之前发布了三期报告：

• 软件测试技术应用现状调查报告(一)

• 软件测试技术应用现状调查报告(二)

• 软件测试技术应用现状调查报告(三)

这是第四期报告，是针对独立的研究院所与大学的数据进行比较分析，也是最后一期报告。到了这里，整个调查：软件测试技术研究／应用现状 的活动、分析与报告，也算是告一段落。下面，一方面会介绍一些新的测试技术，包括模糊测试、蜕变测试等，另方面，可能针对一些需要澄清的地方做一些补充调查，也可能对自动化测试技术、工具进行一些调查。但不管将来如何，这次调查本身，不仅让我们了解到国内现状，而且对软件测试各种新技术的应用会产生或多或少的促进作用，也对学界和业界的未来更好的合作起了推波助澜的作用 ......

1. 从事软件测试多少年？大学的测试人员构成偏便年轻，研究院所10年以上的测试人要高出大学12%

2. 在结构化测试方法中的应用。研究所普遍偏高，特别是分支覆盖、条件覆盖、MCD等，其中MCDC高达37.25%，要知道公司只有8%，研究院所更关注质量，估计研究院所要么不做测试，要做测试都是一些关键性软件的测试实施与研究。

3. 在基于需求的测试方法的应用／研究。研究院所在等价类划分方法、边界值分析法都高达86～90%，高出大学很多，比公司（业界）比较接近。唯一奇怪的是，决策表方法，研究院所的应用／研究比例很低，需要进一步调查才能知道原因，而基于场景的方法介于大学和公司之间。从测试基本方法来看，研究院所更靠近业界。

4. 基于模型测试（model basedtesting，MBT），总体来看，研究院所要比大学弱得比较多，不清楚的人要多出21%以上（但相对公司要好很多，公司占61%），特别是有限状态机／符号执行的应用／研究，研究院所要低23～24%（公司更低），但模型检查，倒是研究院所胜出，符号执行也高出公司不少（公司只有3.5%）。

5. 如果之前没有应用MBT，原因是什么？ 研究所不了解的人数反而偏少，只是想用的人多处不少，但缺少专家指导，需要帮他们解决这个问题。

6. 组合优化测试方法，两者差别不大，虽然研究院所还是偏弱，不清楚的人要高出7%。3^＋-way组合方法使用明显偏少，比公司（15.5%）都要低。倒是正交试验法、随机组合要比大学高出不少（高20%以上），而基于搜索的优化方法则比大学低不少，比大学低20%以上。总体上看，在组合优化测试方法上，研究院所靠近公司。

7. 在基于搜索的测试方法中，研究院所不清楚的人高达56.86%，但比公司低10%。研究院所和大学差异比较大的是随机算法、进化算法、概率算法、演化算法、元启发算法，都要低10%以上，但蜂群算法、神经网络算法两者比较接近。仔细观察研究院所的数据，随机算法、进化算法、概率算法、蜂群算法、神经网络比较接近，其中随机算法、进化算法、神经网络都是17.65%，说明一通百通？掌握某种基于搜索的测试方法的人，一定会尝试不同的算法，从中选相对更优的算法。

8. 如果之前没有基于搜索的算法，原因是什么？ 根据第6项的结果，研究院所不了解的测试人会高出20%以上，“似乎没有应用场景”，研究院所也高出不少。

9.  模糊测试、变异测试非常接近，但随机测试、蜕变测试研究院所低不少，原因是蜕变测试应用场景偏少？在研究院所（甚至业界）随机测试和模糊测试非常接近，是不是等同起来了？

10. 那我们进一步再看看模糊测试（Fuzz Testing）方法，研究院所在稳定性测试、可靠性测试的数据相同，是不是把这两者等同起来？而且高于安全性测试14％，这和大学正好相反，大学将模糊测试应用于安全性测试，要比应用于稳定性测试、可靠性测试要高出14～26%，这是让人不理解的地方。在这方面，研究院所和公司比较接近（规律一致），虽然这三项数据，研究院所都偏低一些。

11. 关于软件测试自动化的突破所依赖的因素看，研究院所更热衷于软件开发的标准化和组件化、软件技术的提高等，而大学更看着人工智能，更相信算法。虽然在软件开发的标准化和组件化上，研究院所和公司的观点一致，但在云计算／云服务上，两者差别很大，公司要高出21%以上。从个人认知看，公司更看着软件技术的提高，但在软件技术上，倒是研究院所比公司要高出近10%，大学是最低的（要比研究院所低近17%）

12. 测试技术研究来源于工业界实际需求，研究院所更接地气，“多数研究＋绝大多数研究” 来源于工业界实际需求，研究院所要比大学高出12%。

13. 对当前工业界和学术界的交流满意吗？研究院所要悲观得多，满意要比大学低11%以上，“不满意＋很不满意”要比大学高13%以上。虽然公司满意的人更少（6%），但“不满意＋很不满意”的人要比研究院所低21%。

14. 对工业界和学术界相互受益充满信心吗？研究院所没有大学那么乐观，大学总体上看，信心十足。但研究院所绝望的人没有，大学倒有2.38%。