論文の概要: Testing Research Software: An In-Depth Survey of Practices, Methods, and Tools

• arxiv url: http://arxiv.org/abs/2501.17739v1
• Date: Wed, 29 Jan 2025 16:27:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-30 15:52:12.825583
• Title: Testing Research Software: An In-Depth Survey of Practices, Methods, and Tools
• Title（参考訳）: テスティングリサーチソフトウェア: 実践、方法、ツールの詳細な調査
• Authors: Nasir U. Eisty, Upulee Kanewala, Jeffrey C. Carver,
• Abstract要約: 研究ソフトウェアをテストすることは、ソフトウェアの複雑さと研究ソフトウェアコミュニティのユニークな文化のために難しい。 本研究は,テストケースの設計,期待されるアウトプットの課題,品質指標の使用,実行方法,ツール,望ましいツール機能に焦点を当てる。
• 参考スコア（独自算出の注目度）: 3.831549883667425
• License:
• Abstract: Context: Research software is essential for developing advanced tools and models to solve complex research problems and drive innovation across domains. Therefore, it is essential to ensure its correctness. Software testing plays a vital role in this task. However, testing research software is challenging due to the software's complexity and to the unique culture of the research software community. Aims: Building on previous research, this study provides an in-depth investigation of testing practices in research software, focusing on test case design, challenges with expected outputs, use of quality metrics, execution methods, tools, and desired tool features. Additionally, we explore whether demographic factors influence testing processes. Method: We survey research software developers to understand how they design test cases, handle output challenges, use metrics, execute tests, and select tools. Results: Research software testing varies widely. The primary challenges are test case design, evaluating test quality, and evaluating the correctness of test outputs. Overall, research software developers are not familiar with existing testing tools and have a need for new tools to support their specific needs. Conclusion: Allocating human resources to testing and providing developers with knowledge about effective testing techniques are important steps toward improving the testing process of research software. While many industrial testing tools exist, they are inadequate for testing research software due to its complexity, specialized algorithms, continuous updates, and need for flexible, custom testing approaches. Access to a standard set of testing tools that address these special characteristics will increase level of testing in research software development and reduce the overhead of distributing knowledge about software testing.
• Abstract（参考訳）: コンテキスト: 研究ソフトウェアは、複雑な研究問題の解決とドメイン間のイノベーションを促進するための高度なツールやモデルを開発するために不可欠です。 したがって、その正しさを保証することが不可欠である。 このタスクでは、ソフトウェアテストが重要な役割を果たす。 しかし、研究ソフトウェアをテストすることは、ソフトウェアの複雑さと研究ソフトウェアコミュニティのユニークな文化のために困難である。 Aims: 以前の調査に基づいて、テストケース設計、期待されるアウトプットの課題、品質メトリクスの使用、実行方法、ツール、望ましいツール機能など、研究ソフトウェアにおけるテストプラクティスの詳細な調査を提供します。 さらに、人口統計学的要因がテストプロセスに影響を及ぼすかどうかについても検討する。 メソッド: テストケースの設計方法、アウトプットの問題への対応、メトリクスの使用、テストの実行、ツールの選択について調査する。 結果: 研究用ソフトウェアテストは様々である。 主な課題は、テストケースの設計、テスト品質の評価、テストアウトプットの正確性の評価である。 全体として、リサーチソフトウェア開発者は既存のテストツールに慣れておらず、特定のニーズをサポートするための新しいツールを必要としています。 結論: 効率的なテスト技術に関する知識を開発者に提供し、テストに人的リソースを割り当てることは、研究ソフトウェアのテストプロセスを改善するための重要なステップです。 多くの産業用テストツールが存在するが、その複雑さ、特殊なアルゴリズム、継続的な更新、柔軟なカスタムテストアプローチの必要性により、研究ソフトウェアをテストするには不十分である。 これらの特別な特徴に対処する標準的なテストツールへのアクセスは、研究ソフトウェア開発におけるテストのレベルを高め、ソフトウェアテストに関する知識を分散するオーバーヘッドを低減する。

