Capítulo 34 — Projeto comparativo

Mapa da aula

Aula 34 publicada. Mapa, exemplo, EX100.

flowchart TD
  N0["34.1 Coletar os dados"]
  N1["34.2 Comparar os resultados"]
  N2["Laboratório — Resultados de reporte em duas redes de"]
  N3["34.3 Conclusões equilibradas"]
  N4["Síntese"]
  N0 --> N1 --> N2 --> N3 --> N4
  N4 --> EX["Exemplo resolvido"]
  EX --> Q["Exercício EX100"]

Desenho lógico

flowchart LR
  N0["34.1 Coletar os dados"]
  N1["34.2 Comparar os resultados"]
  N2["Laboratório — Resultados de reporte em duas redes de"]
  N3["34.3 Conclusões equilibradas"]
  N4["Síntese"]
  N0 --> N1 --> N2 --> N3 --> N4 --> Q["EX100"]

[34.1 Coletar os dados]
    |
    v
[34.2 Comparar os resultados]
    |
    v
[Laboratório — Resultados de reporte em duas redes de]
    |
    v
[34.3 Conclusões equilibradas]
    |
    v
[Síntese]
    |
    v
[Exemplo resolvido] --> [Exercício EX100]

Objetivos de aprendizagem

Você vai (1) conduzir uma comparação com as medidas planejadas; (2) interpretar as diferenças com cuidado; (3) apresentar conclusões equilibradas.

34.1 Coletar os dados

Nadia coleta seis meses de dados anonimizados das duas redes. Na Ashcombe, 22 e-mails maliciosos chegaram aos funcionários; na Dunmore, com 150 funcionários, 27. Para cada um, ela registra o tempo até o primeiro reporte ou anota que nunca foi reportado. Também aplica o questionário nas duas redes, recebendo 82 respostas na Ashcombe e 95 na Dunmore. Ela guarda os dados numa pasta protegida, confere se há erros comparando os totais com os resumos da TI e registra cada decisão sobre itens excluídos ou pouco claros. Ela anota cada exclusão num caderno.

34.2 Comparar os resultados

O laboratório calcula a mediana do tempo até o primeiro reporte e a proporção de e-mails maliciosos reportados em cada rede. A Ashcombe mostra uma mediana de tempo menor e uma proporção reportada maior. As pontuações do questionário mostram mais confiança e menos medo de culpa na Ashcombe. Nadia observa que as taxas de clique da Dunmore nas simulações são baixas, o que seus gestores citam como sucesso, mas seus funcionários reportam ataques reais lentamente. Isso sugere que taxas de clique baixas e reportes rápidos são coisas diferentes, um ponto que ela discute com cuidado.

Laboratório — Resultados de reporte em duas redes de bibliotecas

# Reporting outcomes at two synthetic library networks over six months.
ash = [3, 5, 6, 8, 9, 10, 11, 12, 12, 14, 15, 18, 21, 25, 30, 38, 44, 52, 66] + [None] * 3
dun = [9, 15, 22, 30, 41, 47, 55, 70, 88, 120, 150, 180, 240, 300] + [None] * 13
for name, d in (("Ashcombe", ash), ("Dunmore", dun)):
    t = sorted(x for x in d if x is not None)
    print(f"{name}: {len(d)} malicious, reported {len(t)} ({len(t) / len(d):.0%}), median first report {t[len(t) // 2]} min")

Execute com python3 lab_networks.py. Saída verificada:

Ashcombe: 22 malicious, reported 19 (86%), median first report 14 min
Dunmore: 27 malicious, reported 14 (52%), median first report 70 min

34.3 Conclusões equilibradas

Nadia conclui que a abordagem da Ashcombe está associada a reportes mais rápidos e a mais confiança dos funcionários, mas não afirma que ela causou essas diferenças. Os funcionários da Dunmore podem enfrentar ataques diferentes, e seu programa tem pontos fortes, como a prática regular. Ela sugere que a Dunmore poderia ganhar acrescentando retorno rápido e uma mensagem de não atribuição de culpa, e que a Ashcombe poderia aprender com as reciclagens regulares da Dunmore. Conclusões equilibradas respeitam as duas organizações e têm mais chance de ser postas em prática do que afirmações de que uma abordagem é simplesmente a certa.

Exemplo resolvido

Nadia compara duas redes, encontra reportes mais rápidos e mais confiança na Ashcombe e tira conclusões equilibradas.

Caso sintético. Os dados são sintéticos.

Erros e limites

Seis meses é pouco tempo. As redes enfrentam ataques diferentes.

Exercícios

• EX100 — Medianas no laboratório. Que medianas de tempo até o primeiro reporte o laboratório mostrou?
  Mostrar critérios de avaliação

  Rubrica: 3 = Ashcombe 14 e Dunmore 70 minutos;; 2 = mais rápido;; 1 = vago;; 0 = nenhuma.
• EX101 — Proporção reportada. Que proporções dos e-mails maliciosos foram reportadas?
  Mostrar critérios de avaliação

  Rubrica: 3 = Ashcombe 86% e Dunmore 52%;; 2 = maior;; 1 = vago;; 0 = nenhuma.
• EX102 — Clique versus reporte. O que os resultados da Dunmore sugerem?
  Mostrar critérios de avaliação

  Rubrica: 3 = cliques baixos e reportes rápidos são diferentes;; 2 = diferentes;; 1 = iguais;; 0 = nenhuma.

Síntese

As comparações devem ser interpretadas com cautela e concluídas com equilíbrio.