Questões de Concurso – Aprova Concursos

Texto CG1A1-I

    O Brasil seria diferente do que é hoje se não fossem as informações produzidas pelo Instituto Brasileiro de Geografia e Estatística (IBGE) e por outras instituições do Sistema Estatístico Nacional. Com todas as iniquidades sociais que ainda persistem no país, o quadro seria seguramente pior caso não houvesse informações estatísticas levantadas há mais de 80 anos. Não há como não reconhecer que parte das conquistas republicanas de universalização da educação básica e do acesso à água, redução da pobreza, promoção do desenvolvimento regional, ampliação da cobertura do emprego formal e da previdência pelo vasto território brasileiro deve-se à disponibilidade de informação estatística de boa qualidade e cobertura levantada pelo IBGE e por outras instituições, como o Instituto Nacional de Estudos e Pesquisas Educacionais, os departamentos de estatísticas e pesquisas dos ministérios e órgãos subnacionais de planejamento e estatística.
    É claro que a efetividade das políticas sociais depende de uma série extensa de fatores, mas a informação estatística cumpre papel instrumental relevante em todas as fases de implementação de um programa público. Políticas sociais se estruturam como sistemas complexos, articulando programas de natureza universal com ações redistributivas em várias áreas setoriais, e são operadas por agentes em diferentes níveis federativos de governo. Para que tais políticas e programas sociais consigam cumprir seus objetivos específicos e contribuir para a maior efetividade social da ação pública, é necessário produzir informação e estudos de diferentes naturezas, valendo-se de uma combinação plural de metodologias.

Paulo de Martino Jannuzzi. A importância da informação estatística para as políticas sociais no Brasil:
breve reflexão sobre a experiência do passado para considerar no presente.
Internet: (com adaptações).

A inteligência artificial vai acabar com os testes em animais?

