ЕКСПЕРИМЕНТАЛЬНІ ДОСЛІДЖЕННЯ ПІДХОДІВ ДО ГЕНЕРАЦІЇ ТЕСТОВИХ СЕЛЕКТОРІВ ІЗ ЗАСТОСУВАННЯМ GNN У ПРОЦЕСІ АВТОМАТИЗОВАНОГО ТЕСТУВАННЯ ВЕБДОДАТКІВ

У статті розглянуто проблему нестабільності тестових селекторів під час автоматизованого тестування вебдодатків. Порушено питання адаптивності селекторів до змін у DOM-структурі, що є критично важливим для розроблення сучасних динамічних вебінтерфейсів. Виконано порівняльний аналіз трьох підходів до генерації селекторів: ручного (через Chrome DevTools), напівавтоматизованого (з використанням DevTools) та автома-тизованого з використанням графових нейронних мереж (GNN).
Метою дослідження було визначити, який із підходів забезпечує найкраще співвідношення між точністю, повнотою, стабільністю та витратами часу на формування селекторів у реальних умовах тестування. У роботі застосовано експериментальний підхід, що передбачав тестування на 25 вебдодатках з різними типами DOM-структур: статичними, динамічними та SPA. Використано стандартні метрики якості: точність, повноту, F1-score, а також оцінено кількість помилок після змін у DOM та середній час генерації селектора.
Отримані результати свідчать про перевагу методу на основі GNN, зокрема у стабільності селекторів після оновлень інтерфейсу. Ручний підхід хоча й демонструє високу точність, значно поступається у швидкодії та повноті, а Chrome DevTools – хоч і швидкий, проте найменш надійний у динамічних середовищах. Таким чином, застосування графових нейронних мереж дає змогу створювати більш адаптивні та надійні рішення для автоматизованого тестування веб-додатків.
Крім того, дослідження демонструє доцільність подальшого розвитку підходів на основі GNN через інтеграцію механізмів self-supervised learning та Graph Attention Networks (GAT), що дасть змогу досягти ще більшої точності, масштабованості та продуктивності автоматизованих тестів у складних програмних системах. Запропонований підхід має потенціал до впровадження у фреймворки нового покоління для UI-тестування, що сприятиме поліпшенню якості цифрових продуктів на ринку.
Експериментально доведено доцільність застосування GNN для автоматизованої генерації селекторів, адаптованих до змін у DOM, а також виявлено, що такий підхід дає змогу зменшити кількість хибних спрацювань без втрати швидкодії. Отримані результати мають практичну цінність для підвищення надійності та ефективності систем автоматизованого тестування в умовах швидкозмінюваного інтерфейсу.