@phdthesis{Herschel2020,
  type      = {Bachelor Thesis},
  author    = {Marc Herschel},
  title     = {Musterl{\"o}sungen in Graja als Mechanismus f{\"u}r Regressionstests},
  doi       = {10.25968/opus-1721},
  url       = {http://nbn-resolving.de/urn:nbn:de:bsz:960-opus4-17211},
  year      = {2020},
  abstract  = {Der Autobewerter Graja, der in der Lehre zum Bewerten studentischer Java-Programme verwendet wird, stellt ein komplexes Softwaresystem dar. Aufgrund einer kaum vorhandenen Testabdeckung durch Modul- und Integrationstests, ist die Gew{\"a}hrleistung der fehlerfreien Funktionalit{\"a}t in Hinsicht auf die Weiterentwicklung nicht garantiert. Da sich Graja auf das ProFormA-Aufgabenformat st{\"u}tzt, stellt sich die Frage, inwiefern sich die im ProFormA-Aufgabenformat vorausgesetzten Musterl{\"o}sungen, f{\"u}r einen automatisierten Regressionstestmechanismus eignen. Das Ziel dieser Forschung ist es ein Konzept, f{\"u}r einen solchen Regressionstestmechanismus zu erstellen und mithilfe einer Referenzimplementierung als Graja-Erweiterung in die Praxis umzusetzen. Der daraus entstandene Mechanismus operiert durch Verhaltensaufzeichnung und Verhaltensabgleich und konvertiert so das in Graja beobachtete Bewertungsverhalten einer Musterl{\"o}sung in einen Testfall. In der Testphase findet anschlie{\"s}end ein Abgleich des Soll-Verhaltens eines Testfalls und des beobachteten Ist-Verhaltens einer Musterl{\"o}sung statt. Die Differenzen dieses Abgleichs sind als potenzielle Regressionen zu behandeln, da diese eine semantische {\"A}nderung des Bewertungsergebnisses darstellen. Um diesen Verhaltensabgleich robust und mit m{\"o}glichst wenigen Fehlalarme zu realisieren, wurden die in Graja verwendeten Datenmodelle auf Eignung bez{\"u}glich einer Verhaltensaufzeichnung untersucht. Au{\"s}erdem fand eine Datenaufzeichnung mit einer Teilmenge der Musterl{\"o}sungen statt. Nachfolgend wurde eine Analyse dieser Rohdaten, mit dem Ziel potenzielles Rauschen innerhalb der Aufzeichnungen zu detektieren, durchgef{\"u}hrt. So konnte letztendlich eine Strategie f{\"u}r eine Rauschunterdr{\"u}ckung innerhalb der Verhaltensaufzeichnung entwickelt werden. Abschlie{\"s}end wurde ein Datenmodell entwickelt, das erlaubt, die durch den Verhaltensabgleich detektierten Regressionen verst{\"a}ndlich und lokalisierbar darzustellen. Der durch diese Arbeit entstandene automatisierte Regressionstestmechanismus stellt somit eine Grundlage f{\"u}r die Gew{\"a}hrleistung der korrekten Bewertungsfunktionalit{\"a}t innerhalb des Graja-Entwicklungsprozesses dar. Durch das Detektieren von Regressionen mithilfe der Musterl{\"o}sungen, lassen sich nun {\"A}nderungen an Graja gewissenhaft in eine Produktionsumgebung {\"u}bernehmen.},
  language  = {de}
}