A inserção de práticas ágeis no desenvolvimento de software aumentou consideravelmente. tanto as empresas quanto o meio acadêmico enfrentam desafios constantemente relacionados à especificação e teste de requisitos nesse contexto. a adoção de testes de aceitação para comunicação e colaboração entre as partes interessadas no desenvolvimento de software foi uma estratégia para aumentar a qualidade dos softwares desenvolvidos. vários formatos de testes de aceitação como fitnesse, gherkin e cenários de usuários por meio de diagramas de interação do usuário (us-uids) são uma tentativa de incluir cliente e usuários na especificação dos requisitos por meio de testes. de acordo com a literatura, os testes de aceitação especificados nestes formatos consideram "dados funcionais" e "dados de teste". os dados funcionais fazem a ligação do teste com os códigos de cola, enquanto os dados de teste são trocados pelo sistema sob teste (sut) por meio da ligação dos dados funcionais. estes dados são essenciais para a comunicação entre as partes interessadas e também são fundamentais para automação dos testes. entretanto, a automação dos testes é melhor desenvolvida quando os dados dos testes possuem uniformidade. uniformidade é um conceito de reuso ou repetição de dados entre os testes, porém nem todos os dados de testes são melhores escolhidos durante a especificação. deste modo, os especificadores necessitam de ferramentas para avaliar a uniformidade dos dados de teste durante a especificação e os testadores precisam de ferramentas para rejeitar ou melhorar a qualidade dos testes de aceitação para automação. assim, esta pesquisa propõe métricas para medir a uniformidade dos dados de testes de aceitação. o objetivo é melhorar a qualidade dos testes de aceitação avaliando a uniformidade dos dados por meio das métricas durante a especificação. as métricas propostas são apresentadas por meio de modelos matemáticos e foram implementadas para serem aplicadas por meio de computador. um experimento com os fatores controlados de suporte de um especialista e formação do grupo de especificadores foi proposto para obter dois projetos de testes, respectivamente, com mais dados uniformes e mais dados irregulares. a sensibilidade da métrica para o formato dos usuids foi avaliada com os projetos obtidos no experimento mais dois projetos encontrados na literatura, sendo que a métrica consegue classificar projetos uniformes e irregulares com a mesma sensibilidade de um especialista. com base nas medidas destes projetos, também se indicou um valor mínimo de 0,45 de uniformidade para um projeto, a ser atingido antes do desenvolvimento da automação dos testes. as métricas para o formato do fitnesse e gherkin foram aplicadas em 36 repositórios de testes de aceitação encontrados na plataforma github a fim de documentar e comparar a uniformidade dos dois formatos. ao comparar a uniformidade dos dados dos projetos, o resultado foi semelhante para os dois formatos. contudo, ao comparar os formatos no âmbito de testes de aceitação (features), o resultado para o formato gherkin é menos irregular. dos 36 repositórios medidos, 27 repositórios apresentaram medidas de uniformidade menor que a medida mínima indicada 0,45 de uniformidade.