Este temario corresponde en exclusiva a la especialidad 'Sistemas y Aplicaciones Informáticas' (código 227) del Cuerpo de Profesores Técnicos de Formación Profesional (Cuerpo 0591), y es la única entrada de esta especialidad en el catálogo de OpositaGratis, con id 'profesor-fp-informatica'. No debe confundirse con la especialidad 'Informática' (código 107) del Cuerpo de Profesores de Enseñanza Secundaria (Cuerpo 0590, grupo A, exige otro temario propio y distinto requisito de titulación), ni con otras especialidades de FP con contenido parcialmente afín como 'Sistemas Electrónicos' o 'Equipos Electrónicos', que tampoco comparten este temario. Los 65 temas oficiales de 1996 versan sobre fundamentos de hardware y arquitectura de computadores, representación y organización de datos, sistemas operativos, programación (algoritmia, estructurada, modular, orientada a objetos, C y ensamblador), bases de datos relacionales y aplicaciones de gestión, diseño de interfaces gráficas y sistemas multimedia, y redes de ordenadores. Dado que el temario data de 1996, el contenido técnico de cada tema se ha actualizado a la práctica y la tecnología vigentes en 2026 (arquitecturas de 64 bits y multinúcleo, SSD/NVMe, sistemas operativos y lenguajes de programación actuales, redes Wi-Fi 6/7 y computación en la nube, entre otros) sin alterar el enunciado oficial de ningún tema, siguiendo el mismo criterio aplicado en el resto de temarios de Profesores Técnicos de FP ya publicados en este catálogo (p. ej. src/data/temarios/profesor-fp.json, especialidad Procesos Sanitarios).
Verificar que un programa hace lo que se espera de él, probarlo sistemáticamente antes de su puesta en producción y documentarlo adecuadamente son actividades tan importantes como escribir el propio código, y determinan en gran medida su calidad y mantenibilidad a largo plazo. Este tema desarrolla los distintos niveles de pruebas de software, las técnicas de diseño de casos de prueba, y las prácticas de documentación técnica del código.
Las pruebas unitarias verifican el comportamiento correcto de la unidad más pequeña de código (una función o método) de forma aislada, habitualmente automatizadas con frameworks como JUnit (Java), pytest (Python) o Jest (JavaScript); las pruebas de integración verifican que varios módulos o componentes funcionan correctamente en conjunto; las pruebas de sistema verifican el sistema completo frente a los requisitos funcionales; las pruebas de aceptación validan que el sistema satisface las necesidades reales del usuario o cliente, a menudo con su participación directa.
Caja blanca frente a caja negra
Las pruebas de caja blanca (o caja transparente) diseñan los casos de prueba conociendo la estructura interna del código, buscando cubrir determinados caminos de ejecución (cobertura de sentencias, de decisiones, de condiciones); las pruebas de caja negra diseñan los casos de prueba a partir únicamente de la especificación funcional, sin conocer ni depender de la implementación interna, verificando entradas y salidas esperadas.
Técnicas de diseño de casos de prueba
El análisis de valores límite (boundary value analysis) prioriza probar los valores en los extremos de los rangos válidos e inválidos, donde los errores son estadísticamente más frecuentes (p. ej. probar 0, 1, el máximo permitido y el máximo+1); la partición de equivalencia agrupa las entradas posibles en clases donde se espera un comportamiento equivalente, probando un valor representativo de cada clase en lugar de todos los valores posibles.
Cobertura de código
La cobertura de sentencias mide qué porcentaje de líneas de código se ejecutan al menos una vez durante las pruebas; la cobertura de decisiones (o de ramas) exige que cada rama posible de cada estructura condicional se haya ejecutado al menos una vez; una cobertura del 100% no garantiza la ausencia de errores (no cubre todas las combinaciones posibles de condiciones ni todos los valores de entrada), pero su ausencia es una señal clara de zonas de código no verificadas.
Pruebas de regresión y desarrollo dirigido por pruebas
Las pruebas de regresión se repiten tras cada cambio en el código para verificar que las funcionalidades que antes funcionaban correctamente siguen funcionando, evitando que una corrección o una nueva funcionalidad rompa algo existente; el desarrollo dirigido por pruebas (TDD, Test-Driven Development) invierte el orden habitual escribiendo primero la prueba (que inicialmente falla), después el código mínimo para que pase, y finalmente refactorizando el código manteniendo las pruebas en verde, en ciclos cortos e iterativos.
