному языку, Славянский форум, 2019, 1 (23), 174–181. [Minitaeva A. M., Peshkov D. V. Neural network for determining belonging to a given language, Slavic Forum, 2019, 1 (23), 174–181 (in Russian)]
- Shaitura S.V., Ordov K. V., Pigoreva O. V., Kosterina I. V., Zyukin D. A., Gerasimova V. G. Problems of distance education, Revista Inclusiones, 2020, 7(S4–1), 24–38.
- Shaytura S.V., Ordov K. V., Minitaeva A. M. Digital learning methods for the digital economy, Proceedings of the International Scientific and Practical Conference on Digital Economy (ISCDE2019), Yekaterinburg, Russia, pp. 606–611 doi:10.2991/iscde‑19.2019.117.
- Chen, Jieshan & Xie, Mulong & Xing, Zhenchang & Chen, Chunyang & Xu, Xiwei & Zhu, Liming. Object Detection for Graphical User Interface: Old Fashioned or Deep Learning or a Combination? Proceedings of the Sixth International Conference on Green and Human Information Technology 2020, 86–90.
- Rahmadi, Agyl & Sudaryanto, Aris. Visual Recognition Of Graphical User Interface Components Using Deep Learning Technique. Jurnal Ilmu Komputer dan Informasi, 2020, 13(1), 35.
