Um analista de teste está testando um modelo de aprendizado de máquina que classifica imagens. Não há oráculo de teste confiável para determinar a classificação correta para imagens individuais. Conforme o syllabus, qual técnica de teste é mais apropriada dada essa característica da base de teste?

1. A. Teste de tabela de decisão, porque as regras para classificação de imagens são bem documentadas e fornecem uma saída esperada para cada imagem individual, permitindo ao analista construir uma tabela de decisão completa que captura todos os resultados do modelo em teste 💬 A
2. B. Teste metamórfico, porque o syllabus afirma que quando é impossível ou difícil derivar um oráculo de teste da base de teste, técnicas como teste metamórfico ou técnicas baseadas em experiência podem ser aplicadas ✓ B
3. C. Análise de valor limite, porque a classificação de imagens geralmente depende de valores numéricos de pixels que possuem valores limite bem definidos, permitindo derivar uma classificação esperada precisa para imagens cujos pixels estão sobre esses limites 💬 C
4. D. Teste de transição de estados, porque o modelo de aprendizado de máquina possui estados internos que transitam conforme as imagens são classificadas, de modo que o analista modela essas transições e verifica se o modelo alcança o estado correto para cada classificação 💬 D

Reveal answer

Correct answer: Teste metamórfico, porque o syllabus afirma que quando é impossível ou difícil derivar um oráculo de teste da base de teste, técnicas como teste metamórfico ou técnicas baseadas em experiência podem ser aplicadas

Reference: https://istqb.org/wp-content/uploads/sdm-uploads/ISTQB-CTAL-TA-Syllabus-v4.0-EN-4.pdf