Discursiva Perito Elétrica/Eletrônica PF e TI: questão inédita avançada sobre IA em investigações criminais

O edital do Concurso para Perito Criminal da Polícia Federal destacou as áreas de Elétrica/Eletrônica e Tecnologia da Informação. Isso porque são hoje campos estratégicos no combate à criminalidade moderna. Com a digitalização das evidências e a complexidade dos crimes contemporâneos, os peritos dessas áreas enfrentam um desafio adicional: processar e analisar volumes massivos de dados em investigações. E é aqui, portanto, que entra um tópico quente e inevitável: a aplicação de Inteligência Artificial (IA) na perícia criminal. Tema, portanto, que pode ser decisivo na próxima prova discursiva Perito Elétrica/Eletrônica PF e Perito TI PF.

A discursiva é ainda mais crítica para candidatos dessas especialidades, pois as questões costumam exigir a condensação de numerosas informações em poucas linhas. Nesse sentido, a última prova de TI da Polícia Federal, que apresentou um padrão de resposta de 51 linhas, em letra pequena, para ser abordado, pelo candidato, em apenas 30 linhas. Dominar a estruturação objetiva e a seleção precisa das informações-chave dos diferentes conceitos exigidos será essencial para garantir a nota 10.

🎯 Neste artigo, vamos direto ao ponto:

1️⃣ Rápidos bizus de como estruturar a resposta para um estudo de caso. Tipo de questão mais provável para discursiva Perito Elétrica/Eletrônica PF e Perito TI PF.
2️⃣ Uma questão inédita e avançada sobre IA em investigações criminais, alinhada aos tópicos mais prováveis para próxima prova.
3️⃣ Comentários e insights teóricos, com a identificação de termos e conceitos-chave que a banca esperaria identificar em sua resposta.
4️⃣ Bizus estratégicos e proposta de resposta para a questão inédita para gabaritar.

Então, sem mais demora, vamos nessa!

1️⃣📝 Rápidos bizus iniciais para estruturar uma resposta nota 10

Se você chegou até aqui, presumo que já está por dentro da divisão de pontuação do concurso. E que também já notou a grande importância que terá a prova discursiva. Nesse sentido, esta poderá corresponder a até 25% da sua pontuação final. Muita coisa, não é mesmo?! Isso acontece pela expectativa de pontos de corte baixos a moderados na prova objetiva, graças ao elevado número de disciplinas e sistema em que uma errada anula uma certa.

Por isso, antes de mergulharmos na questão inédita sobre IA em investigações criminais (tópico quente para as áreas de Elétrica/Eletrônica e TI), vou apenas passar bizus rápidos sobre como estruturar sua resposta. E já adianto: o formato mais provável da sua prova será o ESTUDO DE CASO.

Por que estudo de caso? Discursiva Perito Elétrica/Eletrônica PF

A banca costuma cobrar conhecimento técnico aplicado para esse tipo de caro, e não apenas teoria solta. O estudo de caso é um formato dissertativo-expositivo que exige:

Objetividade e impessoalidade (linguagem formal, sem subjetivismos).
Aplicação prática do conhecimento (mostrar como a teoria resolve ou analisa o problema hipotético apresentado no enunciado).
Estrutura clara e lógica (escolha e apresentação dos argumentos, bem como aplicação de elementos de ligação).

Estrutura do estudo de caso – discursiva Perito Elétrica/Eletrônica PF

Introdução (2-3 linhas): obrigatório fazer breve síntese da situação hipotética apresentada. Uma forma econômica de fechá-la é antecipar os aspectos/tópicos que serão desenvolvidos (os mesmos solicitados no enunciado).
Desenvolvimento (20-25 linhas): parte mais importante da sua resposta. Divida em parágrafos, cada um respondendo/atendendo preferencialmente a um aspecto do problema/enunciado.
Conclusão (2-3 linhas): lembre-se que ela não é obrigatória e, por isso, não pode (em nenhuma hipótese) prejudicar o atendimento de todos os aspectos/tópicos solicitados no enunciado.

Estrutura padrão do estudo de caso para a discursiva perito meio ambiente da PF

Parágrafos de desenvolvimento – discursiva Perito Elétrica/Eletrônica PF

Os parágrafos de desenvolvimento podem ser enxergados em três partes principais, como já adianta o esquema acima: apresentação do aspecto; argumento(s); encerramento. A primeira parte é importante por já indicar para o corretor, o que (qual tópico) você responderá naquela parágrafo (facilita a identificação e aumenta a chance de nota melhor).

O argumento (no caso, argumento técnico) também é obrigatório e você deve apresentar pelo menos um, mas poderá ser mais. Por exemplo, se lhe foi pedido para definir algo, o argumento do tipo definição não poderá faltar. Mas, claro, em havendo mais argumentos que ajudam a robustecer como exemplos que ilustram aquela definição, você pode incluí-los se o espaço permitir (sem prejuízo do espaço para os demais tópicos).

Por último, o encerramento não é obrigatório para a discursiva Perito Elétrica/Eletrônica PF e Perito TI PF, principalmente em textos técnicos como é o caso. No entanto, sentindo a necessidade, uma forma econômica de encerrar é parafrasear a afirmação inicial do parágrafo.

Estrutura dos parágrafos de desenvolvimento do estudo de caso: apresentação do aspecto, argumentos e encerramento.

2️⃣🤖 Questão inédita e avançada sobre IA em investigações criminais

Trechos extraídos de artigo científico da área:

A análise de vinculação de crimes tem como objetivo identificar uma série de crimes cometidos pelo mesmo autor com base na consistência e na distintividade comportamental. A consistência comportamental refere-se à tendência de um criminoso repetir determinados comportamentos em diferentes delitos, enquanto a distintividade comportamental capta como esses comportamentos se diferenciam dos de outros infratores. Vincular crimes por padrões comportamentais pode ajudar os investigadores a agrupar incidentes, reduzir listas de suspeitos e compreender o comportamento criminoso ao longo do tempo.

A vinculação de crimes aprimorada por aprendizado de máquina tem o potencial de transformar os fluxos de trabalho investigativos. Ao identificar automaticamente delitos possivelmente relacionados, esses sistemas podem ajudar a priorizar casos, sugerir suspeitos em potencial e revelar padrões seriais mais cedo. Isso não apenas aumenta a eficiência das investigações, como também favorece perfis de criminosos mais precisos e uma alocação estratégica de recursos.

LIMA, Vinicius; KARABIYIK, Umit. Advancing Crime Linkage Analysis with Machine Learning: A Comprehensive Review and Framework for Data-Driven Approaches. arXiv preprint arXiv:2411.00864, 2024.

Situação hipotética apresentada:

Os trechos acima, retirados de uma publicação recente, demonstram a potencialidade da aplicação de ferramentas de inteligência artificial na investigação de crimes. Ao mesmo tempo, evidencia um grande desafio das instituições investigativas e periciais em obter, armazenar, processar e o mais crítico, extrair informações úteis e válidas de grandes volumes de dados.

Neste contexto, um grupo de trabalho de peritos criminais da área de tecnologia da informação foi formado. O intuito era de analisar um grande volume de dados e de informações relativas a ocorrências policiais com o foco em tentar identificar e/ou descartar conexões entre diferentes crimes.

Encontravam-se dados disponíveis do tipo espaço-temporal (localização, tipo de local, horário); relativas à ação do criminoso (método de entrada, tipo de arma, abordagem, tipo de fuga); relativos às vítimas (quantidade, faixa etária, gênero, grau de relacionamento com o criminoso); alvo ou objeto do crime (tipo de objeto, valor estimado, danos, etc). Além desses, dados textuais, digitados à mão livre pelos diferentes policiais que registraram os fatos, como histórico da ocorrência, falas dos criminosos como ameaças e situações prévias ao crime.

