Kursplan - Regressionstestning och felprediktering

Syfte

Fokus i denna kurs är på två delaktiviteter inom programvarutestning: regressionstestselektion och felprediktion. Regressionstestning görs för att säkerställa att förändringar i programvara (t.ex. till följd av buggfixar och implementering av nya funktioner) inte påverkar programvarans befintliga funktionalitet negativt. Regressionstestselektion handlar om hur man går till väga för att välja den delmängd av befintliga testfall som är bäst lämpad för att testa de ändrade delarna av programvaran. Kursen kommer också beröra relaterade metoder för testsvitsminimering och testfallsprioritering. Felprediktion, å andra sidan, är ett sätt att tillhandahålla kvalitetsestimat för programvara, baserat på mätningar från tidigare design- och testprocesser. Till exempel kan felprediktion hjälpa testare att inrikta sina resurser på de filer och komponenter som med högst sannolikhet innehåller defekter. Det övergripande syftet med kursen är därför att ge deltagarna en förståelse för olika mekanismer för regressionstestselektion och felprediktion, och att förstå dessa metoders användbarhet för att uppnå mer effektiv testning.

Lärandemål

Efter avslutad kurs ska studenten kunna:

1. förstå olika mekanismer för regressionstestselektion
2. analysera olika tekniker för regressionstestselektion baserat på olika kriterier
3. kunna tillämpa regressionstestselektion i industriella projekt
4. förstå de viktigaste idéerna för att använda tekniker för felprediktion för programvara
5. förstå eventuella svårigheter med att använda felprediktionstekniker i praktiken

Innehåll

Kursen omfattar följande ämnen:

- Introduktion till regressionstestning och val regressionstestselektion (RTS)
- Metoder för RTS
- Grunder för RTS
- RTS för olika applikationer
- Introduktion till felprediktion (SFP) för programvara, och dess fördelar
- Klasser av prediktionsvariabler för SFP
- Tekniker för SFP
- SFP-metodik

Undervisning

Videoföreläsningar.

Särskild behörighet

120 hp varav minst 80 hp  inom datavetenskap och/eller datateknik eller motsvarande. Dessutom krävs minst 18 månaders dokumenterad arbetslivserfarenhet från mjukvaruutveckling. Dessutom krävs Svenska B/Svenska 3 samt Engelska A/Engelska 6. I de fall kursen ges på engelska görs undantag från kravet på Svenska B/Svenska 3

Examination

Inlämningsuppgift (INL1), 0,5 hp, examinerar lärandemål 1, betyg Underkänd (U) eller Godkänd (G)
Inlämningsuppgift (INL2), 1 hp, examinerar lärandemål 2 och 3, betyg Underkänd (U) eller Godkänd (G)
Inlämningsuppgift (INL3), 1 hp, examinerar lärandemål 4 och 5, betyg Underkänd (U) eller Godkänd (G)

En student som har ett intyg från MDU avseende sin funktionsnedsättning har möjlighet att anmäla önskemål om anpassning vid salstentamina eller annan examinationsform i enlighet med Regler och anvisningar för examination på grundnivå och avancerad nivå vid Mälardalens högskola (2020/1655). Det är examinator som, utifrån det intyg som utfärdats, beslutar om eventuell anpassning och i så fall vilken anpassning som ska gälla.

Misstankar om vilseledande vid examination (fusk) anmäls, enligt högskoleförordningen, till universitetets rektor och prövas av universitetets disciplinnämnd. Om disciplinnämnden anser att en student gjort sig skyldig till en disciplinförseelse fattar nämnden beslut om en disciplinär åtgärd, vilket är varning eller avstängning.

Betyg

Godkänd, underkänd

Övergångsbestämmelser och övriga föreskrifter

Kursen överlappar Validiering och verifiering av mjukvara med 2 hp.