Text

Kursplan - Test Automation i programlivscykeln, 7,5 hp

Information om kursen

  • Kurskod: FDAV002
  • Ämne på forskarnivå: Datavetenskap
  • Institution: Institutionen för datavetenskap och datateknik
  • Giltig från: 2025-12-19
  • Beslutsinstans: Akademichef (t.o.m. 2025-12-31 därefter prefekt)
  • Beslutsdatum: 2025-12-19
  • Utbildningsnivå: Forskarnivå

Syfte

Kursen fokuserar på grunderna och fundamenten för automatisering av test och verifiering genom alla utvecklingsfaser av program, från krav, arkitektur, design, implementering, och test, till driftsättning, monitorering och underhåll i olika domäner för industriella och administrativa program. Praktiska aspekter som att bygga en effektiv CI/CD miljö, hitta ett arbetsflöde samt digitalisera delar av dokumentation och process är nödvändiga inom programlivscykeln för att öka effektivitet, hastighet och kvalitet. Grundläggande koncept som verktygsintegration, automatisk felrättning, hållbarhet samt olika optimeringar är en viktig del i automatiseringen där vi utforskar Industri 5.0 perspektivet. Vi utgår från Agila och DevOps processer, med praktiska industrifall, och identifierar automatiska metoder, bland annat enkla scripts, multiagenter, orkestrering, men även autonoma system, drivna med eller utan AI support. Generativ AIs roll inom testautomatiseringen diskuteras. Målet med kursen är att ge studenterna en djup förståelse för hur man driver förbättringar runt automatiseringar med fokus på testing, som ger en ökad tillförlitlighet, hastighet, kvalitet och digitalisering.

Innehåll

· Automatisering inom programutvecklingscykeln med fokus på testning och validering av alla faser

  • Olika processer, arbetssätt och arbetsflöde.
  • Digitalisering och datainsamling för automatisering.
  • Verktygsutvärdering, införande, användning och integration av olika verktyg i olika faser.
  • Metoder för testautomatisering (och kvalitetsförbättringar): Scripting, Orkestrering, Agenter, Multi-Agenter med AI stöd, Generative AI och Autonoma system.
  • Automatiserad Fel- och Fixloopar, hållbarhet (Industry 5.0) och optimering av automatisering och test i ett integrerat flöde.
  • Att driva förbättringsprojekt inom Industrin för Automatisering och Testförbättringsmodeller.

Lärandemål

  1. Beskriva och använda de huvudsakliga metoderna för automatisering, från script, olika verktyg, orkestrering, agenter, multi-agenter med AI stöd, generative AI och Autonoma system
  2. Beskriva testförbättringsmodeller, verktygsutvärdering, samt digitalisering och datainsamlingsaspekter för automatisering
  3. Analysera industriella programprocesser och egenskap av digitalisering, arbetsflöden samt fel- och fixloopar
  4. Genomföra en empirisk analys av förbättringsområden för automatisering av programlivscykeln genom ovanstående metoder, samt föreslå praktiska förbättringar för test och verifiering för förbättrat flöde och kvalitet.
  5. Beskriva målen med Industry 5.0 och hur de kan realiseras i programutveckling samt kunna beskriva mätningar och mål för förbättringar.

Kursen behandlar följande examensmål

Kunskap och förståelse

För doktorsexamen ska doktoranden visa

  • A1: brett kunnande inom och en systematisk förståelse av automatisering, programlivscykler, samt djup och aktuell specialistkunskap inom en avgränsad del av forskningsområdet,

Färdighet och förmåga

För doktorsexamen ska doktoranden visa förmåga

  • B1: till vetenskaplig analys och syntes samt till självständig kritisk granskning och bedömning av nya och komplexa företeelser, frågeställningar och situationer,
  • B2: att kritiskt, självständigt, kreativt och med vetenskaplig noggrannhet identifiera och formulera frågeställningar samt att planera och med adekvata metoder bedriva forskning och andra kvalificerade uppgifter inom givna tidsramar och att granska och värdera sådant arbete,
  • B3: med en avhandling visa sin förmåga att genom egen forskning väsentligt bidra till kunskapsutvecklingen,
  • B5: att identifiera behov av ytterligare kunskap

Värderingsförmåga och förhållningssätt

För doktorsexamen ska doktoranden visa

  • C2: fördjupad insikt om vetenskapens möjligheter och begränsningar, dess roll i samhället och människors ansvar för hur den används.

Utbildningsformer

Kursen innehåller fem heldagsworkshops med föreläsningar och praktiska övningar. Detta inkluderar skrivande av motsvarigheten till ett workshop papper. Dessutom ingår en heldag för presentation/seminarium där slutresultaten av ett mindre projekt redovisas. Obligatorisk närvaro gäller för seminarier och föreläsningar.

Examination

SEM1: 3,0hp (Lärandemål 1, 2, 5)

GRU1: 3.5hp (Lärandemål 3, 4)

OBN1: 1.0hp (lärandemål 1, 2, 5)

Betyg

Prov som ingår i kursen bedöms enligt en tvågradig betygsskala med betygen underkänt eller godkänt.

Betyg ska beslutas av en av universitetet särskilt utsedd lärare.

Den som inte har blivit godkänd vid ordinarie prov ska ges tillfälle till omprov.

Behörighet

För att få delta i kursen och de prov som ingår i kursen ska sökanden vara antagen till utbildning på forskarnivå. Disputerade lärare vid Mälardalens universitet kan ges tillträde till kursen i mån av plats.

Särskild behörighet

  • Grundläggande kunskaper inom programtestning krävs

Urval

Urval av sökande görs i enlighet med rangordningen nedan

  1. Antagna doktorander inom Datavetenskap vid Mälardalens universitet
  2. Antagna doktorander vid Mälardalens universitet
  3. Antagna doktorander vid andra lärosäten