Reunião de Análise Crítica

A Análise Crítica, ou verificação criteriosa dos processos e seus resultados, deve ser feita de forma sistemática e frequente.

Uma das etapas mais importantes deste processo é a Reunião de Análise Crítica, em que diferentes opiniões, conhecimentos e pontos de vista enriquecem as interpretações. O planejamento da reunião deve incluir:

• Lista de participantes, tomando o cuidado de incluir todos os envolvidos, independentemente do nível hierárquico, pois não é uma reunião de gerentes ou supervisores, mas de profissionais.

• Frequência, que pode ser mensal, trimestral, etc., conforme as características do processo sob análise, mas não deve variar.

• Disponibilidade dos dados, de preferência também na forma de gráficos ou diagramas, além das tabelas, para facilitar a interpretação.

A análise crítica deve observar dois aspectos: os resultados obtidos, comparativamente às expectativas, e a execução física dos planos de ações para melhoria ou correção.

Thinking Fast and Slow

Comentários e um resuminho sobre o livro

O livro é interessante e descreve influências em nosso comportamento que sequer imaginamos, justificando com exemplos alicerçados em pesquisas científicas. Muitos dos experimentos descritos são curiosos e têm resultados surpreendentes, ao menos para não psicólogos.

O texto explora a forma humana de pensar, analisar e decidir com base nos dois processos relativamente independentes e mostra o quão irracionais somos na maioria das análises casuais e nas decisões do dia a dia, explicando os mecanismos psicológicos e evolutivos que levam o ser humano a se comportar com pouca racionalidade.

O autor descreve nossa vida mental pela metáfora de dois agentes, chamados Sistema 1 e Sistema 2, que respectivamente produzem os pensamentos rápido e lento.

O Sistema 1 opera de forma automática e rápida, com pouco ou nenhum esforço e nenhuma sensação de controle voluntário.

O Sistema 2 atribui atenção às atividades mentais complexas que a exigem, incluindo cálculos complexos.  As operações do Sistema 2 são frequentemente associadas à experiência subjetiva de escolha e concentração.

O Sistema 1 responde mais fortemente às perdas do que aos ganhos (aversão à perda), o que explica muitas decisões pouco racionais. Enquanto a estatística exige pensar em muitas coisas ao mesmo tempo, algo que o Sistema 1 não foi projetado para fazer.

Alguns destaques:

  • Você dispõe de um orçamento limitado de atenção que pode alocar às atividades. Isso influencia as análises e as decisões.
  • As pupilas são indicadores sensíveis de esforço mental – dilatam-se substancialmente quando as pessoas multiplicam números de dois dígitos e dilatam-se mais se os problemas forem ainda mais difíceis.
  • Uma compreensão mais profunda de julgamentos e escolhas requer um vocabulário mais rico do que o disponível na linguagem cotidiana.
  • A essência das heurísticas intuitivas é que, quando nos deparamos com uma pergunta difícil, geralmente respondemos à outra mais fácil, geralmente sem perceber a substituição.
  • Prestamos mais atenção ao conteúdo das mensagens do que às informações sobre sua confiabilidade e, como resultado, terminamos com uma visão do mundo ao nosso redor que é mais simples e mais coerente do que os dados justificam.
  • Além do nível de renda de saciedade, você pode comprar experiências mais prazerosas, mas perderá parte de sua capacidade de aproveitar as mais baratas!
  • Na prática as pessoas não aprendem nada com meras estatísticas. Um ou dois casos individuais representativos, para influenciar o Sistema 1, são mais eficazes.
  • Empresas com CEOs premiados posteriormente apresentam desempenho inferior, tanto no valor das ações quanto no desempenho operacional. Ao mesmo tempo, a remuneração do CEO aumenta, os CEOs passam mais tempo em atividades fora da empresa – como escrever livros e participar de conselhos externos – e são mais propensos a se envolver no gerenciamento de resultados.
  • Em suas decisões, as pessoas superestimam as probabilidades de eventos improváveis e exageram as chances de ocorrer eventos improváveis
  • Conforme previsto pelo chamado mecanismo de “negligência do denominador” eventos de baixa probabilidade são muito mais ponderados quando descritos em termos de frequências relativas (quantas) do que quando declarados em termos mais abstratos de “chances”, “risco” ou “probabilidade” (qual a probabilidade). Por exemplo, se querem que as pessoas se preocupem com o risco, o descrevem como 1 morte por 1.000, ao invés de 0,1%.
  • A assimetria no risco de arrependimento favorece escolhas convencionais e avessas ao risco.
  • Os dois “eus” são o eu da experiência, que vive a vida, e o eu da lembrança, que registra os pontos e faz as escolhas. O segundo influencia mais as decisões que tomamos.
  • Uma linguagem mais rica é essencial para a habilidade de crítica construtiva.

