論文の概要: Comparing Mobile Testing Tools Using Documentary Analysis

• arxiv url: http://arxiv.org/abs/2307.00355v1
• Date: Sat, 1 Jul 2023 14:52:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 18:34:27.035549
• Title: Comparing Mobile Testing Tools Using Documentary Analysis
• Title（参考訳）: 文書分析を用いたモバイルテストツールの比較
• Authors: Gustavo da Silva and Ronnie de Souza Santos
• Abstract要約: モバイルテスト用のオープンソースツールとして,Appium,Robotium,Espresso,Frank,EarGreyの5つを比較した。 私たちの発見は,モバイルテストツールのいくつかの側面を実践者が理解するのに役立つものと期待されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to the high demand for mobile applications, given the exponential growth of users of this type of technology, testing professionals are frequently required to invest time in studying testing tools, in particular, because nowadays, several different tools are available. A variety of tools makes it difficult for testing professionals to choose the one that best fits their goals and supports them in their work. In this sense, we conducted a comparative analysis among five open-source tools for mobile testing: Appium, Robotium, Espresso, Frank, and EarGrey. We used the documentary analysis method to explore the official documentation of each above-cited tool and developed various comparisons based on technical criteria reported in the literature about characteristics that mobile testing tools should have. Our findings are expected to help practitioners understand several aspects of mobile testing tools.
• Abstract（参考訳）: モバイルアプリケーションの需要が高いため、この種の技術の利用者が急増していることを考えると、テスト専門家はテストツールの研究に時間を費やす必要があることが多い。 さまざまなツールによって、テスト担当者が目標に最も適したものを選択して、作業でサポートすることが難しくなります。 この意味で,モバイルテスト用の5つのオープンソースツール,appium,robotium,espresso,frank,eargreyの比較分析を行った。 文献分析手法を用いて,上記の各ツールの公式文書を探索し,モバイルテスティングツールが持つべき特性に関する文献で報告された技術基準に基づく各種比較を行った。 当社の調査結果は,モバイルテスティングツールのいくつかの側面を理解する上で有効だと思われます。

関連論文リスト

• From Exploration to Mastery: Enabling LLMs to Master Tools via Self-Driven Interactions [60.733557487886635]
  本稿では,大規模言語モデルと外部ツールとの包括的ギャップを埋めることに焦点を当てる。 ツール文書の動的精錬を目的とした新しいフレームワーク DRAFT を提案する。 複数のデータセットに対する大規模な実験は、DRAFTの反復的なフィードバックベースの改善がドキュメントの品質を大幅に改善することを示している。
  論文  参考訳（メタデータ） (2024-10-10T17:58:44Z)
• What Are Tools Anyway? A Survey from the Language Model Perspective [67.18843218893416]
  言語モデル(LM)は強力だが、主にテキスト生成タスクに向いている。 LMが使用する外部プログラムとしてツールを統一的に定義する。 各種ツールの効率を実証的に検討した。
  論文  参考訳（メタデータ） (2024-03-18T17:20:07Z)
• TOOLVERIFIER: Generalization to New Tools via Self-Verification [69.85190990517184]
  本稿では,ツール選択中にコントラスト質問を自己問合せすることで,近接候補を識別する自己検証手法を提案する。 ToolBenchベンチマークによる4つのタスクの実験では、17の見えないツールで構成されており、数ショットのベースラインよりも平均22%改善されている。
  論文  参考訳（メタデータ） (2024-02-21T22:41:38Z)
• MetaTool Benchmark for Large Language Models: Deciding Whether to Use Tools and Which to Use [82.24774504584066]
  大規模言語モデル(LLM)は、その印象的な自然言語処理(NLP)能力のために大きな注目を集めている。 このベンチマークは、LLMがツールの使用意識を持ち、ツールを正しく選択できるかどうかを評価するためのものだ。 8つの人気のあるLCMを巻き込んだ実験を行い、その大半は依然として効果的にツールを選択するのに苦労していることがわかった。
  論文  参考訳（メタデータ） (2023-10-04T19:39:26Z)
• Tool Documentation Enables Zero-Shot Tool-Usage with Large Language Models [90.96816639172464]
  大規模言語モデル(LLM)は、ツールの使用のデモを提供することで、新しいツールを使用するように教えられている。 デモよりも、ツールドキュメンテーションの使用、個々のツール使用方法の説明を推奨します。
  論文  参考訳（メタデータ） (2023-08-01T17:21:38Z)
• Automated Grading and Feedback Tools for Programming Education: A Systematic Review [7.776434991976473]
  ほとんどの論文はオブジェクト指向言語における代入の正確性を評価する。 ソースコードの保守性、可読性、ドキュメントを評価するツールは少ない。 ほとんどのツールは、ほぼ即時フィードバックを可能にする完全に自動化されたアセスメントを提供する。
  論文  参考訳（メタデータ） (2023-06-20T17:54:50Z)
• LLM-based Interaction for Content Generation: A Case Study on the Perception of Employees in an IT department [85.1523466539595]
  本稿では,IT企業の従業員が生成ツールを使用する意図を明らかにするためのアンケート調査を行う。 以上の結果から, 生成ツールの比較的平均的な受容性が示唆されるが, ツールが有用であると認識されるほど, 意図が高くなることが示唆された。 分析の結果, 生産ツールの利用頻度は, 従業員が作業の文脈でこれらのツールをどのように認識しているかを理解する上で重要な要因である可能性が示唆された。
  論文  参考訳（メタデータ） (2023-04-18T15:35:43Z)
• Open Tracing Tools: Overview and Critical Comparison [10.196089289625599]
  本稿では,一般的なOpenトレースツールの概要を比較を通じて示すことを目的としている。 われわれはまず,目的,体系的,再現可能な方法でRa30ツールを同定した。 その結果,1) 評価機能,2) ピアレビュー文学とオンラインメディアの両方での人気,3) メリットと課題を考察した。
  論文  参考訳（メタデータ） (2022-07-14T12:52:32Z)
• Exploring How Machine Learning Practitioners (Try To) Use Fairness Toolkits [35.7895677378462]
  業界実践者が既存の公正ツールキットでどのように機能するかについて検討する。 フェアネスツールキットが実践者のニーズに対処するいくつかの機会を特定します。 我々は、将来のオープンソースフェアネスツールキットの設計における意味を強調した。
  論文  参考訳（メタデータ） (2022-05-13T23:07:46Z)
• Using Personality Detection Tools for Software Engineering Research: How Far Can We Go? [12.56413718364189]
  自己評価アンケートは、大規模に複数の観察を収集するための実践的な解決策ではない。 非技術的コーパスでトレーニングされたオフザシェルフソリューションは、ソフトウェア工学のような技術的な領域では、容易には適用できないかもしれない。
  論文  参考訳（メタデータ） (2021-10-11T07:02:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。