TestSelector: Automatic Test Suite Selection for Student Projects
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21730%2F22%3A00364213" target="_blank" >RIV/68407700:21730/22:00364213 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.1007/978-3-031-17196-3_17" target="_blank" >https://doi.org/10.1007/978-3-031-17196-3_17</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-031-17196-3_17" target="_blank" >10.1007/978-3-031-17196-3_17</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
TestSelector: Automatic Test Suite Selection for Student Projects
Popis výsledku v původním jazyce
Computer Science course instructors routinely have to create comprehensive test suites to assess programming assignments. The creation of such test suites is typically not trivial as it involves selecting a limited number of tests from a set of (semi-)randomly generated ones. Manual strategies for test selection do not scale when considering large testing inputs needed, for instance, for the assessment of algorithms exercises. To facilitate this process, we present TESTSELECTOR, a new framework for automatic selection of optimal test suites for student projects. The key advantage of TESTSELECTOR over existing approaches is that it is easily extensible with arbitrarily complex code coverage measures, not requiring these measures to be encoded into the logic of an exact constraint solver. We demonstrate the flexibility of TESTSELECTOR by extending it with support for a range of classical code coverage measures and using it to select test suites for a number of real-world algorithms projects, further showing that the selected test suites outperform randomly selected ones in finding bugs in students’ code.
Název v anglickém jazyce
TestSelector: Automatic Test Suite Selection for Student Projects
Popis výsledku anglicky
Computer Science course instructors routinely have to create comprehensive test suites to assess programming assignments. The creation of such test suites is typically not trivial as it involves selecting a limited number of tests from a set of (semi-)randomly generated ones. Manual strategies for test selection do not scale when considering large testing inputs needed, for instance, for the assessment of algorithms exercises. To facilitate this process, we present TESTSELECTOR, a new framework for automatic selection of optimal test suites for student projects. The key advantage of TESTSELECTOR over existing approaches is that it is easily extensible with arbitrarily complex code coverage measures, not requiring these measures to be encoded into the logic of an exact constraint solver. We demonstrate the flexibility of TESTSELECTOR by extending it with support for a range of classical code coverage measures and using it to select test suites for a number of real-world algorithms projects, further showing that the selected test suites outperform randomly selected ones in finding bugs in students’ code.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/LL1902" target="_blank" >LL1902: Obohacování SMT řešičů pomocí strojového učení</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Runtime Verification 22nd International Conference, RV 2022, Tbilisi, Georgia, September 28–30, 2022, Proceedings
ISBN
978-3-031-17195-6
ISSN
0302-9743
e-ISSN
1611-3349
Počet stran výsledku
10
Strana od-do
283-292
Název nakladatele
Springer
Místo vydání
Cham
Místo konání akce
Tbilisi
Datum konání akce
28. 9. 2022
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000866539700017