論文の概要: A Survey on Web Testing: On the Rise of AI and Applications in Industry

• arxiv url: http://arxiv.org/abs/2503.05378v1
• Date: Fri, 07 Mar 2025 12:39:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-10 12:23:34.863661
• Title: A Survey on Web Testing: On the Rise of AI and Applications in Industry
• Title（参考訳）: Webテスティングに関する調査 - 産業におけるAIとアプリケーションの増加について
• Authors: Iva Kertusha, Gebremariem Assress, Onur Duman, Andrea Arcuri,
• Abstract要約: 本稿では,2014年から2024年までのWebテスト方法論,ツール,トレンドに着目した系統的な文献調査を行う。 この結果から,Webテスト研究はICSTが中心となって活発に行われていることが示唆された。 セレニウムは最も広く使われている道具であるが、工業的採用や人的研究は比較的限られている。
• 参考スコア（独自算出の注目度）: 1.5149438988761574
• License:
• Abstract: Web application testing is an essential practice to ensure the reliability, security, and performance of web systems in an increasingly digital world. This paper presents a systematic literature survey focusing on web testing methodologies, tools, and trends from 2014 to 2024. By analyzing \totalPapersIncluded research papers, the survey identifies key trends, demographics, contributions, tools, challenges, and innovations in this domain. In addition, the survey analyzes the experimental setups adopted by the studies, including the number of participants involved and the outcomes of the experiments. Our results show that web testing research has been highly active, with ICST as the leading venue. Most studies focus on novel techniques, emphasizing automation in black-box testing. Selenium is the most widely used tool, while industrial adoption and human studies remain comparatively limited. The findings provide a detailed overview of trends, advancements, and challenges in web testing research, the evolution of automated testing methods, the role of artificial intelligence in test case generation, and gaps in current research. Special attention was given to the level of collaboration and engagement with the industry. A positive trend in using industrial systems is observed, though many tools lack open-source availability.
• Abstract（参考訳）: Webアプリケーションのテストは、ますますデジタル化されつつある世界でのWebシステムの信頼性、セキュリティ、パフォーマンスを保証するための重要なプラクティスである。 本稿では,2014年から2024年までのWebテスト方法論,ツール,トレンドに着目した系統的な文献調査を行う。 \totalPapersの調査論文を分析して、この領域における重要なトレンド、人口統計、貢献、ツール、課題、イノベーションを特定する。 さらに、参加者数や実験結果など、研究で採用した実験装置を分析した。 この結果から,Webテスト研究はICSTが中心となって活発に行われていることが示唆された。 ほとんどの研究は、ブラックボックステストにおける自動化を強調する新しい技術に焦点を当てている。 セレニウムは最も広く使われている道具であるが、工業的採用や人的研究は比較的限られている。 この結果は、Webテスト研究のトレンド、進歩、課題、自動テスト手法の進化、テストケース生成における人工知能の役割、現在の研究におけるギャップの詳細な概要を提供する。 業界とのコラボレーションとエンゲージメントのレベルに特に注目された。 産業システムの利用のポジティブな傾向が観察されているが、多くのツールはオープンソースの可用性を欠いている。

関連論文リスト

• Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation [58.064940977804596]
  多くの新しいAIモデルとツールが提案され、世界中の研究者や学者が研究をより効果的かつ効率的に実施できるようにすることを約束している。 これらのツールの欠点と誤用の可能性に関する倫理的懸念は、議論の中で特に顕著な位置を占める。
  論文  参考訳（メタデータ） (2025-02-07T18:26:45Z)
• Testing Research Software: An In-Depth Survey of Practices, Methods, and Tools [3.831549883667425]
  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。
  論文  参考訳（メタデータ） (2025-01-29T16:27:13Z)
• 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)
• Generative AI in Evidence-Based Software Engineering: A White Paper [10.489725182789885]
  1年足らずで、実践者や研究者は、生成人工知能の迅速かつ広範な実装を目撃した。 テキストGAI機能により、研究者は世界中で新しい生成シナリオを探索し、すべての時間を要するテキスト生成と分析タスクを簡素化し、急ぐことができる。 現在の調査に基づいて、EBSE研究者を効果的に支援する包括的モデルスイートの作成と実証検証を行う。
  論文  参考訳（メタデータ） (2024-07-24T17:16:17Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• 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)
• Distributed intelligence on the Edge-to-Cloud Continuum: A systematic literature review [62.997667081978825]
  このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。 現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
  論文  参考訳（メタデータ） (2022-04-29T08:06:05Z)
• Scaling up Search Engine Audits: Practical Insights for Algorithm Auditing [68.8204255655161]
  異なる地域に数百の仮想エージェントを配置した8つの検索エンジンの実験を行った。 複数のデータ収集にまたがる研究インフラの性能を実証する。 仮想エージェントは,アルゴリズムの性能を長時間にわたって監視するための,有望な場所である,と結論付けている。
  論文  参考訳（メタデータ） (2021-06-10T15:49:58Z)
• A Systematic Review of Online Exams Solutions in E-learning: Techniques, Tools and Global Adoption [0.9489594423829898]
  Eラーニングにおけるオンライン試験の信頼性、公正、シームレスな実行は極めて重要である。 オンライン試験は、E-ラーニングプラットフォーム上で、学生とインストラクターが同じ場所で物理的に存在せずに実施される。 これは、オンライン試験中の完全性やセキュリティなど、いくつかの問題を引き起こす。
  論文  参考訳（メタデータ） (2020-10-13T14:45:56Z)
• Dynamic Causal Effects Evaluation in A/B Testing with a Reinforcement Learning Framework [68.96770035057716]
  A/Bテスト(A/B Testing)は、新しい製品を製薬、技術、伝統産業の古い製品と比較するビジネス戦略である。 本稿では,オンライン実験においてA/Bテストを実施するための強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-05T10:25:02Z)

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。