核心概念
要件スメルに基づいて自然言語要件のテスト可能性を数学的にモデル化し、自動的に測定する。
要約
本研究では、要件のテスト可能性を要件スメルと要件の長さの関数として定義し、数学的にモデル化しています。要件スメルは、自然言語要件の品質を低下させる要因であり、テスト可能性を阻害します。
具体的には以下の取り組みを行っています:
要件スメルを自動的に検出するための辞書を、ニューラルネットワークを用いて自動生成する手法を提案しています。これにより、ドメイン依存の文脈依存的な曖昧さを含む単語を検出できるようになりました。
既存の8つの要件スメルに加え、新たに「多義性」と「不確定な動詞」の2つの新しい要件スメルを定義しています。
要件のテスト可能性を定量的に評価するための数学的モデルを提案しています。このモデルは、要件の長さ、要件スメルの数、およびアプリケーションドメインを考慮しています。
要件のテスト可能性を自動的に分析するWebベースのツールARTAを開発しています。このツールは、要件の入力から要件スメルの検出、テスト可能性の評価までを自動化しています。
要件のテスト可能性に関する公開データセットを提供しています。このデータセットには、要件サンプル、要件スメル、およびテスト可能性スコアが手動で注釈付けされています。
統計
要件の長さは平均985文で、平均12%の誤差でテスト可能性を測定できることが示されています。
引用
"要件は、ソフトウェアシステムを構築する基礎です。要件の定義が適切でないと、根本的な損害を引き起こす可能性があります。"
"要件のテスト可能性は、要件が適切にテストできる程度を示します。しかし、要件のテスト可能性を測定する自動的なアプローチはこれまで提案されていませんでした。"