Em um dos experimentos, experimento 1, os cientistas de dados, utilizaram dados de crimes relacionados para treinar um modelo que pudesse prever relação entre crimes sobre os quais as interconexões eram desconhecidas. Já em outro, experimento 2, utilizaram um grande conjunto de dados de crimes diversos, sem informações sobre conexões entre eles. Como pré-processamento, realizou etapa de redução da dimensionalidade e, pelas análises realizadas, identificaram-se agrupamentos de crimes com semelhanças entre si e distinções em relação à média global.

Comando da questão (parte em que se indica o que fazer e o que responder)

Considerando o contexto apresentado, redija um texto dissertativo, de até 30 linhas, abordando necessariamente os seguintes aspectos:

Defina aprendizado de máquina, cite pelas duas técnicas do tipo e pelo menos uma vantagem da sua utilização no caso apresentado;
Qual(ais) os tipos de aprendizado utilizados nos experimentos 1 e 2, justifique, e em qual deles foi provavelmente utilizada análise por componentes principais (PCA)?
Entre os dados apresentados, identifique quais podem ser utilizados como inputs em modelos de aprendizado de máquina (justifique).

3️⃣💡 **Comentários e insights teóricos**

Por se tratar de uma questão de grau de dificuldade de intermediário a elevado, vale aqui rápidos comentários e listagem de aspectos teóricos que poderiam ser utilizados no atendimento/resposta de cada um dos três aspectos.

Aspecto A – Definição de aprendizado de máquina

Não se faz necessário lembrar exatamente de alguma definição que leu quando estudava, mas sim de explicar com suas palavras, de forma impessoal, o que é o aprendizado de máquina. Transcrevo abaixo duas definições a título de ilustração:

O aprendizado de máquina (ML) é um ramo da inteligência artificial (IA) focado em permitir que computadores e máquinas imitem a maneira como os humanos aprendem, realizem tarefas de forma autônoma e melhorem seu desempenho e precisão por meio da experiência e da exposição a mais dados (IBM, 2025).
Machine learning (ML) é um subconjunto da inteligência artificial que permite que um sistema aprenda e melhore de maneira autônoma usando redes neurais e aprendizado profundo, sem ter sido programado explicitamente para isso, ao ser alimentado com grandes quantidades de dados. O aprendizado de máquina permite que os sistemas de computador se ajustem e se aperfeiçoem continuamente à medida que acumulam mais “experiências”. Assim, o desempenho desses sistemas pode ser melhorado, fornecendo conjuntos de dados maiores e mais variados para processamento (Google, 2025).

Então, observando pontos em comum, você iria gabaritar este ponto se a sua explicação fosse razoável e mencionasse a maioria dos seguintes termos-chave: dados (baseado em dados); inteligência artificial; aprendizado; aplicação/realização de tarefas; melhoria/otimização de desempenho.

Aspecto A – Pelo menos duas ferramentas e uma vantagem de aplicar aprendizado de máquina

Aqui havia espaço para citar diferentes ferramentas e, entre as vantagens, também o mesmo, desde que se comunicasse, claro, com o caso em tela. Seguem algumas possibilidades.

Ferramentas que poderiam ser mencionadas (duas seria suficiente): regressões (linear e logística); árvores de decisão; random forest; redes neurais artificiais (neural networks); máquinas de vetores de suporte (SVM); k-Nearest Neighbors (k-NN); análises hieráquicas; Técnicas de visualização de dados de alta dimensão (t-SNE / UMAP); entre outras.

Vantagens em se utilizar aprendizado de máquina no caso apresentado (uma seria suficiente):

Podem analisar grandes volumes de dados criminais rapidamente e identificar automaticamente padrões que poderiam passar despercebidos por analistas humanos.
Esses modelos são capazes de processar tanto dados estruturados (por exemplo, localização, horário, tipo de arma) quanto textos não estruturados (por exemplo, descrições narrativas).
Reduz subjetividade e viés humano, além de escalar para milhares de casos com rapidez.
Apoio à identificação precoce de crimes seriais (capacidade de previsão), possibilitando alocação preventiva de recursos e investigação direcionada.

Aspecto B – Qual tipo de aprendizado utilizado em cada experimento?

Experimento 1: aprendizado supervisionado.

