مشخصات مقاله | |
ترجمه عنوان مقاله | بازخورد رو به رشد دقیق و سریع برای آزمون های نرم افزار دانشجو با استفاده از تحلیل جهش انتخابی |
عنوان انگلیسی مقاله | Fast and accurate incremental feedback for students’ software tests using selective mutation analysis |
انتشار | مقاله سال 2021 |
تعداد صفحات مقاله انگلیسی | 18 صفحه |
هزینه | دانلود مقاله انگلیسی رایگان میباشد. |
پایگاه داده | نشریه الزویر |
نوع نگارش مقاله |
مقاله پژوهشی (Research Article) |
مقاله بیس | این مقاله بیس نمیباشد |
نمایه (index) | Scopus – Master Journals List – JCR |
نوع مقاله | ISI |
فرمت مقاله انگلیسی | |
ایمپکت فاکتور(IF) |
2.829 در سال 2020 |
شاخص H_index | 109 در سال 2020 |
شاخص SJR | 0.642 در سال 2020 |
شناسه ISSN | 0164-1212 |
شاخص Quartile (چارک) | Q1 در سال 2020 |
فرضیه | ندارد |
مدل مفهومی | ندارد |
پرسشنامه | ندارد |
متغیر | ندارد |
رفرنس | دارد |
رشته های مرتبط | مهندسی کامپیوتر |
گرایش های مرتبط | مهندسی نرم افزار |
نوع ارائه مقاله |
ژورنال |
مجله | مجله نرم افزار و سیستم ها – Journal of Systems and Software |
دانشگاه | California Polytechnic State University, United States of America |
کلمات کلیدی | آزمون نرم افزار، تحلیل جهش، آموزش مهندسی نرم افزار، ابزارهای ارزیابی اتوماتیک |
کلمات کلیدی انگلیسی | Software testing, Mutation analysis, Software engineering education, Automated assessment tools |
شناسه دیجیتال – doi |
https://doi.org/10.1016/j.jss.2021.110905 |
کد محصول | E15703 |
وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
فهرست مطالب مقاله: |
Abstract Keywords Introduction Background and related work Goals and constraints Research questions Study context Motivational study: Evaluating existing approaches Core study: Proposing new approaches Validation study Discussion Threats to validity Conclusion CRediT authorship contribution statement Declaration of Competing Interest Acknowledgments References |
بخشی از متن مقاله: |
abstract As incorporating software testing into programming assignments becomes routine, educators have begun to assess not only the correctness of students’ software, but also the adequacy of their tests. In practice, educators rely on code coverage measures, though its shortcomings are widely known. Mutation analysis is a stronger measure of test adequacy, but it is too costly to be applied beyond the small programs developed in introductory programming courses. We demonstrate how to adapt mutation analysis to provide rapid automated feedback on software tests for complex projects in large programming courses. We study a dataset of 1389 student software projects ranging from trivial to complex. We begin by showing that although the state-of-the-art in mutation analysis is practical for providing rapid feedback on projects in introductory courses, it is prohibitively expensive for the more complex projects in subsequent courses. To reduce this cost, we use a statistical procedure to select a subset of mutation operators that maintains accuracy while minimizing cost. We show that with only 2 operators, costs can be reduced by a factor of 2–3 with negligible loss in accuracy. Finally, we evaluate our approach on open-source software and report that our findings may generalize beyond our educational context. |