%0 Journal Article %A Rosano Barroso, Mario %T Aplicación de modelos de aprendizaje profundo al Predictive Mutation Testing %D 2026 %U http://hdl.handle.net/10498/39116 %X Este proyecto surge de una de las principales limitaciones de la técnica de Prueba de Mutantes, o Mutation Testing. Este método de validación del software permite evaluar la eficacia de un conjunto de pruebas introduciendo modificaciones pequeñas e intencionadas, denominadas mutantes, en el código fuente. El objetivo es comprobar si las pruebas implementadas son capaces de detectar los cambios generados, lo que sirve como indicador de su capacidad para encontrar errores reales. En este contexto, es el proyecto elaborado el que se centra en abordar los principales desafíos asociados a esta técnica, el elevado coste computacional que implica ejecutar la totalidad de las pruebas sobre cada mutante generado. Con este trabajo se propone avanzar en la prueba de mutantes predictiva, conocida como PMT (Predictive Mutation Testing), que plantea reemplazar la ejecución directa de los mutantes por un proceso de predicción automatizada, mediante el diseño y análisis de modelos basados en técnicas de deep learning, con el objetivo de explorar su capacidad para identificar patrones más complejos en las métricas del código y de las ejecuciones de pruebas. El propósito es determinar si los enfoques investigados logran una mayor precisión en la predicción de mutantes, sin que ello implique un aumento significativo en el coste computacional del entrenamiento o la inferencia. Para dar soporte al proceso completo de análisis y predicción, se ha desarrollado una plataforma web que centraliza todas las etapas implicadas en el estudio del PMT. Esta herramienta permite cargar proyectos, gestionar las características previamente extraídas y preparar estos datos para su uso por los algoritmos predictivos. Asimismo, facilita la administración de los modelos utilizados en la predicción, incluyendo su incorporación, actualización y evaluación, y ofrece un entorno unificado para visualizar los resultados obtenidos. La plataforma constituye una solución pionera en su ámbito, al integrar en un único entorno web un flujo de trabajo modular y extensible que cubre desde la gestión de datos hasta la experimentación con modelos de predicción. Gracias a esta infraestructura, el proceso de investigación en PMT se vuelve más accesible, reproducible y escalable, lo que permitirá explorar nuevos enfoques, comparar modelos y avanzar en el desarrollo de técnicas más precisas y eficientes. %K Mutation Testing %K Predictive Mutation Testing %K mutantes %K deep learning %K modelos predictivos %K métricas de código %K plataforma web %K mutants %K predictive models %K code metrics %K web platform %~ Universidad de Cádiz