IMPLEMENTAÇÃO DE UM MODELO DE INFERÊNCIA BAYESIANA PARA REDUZIR FALSOS POSITIVOS NA DETECÇÃO AUTOMÁTICA DE FALHAS EM SISTEMAS ACADÊMICOS WEB DE INSTITUIÇÕES DE ENSINO SUPERIOR

Le résumé fourni par la source

Este estudo nasceu de uma inquietação muito prática vivida nas rotinas das instituições de ensino: a quantidade excessiva de alertas gerados pelos sistemas acadêmicos web e o impacto disso no trabalho das equipes de tecnologia. Ao observar que muitas notificações não correspondiam a falhas reais, buscou-se testar uma alternativa mais sensível ao contexto operacional. A proposta foi aplicar a inferência bayesiana como forma de interpretar os eventos de maneira menos rígida e mais alinhada ao histórico do próprio sistema. Quando os dois modelos foram colocados lado a lado, os números revelaram mudanças concretas. A taxa de alertas incorretos, que antes chegava a 38%, caiu para 14%. A precisão das notificações aumentou de 0,62 para 0,86, e o F1-Score evoluiu de 0,68 para 0,88, indicando maior equilíbrio entre identificar falhas verdadeiras e evitar alarmes desnecessários. Também houve reflexo direto no tempo médio de resposta da equipe, que reduziu de 42 para 27 minutos, mostrando que o esforço passou a ser direcionado com mais clareza aos incidentes realmente relevantes. Mais do que apresentar melhorias estatísticas, os resultados revelam uma mudança na forma de interpretar o comportamento do sistema, valorizando evidências, histórico e probabilidade como apoio à tomada de decisão e contribuindo para uma gestão mais consciente e eficiente da infraestrutura acadêmica digital.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.