No acompanhamento da frequência escolar, a Direção e a Coordenação Pedagógica analisam não apenas o número de estudantes presentes, mas a taxa de frequência, pois escolas com quantitativos de matrículas diferentes devem ser comparadas por proporção.

A tabela apresenta, para um mesmo mês, o número de matrículas e o total de presenças registradas em quatro escolas.

Considerando a taxa de frequência mensal definida por taxa 

Descrição da tabela: A tabela apresenta três colunas — Escola, Matrículas e Presenças registradas no mês — e quatro linhas de escolas (Alfa, Beta, Gama e Delta). Para o mesmo mês, a Escola Alfa tem 480 matrículas e 432 presenças registradas; a Escola Beta tem 520 matrículas e 442 presenças registradas; a Escola Gama tem 450 matrículas e 414 presenças registradas; e a Escola Delta tem 500 matrículas e 465 presenças registradas.

Assinale a alternativa que identifica a escola com maior taxa de frequência.

No processo de monitoramento escolar, a equipe gestora acompanha a taxa de aprovação ao longo dos anos para avaliar a efetividade de ações como recomposição de aprendizagens, acompanhamento pedagógico e estratégias de permanência. O gráfico a seguir apresenta a taxa de aprovação (%) da escola, de 2022 a 2025.

Descrição do gráfico: Gráfico de linha, intitulado “Taxa de aprovação por ano”. O eixo horizontal indica os anos 2022, 2023, 2024 e 2025. O eixo vertical indica Taxa de aprovação (%), com escala aproximada de 75% a 95%. Há quatro pontos ligados por uma linha: em 2022, a taxa é 84%; em 2023, 82%; em 2024, 87%; e em 2025, 90%. A linha desce de 2022 para 2023, sobe de 2023 para 2024 e de 2024 para 2025.
Com base no gráfico, assinale a alternativa que indica o intervalo de anos consecutivos em que ocorreu o maior aumento da taxa de aprovação, medido em pontos percentuais.

Durante o monitoramento do Plano de Ação da escola, a Direção e a Coordenação Pedagógica acompanham, ao fim do semestre, o que foi planejado e o que foi executado em cada ação prioritária.
Para comparar o desempenho das ações, a equipe utiliza o percentual de execução, calculado por: 
Percentual de execução 
A tabela a seguir apresenta os dados de quatro ações.

Descrição da Tabela: A tabela apresenta três colunas — Ação, Planejado e Executado — e quatro linhas de ações. A Ação 1 tem 40 no planejado e 30 no executado; a Ação 2 tem 50 no planejado e 35 no executado; a Ação 3 tem 30 no planejado e 27 no executado; e a Ação 4 tem 60 no planejado e 43 no executado.
Com base na tabela e no critério de percentual de execução (Executado ÷ Planejado), assinale a alternativa que indica a ação com menor percentual de execução.

No planejamento do orçamento anual de uma escola, a equipe gestora precisa acompanhar como os recursos foram distribuídos entre quatro categorias para definir prioridades de compra, manutenção e formação.
O gráfico a seguir apresenta a distribuição percentual do orçamento anual:

Descrição do Gráfico: Gráfico de pizza, em tons de cinza, intitulado “Distribuição do orçamento anual da escola (100%)”. Há quatro fatias: Formação continuada 35%, Material pedagógico 25%, Manutenção predial 20% e Ações de equidade 20%. A legenda identifica cada categoria.
Com base no gráfico, assinale a alternativa que apresenta a diferença absoluta, em pontos percentuais, entre o percentual destinado à Formação continuada e a soma dos percentuais destinados à Manutenção predial e às Ações de equidade.