Um caso representativo da lógica.

Considere dois proprietários de automóveis que buscam reduzir seus custos:

Adam muda de um bebedor de gasolina de 12 mpg (milhas por galão) para um bebedor ligeiramente menos voraz que funciona a 14 mpg.

A ambientalmente virtuosa Beth muda de um de um carro de 30 mpg para um que consegue 40 mpg.

Suponha que os dois motoristas viajem distâncias iguais ao longo de um ano. Quem vai economizar mais gasolina com a troca do veículo? Você quase certamente compartilha da intuição generalizada de que a ação de Beth é mais significativa do que a de Adam: ela reduziu o mpg em 10 milhas em vez de 2, e em um terço (de 30 para 40) em vez de um sexto (de 12 para 14). Agora envolva seu Sistema 2 e resolva-o. Se os dois proprietários de carros dirigirem 10.000 milhas, Adam reduzirá seu consumo de escandalosos 833 galões para ainda chocantes 714 galões, com uma economia de 119 galões. O uso de combustível de Beth cairá de 333 galões para 250, economizando apenas 83 galões. O quadro de mpg está errado e deve ser substituído pelo quadro de galões por milha (ou litros por 100 quilômetros, que é usado na maioria dos outros países). As intuições enganosas fomentadas pela estrutura do mpg provavelmente enganarão os formuladores de políticas, bem como os compradores de automóveis.

Uma leitura recomendada para todos, mas especialmente para jornalistas e outros profissionais da comunicação, que têm responsabilidade por entender e transmitir informações.

Nossa reconfortante convicção de que o mundo faz sentido repousa sobre uma base segura: nossa capacidade quase ilimitada de ignorar nossa ignorância. – Daniel Kahneman

O Significado de Tudo – Pensamentos de um cidadão-cientista

Uma interpretação filosófica e bem fundamentada da ciência.

Comentários sobre o livro

O livro apresenta uma série de três palestras proferidas pelo Dr. Richard Feynman, em abril de 1963,  na Universidade de Washington (Seattle).

O livro tem 3 partes. A primeira é uma ótima introdução à filosofia da ciência.

Na segunda ele comenta as relações entre a ciência e a religião e entre a ciência e a política, com ênfase na liberdade de pensamento e expressão.

Na terceira parte ele retorna com uma belíssima aula sobre a filosofia da ciência, um texto que faria muito bem a todas as pessoas, especialmente aos jornalistas, que têm a responsabilidade de interpretar e comunicar fatos para o público.

Alguns trechos selecionados e que merecem reflexão:

  • Existem grandes ideias desenvolvidas na história do homem, e essas ideias não duram a menos que sejam passadas propositalmente e claramente de geração em geração.
  • O conhecimento não tem valor real se tudo o que você pode me dizer é o que aconteceu ontem.
  • Todo conhecimento científico é incerto.
  • A taxa de desenvolvimento da ciência não é a taxa em que você faz observações apenas, mas, muito mais importante, a taxa em que você cria coisas novas para testar.
  • Não há lógica em calcular a probabilidade ou a chance de que algo aconteça depois que aconteceu.
  • Ninguém entende o mundo em que estamos, mas algumas pessoas entendem mais que as outras.
  • A cada homem é dada a chave dos portões do céu.  A mesma chave abre as portas do inferno. – Referindo-se ao uso da tecnologia para o bem ou para o mal.
  • Existem várias técnicas especiais associadas à prática de fazer observações, e muito do que é chamado de filosofia da ciência se preocupa com a discussão dessas técnicas.
  • Todos os outros aspectos e características da ciência podem ser entendidos diretamente quando entendemos que a observação é o julgamento final de uma ideia.
  • Na ciência, não há interesse nos antecedentes do autor de uma ideia ou em seu motivo para defendê-la.
  • A exceção testa a regra. Esse é o princípio da ciência.  Se houver uma exceção a qualquer regra, e se isso puder ser provado por observação, essa regra está errada.
  • É surpreendente que as pessoas não acreditem que haja imaginação na ciência. É um tipo de imaginação muito interessante, ao contrário da do artista. A grande dificuldade é tentar imaginar algo que você nunca viu, que seja consistente em todos os detalhes com o que já foi visto, e que seja diferente do que foi pensado; além disso, deve ser definitiva e não uma proposição vaga. Isso é realmente difícil.
  • Repórteres e comentaristas de jornais – há um grande número deles que presumem que o público é mais estúpido do que eles, que o público não consegue entender coisas que eles [os repórteres e os comentaristas] não conseguem entender. – Richard Feynman

