O Scratch é uma ferramenta poderosa para incentivar a aprendizagem criativa. Qual das seguintes opções melhor descreve a importância da aprendizagem criativa na vida de graduandos?
O presidente da Tsinghua University, Chen Jining, identificou que o sistema educacional chinês estava produzindo estudantes A, que obtinham excelentes notas, mas careciam de criatividade e inovação. Ele defendeu a necessidade de formar estudantes X, que são aqueles capazes de assumir riscos e criar soluções inovadoras. Considerando as transformações no mercado de trabalho e a necessidade de adaptação a novas tecnologias, por que é importante desenvolver mais estudantes X, em vez de focar exclusivamente nos estudantes A?
Um aplicativo para celular tem como objetivo auxiliar as pessoas a desenvolverem a criatividade em suas rotinas diárias. Considerando o conceito de criatividade com “c” minúsculo apresentado no texto, qual das funções abaixo melhor se encaixa nessa proposta?
Imagine que você é um(a) professor(a) de história e deseja que seus alunos aprendam sobre a Revolução Francesa de maneira mais engajada. Inspirado(a) pelo texto “Espiral da aprendizagem criativa”, qual das seguintes atividades seria mais adequada para promover a compreensão profunda do tema e estimular o desenvolvimento de habilidades de pensamento crítico nos alunos?
Com relação ao desenvolvimento do pensamento computacional, considere as afirmativas a seguir:
O pensamento computacional desenvolve habilidades de resolução de problemas e pensamento lógico, sendo útil em muitas áreas profissionais e pessoais.
O pensamento computacional envolve a capacidade de decompor problemas complexos em partes menores e mais manejáveis.
Aprender pensamento computacional é importante apenas para quem deseja se tornar um desenvolvedor de software e não tem relevância para outras áreas.
O pensamento computacional é uma habilidade irrelevante, pois todos os problemas podem ser resolvidos por meio da inteligência artificial.
Apenas os profissionais de tecnologia precisam aprender pensamento computacional; para o restante, não há vantagem prática em entender esses conceitos.
Qual pilar do pensamento computacional relaciona-se com a capacidade de simplificar problemas e ignorar pequenos detalhes focando no que for mais importante?
Identifique quem foi o pioneiro no uso de computadores para o desenvolvimento de habilidades educacionais e o período em que ele iniciou suas pesquisas:
Qual pilar do pensamento computacional utiliza a estratégia de "dividir para conquistar", dividindo problemas maiores em partes menores e mais manejáveis?
Leia o trecho a seguir:A análise de regressão múltipla pode ser ampliada para modelos com variáveis transformadas e para o modelo logístico, adaptando-se a características específicas dos dados. Em modelos com variáveis [preencher 1], uma transformação comum é a aplicação do [preencher 2] para linearizar a relação entre variáveis, permitindo que uma relação de potência seja ajustada por uma regressão linear.Os termos [preencher 1] e [preencher 2] são corretamente substituídos por:
Leia o trecho a seguir:O processo de seleção do modelo de regressão mais adequado é essencial para garantir previsões confiáveis e análises precisas. Em [preencher 1] para modelos de regressão múltipla, são consideradas várias técnicas e diagnósticos que ajudam a selecionar o modelo mais adequado para diferentes conjuntos de dados. Modelos não lineares, como exponenciais, logarítmicos e logísticos, são discutidos, bem como a/o [preencher 2] de variáveis por meio de transformações matemáticas, para facilitar a análise de regressão.Os termos [preencher 1] e [preencher 2] são corretamente substituídos por:
Em estudos de regressão múltipla, a multicolinearidade pode prejudicar a estimativa dos coeficientes e comprometer a confiabilidade do modelo. Uma forma de avaliar esse problema é observar o coeficiente de determinação R2R^{2} obtido ao regredir cada variável preditora contra as demais. O resultado pode indicar redundância entre as variáveis independentes.Suponha que um modelo de regressão múltipla com três preditores X1X_1, X2X_2 e X3X_3 foi ajustado, e que o engenheiro responsável calculou os seguintes coeficientes de determinação parciais:
Ao regredir X1X_1 sobre X2X_2 e X3X_3, obteve-se R2=0,88R^{2}=0{,}88 * Ao regredir X2X_2 sobre X1X_1 e X3X_3, obteve-se R2=0,93R^2=0{,}93 * Ao regredir X3X_3 sobre X1X_1 e X2X_2, obteve-se R2=0,89R^{2}=0{,}89
