Mobiilisovellusten testauksen automatisointi tekoälyllä

Abstract

Opinnäytetyön tarkoituksena oli tutkia mobiilisovellusten testausprosessien perusteita, tutkia olemassa olevia ratkaisuja mobiilisovellusten testauksen automatisointiin ja selvittää, miten näitä ratkaisuja voidaan parantaa ChatGPT:n integraation kautta. Työssä luotiin toimiva testiprototyyppi käyttäen tekoälyteknologiaa. Insinöörityö on jaettu teoreettiseen osaan ja projektiosaan. Ensimmäinen osa selittää, mitä mobiilisovellusten testaus yleisesti ottaen käsittää, mitkä ovat testauksen nyanssit ja miten automatisoitu testaus eroaa manuaalisesta testauksesta. Lisäksi osiossa avataan, mitä ChatGPT-teknologia oikeastaan on. Lisäksi tässä osassa käsitellään ChatGPT:n mahdollisuudet ja heikkoudet sekä projektissa käytettyjen työkalujen valintaa.

Projektin toinen osio keskittyy käytännön soveltamiseen ja kehyksen luomiseen ChatGPT:n avulla sekä Android- että iOS-sovellusten testaamiseen. Tutkimusprojekti tavoitteli myös ChatGPT:n ominaisuuksien, kuten suorituskyvyn, tarkkuuden ja tehokkuuden, tunnistamista ja arviointia testaustilanteissa. Lisäksi insinöörityön tavoitteena oli selvittää, miten ChatGPT voisi vähentää manuaalista työtä, parantaa testikattavuutta ja nopeuttaa testausprosessia. Testiprototyypin toteutuksessa hyödynnettiin useita kehittyneitä teknologioita, mukaan lukien Appium, WebDriver.IO, Mocha, WebDriver.IO Allure Reporter ja OpenAI:n tarjoama API-avain tai rajapinta-avain. Tutkimuksessa suoritettiin testejä käyttäen erilaisia tällä hetkellä saatavilla olevia kielimalleja. Näiden mallien vaikutusta testituloksiin analysoitiin huolellisesti.

Opinnäytetyön lopputuloksena tehtiin yksityiskohtainen analyysi suoritetusta työstä ja saaduista tuloksista sekä arvioitiin ChatGPT:n integraation kokonaisvaikutusta mobiilisovellusten testauksen automatisointiin ja tämän lähestymistavan relevanssia. Lisäksi ehdotettiin mahdollista tutkimusaiheen jatkokehityssuuntaa. Tutkimus-projektista saadut tiedot ovat sekä tärkeitä että arvokkaita ja mahdollistavat tulosten ja teknisen toteutuksen jakamisen ja hyödyntämisen. Tulokset tarjoavat arvokasta tietoa organisaatioille, jotka harkitsevat tai suunnittelevat OpenAI:n tai muiden kielimallien käyttöönottoa automatisointitestausprojekteissa ja muissa sovelluksissa.

The purpose of the thesis was to examine the fundamental aspects of testing processes for mobile applications, delve into current methods for automating such tests, and ascertain avenues for enhancement through the incorporation of ChatGPT technology. A practical test model utilizing this innovative approach was constructed. The study comprises a theoretical discussion, which outlines the essentials of mobile app testing, differentiates between automated and manual testing strategies, and introduces ChatGPT technology along with its capabilities and limitations. It further details the selection of tools deployed in the project.

The second part of the project focuses on the practical development of an actual testing framework leveraging ChatGPT to assess both Android and iOS applications. This investigation evaluated ChatGPT's effectiveness, precision, and efficiency in testing, aiming to discern its role in reducing manual testing efforts, augmenting test coverage, and expediting the testing cycle. The prototype was built employing cutting-edge technologies such as Appium, WebDriver.IO, Mocha, and WebDriver.IO Allure Reporter, in conjunction with the OpenAI API, examining the influence of different language models on testing outcomes.

The conclusion of this study provided a comprehensive review and assessment of the conducted work and findings, highlighting the significance of integrating ChatGPT in automating mobile app testing processes and suggesting future research directions. This work offers insightful information for entities contemplating the adoption of OpenAI or similar language models in their automation testing ventures or other applications, presenting a valuable resource derived from the practical experiences and technical executions documented throughout this research.