A nota do editor encerra com a mensagem: “Ouro puro, poesia pura, Feynman puro”. É verdade, também em minha pouco importante opinião. Ler os livros do Feynman é prazeroso como conversar com alguém inteligente.

O livro

Feynman, Richard.  O Significado de Tudo: Pensamentos de um cidadão-cientista (The meaning of it all). Perseus Books. Reading, Massachusetts. 1998.

Vale a pena usar indicadores?

Desenho de um executivo apontando para um quadro com um gráfico de linha indicando crescimento do indicador – Clique em “Autorizar imagens” para ver.

Os gurus da administração insistem que a boa gestão deve ser baseada em fatos e dados. Por isso, defendem o uso de indicadores. Também os prêmios e as normas de qualidade na gestão enfatizam que usar métricas é essencial.

Mas, no dia a dia, o uso de indicadores é frequentemente associado ao controle e à burocracia. Isso faz com que a ferramenta seja mal vista pelos colaboradores.

Segue uma lista dos benefícios no uso de indicadores bem escolhidos:

  • Mostrar o sucesso – a melhoria dos resultados, especialmente quando apresentada graficamente, é uma forma convincente de mostrar o sucesso da gestão, estimulando e motivando a equipe.
  • Monitorar o desempenho – o monitoramento dos resultados permite antecipar quando um processo tende a sair do controle ou dos limites especificados.
  • Delegar – a objetividade e o foco possíveis, quando o diálogo é feito com a ajuda de indicadores e metas, facilita a delegação e a autonomia das pessoas e equipes.
  • Compreender a contribuição – a divulgação das relações entre os indicadores permite que as pessoas, equipes e áreas percebam de que forma participam dos resultados da organização, trazendo um senso de pertencimento.
  • Aprimorar os processos – o acompanhamento dos resultados dos indicadores favorece o aprendizado e a busca de alcançar as metas, estimula a melhoria contínua dos processos.
  • Comparar com outros (benchmaking) – permite identificar boas práticas e estimula a melhoria e a troca de experiências.
  • Dar foco ao que é importante – a referência periódica aos indicadores evidencia, para as pessoas, os pontos importantes para o processo ou para a organização.

Essas vantagens são reais? Existe mais alguma? Comente.

Envisioning Information: Narratives of space and time

Comentários sobre o livro

Capa do livro Envisioning Information

O livro, embora interessante, difere dos anteriores [1, 2 e 3] na objetividade e enfoque prático. Assim, mais do que orientar à produção de gráficos e imagens visualmente comunicativos, o texto apresenta muitas curiosidades e chama a atenção para detalhes que tornam a observação do mundo mais interessante. Seja pela exposição feita por Galileu sobre as luas de Júpiter, seja pelas características dos impressos com horários de trens e aviões ou, ainda, por analisar notações usadas para descrever passos de dança.

De qualquer modo, é uma leitura interessante para profissionais envolvidos na comunicação ou nas artes visuais.

Alguns destaques do texto:

  • Apesar da beleza e da utilidade do melhor trabalho, o design da informação despertou pouca atenção crítica ou estética: não há Museu de Arte Cognitiva.
  • Não importa o que aconteça, a premissa moral operacional do design da informação deve ser que nossos leitores estejam alertas e cuidadosos; eles podem estar ocupados, ansiosos para seguir em frente, mas não são estúpidos.
  • Dados espalhados por páginas e páginas exigem que os visualizadores confiem na memória visual – uma habilidade fraca – para fazer um contraste, uma comparação, uma escolha.
  • A quantidade de detalhes é uma questão completamente separada da dificuldade de leitura. A desordem e a confusão são falhas de design, não atributos de informação.
  • Na leitura, não lemos letras, mas palavras, palavras como um todo, como uma “imagem da palavra”. Estudos de oftalmologia mostram que, quanto mais as letras são diferenciadas umas das outras, mais fácil é a leitura.
  • A simplicidade é uma preferência estética, não uma estratégia de exibição de informações, não um guia para a clareza.
  • Entre os recursos mais poderosos para reduzir o ruído e enriquecer o conteúdo dos displays está a técnica de estratificação e separação, estratificando visualmente vários aspectos dos dados.

