در جدول (۳-۳) تعداد سطرهای جدول احتمال شرطی را به تفکیک معیار یا فاکتورهای تست بیان کردیم. جدول احتمال شرطی نهایی برای تست کارآمد نرم افزار در زمانی که فاکتور ها دو حالته باشند ۶۴ سه حالته باشند ۷۲۹ و پنج حالته باشند ۱۵۶۲۵ سطر خواهند داشت. این امر مشخص است که زمانی که فاکتورها را پنج حالته در نظر بگیریم پر کردن جداول احتمال شرطی کاری سخت و دشوار و خیلی زمان بر خواهد بود و چه بسا غیر عملی. زیرا تعداد سطرها بسیار زیاد است و همچنین امکان ورود داده‌های اشتباه در جداول هم افزایش می‌یابد. پس برای پر کردن جداول احتمال شرطی با صفت‌های پنج حالته بایستی از نرم افزارهایی مانند BNJ (پیاده سازی شبکه‌های بیزی با استفاده از JAVA) و BNT (پیاده سازی شبکه‌های بیزی با استفاده از MATLAB ) استفاده نمود. زیرا با استفاده از روش برنامه نویسی می‌توان به صورت خودکار و با استفاده از حلقه‌های تکرار جداول احتمال شرطی را پر نمود.
پس از تقسیم بندی صفت‌های کیفی می ‌بایست آنها را به مقیاس‌های کمی تبدیل نماییم تا بتوانیم فاکتورهای اثر گذار بر فرایند تست نرم افزار و همچنین کارآمد بودن اولویت بندی موارد تست رامحاسبه نماییم. محاسبه‌ی فاکتورها دراین مدل به این صورت است که ابتدا مقادیر بدست آمده از ویژگی‌های فرعی به گونه ای که در ادامه شرح داده خواهد شد به مقادیر کمی تبدیل می‌گردند. از روی محاسبات انجام شده روی این مقادیر کمی، اندازه‌ی فاکتور مربوطه را محاسبه می‌نماییم. به همین طریق و با استفاده از فاکتورهای تست می‌توان کارآمدی تست را با اولویت بندی موارد تست بدین گونه مشخص نمود. با عملکردی این چنین ما قادر خواهیم بود با استفاده از شبکه‌های بیزی و احتمالات کارآمدی از نحوه‌ی اولویت بندی موارد تست را نشان دهیم.

۳-۸- تبدیل اندازه‌ی کیفی صفت‌ها به مقادیرکمی

برای تبدیل اندازه کیفی صفت‌ها به مقادیر کمی ما در رویکردمان دو روش پیشنهادی را نشان می‌دهیم و با یکدیگر مقایسه می‌کنیم. برای توضیح روش‌های پیشنهادی از حالت صفت‌های سه حالته استفاده می‌کنیم زیرا با صفت های کمتر دقت افت می کند و اگر تعداد صفات را زیاد در نظر بگیریم باعث افزایش اضافه کاری و حجم داده زیاد می شود.

۳-۹- روش اول برای صفت‌های سه حالته

در روش اول بدین صورت عمل می‌کنیم که ، ابتدا به هر کدام از ویژگی‌های فرعی مربوط به معیارها یا فاکتورها با توجه به جدول زیر مقدار مربوط به اندازه صفت کیفی را نسبت می‌دهیم.
جدول شماره ۳-۴ : انتساب مقدار عددی به اندازه‌های کیفی در صفت‌های سه حالته

سپس میانگین صفت‌ها را محاسبه می‌نماییم. میانگین بدست آمده در یکی از بازه‌های جدول زیر قرار خواهد گرفت و با توجه به بازه مقدار کیفی صفت مربوطه بدست خواهد آمد. سطر جدول احتمال شرطی مربوطه نیز به این صورت خواهد بود که اندازه‌ی مقدار کیفی بدست آمده برابر ۱۰۰ و مقدار کیفی برای دو مقدار کیفی دیگر برابر ۰ خواهد بود.
جدول شماره ۳-۵ : بازه‌های تبدیل میانگین به اندازه‌های کیفی در صفت‌های سه حالته

