Complemento para la automatización de pruebas de aceptación para Visual Studio
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Un punto de partida común en todos los procesos de desarrollo de software es realizar un documento de especificación de requisitos, a partir del cual los programadores deben implementar la funcionalidad descrita. El problema aparece cuando el documento tiene ambigüedades, es incompleto, incomprensible o inconsistente, y los desarrolladores tienen que sobreentender o adaptar requisitos. Una solución a estos problemas es establecer una comunicación más estrecha con el cliente, realizando reuniones regulares en las que se detallen correctamente las pruebas de aceptación que ha de satisfacer la aplicación. No obstante, el cometido no termina ahí, ya que es necesario comprobar que el software supera las pruebas y, además, es necesario hacerlo muy a menudo, casi continuamente, lo cual resulta muy costoso. Fit (Framework for Integrated Test) proporciona un entorno en el cual se pueden definir, implementar y ejecutar pruebas de aceptación siguiendo un proceso sencillo. El principal objetivo del proyecto es incluir las pruebas Fit en Visual Studio para mejorar el proceso de creación y ejecución de pruebas de aceptación con una herramienta accesible y fácil de usar, que además permita agilizar la automatización de todas las pruebas. Según estudios realizados en la Universidad de Calgary (Canadá), en la Universidad de Sannio (Italia) y en el SAIT (Southern Alberta Institute of Technology), el uso de pruebas Fit en el desarrollo de aplicaciones aporta beneficios muy valorados por todos los roles implicados. El Software Engineering Lab de la Universidad Carlos III de Madrid pretende incluir en el desarrollo de metodologías ágiles el uso de este complemento para Visual Studio. _______________________________________________________________________________
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it