Outras citações

Medidas da variabilidade estão no cerne do raciocínio quantitativo.  – R. A. Fisher, fundador da estatística moderna, em 1925.

Não há nada tão misterioso quanto um fato claramente descrito. – Garry Winogrand, fotógrafo

Pintar bem é simplesmente isto: colocar a cor certa no lugar certo. – Paul Klee

Referência

  1. Tufte, Edward R. Data Analysis for Politics and Policy. Yale University. Prentice Hall. Inc., Englewood Cliffs. N.J. 1974. Meus comentários em: https://www.linkedin.com/pulse/data-analysis-politics-policy-d%C3%B3rian-bachmann/
  2. Tufte, Edward R. Data Analysis for Politics and Policy. Yale University. Prentice Hall. Inc., Englewood Cliffs. N.J. 1974. Meus comentários em: https://www.linkedin.com/pulse/data-analysis-politics-policy-d%C3%B3rian-bachmann/
  3. Tufte, Edward R. Data Analysis for Politics and Policy. Yale University. Prentice Hall. Inc., Englewood Cliffs. N.J. 1974. Meus comentários em: https://www.linkedin.com/pulse/data-analysis-politics-policy-d%C3%B3rian-bachmann/

O livro

Tufte, Edward R. Envisioning Information: Narratives of space and time. Graphics Press. Connecticut. Sixth printing, February 1998.

Previsões são úteis para estabelecer metas. Mas, cuidado com elas!

Previsões (forecastings) são estimativas da probabilidade de um determinado resultado acontecer ou ser alcançado. Uma boa previsão inclui palavras como: É certo que, é bem provável que, possivelmente vai, é incerto se, é pouco provável que etc.

Na prática, usamos informações históricas:

E estimamos ocorrências futuras [1]:

As previsões são parte do processo para estabelecer metas adequadas. Se o processo está estável, podemos concluir que – se não fizermos nada – os resultados existentes serão mantidos ao longo do tempo. Assim, qualquer meta superior ao resultado atual representa algum progresso.

Se a previsão indica que os resultados irão piorar ao longo do tempo, como a produção de uma máquina que está envelhecendo ou a venda de um produto que está se tornando obsoleto, a meta para manter o desempenho atual já tem uma dose de desafio.

Projeções apontam expectativas. Metas devem apontar intenções.

Então, antes de estabelecer uma meta, quase sempre é útil prever o resultado que seria obtido se não houvesse qualquer ação corretiva ou de melhoria. Só assim poderemos escolher uma  meta que atenda aos requisitos de ser, ao mesmo tempo, desafiante e factível.

O trabalho de fazer previsões também é útil para conhecer melhor os processos, o que resulta não só em metas mais consistentes, mas também em planos de ações mais bem elaborados.

Alguns métodos para fazer previsões [2]:

  • Intuição.
  • Projeção ou extrapolação de tendência.
  • Consenso, como o método Delphi.
  • Simulação.
  • Descrição de cenários.
  • Árvore de decisões.
  • Combinação de previsões.

Dica: É importante que as projeções, quando representadas em um gráfico como continuidade de resultados já obtidos, sejam mostradas de uma forma diferente, por exemplo por uma linha tracejada ou uma barra de cor diferente (de preferência mais suave).

Na análise de dados, use sempre o termo previsão. Quem faz predição é astrólogo.

Referências

1 – Administração da Produção p/ BNDES (Profissional Administração) – 2019. Aula 00. Prof. Tiago Zanolla. Estratégia Concursos. p. 29. Disponível em www.estrategiaconcursos.com.br. Acesso em 26.03.20.

2 – Walonick, David S. An Overview of Forecasting Methodology. Disponível em https://www.statpac.org/research-library/forecasting.htm Acesso em 20.11.18.