متوسط

۳-۱۱- تبدیل اندازه‌ی کیفی صفت‌های غیرهم وزن به مقادیرکمی

همانطور که گفته شد ویژگی‌های فرعی و فاکتورهای تست ارائه شده در مدل پیشنهادی را می‌توان به دو روش در نظر گرف. در روش اول تأثیر ویژگی‌های فرعی روی فاکتور مورد نظرشان یکسان است و در روش دوم تأثیر ویژگی‌های فرعی روی فاکتور مورد نظرشان یکسان نیست و فاکتورها با توجه به وزنشان روی فاکتور مورد نظر تأثیر دارند. اینکه در پروژه نرم افزاری ویژگی‌های فرعی هم وزن هستند یانه، و اینکه وزن هر کدام از ویژگی‌های فرعی و تأثیر آنها روی فاکتور کیفی مربوطه چقدر است را متخصصان و مهندسان تست نرم افزار تعیین می ‌کنند.
تبدیل اندازه‌ ی کیفی صفت‌های غیر هم وزن به مقادیر کمی به همان صورت صفت‌های کیفی هم وزن انجام می‌ شود با این تفاوت که در محاسبه‌ی میانگین وزن صفت‌ها را نیز دخالت می ‌دهیم. رابطه محاسبه‌ی میانگین برای صفت‌های غیر هم وزن به صورت رابطه (۳-۶) زیرخواهد بود.
(۳-۶)
در این رابطه M میانگین، n تعداد ویژگی‌های فرعی فاکتور مورد نظر، wi وزن ویژگی فرعی i ام و fi اندازه فاکتور فرعی i ام است.

۳-۱۱-۱- مثالی از روش تبدیل اندازه‌ی کیفی صفت‌ های غیرهم وزن به مقادیرکمی

به عنوان مثال فرض می‌کنیم در یک پروژه نرم افزاری با صفت‌های سه حالته می‌خواهیم فاکتوراحتمال ابتلا به خطای ماژول را محاسبه نماییم و ویژگی‌های فرعی آن اثرگذاری خطای ماژول ،زیاد و شدت خطای ماژول ، متوسط باشد. وزن هر کدام از ویژگیهای فرعی نیز برابر است با: وزن اثرگذاری خطای ماژول برابر ۲، وزن شدت خطای ماژول برابر ۱٫۵ برای اندازه گیری فاکتور احتمال ابتلا به خطای ماژول محاسبات زیر را خواهیم داشت.
ابتدا میانگین اندازه‌ی صفت‌ها را در رابطه (۳-۷) محاسبه می‌نماییم:
(۳-۷)
میانگین بدست آمده بین۵۰تا۱۰۰ است. حال اختلاف میانگین را از هر یک از مرزهای قبلی و بعدی محاسبه می‌نماییم. سپس اختلاف هر یک از مرزها با میانگین در عدد ۲ ضرب می‌گردد تا درصد مرز دیگر بدست آید.
به عبارت ساده تر درصد احتمال مرز بالای میانگین برابر است با :
(۳-۸)
و همینطور درصد احتمال مرز پایین میانگین برابر است با :
(۳-۹)
که در دو رابطه (۳-۸)(۳-۹) ارائه شده در بالا M میانگین ، LB مرز پایین میانگین و UB مرز بالای میانگین است.
جدول شماره۳ -۸ : نمونه سطری از جدول احتمال شرطی فاکتوراحتمال ابتلا به خطای ماژول، سه حالته

-۴۱- ارزیابی مدل پیشنهادی

ما نیز همانند سایر روش‌های اولویت بندی برای ارزیابی روش خود از متریک APFD [۱۸] [۲۴] استفاده کردیم تا با این کار کارآمدی رویکرد پیشنهادی را به وضوح بتوانیم نمایش دهیم. برای نشان دادن اثر بخش بودن اولویت بندی موارد تست با روش پیشنهادی خودمان در مقابل دیگر روش‌های اولویت بندی موارد تست ما از رابطه (۴-۱) استفاده کرده‌ایم. در ادامه نتایج را به شکل نمودار نمایش می‌دهیم. جدول (۴-۱) تعداد خطاهای شناسایی شده توسط هر یک از موارد تست در مجموعه تست و کل زمانی که هریک ازموارد تست طول می‌کشند را نشان می‌دهد. این جدول نشان دهنده نتایج حاصل از اجرای موارد تست بر روی نرم افزار سیستم مدیریت پرونده های قضایی می باشد. نتایجی از قبیل تعداد خطاهای شناسایی شده توسط هرکدام از موارد تست و زمان لازم که طول می کشد تا موارد تست بتوانند این خطاهای موجود را شناسایی کنند.