Dos amantes da causa animal aos técnicos de laboratório, ninguém gosta de submeter os animais a testes
científicos.
Mas isso acaba sendo feito para ajudar a garantir que os medicamentos e outras substâncias sejam seguros para
eventual uso humano.
Os pesquisadores há muito tempo buscam alternativas que não envolvam os animais. Os sistemas de inteligência
artificial (IA) agora estão acelerando o trabalho nessa área.
Uma aplicação da IA neste campo pode ser considerada simples, e especialistas acreditam que ela está se
revelando eficaz. Isso porque a tecnologia utiliza todos os resultados globais de testes em animais existentes e disponíveis
e evita a necessidade de novos testes desnecessários.
Isso é útil porque pode ser difícil para os cientistas examinarem décadas de dados para encontrar e analisar
exatamente o que procuram, diz Joseph Manuppello, analista de investigação sênior do Comitê de Medicina Responsável,
uma organização sem fins lucrativos dos EUA.
“Estou muito entusiasmado com a aplicação de modelos de IA como o ChatGPT para extrair e sintetizar todos esses
dados disponíveis e tirar o máximo proveito deles”, diz.
Thomas Hartung é professor de Toxicologia na Universidade Johns Hopkins, nos EUA, e também diretor do
Centro de Alternativas aos Testes em Animais. Ele diz: “A IA é tão boa quanto um ser humano, ou melhor, na extração de
informações de artigos científicos.”
Quando se trata dos atuais testes em animais, Hartung diz que a necessidade de testar novos produtos químicos é
uma das principais razões. E com mais de 1.000 desses novos compostos entrando no mercado todos os anos, há muito
a ser testado.
O professor Hartung diz que sistemas de IA treinados estão começando a ser capazes de determinar a toxicidade
de um novo produto químico.
“Ter ferramentas disponíveis onde podemos pressionar um botão e obter uma avaliação preliminar, que nos dá
alguns sinais de ‘aqui está um problema’... será extremamente útil.”
Hartung acrescenta que, embora os sistemas de software sejam usados há muito tempo na Toxicologia, a IA está
proporcionando um “enorme salto em frente” tanto em potência quanto em precisão.
“Isso está subitamente criando oportunidades que não existiam antes”, diz ele, acrescentando que a IA está agora
envolvida em todas as fases dos testes de toxicidade.
A inteligência artificial está sendo usada até mesmo para criar novos medicamentos.
É claro que os sistemas de IA não são perfeitos para determinar a segurança química. Um problema é o fenômeno
conhecido como viés de dados.
Um exemplo disso é se um sistema de IA e o seu algoritmo tiverem sido treinados utilizando dados de saúde
predominantemente de um grupo étnico.
O risco é que os seus cálculos ou conclusões não sejam inteiramente adequados para pessoas de outra origem
étnica.
Mas, como salienta o professor Hartung, testar medicamentos humanos em animais pode, por vezes, ser de pouca
utilidade também.
Por exemplo, o medicamento para artrite Vioxx passou pela fase de testes em animais, mas depois foi retirado
da venda após estudos terem demonstrado que o uso a longo prazo por seres humanos levou a um risco aumentado de
ataque cardíaco e acidente vascular cerebral.
Por outro lado, alguns medicamentos amplamente utilizados teriam falhado em testes em animais, como o
analgésico aspirina, que é tóxico para embriões de ratos.
Hartung conclui que, em vários casos, a IA já tem se revelado mais precisa do que os testes em animais.
Um projeto de IA que está sendo construído para tentar substituir a necessidade de futuros testes em animais
é chamado AnimalGAN. Desenvolvido pela Food and Drug Administration, dos EUA, o software visa determinar com
precisão como os ratos reagiriam a qualquer produto químico.
A IA foi treinada usando dados de 6.442 ratos reais em 1.317 cenários de tratamento.
Um projeto internacional semelhante chamado Virtual Second Species (Segunda Espécie Virtual, em tradução
literal) está criando um cão virtual alimentado por IA, que está sendo treinado usando dados de resultados históricos de
testes caninos.
Cathy Vickers é chefe de inovação do Centro Nacional para a Substituição, Refinamento e Redução de Animais em
Pesquisa do Reino Unido, que faz parte do estudo.
Ela explica que atualmente novos medicamentos são testados primeiro em ratos e cães para verificar a toxicidade
potencial, antes do início dos testes em humanos.
No futuro, o maior desafio para os testes de IA é obter a aprovação regulatória. Vickers reconhece que “a aceitação
total levará tempo”.
No entanto, Emma Grange, diretora de assuntos científicos e regulamentares do grupo Internacional Livre de
Crueldade, defende que todos os esforços devem ser feitos para garantir a eliminação progressiva dos testes em animais.
“Neste momento, não está claro como ou se as novas tecnologias, como a IA, poderiam contribuir para realmente
acabar com os testes em animais, em vez de apenas reduzir ou refinar esses testes”, diz ela.
“Mas sabemos que a utilização de animais como modelos para a proteção da saúde humana e do ambiente é uma
ciência ultrapassada e esperamos que, em última análise, a IA possa desempenhar um papel na transição da utilização de
animais em qualquer teste ou experiência.”
No entanto, Kerstin Kleinschmidt-Dorr, veterinária-chefe da empresa farmacêutica alemã Merck, afirma que os
testes em animais não podem desaparecer da noite para o dia. Sua empresa é uma das patrocinadoras do Virtual Second
Species.
“O uso de animais é necessário e, por boas razões, obrigatório em muitos aspectos”, afirma. “Mas acreditamos
num futuro onde identificaremos melhores soluções livres de testes em animais para os problemas não resolvidos que os exigem hoje.”

(Christine Ro. https://www1.folha.uol.com.br/ciencia/2024/06/a-inteligencia-artificial-vai-acabar-com-os-testes-em-animais.shtml. 8.jun.2024)

A inteligência artificial vai acabar com os testes em animais?

Dos amantes da causa animal aos técnicos de laboratório, ninguém gosta de submeter os animais a testes
científicos.
Mas isso acaba sendo feito para ajudar a garantir que os medicamentos e outras substâncias sejam seguros para
eventual uso humano.
Os pesquisadores há muito tempo buscam alternativas que não envolvam os animais. Os sistemas de inteligência
artificial (IA) agora estão acelerando o trabalho nessa área.
Uma aplicação da IA neste campo pode ser considerada simples, e especialistas acreditam que ela está se
revelando eficaz. Isso porque a tecnologia utiliza todos os resultados globais de testes em animais existentes e disponíveis
e evita a necessidade de novos testes desnecessários.
Isso é útil porque pode ser difícil para os cientistas examinarem décadas de dados para encontrar e analisar
exatamente o que procuram, diz Joseph Manuppello, analista de investigação sênior do Comitê de Medicina Responsável,
uma organização sem fins lucrativos dos EUA.
“Estou muito entusiasmado com a aplicação de modelos de IA como o ChatGPT para extrair e sintetizar todos esses
dados disponíveis e tirar o máximo proveito deles”, diz.
Thomas Hartung é professor de Toxicologia na Universidade Johns Hopkins, nos EUA, e também diretor do
Centro de Alternativas aos Testes em Animais. Ele diz: “A IA é tão boa quanto um ser humano, ou melhor, na extração de
informações de artigos científicos.”
Quando se trata dos atuais testes em animais, Hartung diz que a necessidade de testar novos produtos químicos é
uma das principais razões. E com mais de 1.000 desses novos compostos entrando no mercado todos os anos, há muito
a ser testado.
O professor Hartung diz que sistemas de IA treinados estão começando a ser capazes de determinar a toxicidade
de um novo produto químico.
“Ter ferramentas disponíveis onde podemos pressionar um botão e obter uma avaliação preliminar, que nos dá
alguns sinais de ‘aqui está um problema’... será extremamente útil.”
Hartung acrescenta que, embora os sistemas de software sejam usados há muito tempo na Toxicologia, a IA está
proporcionando um “enorme salto em frente” tanto em potência quanto em precisão.
“Isso está subitamente criando oportunidades que não existiam antes”, diz ele, acrescentando que a IA está agora
envolvida em todas as fases dos testes de toxicidade.
A inteligência artificial está sendo usada até mesmo para criar novos medicamentos.
É claro que os sistemas de IA não são perfeitos para determinar a segurança química. Um problema é o fenômeno
conhecido como viés de dados.
Um exemplo disso é se um sistema de IA e o seu algoritmo tiverem sido treinados utilizando dados de saúde
predominantemente de um grupo étnico.
O risco é que os seus cálculos ou conclusões não sejam inteiramente adequados para pessoas de outra origem
étnica.
Mas, como salienta o professor Hartung, testar medicamentos humanos em animais pode, por vezes, ser de pouca
utilidade também.
Por exemplo, o medicamento para artrite Vioxx passou pela fase de testes em animais, mas depois foi retirado
da venda após estudos terem demonstrado que o uso a longo prazo por seres humanos levou a um risco aumentado de
ataque cardíaco e acidente vascular cerebral.
Por outro lado, alguns medicamentos amplamente utilizados teriam falhado em testes em animais, como o
analgésico aspirina, que é tóxico para embriões de ratos.
Hartung conclui que, em vários casos, a IA já tem se revelado mais precisa do que os testes em animais.
Um projeto de IA que está sendo construído para tentar substituir a necessidade de futuros testes em animais
é chamado AnimalGAN. Desenvolvido pela Food and Drug Administration, dos EUA, o software visa determinar com
precisão como os ratos reagiriam a qualquer produto químico.
A IA foi treinada usando dados de 6.442 ratos reais em 1.317 cenários de tratamento.
Um projeto internacional semelhante chamado Virtual Second Species (Segunda Espécie Virtual, em tradução
literal) está criando um cão virtual alimentado por IA, que está sendo treinado usando dados de resultados históricos de
testes caninos.
Cathy Vickers é chefe de inovação do Centro Nacional para a Substituição, Refinamento e Redução de Animais em
Pesquisa do Reino Unido, que faz parte do estudo.
Ela explica que atualmente novos medicamentos são testados primeiro em ratos e cães para verificar a toxicidade
potencial, antes do início dos testes em humanos.
No futuro, o maior desafio para os testes de IA é obter a aprovação regulatória. Vickers reconhece que “a aceitação
total levará tempo”.
No entanto, Emma Grange, diretora de assuntos científicos e regulamentares do grupo Internacional Livre de
Crueldade, defende que todos os esforços devem ser feitos para garantir a eliminação progressiva dos testes em animais.
“Neste momento, não está claro como ou se as novas tecnologias, como a IA, poderiam contribuir para realmente
acabar com os testes em animais, em vez de apenas reduzir ou refinar esses testes”, diz ela.
“Mas sabemos que a utilização de animais como modelos para a proteção da saúde humana e do ambiente é uma
ciência ultrapassada e esperamos que, em última análise, a IA possa desempenhar um papel na transição da utilização de
animais em qualquer teste ou experiência.”
No entanto, Kerstin Kleinschmidt-Dorr, veterinária-chefe da empresa farmacêutica alemã Merck, afirma que os
testes em animais não podem desaparecer da noite para o dia. Sua empresa é uma das patrocinadoras do Virtual Second
Species.
“O uso de animais é necessário e, por boas razões, obrigatório em muitos aspectos”, afirma. “Mas acreditamos
num futuro onde identificaremos melhores soluções livres de testes em animais para os problemas não resolvidos que os exigem hoje.”

(Christine Ro. https://www1.folha.uol.com.br/ciencia/2024/06/a-inteligencia-artificial-vai-acabar-com-os-testes-em-animais.shtml. 8.jun.2024)

(Ziraldo. https://www.espacoeducar.net/2010/08/45-tirinhas-do-menino-maluquinho.html)

Emissões de carbono do Google aumentam em 50% por causa de IA

Centros de processamento de dados da big tech estão demandando mais energia, dificultando metas de sustentabilidade. 

Por Eduardo Lima

  O Google tinha planos ambiciosos de alcançar zero emissões líquidas de carbono até 2030. Isso significa que a empresa pretendia remover da atmosfera a mesma quantidade de CO2 que emite. Agora, por causa da demanda energética dos novos produtos de inteligência artificial, a meta ficou bem mais difícil de ser cumprida. As emissões do Google cresceram 48% em cinco anos.
  Os principais motivos do aumento foram o consumo de eletricidade por centros de processamento de dados e emissões causadas pela
cadeia de logística da empresa. Em 2023, as emissões cresceram 13% em comparação com o ano anterior, atingindo a marca de 14,3 toneladas de carbono.
  Esses dados foram revelados no relatório ambiental anual da big tech. A própria empresa admite que alcançar a meta de zero emissões
líquidas até 2030 vai ser difícil, ressaltando que um dos problemas é “a incerteza em volta do impacto ambiental futuro da IA, que é complexo e difícil de prever”.
  A Agência Internacional de Energia estima que, até 2026, o consumo de energia dos centros de processamento de dados do mundo pode dobrar dos 1000 TWh registrados em 2022. Se isso acontecer, só essas estruturas das empresas de tecnologia vão ter uma demanda de energia comparável à do Japão, o terceiro maior PIB do mundo.
  Segundo a consultoria e empresa de pesquisa SemiAnalysis, a demanda exigida pelas IAs vai levar os centros de processamento de dados a usar 4,5% de toda energia gerada no mundo até 2030. [...]

Adaptado de: https://super.abril.com.br/tecnologia/emissoes-decarbono-do-google-aumentam-em-50-por-causa-de-ia/.

Texto CB1A1-I

        A emergência de uma grande variedade de plataformas
digitais, desde o final da década de 1990, provocou uma mudança
econômica radical e uma reorganização de mercados e arranjos
de trabalho. A economia de plataforma não está apenas mudando
a forma como o trabalho é realizado e remunerado. Os mercados
de trabalho também estão se transformando drasticamente,
levando a uma situação em que o “emprego padrão” é cada vez
mais suplementado ou substituído por trabalho temporário “fora
do padrão”, mediado por plataformas. Em um contexto de
crescente instabilidade macroeconômica, de desregulamentação
das relações de trabalho — em função do impacto disruptivo de
tecnologias digitais na intermediação dessas relações —,
verifica-se a emergência de novas formas de emprego “fora do
padrão”, que reforçam diversos tipos de “flexibilidade” —
temporal, espacial, gerencial e funcional, entre outras. Grande
parte dessas novas formas de emprego está vinculada à mediação
de plataformas digitais, que conectam ofertantes e demandantes
de trabalho.
        As plataformas digitais facilitam a articulação entre
ofertantes e demandantes de trabalho que, de outra forma,
poderiam ter dificuldades para interagir entre si, tornando a
realização de transações mais eficiente do que seria possível em
relacionamentos bilaterais entre as partes, fornecendo
infraestrutura e regras para sua realização. No âmbito dessas
plataformas, a correspondência (matching) entre ofertantes e
demandantes de trabalho pode ser feita de forma eficaz, por
exemplo, por meio de algoritmos que diminuem a quantidade de
tempo utilizado para encontrar trabalhadores adequados para
tarefas específicas, além de oferecer a base para o controle e
gerenciamento dessas tarefas.
        No entanto, a força de trabalho torna-se mais vulnerável,
pois as leis trabalhistas ainda se baseiam em um antigo sistema
“binário”, segundo o qual quem é empregado recebe direitos —
por exemplo, aviso de demissão ou férias pagas —, mas para
quem é contratado o acesso a esses direitos tende a ser
restringido. Assim, se o modelo de plataformas de trabalho com a
interveniência de uma gestão algorítmica oferece vantagens no
que se refere à flexibilidade sobre formas convencionais de
organização e gestão do trabalho, esse mesmo modelo suscita
questões relevantes como a distribuição desigual de
oportunidades, benefícios e riscos entre os agentes envolvidos,
bem como os possíveis custos sociais advindos de uma eventual
precarização das relações de trabalho.

