1. Biblioteca Digital de Trabalhos de Conclusão de Curso
  2. Trabalhos de Conclusão de Curso de Graduação
  3. Ciência da Computação
Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/6440
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorSilva, Rodrigo Cesar Pedrosapt_BR
dc.contributor.authorOliveira, Caio Monteiro de-
dc.date.accessioned2024-02-16T11:02:24Z-
dc.date.available2024-02-16T11:02:24Z-
dc.date.issued2024pt_BR
dc.identifier.citationOLIVEIRA, Caio Monteiro de. Utilização de Chat Bots baseados em LLMs para automação de testes de software. 2024. 184 f. Monografia (Graduação em Ciência da Computação) - Monografia (Graduação em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2024.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/6440-
dc.description.abstractA qualidade do software desempenha um papel fundamental em setores relacionados à tecnologia, sendo determinada pela capacidade de atender às necessidades dos usuários de maneira confiável e eficiente. Nesse contexto, os testes de software desempenham um papel crucial. Este estudo investiga o potencial de diversos grandes modelos de linguagem (LLM) como ferramentas valiosas para auxiliar engenheiros de software que enfrentam desafios na área de testes, uma vez que esta é uma esfera complexa. A pesquisa utiliza a ferramenta Cypress para conduzir testes automatizados, com códigos gerados por ChatGPT, Google Bard, Aria Opera, Microsoft Bing e Perplexity AI, utilizando abordagens distintas: Modelo Explícito Básico, Modelo Explícito Detalhado e Modelo Explícito BDD/Gherkin. Essas abordagens são aplicadas em dez cenários diferentes relacionados à tela de login do usuário, totalizando 150 testes (30 para cada IA). Os resultados dos experimentos indicam perspectivas promissoras, com uma taxa de eficácia de 93% para o Google Bard, 90% para Aria Opera, 87% para ChatGPT e Microsoft Bing, enquanto a Perplexity AI obteve uma taxa ligeiramente inferior de 73%.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectTestes de softwarept_BR
dc.subjectQualidade de softwarept_BR
dc.subjectAutomação de testespt_BR
dc.subjectCypresspt_BR
dc.subjectGrandes modelos de linguagempt_BR
dc.titleUtilização de Chat Bots baseados em LLMs para automação de testes de software.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereePereira, Igor Muzettipt_BR
dc.contributor.refereeAuad, Tassio de Oliveira Silvapt_BR
dc.contributor.refereeSilva, Rodrigo Cesar Pedrosapt_BR
dc.description.abstractenThe quality of software plays a essential role in technology-related sectors, contingent on its ability to reliably and efficiently meet user needs. Software testing, therefore, assumes a critical function in ensuring such quality. This study explores the potential of various Large Language Models (LLMs) as valuable tools to assist software engineers facing challenges in the testing domain, given its inherent complexity. Utilizing the Cypress tool, the research conducts automated tests with codes generated by ChatGPT, Google Bard, Aria Opera, Microsoft Bing, and Perplexity AI, employing distinct approaches: Basic Explicit Model, Detailed Explicit Model, and Explicit BDD/Gherkin Model. These approaches are applied to ten different scenarios related to the user login screen, totaling 150 tests (30 for each AI). Experimental results indicate promising perspectives, with an efficacy rate of 93% for Google Bard, 90% for Aria Opera, 87% for ChatGPT and Microsoft Bing, while Perplexity AI lags slightly behind with a 73% efficacy rate.pt_BR
dc.contributor.authorID20.1.4110pt_BR
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_UtilizaçãoChatsBots.pdf2,72 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.