۲-۴ – متریک (APFD) Average Percentage of Faults Detected

برای تعیین کمیت هدف که در اولویت بندی موارد تست، افزایش نرخ تشخیص خطامجموعه‌ی تست می باشد ما نیز از این متریک استفاده می کنیم.این متریک توسط Elbaum و همکارانش توسعه یافته است [۲۵]این متریک متوسط نرخ شناسایی خطا را به ازاء درصد اجرای موارد تست موجود در مجموعه تست اندازه گیری می‌کند.بر اساس کارهای اولیه پیشنهاد شده، ممکن است اجرای موارد مدت زمان زیادی طول بکشد (ماه یا سال) بسته به طول اندازه مجموعه تست و یا اینکه هر یک از موارد تست درچه مقدار زمانی اجرا می شوند. به هر حال با استفاده از یک تکنیک اولویت بندی موثر و مرتب کردن موارد تست می توان نرخ خطای تشخیصی توسط همان موارد تست را افزایش داد. توجه داشته باشید که، رابطه نشان داده شده برای محاسبه متریک APFD تنها زمانی قابل استفاده است که دانش قبلی از خطاهای فعال یا در دسترس موجود باشد.
این نیاز در رویکردهایی که برای تست رگرسیون استفاده می شوند قابل حل است زیرا در تست رگرسیون یک مجموعه تست اولیه در دست می باشد و با اطلاعاتی که از اجراهای قبلی موارد تست در دست است می توان این موضوع را فهمید. اما در تست توسعه نرم افزار که دیگر مجموعه تست با تعدادی موارد تست اولیه در دست نیست بایستی این مشکل را با تعدادی خطای دستی برطرف نمائیم. به گونه ای که تعدادی خطا را به صورت دستی به نرم افزار تزریق نموده و با اجرای موارد تست به کشف و شناسایی آنها بپردازیم.
جدول شماره ۱-۴: تعداد خطای شناسایی شده توسط موارد تست با توجه به زمان کل برای هر مورد تست

اصلی Original

ندارد

ماژول

پوشش، تغییر

شبکه های بیزی BN

فصل پنجم
نتیجه گیری و پیشنهادات
۱-۵ نتیجه گیری
رویکرد ارائه شده در این پایان نامه ، رویکردی جدید برای اولویت بندی موارد تست می‌باشد که برای بهبود بخشیدن به نرخ شناسایی خطا و همچنین شناسایی خطاهای شدید در تست رگرسیون و تست غیر رگرسیون می‌توان بکار برد ضمن اینکه تشخیص خطاهای شدید در مدل پیشنهادی بهبود یافته است. ما در این پایان نامه مدلی را پیشنهاد کرده‌ایم که بر اساس آن می‌توان اولویت بندی موارد تست را به گونه ای کارآمدتر از دیگر روش‌های پیشنهاد شده تا به حال انجام داد. زیرا روش‌هایی که تا کنون برای اولویت بندی موارد تست پیشنهاد شده‌اند و مورد مطالعه قرار گرفته‌اند هر یک دارای مزایا و معایبی هستند که عبارتند از : رویکرد اولویت بندی موارد تست نرم افزار بر اساس شبکه‌های بیزی [۲۶,۲۷,۲۸,۳۸,۳۹,۴۰]که مورد مطالعه قرار گرفتند، بر روی تست رگرسیون تمرکز کرده‌اند و منابع آنها برای جمع آوری داده‌های مورد نیاز جهت اولویت بندی موارد تست محدود به داده‌های قبلی از اجراهای موارد تست ، موارد تست موجود از تست های قبلی اجرا شده بر روی نرم افزار می‌باشد که این خود به عنوان یک عیب یا نقص برای آنها تلقی می‌گردد. زیرا اینگونه روش‌ها فقط برای تست رگرسیون می‌توانند مورد استفاده قرار گیرند و اگرچه بخواهیم برای غیر تست رگرسیون یعنی به عنوان مثال تست توسعه نرم افزار از این روش‌ها استفاده کنیم قادر به چنین کاری نخواهیم بود زیرا ما در تست توسعه نرم افزار دیگر به داده‌های اجرای موارد تست و تعدادی موارد تست موجود دسترسی نداریم.
از دیگر مواردی که در کار مشابه با کار پیشنهادی ما وجود دارد این است که در رویکرد ارائه شده توسط [۲۹,۳۰] برکلاس های برنامه تمرکز شده است اما ما نیز در رویکردمان به استناد بر قانون پارتو بر ماژول‌های برنامه تمرکز کردیم تا دقیق تر مسئله را مورد برسی قرار دهیم و تست نرم افزار و اولویت بندی نهایی ما کارآمدی لازم را داشته باشد. همچنین ما نسبت به روش پیشنهادی که بر اساس ساختار برنامه عمل اولویت بندی موارد تست را انجام می‌دهد، [۳۱] و به کار ما مشابهت دارد معیارها و فاکتورهای بیشتری را در نظر گرفته‌ایم و همچنین رویکردمان را از حیث داده‌های ورودی فقط به ساختار برنامه محدود نکرده‌ایم و از دیگر داده‌های در دسترس از قبیل (نیازمندی‌های کاربر، نظر افراد خبره و کارشناسان و اطلاعات قبلی اجرای موارد تست) نیز بهره می‌بریم تا اینکه بر اساس داده‌ها بتوانیم بهترین تصمیم گیری را انجام دهیم تا در نهایت اولویت بندی کارآمدی را در خروجی کار بدست آوریم با نرخ تشخیص خطای بیشتر برای خطاهای شدید موجود در برنامه تحت تست. مسئله دیگر اینکه در کارهای پیشنهادی تا قبل از کار پیشنهادی ما در هیچکدام از روش‌ها دیده نشده و محققان به آن توجه نکرده‌اند موضوع عدم قطعیت است. و اینکه زمان هایی پیش می‌آید که بایستی بر اساس اطلاعات ناکافی و احتمالی تصمیم گیری صورت گیرد و ما در رویکرد خویش با استفاده از شبکه‌های بیزی به این موضوع پرداخته‌ایم و آنرا در تصمیم گیری‌ ها و در نهایت در اولویت بندی موارد تست لحاظ کرده‌ایم. در این پایان نامه وابستگی مدل پیشنهادی به داشتن اطلاعات دقیق و کامل از اجراهای قبلی موارد تست کاهش یافته است و در مواقع وجود عدم قطعیت مدل پیشنهاد شده همانند روش های مشابه قابل استفاده و پاسخگو می باشد. در نهایت، مدل پیشنهاد شده قابل استفاده در تست رگرسیون و غیر رگرسیون می باشد .

