Analista Legislativo - Analista de Ciência de Dados
A importância da qualidade dos dados é um dos fundamentos da Ciência da Dados, é essencial nos projetos desenvolvidos na ALEGO. Tais características são bem delineadas e classificadas na literatura e, em essência, servem de indicadores para avaliar quais conjuntos de dados são importantes ou não para um determinado estudo.A classificação das características básicas da qualidade de dados são, respectivamente,
Aintrínseca, contextual, representacional e acessibilidade, apenas.
Bencontrável, acessível, interpolável e reusável, apenas.
Ccontextualização, completude e acurácia, apenas.
Dconsistência, singularidade e relevância, apenas.
Ecompletude, acurácia e acessibilidade, apenas.
Revelar gabarito e comentário▾
GabaritoA — intrínseca, contextual, representacional e acessibilidade, apenas.
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Qualidade dos Dados: Classificação das Características Básicas
Gabarito: letra A. A classificação clássica das características da qualidade dos dados, amplamente reconhecida na literatura de Ciência de Dados, divide-se em quatro dimensões: intrínseca, contextual, representacional e acessibilidade. A alternativa A reproduz exatamente esse conjunto, sendo a única correta.
A questão cobra o conhecimento das dimensões fundamentais da qualidade dos dados, um tópico essencial em projetos de Big Data e Ciência de Dados. A banca utiliza distratores que misturam conceitos de outras áreas (como os princípios FAIR) ou apresentam listas incompletas.
Dimensão
Descrição
Exemplo de Subdimensões
Fonte/Referência
Intrínseca
Qualidade inerente aos dados, independente do contexto de uso.
Precisão, reputação, objetividade, credibilidade
Wang & Strong (1996)
Contextual
Qualidade considerando o contexto e a finalidade de uso dos dados.
Relevância, valor agregado, completeza, tempestividade
Wang & Strong (1996)
Representacional
Qualidade relacionada ao formato, interpretabilidade e facilidade de compreensão dos dados.
Consistência, facilidade de entendimento, interpretabilidade, concisão
Wang & Strong (1996)
Acessibilidade
Qualidade referente à disponibilidade, segurança e facilidade de acesso aos dados.
Acesso, autorização, disponibilidade, segurança
Wang & Strong (1996)
Qualidade dos dados: Intrínseca (Precisão, Reputação, Objetividade); Contextual (Relevância, Valor agregado, Completeza); Representacional (Consistência, Facilidade de entendimento); Acessibilidade (Disponibilidade, Autorização)
Alternativa A — ✅ Correta ⟵ GABARITO
A alternativa relaciona as quatro dimensões canônicas da qualidade dos dados:
Intrínseca: reflete a qualidade inerente aos dados (precisão, reputação, objetividade).
Contextual: considera o contexto de uso dos dados (relevância, valor agregado, completeza).
Representacional: diz respeito ao formato e à interpretabilidade dos dados (consistência, facilidade de entendimento).
Acessibilidade: trata da disponibilidade e segurança no acesso aos dados (acesso, autorização).
Essa classificação é tradicionalmente atribuída a Wang & Strong (1996) e é referência na área.
Alternativa B — ❌ Incorreta
Os termos "encontrável, acessível, interpolável e reusável" correspondem aos princípios FAIR (Findable, Accessible, Interoperable, Reusable), voltados para dados abertos e reutilizáveis, e não à classificação de qualidade de dados. Há uma troca de conceitos: enquanto a acessibilidade aparece em ambas, as outras dimensões são distintas.
Alternativa C — ❌ Incorreta
"Contextualização, completude e acurácia" são apenas exemplos de dimensões, não a classificação completa. A dimensão contextual é apenas uma das quatro; completude e acurácia são subdimensões (geralmente ligadas à intrínseca e contextual). A lista é insuficiente e não abrange a estrutura hierárquica tradicional.
Alternativa D — ❌ Incorreta
"Consistência, singularidade e relevância" também são dimensões parciais. Consistência pode estar na representacional, singularidade na intrínseca e relevância na contextual. Novamente, faltam as dimensões representacional e acessibilidade, e a classificação não segue o modelo consagrado.
Alternativa E — ❌ Incorreta
"Completude, acurácia e acessibilidade" são três dimensões importantes, mas incompletas. Faltam as dimensões intrínseca (em sua acepção mais ampla, que inclui reputação, objetividade) e representacional (que abrange consistência, interpretabilidade). A banca tenta induzir o candidato a escolher uma lista enxuta, mas a classificação completa exige as quatro.
NÃO CAIA NESSA!
A banca explora a confusão entre a classificação clássica de qualidade de dados e os princípios FAIR (alternativa B) ou listas reduzidas (C, D, E). O candidato menos familiarizado com a literatura pode achar que apenas três dimensões bastam, ou misturar conceitos de outros frameworks. Memorize as quatro dimensões (intrínseca, contextual, representacional, acessibilidade) e lembre-se de que elas formam um conjunto fechado na abordagem tradicional.