Durante o acompanhamento dos resultados pedagógicos de uma escola municipal, a equipe gestora (Direção e Coordenação Pedagógica) analisou a distribuição dos estudantes por padrão de desempenho em dois anos consecutivos, para apoiar decisões sobre reagrupamentos, reforço e ações de recomposição da aprendizagem.
O gráfico abaixo apresenta o percentual de estudantes em cada padrão de desempenho:

Descrição do Gráfico: Gráfico de barras verticais agrupadas, em tons de cinza, intitulado “Percentual de estudantes por padrão de desempenho (2024 versus 2025)”. No eixo horizontal aparecem as categorias Defasagem, Intermediário e Adequado; no eixo vertical, o percentual de estudantes (de 0 até cerca de 55%). Em cada categoria há duas barras: 2024 em cinza escuro e 2025 em cinza claro. Os valores são: Defasagem - 45% (2024) e 38% (2025); Intermediário - 35% (2024) e 37% (2025); Adequado - 20% (2024) e 25% (2025).
Com base no gráfico, a maior mudança de 2024 para 2025, em pontos percentuais, foi:

Em um setor administrativo, foram registrados os seguintes números de atendimentos realizados ao longo de 7 dias consecutivos: 10, 12, 14, 14, 14, 16 e 18. Com base nesses dados, a média aritmética simples, a moda e a mediana, respectivamente, são:

Uma equipe de análise de risco de um tribunal implanta modelos de classificação para identificar processos com alta probabilidade de resultado desfavorável para a administração, trabalhando com bases historicamente desbalanceadas (poucos casos críticos em relação aos não críticos). Na fase de avaliação, discute-se o uso de validação cruzada, métricas baseadas em limiar de decisão e curvas de desempenho.
Com base nas boas práticas de avaliação de modelos de aprendizado de máquina, inclusive em cenários com classes desbalanceadas, analise as afirmativas a seguir, considerando (V) para a(s) afirmativa(s) verdadeira(s) e (F) para a(s) falsa(s).

( ) Na validação cruzada k-fold estratificada, cada partição de treino e teste preserva aproximadamente a mesma proporção de classes do conjunto original, o que contribui para estimativas de desempenho mais estáveis em problemas com desbalanceamento de classes.
( ) Curvas ROC e a métrica AUC-ROC são tipicamente mais informativas do que curvas precision-recall em cenários com classes fortemente desbalanceadas, justamente porque destacam com maior sensibilidade o comportamento do classificador em relação à classe minoritária.
( ) A métrica F1-score corresponde ao dobro do produto entre precisão (precision) e sensibilidade (recall) dividido pela soma de ambos, de modo que valores muito discrepantes entre precisão e recall tendem a produzir um F1-score relativamente baixo.
( ) Ao diminuir o limiar de decisão de um classificador binário (por exemplo, de 0,7 para 0,3), a precisão tende a aumentar, pois mais exemplos positivos são corretamente identificados como tal, ainda que isso geralmente ocorra às custas de uma redução no recall.

A sequência correta é:

Uma equipe de ciência de dados está desenvolvendo um modelo de classificação de inadimplência em um conjunto de dados tabular com informações numéricas e categóricas de clientes (renda, idade, histórico de crédito, limite etc.).
O conjunto está fortemente desbalanceado: apenas 3% dos registros pertencem à classe denominada inadimplente. O time deseja aumentar a quantidade de exemplos da classe minoritária sem simplesmente duplicar registros existentes, gerando novas amostras sintéticas entre os pontos reais da classe positiva, para reduzir o risco de overfitting associado ao oversampling ingênuo.
A técnica de balanceamento de classes adequada para esse cenário é:

Um cientista de dados treinou três modelos para prever evasão escolar usando dados de 12.000 alunos de 2019-2023: Random Forest, XGBoost e Regressão Logística. Para avaliar os modelos, dividiu o dataset em 70% treino e 30% teste, treinou cada modelo no conjunto de treino e reportou as seguintes acurácias no teste: RF=89%, XGBoost=91%, Logística=82%. Com base nesses resultados, foi recomendado o XGBoost para produção.
A avaliação dessa metodologia de validação é:

Um tribunal deseja prever o tempo de tramitação (em dias) de processos de uma determinada classe, desde a distribuição até a sentença em 1ª instância. Um cientista de dados ajustou um modelo de regressão usando variáveis como tipo de ação, vara, quantidade de partes e histórico de movimentações, e avaliou o modelo no conjunto de teste.

Como métrica principal, ele calculou a soma das diferenças absolutas dividida pelo número de observações, ou:

obtendo Erro = 18, que foi interpretado como: “em média, o modelo erra em 18 dias o tempo de tramitação dos processos”. A métrica utilizada pelo cientista de dados é: