Durante o desenvolvimento de uma aplicação web em JavaScript, foi necessário criar a função abaixo, que calcula o valor total de uma compra, aplicando desconto se o valor for superior a R$ 500,00.

function calcularTotal (compra) {
  let total = 0;
  for (let item of compra) {
    total += item.preco * item.quantidade;
  }
  if (total > 500) {
    total = total * 0.9;
  }
  return total;
}

Ao testar com uma lista de produtos, o valor final retornado estava incorreto em algumas situações específicas. Após revisão, identificou-se que o problema está relacionado a tipos de dados. Nesse contexto, a melhor correção para garantir que o cálculo seja sempre correto, considerando boas práticas de tipos e controle de fluxo, é

Durante o desenvolvimento de um sistema preditivo para auxiliar na gestão de processos judiciais em um Tribunal do Trabalho, uma equipe de analistas treinou dois modelos distintos para resolver problemas diferentes:

• O modelo A prevê se um processo será encerrado em até 6 meses (1) ou não (0), com base em dados como tipo de ação, número de audiências e histórico de partes envolvidas.

• O modelo B estima o número de dias até o encerramento do processo, utilizando variáveis como a vara do trabalho, grau de complexidade e duração média de tramitação por tipo de causa.

Após o treinamento, os seguintes resultados foram obtidos:

• O modelo A apresentou alta acurácia (92%), mas AUC-ROC de 0.61.

• O modelo B apresentou R² de 0.83 no treino e 0.42 no teste, além de MAE (Mean Absolute Error) de 120 dias.

Com base nos resultados e considerando as boas práticas de avaliação preditiva quanto à qualidade e confiabilidade,

Em um projeto de análise preditiva no âmbito de um Tribunal do Trabalho, foi desenvolvido o código abaixo em Python para prever se UM processo será encerrado em até 6 meses (1) ou não (0), com base em atributos como número de audiências, tipo de ação e complexidade processual. Considere que este código será executado em condições ideais.

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier

# Dataset com colunas como 'audiencias', 'tipo_acao', 'complexidade', 'encerramento_6m'
dados = pd.read_csv("processos.csv")

X = dados.drop("encerramento_6m", axis=1)
y = dados["encerramento_6m"]

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.3, random_state=42)

modelo = RandomForestClassifier()
modelo.fit(X_train, y_train)
print(modelo.score(X_test, y_test))

Ao observar o código e os recursos de aprendizado de máquina utilizados, uma Analista afirmou que

Durante a modernização do sistema de distribuição de processos judiciais em um Tribunal Regional do Trabalho, a equipe técnica identificou a necessidade de encapsular diferentes critérios de distribuição (por volume de trabalho, especialidade do magistrado, ou sorteio aleatório), mantendo a flexibilidade de alterar a lógica sem afetar os demais componentes do sistema.

Além disso, os analistas de requisitos demandaram um controle rigoroso de alterações na configuração de distribuição, com geração de logs e confirmação de operação, para atender à resolução do CNJ sobre rastreabilidade.

Considerando as boas práticas de Engenharia de Software e o uso adequado de Padrões de Projeto (Design Patterns), a decisão tecnicamente mais apropriada é:

A equipe técnica de um Tribunal Regional do Trabalho, visando o processo de modernização da infraestrutura, decidiu automatizar o provisionamento e a configuração dos servidores utilizados para hospedar sistemas como, por exemplo, o PJe, o DataJud e o Balcão Virtual. O Ansible foi adotado como ferramenta padrão para garantir consistência, repetibilidade e controle de mudanças.

Uma das tarefas mais criticas era configurar, com segurança e precisão, todos os serviços relacionados à aplicação do PJe, mantendo o mesmo padrão para ambientes de homologação, produção e contingência.

Considerando as boas práticas de uso do Ansible e a necessidade de gestão automatizada no ambiente judiciário, a abordagem mais adequada e correta é:

Quando da elaboração de um plano estratégico de TI para modernização dos serviços digitais em um Tribunal Regional do Trabalho, uma equipe técnica analisou diferentes modelos de computação em nuvem, conforme a definição da NIST SP 800-145, para hospedar sistemas, como, por exemplo, o PJe, portais de transparência e sistemas de RH.

Com base nos critérios de segurança institucional, controle sobre dados sensíveis, escalabilidade e alinhamento com diretrizes da administração pública, concluiu-se que o modelo mais adequado de implantação de nuvem é aquele que oferece infraestrutura exclusiva, mas operada por terceiros, e que pode ser hospedada fora das instalações do tribunal.

Dessa forma, a equipe optou corretamente por:

Durante o desenvolvimento de um novo sistema para gestão de pautas de audiências e notificações no âmbito da Justiça do Trabalho, a equipe de TI de um TRT detectou grande variação nos requisitos repassados pelas secretarias das varas, ocasionando mudanças frequentes nos critérios de notificação, conforme determinações da corregedoria regional.

Diante desse cenário, o coordenador do projeto propôs a adoção de um modelo de processo evolutivo, aliado a práticas formais de elicitação e validação de requisitos, com uso de protótipos e interação com os usuários finais.

Com base nessa situação, representa a prática mais adequada de engenharia de software e de requisitos, nesse contexto,

Quando do desenvolvimento de um sistema para automatizar notificações de audiências e movimentações processuais trabalhistas, uma equipe de analistas do Tribunal Regional do Trabalho adotou práticas de orientação a objetos (00) e modelagem com UML 2.5.

Foi criado um componente reutilizável chamado Notificador, capaz de enviar e-mails, mensagens por aplicativo institucional e registrar log de entrega. A modelagem utilizou diagrama de classes e diagrama de sequência para validar o comportamento do componente com diferentes tipos de eventos judiciais.

Considerando os princípios da OO, reutilização de componentes e notações da UML 2.5, a alternativa correta quanto à aplicação desses conceitos é:

Durante o desenvolvimento de um novo módulo para controle de jornada de trabalho de servidores da Justiça do Trabalho, a equipe de sistemas identificou requisitos funcionais que impactavam diretamente o cálculo de horas extras e banco de horas, exigindo precisão jurídica.

O módulo foi implementado com base em regras definidas pela área de gestão de pessoas e homologado por magistrados.

O time decidiu aplicar testes automatizados para garantir estabilidade nas regras e facilitar futuras alterações de jornada previstas por novas normas de Resoluções do CNJ.

O Analista responsável orientou, adequada e corretamente, os seguintes cuidados:

Um Analista de Sistemas de um órgão do poder judiciário está implantando uma solução de monitoramento e auditoria dos acessos ao sistema de tramitação de inquéritos. A equipe técnica decidiu utilizar o conjunto ELK (Elasticsearch, Logstash e Kibana) para centralizar os logs de acesso, detectar padrões de uso suspeitos e produzir dashboards com métricas de acesso em tempo real.

As fontes de dados incluem arquivos de log em servidores, registros de firewall e notificações de API, Cada linha de log contém carimbos de tempo, IPs, tipo de operação, usuário, e o resultado da ação.

Durante a configuração, o Analista precisa:

1. Ingerir dados brutos de múltiplas fontes.
2. Estruturar, transformar e enriquecer os dados.
3. Indexar os dados de forma pesquisável.
4. Visualizar padrões de acesso, falhas e comportamentos atípicos.

Com base nessa situação, reflete corretamente o papel e funcionamento das ferramentas da ELK Stack nesse contexto,