Herbert P. S. de Oliveira e Jorge N. de P. Britto. Gerenciamento e disciplina algorítmica:
uma análise focalizada em plataformas de emprego de elevada qualificação.
Economia e Sociedade, Campinas, v. 32, n.º 3 (79), 2023 (com adaptações). 

Texto CB1A1-I

        A emergência de uma grande variedade de plataformas
digitais, desde o final da década de 1990, provocou uma mudança
econômica radical e uma reorganização de mercados e arranjos
de trabalho. A economia de plataforma não está apenas mudando
a forma como o trabalho é realizado e remunerado. Os mercados
de trabalho também estão se transformando drasticamente,
levando a uma situação em que o “emprego padrão” é cada vez
mais suplementado ou substituído por trabalho temporário “fora
do padrão”, mediado por plataformas. Em um contexto de
crescente instabilidade macroeconômica, de desregulamentação
das relações de trabalho — em função do impacto disruptivo de
tecnologias digitais na intermediação dessas relações —,
verifica-se a emergência de novas formas de emprego “fora do
padrão”, que reforçam diversos tipos de “flexibilidade” —
temporal, espacial, gerencial e funcional, entre outras. Grande
parte dessas novas formas de emprego está vinculada à mediação
de plataformas digitais, que conectam ofertantes e demandantes
de trabalho.
        As plataformas digitais facilitam a articulação entre
ofertantes e demandantes de trabalho que, de outra forma,
poderiam ter dificuldades para interagir entre si, tornando a
realização de transações mais eficiente do que seria possível em
relacionamentos bilaterais entre as partes, fornecendo
infraestrutura e regras para sua realização. No âmbito dessas
plataformas, a correspondência (matching) entre ofertantes e
demandantes de trabalho pode ser feita de forma eficaz, por
exemplo, por meio de algoritmos que diminuem a quantidade de
tempo utilizado para encontrar trabalhadores adequados para
tarefas específicas, além de oferecer a base para o controle e
gerenciamento dessas tarefas.
        No entanto, a força de trabalho torna-se mais vulnerável,
pois as leis trabalhistas ainda se baseiam em um antigo sistema
“binário”, segundo o qual quem é empregado recebe direitos —
por exemplo, aviso de demissão ou férias pagas —, mas para
quem é contratado o acesso a esses direitos tende a ser
restringido. Assim, se o modelo de plataformas de trabalho com a
interveniência de uma gestão algorítmica oferece vantagens no
que se refere à flexibilidade sobre formas convencionais de
organização e gestão do trabalho, esse mesmo modelo suscita
questões relevantes como a distribuição desigual de
oportunidades, benefícios e riscos entre os agentes envolvidos,
bem como os possíveis custos sociais advindos de uma eventual
precarização das relações de trabalho.

Herbert P. S. de Oliveira e Jorge N. de P. Britto. Gerenciamento e disciplina algorítmica:
uma análise focalizada em plataformas de emprego de elevada qualificação.
Economia e Sociedade, Campinas, v. 32, n.º 3 (79), 2023 (com adaptações). 

