EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Automatización de la generación de casos de prueba de software 2018–2024: mapeo sistemático en bases de datos IEEE, ACM, Springer y Elsevier

Daniel García-Arcos, Juan Carlos Pérez-Arriaga, Karen Cortés-Verdín

Tecnura · 31.03.2026 · 30 (87) · 113-138

DOI: 10.14483/22487638.24863 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Tecnura, online erschienen am 31.03.2026. Verfasst von Daniel García-Arcos und 2 weiteren Autor:innen. Die Arbeit nennt 14 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Contexto: la prueba de software es esencial para asegurar la calidad de productos de software. Sin embargo, la generación manual de casos de prueba es costosa, propensa a errores y consume tiempo considerable, lo que ha impulsado el desarrollo de métodos y herramientas para automatizar esta actividad. Objetivo: analizar métodos y herramientas para la automatización de la generación de casos de prueba documentados entre 2018 y 2024, identificando características, retos en el empleo práctico y formas de evaluación. Metodología: se aplicó la metodología de mapeo sistemático de Kitchenham et al., analizando 70 estudios primarios de IEEE Xplore, ACM Digital Library, Science Direct y Springer Link. Se empleó el enfoque quasi-gold standard para definir cadenas de búsqueda y síntesis narrativa de Popay et al. para el análisis de datos. Resultados: la prueba basada en búsqueda y la prueba basada en modelos son las técnicas predominantes, con una emergente adopción de Modelos de Lenguaje Grande (LLM, Large Language Models). Los métodos y herramientas se orientan principalmente hacia APIs RESTful y aplicaciones Java, presentando limitaciones en el manejo de especificaciones y generación de test oracles efectivos. Conclusiones: se identifican oportunidades significativas en pruebas de seguridad y rendimiento. Aunque el estudio no incluyó evaluación de calidad de estudios primarios, literatura gris ni snowballing, proporciona un panorama base para futuras investigaciones en generación automática de casos de prueba.

Zitieren

APA

García-Arcos, D., Pérez-Arriaga, J. C., & Cortés-Verdín, K. (2026). Automatización de la generación de casos de prueba de software 2018–2024: mapeo sistemático en bases de datos IEEE, ACM, Springer y Elsevier. Tecnura, 30(87), 113-138. https://doi.org/10.14483/22487638.24863

Vancouver

García-Arcos D, Pérez-Arriaga JC, Cortés-Verdín K. Automatización de la generación de casos de prueba de software 2018–2024: mapeo sistemático en bases de datos IEEE, ACM, Springer y Elsevier. Tecnura. 2026;30(87):113-138. doi:10.14483/22487638.24863

BibTeX
@article{GarcaArcos2026,
  author = {García-Arcos, Daniel and Pérez-Arriaga, Juan Carlos and Cortés-Verdín, Karen},
  title = {Automatización de la generación de casos de prueba de software 2018–2024: mapeo sistemático en bases de datos IEEE, ACM, Springer y Elsevier},
  journal = {Tecnura},
  year = {2026},
  volume = {30},
  number = {87},
  pages = {113--138},
  doi = {10.14483/22487638.24863}
}
Kostenlos starten →