Veja também:

  • Silver, Nate. The Signal and the Noise: Why So Many Predictions Fail-But Some Don’t. The Penguin Press. New York, 2012. (Em inglês) – Que mostra os cuidados e perigos das projeções.

What Do You Care What Other People Think? Further Adventures of a Curious Character.

Comentários sobre o livro

Capa do livro

O livro tem duas partes bem distintas. A primeira é uma sequência de histórias curtas, independentes, curiosas, humanas e divertidas. É emocionante, conhecer o lado humano do cientista brilhante, humilde e assustadoramente sincero.

Ele conta as influências que o tornaram um cientista, as aventuras e dificuldades da adolescência e sua relação com Arlene, sua primeira mulher e maior amor. As histórias mostram uma pessoa inteligente, sensível, persistente e, principalmente, curiosa, como devem ser todos os cientistas.

A segunda descreve sua participação no comitê presidencial que investigou o acidente com o ônibus espacial Challenger. É muito interessante, tanto pelos aspectos técnicos como pelos políticos. Mostra o impacto de seu comportamento – único membro realmente independente no comitê de investigação – na transparência e na comunicação dos resultados. Tanto que ele conclui o relatório com a frase: “Para uma tecnologia de sucesso, a realidade deve ter precedência sobre as relações públicas, pois a natureza não pode ser enganada”.

Confesso que, embora não saiba a razão, os livros do Feynman me emocionam.

Algumas frases dele no livro:

Aprendi muito cedo a diferença entre saber o nome de algo e saber algo.

Aprendi com minha mãe que as formas mais elevadas de compreensão que podemos alcançar são o riso e a compaixão humana.

Eu disse que não sabia – minha resposta para quase todas as perguntas.

O conhecimento científico é um corpo de afirmações com vários graus de certeza – algumas muito incertas, outras quase certas, mas nenhuma absolutamente certa.

Na ciência você aprende um tipo de integridade e honestidade padrão.

Gosto de um provérbio da religião budista: A cada homem é dada a chave dos portões do céu; a mesma chave abre as portas do inferno.

O que os gregos estão aprendendo na escola é ser intimidados e pensar que ficaram muito abaixo de seus super ancestrais.

Descobri que o que se passa na cabeça de diferentes pessoas quando elas pensam que estão fazendo a mesma coisa – algo tão simples como contar – é diferente para pessoas diferentes.

Aprendi que os pensamentos podem ser tanto visuais quanto verbais.

O livro

Feynman, Richard R. What Do You Care What Other People Think? Further Adventures of a Curious Character. Penguin. 1988.

Histograma

Fotografia de um grupo de estudantes organizados por altura, mostrando um histograma bimodal.
Grupo de estudantes organizados por altura.

O Histograma ou Gráfico de Distribuição de Frequências é uma variação do gráfico de barras que mostra a proporção dos dados em uma amostra. Enquanto o gráfico de barras descreve os dados em barras e categorias separadas, o histograma representa os dados da mesma categoria no intervalo analisado, por isso, sem espaço entre as barras.

Os histogramas podem apresentar vários formatos:

Simétrico ou normal        

Ocorre quando o processo é padronizado e os dados são estáveis, permitindo variações pequenas. A maior quantidade de dados fica ao centro do gráfico e suas variações diminuem simetricamente dos dois lados.

Assimétrico

Geralmente acontece quando os dados não podem ultrapassar um limite. O pico se aproxima de um dos lados, e os dados fora de padrão decrescem para o lado oposto.

Bimodal       

O histograma bimodal, ou com dois picos, geralmente ocorre quando são tratadas duas amostras distintas. A análise deve ser feita separadamente, observando ao desenho dos dois gráficos. Edward Tufte [1] apresenta, didaticamente, um histograma com distribuição bimodal de estudantes de faculdade organizados por altura, (veja a foto).

Outros

Em outros casos, as barras têm praticamente o mesmo tamanho ou variam sem critério ou um padrão definido.

Esboço de um histograma.
Imagem por krzysztof-m em Pixabay 

Referência:

1. Tufte, Edward. Mini Tufte. Versão eletrônica. Página 40, reproduzido de Brian L. Joiner. “Living Histograms”. International Statistics Review, 43 (1975). pp. 339-240. Disponível em: https://www.cs.unm.edu/~pgk/IVCDs14/minitufte.pdf Acesso em 5.3.21

Visual Explanations: Images and Quantities, Evidence and Narrative

Comentários sobre o livro

Edward Tufte é um estatístico famoso pelas técnicas para apresentação de dados e informações, tendo muitas publicações sobre o tema. Neste livro ele descreve estratégias para representar movimentos, processos, mecanismos e relações de causa e efeito.

Ele mostra a evolução das representações gráficas ao longo da história e, inclusive, o provável primeiro gráfico com representação estatística de distâncias, além de diversas outras curiosidades.

Tufte enfatiza que más apresentações gráficas são um problema ético. Isso não significa que ele exija realidade nas imagens, mas que qualquer distorção deve ser informada com o devido destaque. Aliás, ele até apresenta a distorção de escalas como um mecanismo válido para a análise de dados.

Para exemplificar, ele apresenta em detalhes as análises que levaram a identificar a fonte da cólera em Londres em 1854 e o acidente com o ônibus espacial Challenger, que já havia explorado no livro Beautiful Evidence. Naquela publicação, ele fez uma análise das causas básicas do acidente que provocou a explosão do ônibus espacial, matando 11 pessoas e trazendo um prejuízo enorme à reputação da NASA. Ainda comenta as diferentes visões e explicações dos administradores, psicólogos e engenheiros que tentaram explicar os fatos que levaram à catástrofe.

Destaca, ainda, que embora a sequência temporal seja a mais adequada para analisar as tendências, não é uma boa prática para a análise de relações entre variáveis. Tufte exemplifica brilhantemente essa questão com a discussão sobre um gráfico usado para investigar o acidente com a Challenger, em que os dados, plotados na sequência histórica, dificulta perceber a relação entre temperatura e falhas dos anéis de borracha (o-rings) para vedação. São exemplos interessantes que contribuem para aumentar o espírito crítico do leitor.

Alguns destaques do texto:

  • Ausência de evidência não é evidência de ausência.
  • Criar ilusões ou mágicas é engajar-se no design da desinformação, corromper a conexão óptica, enganar o público.  Assim, as estratégias da magia determinam o que não fazer se seu objetivo é revelar a verdade, e não criar ilusões.
  • Como mágicos, quem faz os gráficos revela o que deseja revelar.
  • A lógica dos gráficos deve seguir a lógica da análise.
  • Gráficos ruins indicam estupidez estatística, assim como uma escrita pobre geralmente reflete pensamentos pobres.
  • Raciocinando sobre causalidade, variações na causa devem ser explicita e mensuravelmente ligadas às variações no efeito.
  • Faça todas as distinções visuais tão discretas quanto possível, mas claras e efetivas. Quando tudo é enfatizado, nada é enfatizado.
  • Nos gráficos, um arco-íris de cores confunde o que acontece com as cores com o que acontece com os dados.

Se uma imagem não vale mais que mil palavras, então não vale nada. – Ad Reinhardt

O livro

Tufte, Edward Rolf. Visual Explanations: Images and Quantities, Evidence and Narrative. Graphics Press, Connecticut, June, 2005.

Serviço: Este livro é uma leitura útil para quem tem a responsabilidade de gerar gráficos e interpretar informações,

Aparência importa? Parece que sim.

O que realmente distingue os CEOs do resto de nós, por exemplo?  Em 2010, três professores da Duke’s Fuqua School of Business pediram a aproximadamente 2.000 pessoas que olhassem para uma longa série de fotos.  Algumas mostravam CEOs e outras mostravam não-executivos, e os participantes não sabiam quem era quem. Os participantes foram convidados a dar notas de acordo com o nível de competência que a aparência indicava.  Entre as conclusões do estudo: os CEOs parecem significativamente mais competentes do que os não-CEOs;  CEOs de grandes empresas parecem significativamente mais competentes do que CEOs de pequenas empresas;  e, sendo tudo o mais igual, quanto mais competente um CEO parecesse, mais gordo seria o salário que ele ou ela recebia na vida real.  No entanto, os autores não encontraram nenhuma relação entre o quão competente um CEO era e o desempenho financeiro de sua empresa.

Fonte: They’re Watching You at Work: What happens when Big Data meets Human Resources. The Atlantic magazine. Disponível em https://www.theatlantic.com/magazine/archive/2013/12/theyre-watching-you-at-work/354681/. Acesso em 3.08.19.