۲-۵ پیشنهادات آینده

با توجه به قابلیت‌ ها و امکاناتی که رویکرد پیشنهاد شده در این پایان نامه به دلیل بهره بردن از شبکه های بیزی با پشتوانه ریاضی و فرمال دارد، می‌توان در کارهای آینده از این رویکرد برای محاسبه پیچیدگی نرم افزار بر اساس معیارهای مختلف و در نظر گرفتن عدم قطعیت در آن میزان پیچیدگی محصول نرم افزاری را تعیین یا پیش بینی نمود. همچنین برای تست نرم افزارهای تحت وب یا انواع وب سایت ها می توان از رویکرد پیشنهادی بهره برد. در ضمن، قصد داریم در کارهای بعدی، با استفاده از آزمایشات تجربی و مدنظر قرار دادن مدل های هزینه- فایده مدل پیشنهادی خود را بهبود دهیم. ما در رویکرد پیشنهادی مکانیزم بازخورد را قرار نداده‌ایم و در نظر داریم برای کار بعدی که مدلی مقرون به صرفه خواهد بود از این مکانیزم هم بهره ببریم که این امر مستلزم تحقیق و پژوهش های بیشتری می‌باشد تا اینکه ثابت شود مدل پیشنهادی را دچار بار اضافی نمی‌سازد. یکی دیگر از گزینه های پیش رو برای توسعه و گسترش این کار در نظر گرفتن معیارهای ارزیابی بیشتر برای روش‌های اولویت بندی را می توان نام برد. در نهایت یکی دیگر از جنبه های بهبود و تکامل مدل پیشنهادی، بهره بردن از قابلیت یادگیری ماشین به همراه شبکه بیزی در کارهای آتی می باشد.
پیوست الف: واژه نامه ی فارسی به انگلیسی

