Detecção automática de incompatibilidades cross-browser e cross-plataforma usando aprendizado de máquina em lojas virtuais

• Processo: 19/20264-9
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Vigência (Início): 01 de novembro de 2019
• Vigência (Término): 30 de junho de 2020
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Fagner Christian Paes
• Beneficiário: Guilherme dos Santos Beneti
• CNAE: Desenvolvimento e licenciamento de programas de computador customizáveis ; Tratamento de dados, provedores de serviços de aplicação e serviços de hospedagem na internet ; Portais, provedores de conteúdo e outros serviços de informação na internet
• Vinculado ao auxílio: 18/22419-7 - Detecção automática de incompatibilidades Cross-Browser e Cross-Plataforma usando aprendizado de máquina em lojas virtuais, AP.PIPE
• Assunto(s): Aprendizado computacional Inteligência artificial Desenvolvimento de software Teste e avaliação de software Comércio eletrônico
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Browser | Incompatibilidades Cross-browser | Incompatibilidades Cross-plataforma | Testes de software | Teste de Software

Resumo

Contexto: Os consumidores de comércio eletrônico podem interagir com as lojas virtuais através de uma variedade de navegadores Web, tais como, Internet Explorer, Google Chrome, Mozilla Firefox, Apple Safari e entre outros, executados em diversos sistemas operacionais (Android, iOS, Windows, MacOS e Linux) e instalados em plataformas (como computadores desktop, smartphones e tablets). Esta flexibilidade que caracteriza a portabilidade das lojas virtuais, por outro lado, conduziu para o surgimento de incompatibilidades no comportamento e renderização do leiaute das lojas virtuais. Espera-se que haja um comportamento padronizado e uniforme independente da forma como o usuário acessa a loja virtual. Os recentes avanços em termos de tecnologias elevaram a complexidade do desenvolvimento das aplicações Web (lojas virtuais, sites institucionais, internet banking, portais). Embora existam especificações que têm como objetivo assegurar a homogeneidade desses ambientes, através da utilização de estratégias de Design Responsivo e frameworks de front-end (Bootstrap, Foundation e Materialize), os desenvolvedores ainda precisam implementar diferentes versões de suas aplicações Web que sejam customizadas para se adaptar as características de diferentes plataformas e ao mesmo tempo manter um conjunto de funcionalidades e leiaute consistentes entre todas as versões [Choudhary2014Xpert], portanto, uma atividade custosa e propensa a erros [Walsh et al. 2017]. As diferenças observadas no leiaute ou no comportamento de uma aplicação Web quando renderizada em diferentes navegadores têm sido referenciadas como Cross-Browser Incompatibilities (XBIs)[Choudhary2010Webdiff2, Choudhary2012Crosscheck]. Para superar este problema durante o processo de desenvolvimento de software, os desenvolvedores e os testadores possuem a tarefa manual de encontrar e corrigir as incompatibilidades antes de disponibilizar a loja virtual na internet para os consumidores. Objetivo: Este projeto de pesquisa tem como objetivo aprimorar a abordagem de detecção automática de incompatibilidades Cross-browser e Crossplataforma através do uso de aprendizado de máquina (Inteligência Artificial). Metodologia: A abordagem proposta segmenta uma aplicação Web em múltiplos elementos DOM (Document Object Model). A tarefa de detecção de XBI foi modelada como um problema de classificação de aprendizado de máquina usando as seguintes propriedades para compor o conjunto de características: diferenças na posição, diferenças de tamanho e comparação da imagem de cada elemento DOM da aplicação Web. Um experimento separado em três etapas (aquisição de dados, classificação manual e avaliação do modelo de classificação) será realizado para investigar a efetividade do modelo de classificação.Resultados Esperados: Espera-se que o uso de aprendizado de máquina diminua a quantidade de falsos positivos apresentado pelo estado da arte neste tópico de pesquisa e aumente a efetividade da abordagem para viabilizar o desenvolvimento de uma ferramenta Web de detecção automática de incompatibilidades Cross-browser e Cross-plataforma para lojas virtuais. Contribuição: A viabilidade de uma ferramenta Web disponível no formato SAAS (Software as a Service) proporcionará para os negócios da empresa a possibilidade de um serviço escalável nacionalmente e internacional. Para o mercado contribuirá com aumento da qualidade das lojas virtuais e redução dos custos de testes manuais associados a identificação de XBIs. Palavras chave: Incompatibilidades Cross-plataforma, Incompatibilidades Cross-browser, Aprendizado de Máquina, Testes de Software, Lojas Virtuais.