Een belangrijk onderdeel van testen is bepalen welke data je in je testgevallen gebruikt. In Model-Based Testing (MBT) wordt deze data automatisch gegenereerd door SAT-solvers op basis van de data-constraints in het model. Dit zorgt voor systematische testgevallen, maar roept ook vragen op over de volledigheid en effectiviteit van het datagebruik.
Coverage meet in hoeverre testgevallen het systeem onder test verkennen. Bij Axini volgen we verschillende coverage-metrics op basis van het model, zoals transition- en state-coverage. Deze helpen de grondigheid te beoordelen en gaten in de testuitvoering te identificeren. Coverage-metrics kunnen ook input zijn voor een teststrategie die juist die coverage probeert te maximaliseren.
Er bestaat momenteel echter geen vaststaande methode om data coverage te volgen binnen het Axini Modeling Platform. Dit komt deels doordat het lastig is te definiëren wat data coverage betekent en hoe het uitgedrukt moet worden. Begrip van data coverage zou de evaluatie en optimalisatie van testgevallen aanzienlijk kunnen verbeteren.
Mogelijke onderzoeksvragen
- 1
Data coverage definiëren
Wat houdt data coverage in binnen de context van MBT-testgevallen?
- 2
Data coverage volgen
Welke mechanismen kunnen worden ontwikkeld om data coverage effectief te volgen?
- 3
Data coverage visualiseren
Hoe kan data coverage worden gevisualiseerd of anderszins overgebracht aan gebruikers?
- 4
Optimaliseren voor data coverage
Hoe ontwikkelen we een teststrategie die data coverage maximaliseert?
Interesse in dit onderwerp? Neem contact op!
students@axini.com