تمری در افزایش ترکیب رهیافت ها و دیدگاه ها همراه بوده است ولی بیشتر از دیدگاه دانشمندان علوم اجتماعی بررسی شده است . آنان سعی کرده اند از طریق تفکر در مقاصد اکتشافی و به منظور آزمون گذراندن مفهوم اعتماد در یک شرایط تجربی ویژه ، به یک پدیده معین دست بیابند . این بدان معناست که آنان نخواسته اند صرفاً به یک مفهوم انتزاعی به لحاظ فلسفی دست بیابند .
به همین نحو، در روانشناسی ، مفهوم اعتماد نیز به عنوان یک خصلت روانشناختی در شخصیت ، به وسیله روانشناسان تجربی در محیط آزمایشگاهی مورد بررسی قرار گرفته است مشابه با دیدگاه جامعه شناسان ، تعداد بی شماری تحقیقات در مورد اعتماد به وسیله دانشمندان علوم سیاسی که به عوامل تاثیر گذار اطمینان اجتماعی برنظام های سیاسی و رهبران آن نظام ها توجه داشته اند،انجام شده است .
در متون جامعه شناختی ، اعتماد گاه به منزله مشخصه افراد گاه به منزله مشخصه روابط اجتماعی یا مشخصه نظام اجتماعی که با توجه به رفتار مبتنی بر کنش ها و جهت گیری ها در سطح فردی مفهوم سازی می شود ، توصیف شده است (پور محمدی ، ۱۳۷۷).
در ادامه نظرات اندیشمندان سیاسی اجتماعی و ارتباطی درباره اعتماد را توضیح خواهیم داد .
آنتونی گیدنز
گیدنز در کتاب پیامدهای مدرنیته ، اعتماد را از عناصر اصلی مدرنیته معرفی می کند . گیدنز در ابتدای بحث پیرامون اعتماد به عنوان نقطعه شروع ، اعتماد را مطابق فرهنگ آکسفورد چنین تعریف می کند «اطمینان با اتکا بر کیفیت یا ویژگی یک شخص یا چیز با حقیقت یا عبارت (یا گفته)از نظر او «اطمینان»۲ و «اعتماد»۳به طور واضحی با هم مربوطند »(بر خلاف نظر لاهمن )(۱۹۹۲، Giddens).
گیدنز بر این عقیده است که اعتماد در جامعه مدرن جایگاه خاصی دارد اما منبع و منشا ایجاد اعتماد در زمان قدیم و جدید را متفاوت می داند و عنوان می کند برای دستیابی به اعتماد باید شیوه های متفاوتی اتخاذ کرد .
وی اعتماد را عامل ایجاد امنیت در جوامع مدرن می داند . او جامعه ای در نظر می گیرد که احتمال خطر در آن بسیار زیاد است و در واقع در چنین جوامعی ریسک و احتمال خطر،بخشی از زندگی روزمره محسوب می شده است که قابل کنترل و مهار کردن هم نمی باشد .
به عقیده او شرایط جدید زندگی فرصت های تازه ای را برای افزایش فعالیت اجتماعی فراهم می سازد وی اعتقاد دارد که تجدید و نوگرایی نه تنها مردم را ناتوان و ضعیف نمی کند بلکه آنها را قدرتمند و با مهارت می کند و فرصت هایی رابرای فعالیت های اجتماعی فراهم می کند .
دیدگاه گیدنز ، رابطه متقابلی را بین تغییرات اجتماعی و طرز تفکر و نگرش افراد برقرار می کند . گیدنز با برقراری یک رابطه میان اهمیت فزاینده اعتماد و تفسیر در واقعیت های اقتصادی سیاسی و اجتماعی در واقع به مفهوم اعتماد جان دوباره می بخشد .(۱۹۹۶ )
اعتماد از دیدگاه ارتباطی
اما اعتماد از دیدگاه ارتباطی نیز مبحثی است که سنخیت زیادی با تحقیق دارد . «کنت آسپ » و «جی وسترسال » دو دانشمندی هستند که اعتماد از دیدگاه آنها را بررسی خواهیم نمود .
۱- کنت آسپ
کنت آسپ در کتابی در زمینه قدرت رسانه های گروهی ، بین سه نوع ارزشی که می توانند به یک محتوای مشخص از رسانه های گروهی نسبت داده شوند ، تمایز قائل می شود .
این ارزشها به ترتیب ارزشهای توصیفی ، ارزشهای اطلاعاتی و ارزشهای پیامی نامیده می شوند . عملاً آنچه که آسپ با واژه آورده است ، همان چیزی است که ما در اینجا «کیفیت» می خوانیم . با آنکه در اصل در زمینه نقش رسانه های گروهی در فرآیندهای شکل گیری افکار عمومی ، در بررسی های آسپ ، سه کیفیت متصور شده است .
ولی تقریباً این سه کیفیت به آسانی می تواند کلیت یابند و به طور کلی به بحث های کیفیت محتوای رسانه ها اطلاق شوند .
سه نوع کیفیت که توسط آسپ متمایز شده اند ، به وسیله سه نوع ارتباط تعریف شده اند .
این ارتباط به ترتیب عبارتند از :
-محتوای رسانه ها و واقعیت
-محتوای رسانه ها و دریافت کنند ه
-محتوای رسانه ها و فرستند ه