Los sistemas de juez en línea (OJ) son esenciales en la educación de programación, ya que evalúan eficientemente las habilidades de programación de los estudiantes y reducen la carga de trabajo del instructor. Sin embargo, estos sistemas a menudo pasan por alto la importancia de los conceptos de pruebas de software. Para abordar esta brecha, desarrollamos un sistema llamado Pytutor que integra conceptos de pruebas de software para evaluar las habilidades y competencias de programación de los estudiantes al explorar los casos de prueba y comportamientos de aprendizaje de los estudiantes. Basándonos en la teoría de ingeniería de software y técnicas prácticas, las capacidades de prueba se evalúan mediante el análisis de la cobertura de código y las pruebas de mutación de Definición de Casos de Prueba. Dado que nuestro experimento se realiza en un entorno en línea, podemos recopilar los comportamientos de aprendizaje de los estudiantes y analizar más a fondo la relación entre las habilidades de ingeniería de software y los comportamientos de aprendizaje. También analizamos las diferencias en las habilidades de programación y pruebas entre los estudiantes de informática y los que no son de informática. Nuestros hallazgos sugieren que unas mejores habilidades de pruebas pueden contribuir a la mejora de las habilidades de programación, mientras que en el contexto educativo taiwanés actual, los estudiantes de informática no necesariamente tienen mejores habilidades de pruebas. Este resultado nos proporciona sugerencias para fortalecer la educación en pruebas de software, independientemente del tipo de estudiantes al que esté dirigida.