FenixEdu™

Dissertação

Applying Generative AI and RSL to Improve Software Acceptance Testing – A Practitioner-Validated Approach EVALUATED

Detalhes: [Contexto] O teste de aceitação de software (TAS) é crucial na garantia da conformidade do sistema para uso pelo utilizador final. Esta etapa é vital, pois antecede a disponibilização do software. Contudo, as fases anteriores à execução do teste (análise de requisitos, criação de casos de teste e scripts de automação) são frequentemente manuais, podendo haver falhas, perda de tempo, inconsistência e insatisfação de partes interessadas. A Inteligência Artificial Generativa (IA Generativa), focada em modelos como os Large Language Models (LLMs) e a linguagem RSL (Requirements Specification Language) que ajuda na produção de requisitos e especificações de teste de forma sistemática, apresentam-se como soluções promissoras. [Objetivos] Dado o recente desenvolvimento destas tecnologias, a dissertação investiga oportunidades e desafios da aplicação de IA Generativa e RSL no TAS. O objetivo é conceber e implementar uma abordagem inovadora que melhore o TAS. [Métodos] A metodologia Design-Science Research (DSR) contribuiu para desenvolver a abordagem ATI (Acceptance Test Improvement) proposta. Esta abordagem inclui a customização de um modelo de IA (ChatGPT) e a criação de um Guia de Boas Práticas. [Conclusões] A abordagem ATI foi bem recebida pelos profissionais de teste de software. Identificaram-se vantagens para melhorar a eficiência na criação dos produtos de trabalho de teste, com disponibilização de software mais rápida e de melhor qualidade. As recomendações fornecidas abriram portas para futuras pesquisas. A IA é um auxílio importante para os profissionais, devendo ser utilizada com espírito crítico. A ATI acompanha a evolução tecnológica, contribuindo para a excelência no desenvolvimento de software.
Keywords: Teste de Aceitação de Software, Design-Science Research, Inteligência Artificial Generativa, Large Language Models, ITLingo RSL.

Discussão: junho 27, 2025, 14:0