関連論文リスト

• The Role of Artificial Intelligence and Machine Learning in Software Testing [0.14896196009851972]
  人工知能(AI)と機械学習(ML)は様々な産業に大きな影響を与えている。 ソフトウェア開発ライフサイクル(SDLC)の重要な部分であるソフトウェアテストは、ソフトウェア製品の品質と信頼性を保証する。 本稿では、既存の文献をレビューし、現在のツールや技術を分析し、ケーススタディを提示することで、ソフトウェアテストにおけるAIとMLの役割について考察する。
  論文  参考訳（メタデータ） (2024-09-04T13:25:13Z)
• A Comprehensive Study on Automated Testing with the Software Lifecycle [0.6144680854063939]
  この研究は、自動テストがソフトウェアの品質を評価するのをいかに簡単にするか、手動テストと比べてどのように時間を節約するか、そして利点と欠点の観点から、それぞれのテストとどのように違うかを調べる。 ソフトウェアアプリケーションのテストプロセスは、単純化され、特定のテスト状況に合わせてカスタマイズされ、自動テストツールを使用してうまく実行される。
  論文  参考訳（メタデータ） (2024-05-02T06:30:37Z)
• Survey of Computerized Adaptive Testing: A Machine Learning Perspective [66.26687542572974]
  コンピュータ適応テスト (Computerized Adaptive Testing, CAT) は、試験の熟練度を評価するための効率的で調整された方法である。 本稿では,この適応テスト手法に対する新たな視点を提示し,機械学習に着目したCATに関する調査を行うことを目的とする。
  論文  参考訳（メタデータ） (2024-03-31T15:09:47Z)
• Elevating Software Quality in Agile Environments: The Role of Testing Professionals in Unit Testing [0.0]
  テストはソフトウェア開発プロセスにおいて不可欠な品質活動です。 本報告では, 産業環境での単体テストにおけるテストエンジニアの関与について考察する。
  論文  参考訳（メタデータ） (2024-03-20T00:41:49Z)
• Software Testing and Code Refactoring: A Survey with Practitioners [3.977213079821398]
  本研究の目的は,ソフトウェアテストのコンテキストにおいて,このプラクティスのメリットと限界を理解するために,ソフトウェアテスト専門家がコードを扱う方法を検討することである。 ソフトウェアテストの文脈では、自動テストのメンテナンスのサポートや、テストチームのパフォーマンス向上など、いくつかのメリットがある、と私たちは結論付けました。 本研究は,テスト専門家が自動テストのコードに実装することの重要性について議論し,コーディング能力の向上を可能にするものである。
  論文  参考訳（メタデータ） (2023-10-03T01:07:39Z)
• Using Machine Learning To Identify Software Weaknesses From Software Requirement Specifications [49.1574468325115]
  本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。 ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
  論文  参考訳（メタデータ） (2023-08-10T13:19:10Z)
• Towards Automatic Generation of Amplified Regression Test Oracles [44.45138073080198]
  回帰テストオラクルを増幅するためのテストオラクル導出手法を提案する。 このアプローチはテスト実行中にオブジェクトの状態を監視し、以前のバージョンと比較して、SUTの意図した振る舞いに関連する変更を検出する。
  論文  参考訳（メタデータ） (2023-07-28T12:38:44Z)
• Towards Informed Design and Validation Assistance in Computer Games Using Imitation Learning [65.12226891589592]
  本稿では,自動ゲーム検証とテストのための新しいアプローチを提案する。 本手法は,データ駆動型模倣学習技術を活用し,時間と労力をほとんど必要とせず,機械学習やプログラミングの知識も必要としない。
  論文  参考訳（メタデータ） (2022-08-15T11:08:44Z)
• Fairness Testing: A Comprehensive Survey and Analysis of Trends [30.637712832450525]
  機械学習(ML)ソフトウェアの不公平な振る舞いは、ソフトウェアエンジニアの間で注目と関心が高まっている。 本稿では,本分野における既存研究を包括的に調査する。
  論文  参考訳（メタデータ） (2022-07-20T22:41:38Z)
• SUPERNOVA: Automating Test Selection and Defect Prevention in AAA Video Games Using Risk Based Testing and Machine Learning [62.997667081978825]
  従来の手法では、成長するソフトウェアシステムではスケールできないため、ビデオゲームのテストはますます難しいタスクになります。 自動化ハブとして機能しながら,テスト選択と欠陥防止を行うシステム SUPERNOVA を提案する。 この直接的な影響は、未公表のスポーツゲームタイトルの55%以上のテスト時間を減らすことが観察されている。
  論文  参考訳（メタデータ） (2022-03-10T00:47:46Z)

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。