Texto CB1A1-II

            O conceito de civilização não pode ser precisamente definido, não apenas por ser um processo evolucionário, mas também por ter se manifestado de formas muito diferentes através dos tempos. Entre as civilizações antigas, havia múltiplas diferenças nas crenças religiosas, nos costumes sociais, nas formas de governo e na criação artística. Contudo, uma faceta de fundamental importância para todas elas era a tecnologia, que, em sentido mais amplo, pode significar a aplicação do conhecimento para finalidades práticas.

            Hoje, a tecnologia é, na prática, sinônimo de ciência aplicada, mas as tecnologias básicas — tais como agricultura, construção, cerâmica, tecidos — foram originalmente empíricas e transmitidas de uma geração para outra, enquanto a ciência, no sentido de pesquisa sistemática das leis do universo, é um fenômeno relativamente recente. A tecnologia foi fundamental, já que proporcionava os recursos necessários para sociedades organizadas, e essas sociedades tornaram possíveis não apenas a divisão do trabalho — por exemplo, entre trabalhadores da terra, oleiros, marinheiros e similares —, como também um ambiente no qual puderam florescer as artes em geral, não necessárias à vida no dia a dia. A maioria dessas artes dependia de alguma espécie de suporte tecnológico: o escultor requeria ferramentas, o escritor necessitava de tinta e de papiro (ou papel, mais tarde), o dramaturgo precisava de teatros especialmente construídos.

Trevor I. Williams. História das invenções: do machado de pedra às tecnologias
da informação. Tradução de Cristina Antunes. Atualização e revisão de William E. Schaaf, Jr.
e Arianne E. Burnette. Belo Horizonte: Gutenberg, 2009, p. 12-13 (com adaptações)

Julgue os itens a seguir, referentes a aspectos gramaticais do texto CB1A1-II. 

Texto CB1A1-II

            O conceito de civilização não pode ser precisamente definido, não apenas por ser um processo evolucionário, mas também por ter se manifestado de formas muito diferentes através dos tempos. Entre as civilizações antigas, havia múltiplas diferenças nas crenças religiosas, nos costumes sociais, nas formas de governo e na criação artística. Contudo, uma faceta de fundamental importância para todas elas era a tecnologia, que, em sentido mais amplo, pode significar a aplicação do conhecimento para finalidades práticas.

            Hoje, a tecnologia é, na prática, sinônimo de ciência aplicada, mas as tecnologias básicas — tais como agricultura, construção, cerâmica, tecidos — foram originalmente empíricas e transmitidas de uma geração para outra, enquanto a ciência, no sentido de pesquisa sistemática das leis do universo, é um fenômeno relativamente recente. A tecnologia foi fundamental, já que proporcionava os recursos necessários para sociedades organizadas, e essas sociedades tornaram possíveis não apenas a divisão do trabalho — por exemplo, entre trabalhadores da terra, oleiros, marinheiros e similares —, como também um ambiente no qual puderam florescer as artes em geral, não necessárias à vida no dia a dia. A maioria dessas artes dependia de alguma espécie de suporte tecnológico: o escultor requeria ferramentas, o escritor necessitava de tinta e de papiro (ou papel, mais tarde), o dramaturgo precisava de teatros especialmente construídos.

Trevor I. Williams. História das invenções: do machado de pedra às tecnologias
da informação. Tradução de Cristina Antunes. Atualização e revisão de William E. Schaaf, Jr.
e Arianne E. Burnette. Belo Horizonte: Gutenberg, 2009, p. 12-13 (com adaptações)

Julgue os itens seguintes com base nas ideias do texto CB1A1-II.