Com base nessas informações, analise as seguintes asserções:I. A presença de multicolinearidade severa é evidente, especialmente associada ao preditor X2X_2, e isso compromete a interpretação dos coeficientes estimados no modelo de regressão.PORQUEII. O valor de R2=0,93R^2=0{,}93R2=, obtido ao regredir X2X_2 sobre os demais preditores, indica que aproximadamente 93% da variação de X2X_2 pode ser explicada por uma combinação linear de X1X_1 e X3X_3, o que caracteriza forte redundância entre as variáveis.A respeito dessas asserções, assinale a alternativa correta:
Em análises de regressão múltipla, problemas de multicolinearidade podem distorcer as estimativas dos coeficientes, dificultando a interpretação do modelo. Essa condição ocorre quando variáveis independentes estão altamente correlacionadas, gerando instabilidade estatística e dificuldade na identificação do efeito individual de cada preditor.Considere um modelo de regressão múltipla ajustado para um conjunto de dados com três preditores X1X_1, X2X_2 e X3X_3. Ao regredir cada preditor sobre os outros, foram encontrados os seguintes R2R^{2}: - R2(X1)=0,85R^2(X_1)=0{,}85 - R2(X2)=0,91R^{2}(X_{2})=0{,}91 - R2(X3)=0,88R^2(X_3) = 0{,}88Baseado nessas informações e nos conceitos de análise de multicolinearidade, analise as afirmativas a seguir:I. Existe forte evidência de multicolinearidade associada ao preditor X2X_2. II. Nenhum dos preditores apresenta multicolinearidade severa pelo critério usual. III. O preditor X1X_1 contribui para a multicolinearidade, mas não de forma severa. IV. A multicolinearidade identificada poderá aumentar a variância dos coeficientes estimados.Está correto o que se afirma em:
A seleção de variáveis em regressão é fundamental para construir modelos estatísticos eficientes e interpretáveis. Ela envolve identificar quais preditores contribuem significativamente para a variável resposta, evitando a inclusão de variáveis irrelevantes que podem complicar o modelo sem agregar valor. Métodos estatísticos, como o cálculo do critério CkC_k, auxiliam na determinação do melhor conjunto de variáveis para previsão precisa.Com base nos assuntos estudados sobre seleção de variáveis em regressão, calcule o valor de CkC_k para um modelo com k=3k=3 preditores, sabendo que SQEk=200,n=50eσ2=5\mathrm{SQE}_{k} = 200, n = 50 , \text{e} , \sigma^{2} = 5 e assinale a alternativa correta.
Ao trabalhar com modelos de regressão múltipla, é comum a necessidade de escolher entre diferentes combinações de variáveis explicativas. Essa escolha pode afetar a qualidade preditiva, a simplicidade e a estabilidade estatística do modelo final. Para auxiliar nesse processo, diversos critérios quantitativos são aplicados, como medidas de explicação da variância e penalizações por complexidade.Considere que três modelos foram ajustados a um conjunto de dados. Os valores de R2R^{2}, R2ajustadoR^2_{\text{ajustado}} e CpC_p de Mallows para cada modelo são:
Analise as seguintes asserções:I. O Modelo C apresenta o melhor equilíbrio entre qualidade de ajuste e parcimônia, sendo preferível para análise preditiva.PORQUEII. O critério CpC_p de Mallows penaliza modelos com variância excessiva ou complexidade desnecessária, sendo ideal quando seu valor se aproxima do número de preditores mais um.A respeito dessas asserções, assinale a alternativa correta:
Ao analisar modelos de regressão múltipla, é essencial compreender como a validação de parâmetros individuais pode impactar a aceitação ou rejeição de um modelo. Essa análise é baseada em cálculos estatísticos específicos e interpretações cuidadosas dos testes aplicados, exigindo um domínio técnico apurado para decisões corretas.Considerando o teste de hipótese para a utilidade global de um modelo de regressão múltipla, com n=14n=14 observações, k=3k=3 preditores, estatística F=18,17F=18{,}17 e nível de significância α=5%\alpha = 5%, analise os seguintes cenários.Sabendo que o valor crítico de FF para os graus de liberdade correspondentes é aproximadamente Fcrítico=3,29F_{crítico}=3{,}29, assinale a alternativa correta sobre a aceitação ou rejeição da hipótese nula.
A transformação de variáveis em modelos de regressão múltipla é uma prática comum para adequar o modelo às características dos dados, especialmente em contextos que exigem linearidade. Aplicar transformações como o logaritmo pode ajudar a estabilizar variâncias e melhorar a precisão do modelo.Com base nos assuntos estudados sobre codificação de variáveis em regressão, identifique o valor codificado de xix_i dado que xi=130x_i = 130, média do xi=100x_i=100 e si=20s_i=20
