Yapay zeka teknikleri ile yazılım test faaliyetlerininincelenmesi ve yazılım kalite tahmini

Bu tez çalışması, yazılım test süreçlerinin kaliteyi artırmadaki belirleyici rolünü vurgulayarak, bu süreçlerin yapay zekâ ve makine öğrenmesi teknikleriyle nasıl daha verimli, öngörülebilir ve stratejik şekilde yönetilebileceğini göstermeyi amaçlamaktadır. Dijitalleşmenin hızlanmasıyla birlikte yazılım projelerinde işlevselliğin yanı sıra güvenilirlik, sürdürülebilirlik ve kullanıcı memnuniyeti gibi kalite unsurları önem kazanmakta; bu durum test süreçlerinin planlanması ve yürütülmesini yazılım kalitesinin ana unsurlarından biri hâline getirmektedir. Geleneksel yöntemlerin sınırlılıklarını aşmak için geliştirilen bu çalışmada, yazılım firmalarında görev yapan test mühendislerinden elde edilen anket verileri üzerinden çeşitli makine öğrenmesi algoritmaları uygulanmış, yazılım test süreçlerine ilişkin kalite düzeyi öngörülerek sınıflandırma modelleri oluşturulmuştur. Elde edilen bulgular, geliştirilen modellerin yazılım test süreçlerinde karar vericilere destek olabilecek güvenilir çıktılar ürettiğini ve bu yaklaşımın hem akademik literatürde hem de sektörel uygulamalarda somut katkılar sağlayabileceğini ortaya koymaktadır.

This thesis emphasizes the decisive role of software testing processes in enhancing software quality and aims to demonstrate how these processes can be managed more efficiently, predictably, and strategically through artificial intelligence and machine learning techniques. With the accelerating pace of digitalization, not only functionality but also quality factors such as reliability, sustainability, and user satisfaction have gained prominence in software projects, making the planning and execution of testing processes a key determinant of software quality. To overcome the limitations of traditional methods, this study applied various machine learning algorithms to survey data collected from software test engineers working in the field, and developed classification models to predict the quality level of software testing processes. The findings reveal that the proposed models generate reliable outputs that can support decisionmakers in managing software test processes, demonstrating that this approach can make concrete contributions to both the academic literature and sectoral practice.