Transforming workflow models into automated end-to-end acceptance test cases
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The User Requirements Notation is a standard published by the International Telecommunication Union that contains two complementary notations for goal and scenario/workflow modeling. Use Case Maps (UCM) - the workflow notation - focuses on the causal relationships of the steps in a workflow without requiring the specification of detailed message exchanges and data. A UCM model captures the interactions between actors and the system and typically integrates several use cases into a combined system view. This results in a high-level description of the system and its end-to-end usage scenarios. At the UCM level, scenario definitions create a regression test suite for the UCM model. This paper investigates the transformation of such workflow models into end-to-end acceptance test cases that can be automated with the JUnit testing framework. For that purpose, the UCM model is enriched with (i) input data types and expected results, (ii) a code-level description of system behavior as needed for the workflow, and (iii) testing logic including assertions. Based on this specification, the proposed approach uses boundary value analysis of the input data and Myer's test selection heuristics to determine a set of test cases for the described workflow. Coverage criteria may be specified at the UCM model level. Results from a case study of a small data management system indicate a reduction of the number of lines of code that need to be specified in the workflow model vs. the test implementation by an order of magnitude.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle