OpenCyber Academy
Graduação · Capítulo 26 · Português
Código do curso: OCA-098Capítulo 26: OCA-098-C026

Capítulo 26 — Fatores humanos e política cibernética: métodos II

Ensino gratuito e aberto para quem deseja proteger pessoas e tecnologias. Não é preciso criar uma conta para estudar ou consultar as respostas.

Mapa da aula

Aula 26 publicada. Mapa, exemplo, EX076.

flowchart TD
  N0["26.1 Antes e depois"]
  N1["26.2 Confusão"]
  N2["26.3 Grupos de comparação"]
  N3["Laboratório — Unidades adiantadas e atrasadas no mês"]
  N4["Síntese"]
  N0 --> N1 --> N2 --> N3 --> N4
  N4 --> EX["Exemplo resolvido"]
  EX --> Q["Exercício EX076"]

Desenho lógico

flowchart LR
  N0["26.1 Antes e depois"]
  N1["26.2 Confusão"]
  N2["26.3 Grupos de comparação"]
  N3["Laboratório — Unidades adiantadas e atrasadas no mês"]
  N4["Síntese"]
  N0 --> N1 --> N2 --> N3 --> N4 --> Q["EX076"]
[26.1 Antes e depois]
    |
    v
[26.2 Confusão]
    |
    v
[26.3 Grupos de comparação]
    |
    v
[Laboratório — Unidades adiantadas e atrasadas no mês]
    |
    v
[Síntese]
    |
    v
[Exemplo resolvido] --> [Exercício EX076]

Objetivos de aprendizagem

Você vai (1) analisar a mudança ao longo do tempo com dados de antes e depois; (2) reconhecer fatores de confusão; (3) usar um grupo de comparação quando possível.

26.1 Antes e depois

Depois que a Ashcombe acrescenta o botão de reporte, declara que reportes na dúvida são bem-vindos e promete respostas, Nadia compara os reportes de antes e de depois. Nos três meses anteriores, os funcionários reportaram em média 12 e-mails suspeitos por mês; nos três meses seguintes, 31. Ela calcula a mudança e observa que é grande. Ainda assim, uma simples comparação antes e depois não consegue dizer se as mudanças causaram o aumento, porque outras coisas podem ter mudado no mesmo período, como o número de ataques. Ela plota os dois períodos.

26.2 Confusão

Um fator de confusão é algo que afeta tanto o momento de uma mudança quanto o resultado. Nadia considera vários: uma campanha nacional de phishing contra bibliotecas durante o período posterior, a cobertura jornalística de uma violação numa biblioteca e a chegada de novos funcionários. Qualquer um deles poderia ter aumentado os reportes. Ela consulta os registros da TI e descobre que os e-mails maliciosos também subiram, de 3 para 5 por mês, o que poderia explicar parte do aumento. Considerar abertamente os fatores de confusão é essencial para não afirmar mais do que as evidências sustentam.

26.3 Grupos de comparação

Nadia aprende que um grupo de comparação ajuda a separar os efeitos. Duas unidades receberam o botão um mês depois das demais por causa de um atraso técnico. Nesse mês, os reportes nas unidades que o receberam antes subiram fortemente, enquanto nas que o receberam depois pouco mudaram. O laboratório calcula os reportes por cem funcionários de cada grupo naquele mês. A diferença sustenta a ideia de que as mudanças, e não apenas eventos externos, aumentaram os reportes. Ela observa que os grupos não foram escolhidos ao acaso, de modo que podem diferir também em outros aspectos.

Laboratório — Unidades adiantadas e atrasadas no mês da implantação

# Rollout month: reports per hundred staff for early and late branches (synthetic).
early = (25, 96); late = (2, 24)
for name, (r, s) in (("early", early), ("late", late)): print(f"{name}: {r} reports / {s} staff = {100 * r / s:.0f} per 100")

Execute com python3 lab_compare.py. Saída verificada:

early: 25 reports / 96 staff = 26 per 100
late: 2 reports / 24 staff = 8 per 100

Exemplo resolvido

Nadia compara os reportes de antes e depois, considera os fatores de confusão e usa uma implantação atrasada como grupo de comparação.

Caso sintético. Os dados são sintéticos.

Erros e limites

Grupos não aleatórios podem diferir. Um mês é pouco tempo.

Exercícios

Síntese

Dados de antes e depois exigem considerar os fatores de confusão e, sempre que possível, grupos de comparação.

Respostas comentadas

EX076. De 12 para 31 por mês.

EX077. Os e-mails maliciosos subiram de 3 para 5 por mês.

EX078. Unidades adiantadas, 26, e atrasadas, 8 reportes por cem funcionários.