Contexto: Teste Baseado em Modelo (TBM) é uma abordagem que permite testadores representarem o comportamento do sistema testado como modelos, especificando entradas e suas saídas esperadas. A partir destes modelos, ferramentas existentes podem ser empregadas para gerar casos de teste automaticamente. Enquanto o TBM representa um passo promissor para a automação da geração de casos de teste, a qualidade do modelo projetado pelo testador pode ter impacto, positivo ou negativamente, na sua capacidade de revelar falhas (ou seja, a eficácia do teste). Objetivo: Neste contexto, conduzimos um experimento preliminar para avaliar o impacto causado por diferentes testadores ao projetar um modelo de teste para a mesma funcionalidade. Método: no experimento, os participantes usaram Grafos de Sequência de Eventos e a ferramenta de suporte FourMA para criar modelos de teste para duas aplicações móveis: arXiv-mobile e WhoHasMyStuff. Dos modelos de teste, casos de teste foram gerados usando FourMA e concretizados por meio do framework Robotium. A fim de medir o impacto de diferentes testadores, utilizamos cobertura de código (nomeadas, instruction e branch coverage) como estimativa da eficácia do teste. Resultados: Baseado nos resultados obtidos, observamos alta variação de cobertura de código entre os testadores. Nenhum testador foi capaz de produzir um modelo de teste que inclui todos os modelos de outros testadores em relação a cobertura de código. Além disso, o fator de aprendizagem parece não reduzir a variação de cobertura de código. A relação entre tamanho do modelo, tempo de modelagem e cobertura de código foram inconclusivos. Conclusão: Concluímos que mais esforços de pesquisa sobre a etapa de modelagem do TBM é necessária para não apenas reduzir a variação entre os testadores, mas também melhorar sua eficácia.