GeraProva GeraProva Provas com IA para professores do Brasil
Computação3ª sérieBNCC EM13CO06Difícil⏱ medio

Ao avaliar risco de discriminação em um algoritmo biométrico, qual métrica físico-matemática deve ser usada…

Publicado por Alexandre Lombardi dos Santos, fundador do GeraProva

Habilidade BNCC EM13CO06

Avaliar software levando em consideração diferentes características e métricas associadas.

Fonte: Base Nacional Comum Curricular (MEC).

Questão

Ao avaliar risco de discriminação em um algoritmo biométrico, qual métrica físico-matemática deve ser usada para comparar desempenho entre subgrupos?

  1. A) Comparar taxas de falso positivo e falso negativo separadamente por subgrupo (análise de FPR/FNR e ROC/AUC estratificada).
  2. B) Desconsiderar fatores externos ao medir resultados de um algoritmo biométrico.
  3. C) Usar uma única métrica para avaliar todos os subgrupos igualmente.
  4. D) Comparar acurácia global sem considerar diagnóstico entre subgrupos.
  5. E) Identificar apenas taxas de sucesso de um algoritmo e ignorar erros.

✅ Resposta correta: alternativa A

Resolução passo a passo

  1. A questão pergunta qual métrica deve ser usada para comparar o desempenho de um algoritmo biométrico entre subgrupos, a fim de avaliar risco de discriminação.
  2. Resolvendo por conta própria, a abordagem adequada é estratificar o desempenho por subgrupo e comparar as taxas de erro. Em sistemas biométricos, falso positivo (FPR) ocorre quando o sistema aceita um indivíduo que não deveria ser aceito, e falso negativo (FNR) quando rejeita alguém legítimo. Se essas taxas diferirem muito entre grupos, há indício de viés. A curva ROC e a AUC estratificadas complementam a análise, pois mostram o compromisso entre essas taxas em cada grupo.
  3. Alternativa A: está correta, pois trata exatamente dessa comparação de erros por subgrupo, que é o critério usado em auditorias de equidade de algoritmos biométricos.
  4. Alternativa B: está errada, porque ignorar fatores externos impede identificar se diferenças de desempenho decorrem de condições de captura ou de grupos demográficos.
  5. Alternativa C: está errada, pois uma única métrica agregada pode esconder disparidades que aparecem apenas quando cada subgrupo é analisado separadamente.
  6. Alternativa D: está errada, porque a acurácia global pode ser alta mesmo com desempenho muito ruim em um subgrupo minoritário.
  7. Alternativa E: está errada, pois ignorar os erros elimina justamente a informação necessária para detectar discriminação.
  8. Conclusão: concordo com o gabarito oficial, A, que é a resposta correta.

💡 Dica: Considere as métricas de desempenho em algoritmos de aprendizado de máquina.

Alternativa por alternativa

A Correta

Desigualdade nas taxas de erro entre subgrupos indica viés; acurácia global pode ocultar diferenças que causam discriminação.

B Erradaerro: Conceituala que mais engana

O aluno acredita que, para medir o desempenho de um algoritmo, basta ignorar variáveis externas, como se elas não influenciassem os resultados.

Por que engana: Desconsiderar a importância de analisar taxas de falso positivo e falso negativo separadamente, levando a uma avaliação imprecisa do algoritmo.

C Erradaerro: Conceitual

O aluno supõe que uma única métrica aplicada igualmente a todos os grupos é suficiente, sem perceber que médias podem esconder disparidades entre subgrupos.

D Erradaerro: Senso comum

O aluno confia na acurácia global como indicador de justiça, sem notar que ela pode ser dominada pelo grupo majoritário e mascarar erros em grupos minoritários.

E Erradaerro: Interpretação

O aluno foca apenas nas taxas de acerto, achando que o sucesso do sistema basta para avaliá-lo, e não percebe que os erros concentrados em um grupo são justamente o indício de discriminação.

Raio-X da questão

Dificuldade Difícil
Bloom Avaliar
Leitura alto
Discriminação alto
Peso pedagógico alto
Autonomia do enunciado completo
Cobertura da habilidade unica
🧪 Simulado🩺 Diagnóstico🧮 Exige cálculo🏠 Cotidiano🔗 Interdisciplinar⭐ Representativa✍️ direta🧩 desafio
🎯 Conceito central

algoritmos biométricos

📌 Objetivo

avaliacao

🧱 Pré-requisitos

métricas de avaliação de algoritmos · análise de dados estatísticos

📚 Reveja

Revisar métricas de desempenho em algoritmos de aprendizado de máquina.

⚠️ Erro mais comum

Desconsiderar a importância de analisar taxas de falso positivo e falso negativo separadamente, levando a uma avaliação imprecisa do algoritmo.

🌎 Tema transversal

cidadania_etica

🤝 Socioemocional

pensamento_critico

🏫 Contexto

cientifico

Questões parecidas com resolução

Todas as questões de [CONFERIR] Construir soluções baseadas no uso de algoritmos e conceitos da Computação para resolver problemas, avaliando suas qualidades e melhorando-as.

🔎 Procurar outra questão

Procure no banco do GeraProva pelo tema ou por um trecho do enunciado. Cada questão já vem com resolução comentada e a análise de cada alternativa.

Professor: monte a prova com questões como esta, com gabarito e folha de respostas, em 30 segundos. Ver planos · Blog

Ocorreu um erro inesperado. Recarregar X

Rejoining the server...

Rejoin failed... trying again in seconds.

Failed to rejoin.
Please retry or reload the page.

The session has been paused by the server.

Failed to resume the session.
Please retry or reload the page.