
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Durelli, Vinicius H. S. | - |
| Autor(es): dc.creator | Durelli, Rafael S. | - |
| Autor(es): dc.creator | Borges, Simone S. | - |
| Autor(es): dc.creator | Endo, Andre T. | - |
| Autor(es): dc.creator | Eler, Marcelo M. | - |
| Autor(es): dc.creator | Dias, Diego R. C. | - |
| Autor(es): dc.creator | Guimarães, Marcelo P. | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:15:48Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:15:48Z | - |
| Data de envio: dc.date.issued | 2020-05-12 | - |
| Data de envio: dc.date.issued | 2020-05-12 | - |
| Data de envio: dc.date.issued | 2019-09 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/40832 | - |
| Fonte completa do material: dc.identifier | https://ieeexplore.ieee.org/document/8638573 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1157783 | - |
| Descrição: dc.description | Software testing involves probing into the behavior of software systems to uncover faults. Most testing activities are complex and costly, so a practical strategy that has been adopted to circumvent these issues is to automate software testing. There has been a growing interest in applying machine learning (ML) to automate various software engineering activities, including testing-related ones. In this paper, we set out to review the state-of-the art of how ML has been explored to automate and streamline software testing and provide an overview of the research at the intersection of these two fields by conducting a systematic mapping study. We selected 48 primary studies. These selected studies were then categorized according to study type, testing activity, and ML algorithm employed to automate the testing activity. The results highlight the most widely used ML algorithms and identify several avenues for future research. We found that ML algorithms have been used mainly for test-case generation, refinement, and evaluation. Also, ML has been used to evaluate test oracle construction and to predict the cost of testing-related activities. The results of this paper outline the ML algorithms that are most commonly used to automate software-testing activities, helping researchers to understand the current state of research concerning ML applied to software testing. We also found that there is a need for better empirical studies examining how ML algorithms have been used to automate software-testing activities. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Institute of Electrical and Electronics Engineers | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | IEEE Transactions on Reliability | - |
| Palavras-chave: dc.subject | Software testing | - |
| Palavras-chave: dc.subject | Software systems | - |
| Palavras-chave: dc.subject | Systematics | - |
| Palavras-chave: dc.subject | Software engineering | - |
| Palavras-chave: dc.subject | Software algorithms | - |
| Título: dc.title | Machine learning applied to software testing: a systematic mapping study | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: