Comparative Analysis over the methodologies applied in Automation for Quality

Abstract

Il moderno panorama dell’apprendimento richiede soluzioni dinamiche ed efficienti per consentire agli studenti di accedere e acquisire conoscenze senza problemi. L'app Nokia Learn è uno strumento sofisticato progettato per soddisfare queste esigenze, offrendo una piattaforma in cui sia i dipendenti interni che quelli esterni possono impegnarsi in programmi di formazione completi, forniti da tutor. Questa app offre numerosi contenuti tecnici e l'opportunità di ottenere certificazioni in vari moduli, promuovendo così una cultura di apprendimento continuo. Sfruttando elementi multimediali come video, documenti e realtà aumentata (AR), l'app Nokia Learn garantisce esperienze di micro-apprendimento efficaci e on-demand. Tuttavia, l’attuale infrastruttura per testare questa applicazione si basa su processi manuali, che si rivelano dispendiosi in termini di tempo e inefficienti. I team di controllo qualità investono due giorni interi ogni quindici giorni per eseguire l'elenco completo di casi di test e segnalare eventuali bug riscontrati. Questa tesi esplora la fattibilità e l'efficacia dei test di automazione come soluzione per ottimizzare la garanzia della qualità nell'app Nokia Learn. Vengono identificati indicatori chiave di prestazione (KPI) per valutare l'impatto dell'automazione sul processo di test. Questi KPI includono la copertura dei test, il tempo di esecuzione dei test, il tasso di rilevamento dei difetti, il tasso di fallimento dei test, lo sforzo di manutenzione dei test e il ritorno sull'investimento (ROI) dell'automazione. La ricerca prevede un'analisi comparativa di due importanti framework di test di automazione, Maestro e Selenium. I risultati di questa ricerca non solo faranno luce sui potenziali vantaggi dei test automatizzati nel miglioramento della garanzia della qualità, ma guideranno anche le strategie future per ottimizzare il processo di test, ridurre gli sforzi di test manuali e migliorare la qualità complessiva dell’app Nokia Learn.

The modern learning landscape demands dynamic and efficient solutions to enable learners to access and acquire knowledge seamlessly. The Nokia Learn App is a sophisticated tool designed to meet these demands, offering a platform where both internal and external employees can engage in comprehensive training programs, delivered by tutors. This app offers a plethora of technical content and the opportunity to earn certifications in various modules, thereby fostering a culture of continuous learning. Leveraging multimedia elements like videos, documents, and Augmented Reality (AR), the Nokia Learn App ensures effective, on-demand micro-learning experiences. However, the current infrastructure for testing this application relies on manual processes, which proves to be time-consuming and inefficient. Quality Assurance teams invest two full days every fortnight to execute the extensive list of test cases and report any encountered bugs. This thesis explores the feasibility and effectiveness of automation testing as a solution to optimize quality assurance in the Nokia Learn App. Key Performance Indicators (KPIs) are identified to assess the impact of automation on the testing process. These KPIs include Test Coverage, Test Execution Time, Defect Detection Rate, Test Failure Rate, Test Maintenance Effort, and Return on Investment (ROI) of Automation. The research involves a comparative analysis of two prominent automation testing frameworks, Maestro and Selenium. By employing hands-on experience, this study aims to evaluate these frameworks in the context of the Nokia Learn App and determine which one offers better efficiency, reliability, and adaptability. The findings of this research will not only shed light on the potential benefits of automation testing in enhancing quality assurance but also guide future strategies for optimising the testing process, reducing manual testing efforts, and improving the overall quality of the Nokia Learn App.