Documentación técnica del código
La documentación en línea (comentarios en el propio código, docstrings en Python, Javadoc en Java, JSDoc en JavaScript) describe el propósito, parámetros y valor de retorno de cada función junto al código que documenta, facilitando su generación automática como documentación de referencia navegable; la documentación externa (manuales de usuario, documentos de arquitectura, diagramas UML) complementa la documentación en línea con una visión de más alto nivel del sistema, que no siempre resulta evidente leyendo el código función a función.
Pruebas de rendimiento y de carga
Las pruebas de rendimiento evalúan el comportamiento de un sistema en términos de tiempo de respuesta, rendimiento (throughput) y consumo de recursos bajo distintas condiciones; dentro de ellas, las pruebas de carga (load testing) comprueban el comportamiento bajo el volumen de usuarios o peticiones esperado en producción, mientras que las pruebas de estrés (stress testing) buscan deliberadamente llevar el sistema más allá de su capacidad prevista para observar cómo degrada su servicio y si se recupera correctamente al cesar la sobrecarga. Herramientas como JMeter o Gatling permiten simular un gran número de usuarios concurrentes de forma automatizada para este tipo de pruebas, habitualmente ejecutadas antes de un despliegue en producción o tras un cambio significativo en la arquitectura del sistema.
Pruebas de mutación
Las pruebas de mutación evalúan, no la calidad del código de producción, sino la calidad de la propia batería de pruebas: se introducen pequeños cambios artificiales y deliberados (mutantes) en el código fuente, como invertir una condición o cambiar un operador aritmético, y se comprueba si la batería de pruebas existente detecta esos cambios haciendo fallar alguna prueba. Un mutante que sobrevive (ninguna prueba falla tras introducirlo) revela una zona del código insuficientemente probada, aunque esté cubierta en términos de cobertura de sentencias; esta técnica complementa a la cobertura de código porque una cobertura alta no implica necesariamente pruebas capaces de detectar errores reales.
Verificación formal y diseño por contrato
La verificación formal aplica métodos matemáticos para demostrar, no solo comprobar empíricamente mediante casos de prueba, que un programa cumple una especificación determinada; resulta especialmente relevante en sistemas críticos de seguridad (aviónica, sistemas médicos, firmware de control industrial) donde el coste de un fallo es muy elevado. El diseño por contrato (Design by Contract) es una técnica más ligera y de uso habitual que expresa, mediante precondiciones (lo que debe cumplirse al invocar una función), postcondiciones (lo que garantiza al finalizar) e invariantes (lo que debe mantenerse siempre cierto), el comportamiento esperado de cada componente; las instrucciones assert, presentes en la mayoría de lenguajes de programación, son la forma más directa de comprobar estas condiciones en tiempo de ejecución durante el desarrollo y las pruebas.
Ideas clave para el examen — memoriza esto
Las pruebas unitarias verifican el comportamiento correcto de la unidad más pequeña de código (función o método) de forma aislada de sus dependencias.
JUnit (Java), pytest (Python) y Jest (JavaScript) son frameworks de referencia para automatizar pruebas unitarias en sus respectivos ecosistemas.
Las pruebas de integración verifican que varios módulos o componentes funcionan correctamente al combinarse, más allá de su corrección individual.
Las pruebas de aceptación validan que el sistema satisface las necesidades reales del usuario o cliente, a menudo con su participación directa en la validación.
Las pruebas de caja blanca se diseñan conociendo la estructura interna del código, buscando cubrir caminos de ejecución concretos.
Las pruebas de caja negra se diseñan a partir únicamente de la especificación funcional, sin conocer la implementación interna.
El análisis de valores límite prioriza probar los extremos de los rangos válidos e inválidos, donde los errores son estadísticamente más frecuentes.
La partición de equivalencia agrupa las entradas posibles en clases de comportamiento equivalente, reduciendo el número de casos de prueba necesarios sin perder cobertura significativa.
La cobertura de sentencias mide el porcentaje de líneas de código ejecutadas al menos una vez durante las pruebas.
La cobertura de decisiones (de ramas) exige que cada rama posible de cada estructura condicional se haya ejecutado al menos una vez.
Una cobertura de código del 100% no garantiza la ausencia de errores, pero su ausencia señala con certeza zonas de código nunca verificadas por las pruebas.
