論文の概要: Expectations vs Reality -- A Secondary Study on AI Adoption in Software Testing
- arxiv url: http://arxiv.org/abs/2504.04921v1
- Date: Mon, 07 Apr 2025 11:03:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-08 14:15:21.544567
- Title: Expectations vs Reality -- A Secondary Study on AI Adoption in Software Testing
- Title（参考訳）: 期待対現実 - ソフトウェアテストにおけるAI導入に関する2次研究
- Authors: Katja Karhu, Jussi Kasurinen, Kari Smolander,
- Abstract要約: ソフトウェア産業では、人工知能(AI)がソフトウェア開発活動でますます利用されている。
本研究の目的は,ソフトウェアテストにおけるAIにおける産業文脈による実証研究の種類を特定することである。
- 参考スコア（独自算出の注目度）: 0.7812210699650152
- License:
- Abstract: In the software industry, artificial intelligence (AI) has been utilized more and more in software development activities. In some activities, such as coding, AI has already been an everyday tool, but in software testing activities AI it has not yet made a significant breakthrough. In this paper, the objective was to identify what kind of empirical research with industry context has been conducted on AI in software testing, as well as how AI has been adopted in software testing practice. To achieve this, we performed a systematic mapping study of recent (2020 and later) studies on AI adoption in software testing in the industry, and applied thematic analysis to identify common themes and categories, such as the real-world use cases and benefits, in the found papers. The observations suggest that AI is not yet heavily utilized in software testing, and still relatively few studies on AI adoption in software testing have been conducted in the industry context to solve real-world problems. Earlier studies indicated there was a noticeable gap between the actual use cases and actual benefits versus the expectations, which we analyzed further. While there were numerous potential use cases for AI in software testing, such as test case generation, code analysis, and intelligent test automation, the reported actual implementations and observed benefits were limited. In addition, the systematic mapping study revealed a potential problem with false positive search results in online databases when using the search string "artificial intelligence".
- Abstract（参考訳）: ソフトウェア産業では、人工知能(AI)がソフトウェア開発活動でますます利用されている。
コーディングなど一部のアクティビティでは、AIはすでに日常的なツールだが、ソフトウェアテストアクティビティでは、AIはまだ大きなブレークスルーをしていない。
本研究の目的は,ソフトウェアテストにおけるAIと,ソフトウェアテスト実践におけるAIの活用方法について,業界状況による実証研究がどのような形で行われているかを明らかにすることである。
そこで本研究では,産業におけるソフトウェアテストにおけるAI導入に関する最近の(2020年以降)研究を体系的にマッピングし,実世界のユースケースやメリットなどの共通テーマやカテゴリを特定するために,テーマ分析を適用した。
この観察は、AIがまだソフトウェアテストにあまり使われていないことを示唆しており、実世界の問題を解決するために、ソフトウェアテストにおけるAIの採用に関する研究は、まだ比較的少ないことを示唆している。
以前の研究では、実際のユースケースと実際のメリットと期待との間に明らかなギャップがあることを示し、さらに分析した。
テストケース生成、コード分析、インテリジェントテスト自動化といった、ソフトウェアテストにおけるAIの潜在的なユースケースは数多くあったが、報告された実際の実装と観察されたメリットは限られていた。
さらに,検索文字列「人工知能」を用いた場合,オンラインデータベースにおける偽陽性検索結果の潜在的な問題を明らかにした。
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 Multi-Year Grey Literature Review on AI-assisted Test Automation [46.97326049485643]
テスト自動化(TA)技術は、ソフトウェアエンジニアリングの品質保証には不可欠だが、制限に直面している。
業界でAIが広く使われていることを考えると、真実の情報源はグレー文学だけでなく、専門家の心にも当てはまる。
この研究は、グレーの文献を調査し、AIがTAでどのように採用されているかを調査し、解決する問題、そのソリューション、利用可能なツールに焦点を当てる。
論文 参考訳（メタデータ） (2024-08-12T15:26:36Z) - 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) - Comparing Software Developers with ChatGPT: An Empirical Investigation [0.0]
本稿では,ChatGPTのようなソフトウェア技術者やAIシステムのパフォーマンスを,さまざまな評価指標で比較した実証的研究を行う。
この論文は、さまざまな評価基準を考慮して、ソフトウェアエンジニアとAIベースのソリューションの包括的な比較が、人間と機械のコラボレーションを促進する上で重要であることを示唆している。
論文 参考訳（メタデータ） (2023-05-19T17:25:54Z) - Metaethical Perspectives on 'Benchmarking' AI Ethics [81.65697003067841]
ベンチマークは、人工知能(AI)研究の技術的進歩を測定するための基盤とみられている。
AIの顕著な研究領域は倫理であり、現在、ベンチマークのセットも、AIシステムの「倫理性」を測定する一般的な方法もない。
我々は、現在と将来のAIシステムのアクションを考えるとき、倫理よりも「価値」について話す方が理にかなっていると論じる。
論文 参考訳（メタデータ） (2022-04-11T14:36:39Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Proceedings of the Artificial Intelligence for Cyber Security (AICS)
Workshop at AAAI 2022 [55.573187938617636]
ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。
サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
論文 参考訳（メタデータ） (2022-02-28T18:27:41Z) - Artificial Intelligence in Software Testing : Impact, Problems,
Challenges and Prospect [0.0]
この研究は、テストにAIを適用しながら、ソフトウェアテスタが直面する最も大きな課題を認識し、説明することを目的としている。
この記事では、ソフトウェアテストの分野におけるAIの今後の重要な貢献についても提案する。
論文 参考訳（メタデータ） (2022-01-14T10:21:51Z) - Software engineering for artificial intelligence and machine learning
software: A systematic literature review [6.681725960709127]
本研究は,AI/MLシステムの開発において,ソフトウェア工学がどのように応用されてきたかを検討することを目的とする。
プロフェッショナルが直面する主な課題は、テスト、AIソフトウェアの品質、データ管理といった分野だ。
論文 参考訳（メタデータ） (2020-11-07T11:06:28Z) - Quality Management of Machine Learning Systems [0.0]
機械学習(ML)技術の大きな進歩により、人工知能(AI)は私たちの日常生活の一部になっています。
ビジネス/ミッションクリティカルなシステムでは、AIアプリケーションの信頼性と保守性に関する深刻な懸念が残っている。
本稿では,MLアプリケーションのための総合的な品質管理フレームワークの展望について述べる。
論文 参考訳（メタデータ） (2020-06-16T21:34:44Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
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。