Justificativa: usaram dados de crimes com conexões conhecidas para treinar o modelo (por isso, supervisionado: forneceram dados conhecidos) → portanto, havia rótulos (crimes vinculados ou não).

Exemplo de modelo no qual poderia ser aplicado esse tipo de aprendizado: classificação binária (relacionado/não relacionado), com algoritmos como random forest, SVM ou redes neurais.

Experimento 2: aprendizado não supervisionado

Justificativa: o conjunto de dados não continha rótulos ou conexões conhecidas. Assim, o objetivo era agrupar crimes com base em semelhanças observadas nos dados (clustering), ou seja, na matriz de covariância desses dados.

Exemplo de técnica: clustering, como K-means ou DBSCAN (Density-Based Spatial Clustering of Applications with Noise).

Aspecto B – Em qual experimento foi provavelmente utilizado a técnica PCA

Muito provavelmente usada no experimento 2, como etapa de análise exploratória do dados e de redução de dimensionalidade (conforme mencionado) antes do agrupamento (clustering).

PCA permite resumir os dados em menos variáveis, preservando variância relevante — útil quando se lida com muitos atributos comportamentais. Além disso, a própria PCA já pode sugerir possíveis agrupamentos para análises subsequentes.

Aspecto C – Quais dados disponíveis seriam aproveitáveis para modelos baseados em aprendizado de máquinas

Todos os dados disponíveis, incluindo os dados estruturados/tabuláveis (local, horário, tipo de ação, ferramenta, etc) e os dados não estruturados como as narrativas (textos) livres dos policiais (histórico, ameaças, situações prévias, etc). Isso porque esses modelos são capazes de processar os dois tipos.

Vale mencionar que para tornar úteis os textos livres faz-se necessário transformá-los em dados numéricos por técnicas de vetorização [ex: TF-IDF, embeddings (Word2Vec, BERT), SIF], o que permitirá, por exemplo, captar, por exemplo, elementos semânticos recorrentes. Com isso, finalizamos aqui nossos rápidos comentários prévios teóricos e podemos, a partir dele, estruturar uma proposta de resposta como segue.

4️⃣🎯 Proposta de resposta nota 10 aplicando as estratégias ensinadas para o estudo de caso

📌 Dica final: Baixe nosso e-book gratuito e conheça o preparatório completo

Para turbinar sua preparação, disponibilizamos um e-books gratuitos com estratégias práticas e técnicas avançadas para a discursiva das áreas de Elétrica/Eletrônica e Tecnologia da Informação no concurso da PF.

E-books Gratuitos – Perito Criminal PF (Elétrica/Eletrônica e TI)

Além disso, convido você a conhecer nosso preparatório completo, com:

Conteúdo especializado por área, alinhado ao edital e aos tópicos mais quentes para a prova.
Estratégias e receitas para cada parágrafo da sua resposta, ilustrado com exemplos da sua área.
Questões inéditas e estudos de caso sobre temas como IA em investigações criminais, análise forense de dispositivos eletrônicos e processamento de grandes volumes de dados.
Método comprovado para estruturar respostas nota 10 mesmo com espaço limitado (30 linhas!).

Nosso material é desenvolvido por especialistas em discursivas técnicas, perícia criminal, elétrica e TI e concursos, com estratégias que já ajudaram diversos aprovados a alcançarem pontuações máximas na discursiva.

🚀 Quem se prepara conosco já estará mais próximo da nomeação para esse excelente cargo! E, por tempo limitado, você pode garantir um super desconto usando o cupom abaixo.

Cupom de desconto para preparatório especifico para discursiva Perito Criminal Federal PF

Conheça nossos preparatórios completos Perito Criminal Federal PF

📚 Quer mais materiais gratuitos e estratégicos para a discursiva da PF?

Nos materiais abaixo, discutimos mais estratégias para nota 10, resolvemos também a última prova para Perito da área de Tecnologia da Informação da PF e disponibilizamos mais uma questão inédita.

Discursiva Perito Criminal Federal | Como é e como gabaritar