Las pruebas de regresión se repiten tras cada cambio para verificar que funcionalidades previamente correctas no se han roto.
TDD (Test-Driven Development) invierte el orden habitual: se escribe primero la prueba (que falla), después el código mínimo para pasarla, y finalmente se refactoriza manteniendo las pruebas en verde.
El ciclo de TDD se resume habitualmente como 'rojo-verde-refactor': prueba que falla (rojo), código que la pasa (verde), mejora del código sin romper las pruebas (refactor).
Los docstrings en Python y Javadoc en Java son convenciones de documentación en línea que permiten generar automáticamente documentación de referencia navegable a partir de los comentarios del código.
La documentación externa (manuales, documentos de arquitectura, diagramas UML) complementa la documentación en línea con una visión de más alto nivel no siempre evidente en el código función a función.
Las pruebas de humo (smoke tests) verifican de forma rápida y superficial que las funcionalidades más críticas de un sistema funcionan tras un despliegue, antes de ejecutar la batería completa de pruebas.
Un mock (objeto simulado) sustituye a una dependencia real (base de datos, servicio externo) durante una prueba unitaria, para aislar la unidad bajo prueba de factores externos y hacer las pruebas más rápidas y deterministas.
La integración continua (CI) ejecuta automáticamente la batería de pruebas cada vez que se integra un cambio de código, detectando regresiones lo antes posible en el ciclo de desarrollo.
Una revisión de código (code review) por otro desarrollador antes de integrar un cambio complementa las pruebas automatizadas, detectando problemas de diseño, legibilidad o mantenibilidad que las pruebas no cubren.
Las pruebas de carga comprueban el comportamiento del sistema bajo el volumen de uso esperado en producción; las pruebas de estrés lo llevan deliberadamente más allá de su capacidad prevista.
JMeter y Gatling son herramientas habituales para simular de forma automatizada un gran número de usuarios concurrentes en pruebas de rendimiento y carga.
Las pruebas de mutación introducen cambios artificiales (mutantes) en el código para comprobar si la batería de pruebas existente los detecta, evaluando así la calidad de las propias pruebas.
Un mutante que sobrevive a la batería de pruebas (ninguna prueba falla) señala una zona insuficientemente probada, incluso si esa zona tiene cobertura de sentencias del 100%.
El diseño por contrato expresa el comportamiento esperado de un componente mediante precondiciones, postcondiciones e invariantes.
Una instrucción assert comprueba en tiempo de ejecución que una condición se cumple, deteniendo el programa si no es así, y es la forma más directa de aplicar el diseño por contrato durante el desarrollo.
11 preguntas sobre este tema, en orden aleatorio. Sin registro, sin límite de intentos.
Pregunta 1 de 110 aciertos
Una cobertura de código del 100% en las pruebas de un programa:
Preguntas frecuentes
¿De qué trata el Tema 32 de Profesor FP Informática?
Verificar que un programa hace lo que se espera de él, probarlo sistemáticamente antes de su puesta en producción y documentarlo adecuadamente son actividades tan importantes como escribir el propio código, y determinan en gran medida su calidad y mantenibilidad a largo plazo. Este tema desarrolla los distintos niveles de pruebas de software, las técnicas de diseño de casos de prueba, y las prácticas de documentación técnica del código.
¿Qué hay que memorizar del Tema 32 para el examen?