Texto CB1A1-I

        A emergência de uma grande variedade de plataformas
digitais, desde o final da década de 1990, provocou uma mudança
econômica radical e uma reorganização de mercados e arranjos
de trabalho. A economia de plataforma não está apenas mudando
a forma como o trabalho é realizado e remunerado. Os mercados
de trabalho também estão se transformando drasticamente,
levando a uma situação em que o “emprego padrão” é cada vez
mais suplementado ou substituído por trabalho temporário “fora
do padrão”, mediado por plataformas. Em um contexto de
crescente instabilidade macroeconômica, de desregulamentação
das relações de trabalho — em função do impacto disruptivo de
tecnologias digitais na intermediação dessas relações —,
verifica-se a emergência de novas formas de emprego “fora do
padrão”, que reforçam diversos tipos de “flexibilidade” —
temporal, espacial, gerencial e funcional, entre outras. Grande
parte dessas novas formas de emprego está vinculada à mediação
de plataformas digitais, que conectam ofertantes e demandantes
de trabalho.
        As plataformas digitais facilitam a articulação entre
ofertantes e demandantes de trabalho que, de outra forma,
poderiam ter dificuldades para interagir entre si, tornando a
realização de transações mais eficiente do que seria possível em
relacionamentos bilaterais entre as partes, fornecendo
infraestrutura e regras para sua realização. No âmbito dessas
plataformas, a correspondência (matching) entre ofertantes e
demandantes de trabalho pode ser feita de forma eficaz, por
exemplo, por meio de algoritmos que diminuem a quantidade de
tempo utilizado para encontrar trabalhadores adequados para
tarefas específicas, além de oferecer a base para o controle e
gerenciamento dessas tarefas.
        No entanto, a força de trabalho torna-se mais vulnerável,
pois as leis trabalhistas ainda se baseiam em um antigo sistema
“binário”, segundo o qual quem é empregado recebe direitos —
por exemplo, aviso de demissão ou férias pagas —, mas para
quem é contratado o acesso a esses direitos tende a ser
restringido. Assim, se o modelo de plataformas de trabalho com a
interveniência de uma gestão algorítmica oferece vantagens no
que se refere à flexibilidade sobre formas convencionais de
organização e gestão do trabalho, esse mesmo modelo suscita
questões relevantes como a distribuição desigual de
oportunidades, benefícios e riscos entre os agentes envolvidos,
bem como os possíveis custos sociais advindos de uma eventual
precarização das relações de trabalho.

Herbert P. S. de Oliveira e Jorge N. de P. Britto. Gerenciamento e disciplina algorítmica:
uma análise focalizada em plataformas de emprego de elevada qualificação.
Economia e Sociedade, Campinas, v. 32, n.º 3 (79), 2023 (com adaptações). 

Texto CB1A1-I

          Com o avanço científico e tecnológico ocorrido na Europa durante o Renascimento, os inventores começaram a demandar reconhecimento oficial de suas criações, a fim de impedir a imitação de seus inventos. Assim, em 1421, foi concedida ao inventor Filippo Brunelleschi, em Veneza, a primeira patente, com prazo de três anos, pela invenção de um modelo de embarcação para transportar mármore. Nesse contexto de criação de um sistema de concessão de privilégios como forma de proteção de um invento, em 1474, foi promulgado na República de Veneza o Estatuto de Veneza, garantindo ao inventor a exploração comercial do seu invento pela concessão do privilégio da invenção pelo prazo de dez anos.

         No começo do século XVII, em 1623, a Inglaterra promulgou o Estatuto dos Monopólios, que consistiu na primeira base legal para concessão de patentes no país para uma invenção efetivamente nova. O estatuto contribuiu para a promulgação da Lei de Patentes de 1624, que, por sua vez, instituiu o sistema de patentes britânico. Em 1790, os Estados Unidos da América promulgaram a sua primeira lei de patentes, intitulada Patent Act, na qual era autorizada a concessão de direitos exclusivos aos inventores sobre as suas obras, estabelecendo um prazo de quatorze anos de duração. Nessa mesma conjuntura, em 1791, a França promulgou sua primeira lei de patentes, denominada Décret d’Allarde, considerada uma das principais leis publicadas durante a Revolução Francesa.

        No Brasil, o príncipe regente Dom João VI promulgou o Alvará de 28 de abril de 1809, tornando o país um dos primeiros no mundo a reconhecer a proteção dos direitos do inventor, atrás apenas da República de Veneza (1474), da Inglaterra (1623), dos Estados Unidos da América (1790) e da França (1791).

Flávia Romano Villa Verde et al. As invenções no Brasil contadas a partir de documentos
históricos de patentes. Rio de Janeiro: Instituto Nacional da Propriedade Industrial (Brasil) – INPI,
Diretoria de Patentes, Programas de Computador e Topografia de Circuitos Integrados – DIRPA,
Coordenação Geral de Estudos, Projetos e Disseminação da Informação Tecnológica – CEPIT
e Divisão de Documentação Patentária – DIDOC, 2023, p. 20-21 (com adaptações).

Considerando aspectos linguísticos do texto CB1A1-I, julgue os próximos itens.