Las pruebas unitarias verifican el comportamiento correcto de la unidad más pequeña de código (función o método) de forma aislada de sus dependencias. JUnit (Java), pytest (Python) y Jest (JavaScript) son frameworks de referencia para automatizar pruebas unitarias en sus respectivos ecosistemas. Las pruebas de integración verifican que varios módulos o componentes funcionan correctamente al combinarse, más allá de su corrección individual. Las pruebas de aceptación validan que el sistema satisface las necesidades reales del usuario o cliente, a menudo con su participación directa en la validación. Las pruebas de caja blanca se diseñan conociendo la estructura interna del código, buscando cubrir caminos de ejecución concretos. Las pruebas de caja negra se diseñan a partir únicamente de la especificación funcional, sin conocer la implementación interna. El análisis de valores límite prioriza probar los extremos de los rangos válidos e inválidos, donde los errores son estadísticamente más frecuentes. La partición de equivalencia agrupa las entradas posibles en clases de comportamiento equivalente, reduciendo el número de casos de prueba necesarios sin perder cobertura significativa. La cobertura de sentencias mide el porcentaje de líneas de código ejecutadas al menos una vez durante las pruebas. La cobertura de decisiones (de ramas) exige que cada rama posible de cada estructura condicional se haya ejecutado al menos una vez. Una cobertura de código del 100% no garantiza la ausencia de errores, pero su ausencia señala con certeza zonas de código nunca verificadas por las pruebas. Las pruebas de regresión se repiten tras cada cambio para verificar que funcionalidades previamente correctas no se han roto. TDD (Test-Driven Development) invierte el orden habitual: se escribe primero la prueba (que falla), después el código mínimo para pasarla, y finalmente se refactoriza manteniendo las pruebas en verde. El ciclo de TDD se resume habitualmente como 'rojo-verde-refactor': prueba que falla (rojo), código que la pasa (verde), mejora del código sin romper las pruebas (refactor). Los docstrings en Python y Javadoc en Java son convenciones de documentación en línea que permiten generar automáticamente documentación de referencia navegable a partir de los comentarios del código. La documentación externa (manuales, documentos de arquitectura, diagramas UML) complementa la documentación en línea con una visión de más alto nivel no siempre evidente en el código función a función. Las pruebas de humo (smoke tests) verifican de forma rápida y superficial que las funcionalidades más críticas de un sistema funcionan tras un despliegue, antes de ejecutar la batería completa de pruebas. Un mock (objeto simulado) sustituye a una dependencia real (base de datos, servicio externo) durante una prueba unitaria, para aislar la unidad bajo prueba de factores externos y hacer las pruebas más rápidas y deterministas. La integración continua (CI) ejecuta automáticamente la batería de pruebas cada vez que se integra un cambio de código, detectando regresiones lo antes posible en el ciclo de desarrollo. Una revisión de código (code review) por otro desarrollador antes de integrar un cambio complementa las pruebas automatizadas, detectando problemas de diseño, legibilidad o mantenibilidad que las pruebas no cubren. Las pruebas de carga comprueban el comportamiento del sistema bajo el volumen de uso esperado en producción; las pruebas de estrés lo llevan deliberadamente más allá de su capacidad prevista. JMeter y Gatling son herramientas habituales para simular de forma automatizada un gran número de usuarios concurrentes en pruebas de rendimiento y carga. Las pruebas de mutación introducen cambios artificiales (mutantes) en el código para comprobar si la batería de pruebas existente los detecta, evaluando así la calidad de las propias pruebas. Un mutante que sobrevive a la batería de pruebas (ninguna prueba falla) señala una zona insuficientemente probada, incluso si esa zona tiene cobertura de sentencias del 100%. El diseño por contrato expresa el comportamiento esperado de un componente mediante precondiciones, postcondiciones e invariantes. Una instrucción assert comprueba en tiempo de ejecución que una condición se cumple, deteniendo el programa si no es así, y es la forma más directa de aplicar el diseño por contrato durante el desarrollo.
¿Hay preguntas de test de este tema exacto?
Sí, 11 preguntas tipo test sobre este tema, en el apartado "Ponte a prueba" de esta misma página. Sin registro y sin límite de intentos.
¿De dónde sale el temario de este tema?
Del índice oficial de Orden de 1 de febrero de 1996 por la que se aprueban los temarios que han de regir en los procedimientos de ingreso, adquisición de nuevas especialidades y movilidad para determinadas especialidades de los Cuerpos de Profesores de Enseñanza Secundaria y de Profesores Técnicos de Formación Profesional (BOE núm. 38, de 13 de febrero de 1996, BOE-A-1996-3102) — Anexo correspondiente al Cuerpo de Profesores Técnicos de Formación Profesional (0591), especialidad Sistemas y Aplicaciones Informáticas (código 227). Este temario de 1996 sigue vigente hoy como temario de referencia estatal: las convocatorias autonómicas actuales (2023-2026) de esta especialidad remiten expresamente a él como Anexo de contenidos, sin que haya sido derogado ni sustituido por una lista de temas distinta. (Temario oficial estatal de referencia — especialidad Sistemas y Aplicaciones Informáticas (código 227), Cuerpo de Profesores Técnicos de Formación Profesional).
Mientras tanto, practica con tests gratis de Profesor FP Informática.