Fase 4 - Análise dos dados coletados
1 - Introdução
A Fase 4 detalha, de forma completa e rastreável, como foi realizada a coleta de dados para as características de qualidade selecionadas:
A coleta de dados foi feita utilizando uma ferramenta própria, explicada na página: Ferramenta de Análise e contextualizada na Fase 3, sessão 5.2.2. O objetivo central da ferramenta é realizar uma coleta direcionada de dados do aplicativo sougov na loja brasileira (Play Store, Brasil), focando em dois conjuntos de dados: as informações gerais do aplicativo e todas as avaliações publicadas durante o ano de 2025.
Durante a análise, foram realizados os seguintes procedimentos:
- Criação de gráficos e dashboards.
- Identificação dos termos mais utilizados, tanto de forma positiva quanto negativa.
- Avaliação da distribuição de estrelas na loja de aplicativos do Google.
- Análise de sentimentos aplicada aos dados coletados pela ferramenta.
Para esta análise, foram processados 3.361 reviews do aplicativo SouGov.br, abrangendo o período de 01/01/2025 a 17/11/2025.
Interpretação Geral dos Resultados da Ferramenta de Análise
- A nota média de 4.40 indica uma alta percepção de qualidade na experiência geral dos usuários.
- Com 68.1% de reviews positivos(4-5 estrelas), observa-se que a maior parte do público avalia bem o aplicativo.
- Os 22% de avaliações negativas(1-2 estrelas) representam um volume considerável e merecem análise mais aprofundada, especialmente para as características de qualidade estudadas (Adequação Funcional e Confiabilidade).
- A taxa de reviews neutros (9.8%)(3 estrelas) é típica e reflete usuários que nem elogiam nem criticam fortemente, mas oferecem oportunidades de melhoria.
Versão SouGov Mobile (Android)
Versão 5.573 — Versão mobile utilizada ao longo desta avaliação. O sistema operacional avaliado foi o Android.2 - Análise Generalista da Fonte de dados
Análise de Sentimento e Qualidade do aplicativo SouGov.br, focando nos dados de reviews e experiência do usuário extraídos dos comentários e avaliações.
2.1 - Distribuição de Notas de Avaliação e Evolução Mensal
Distribuição de Notas de Avaliação
O gráfico apresenta a quantidade de avaliações para cada nota atribuída pelos usuários ao aplicativo. A distribuição é desigual, mostrando uma forte concentração nas extremidades, especialmente na nota máxima. Resumo das Quantidades por Nota
- 1 estrela: 331 avaliações
- 2 estrelas: 68 avaliações
- 3 estrelas: 85 avaliações
- 4 estrelas: 331 avaliações
- 5 estrelas: 2.546 avaliações
Evolução
- Jan/25 → 286 comentários: início do ano com volume moderado.
- Fev/25 → 202 comentários: queda no engajamento.
- Mar/25 → 329 comentários: aumento expressivo no volume de avaliações.
- Abr/25 → 744 comentários: pico absoluto do período, indicando um evento significativo.
- Mai/25 → 492 comentários: queda após o pico, mas ainda acima da média.
- Jun/25 → 338 comentários: continuidade da tendência de queda.
- Jul/25 → 318 comentários: estabilização próxima ao padrão.
- Ago/25 → 200 comentários: queda mais acentuada.
- Set/25 → 150 comentários: um dos menores volumes registrados.
- Out/25 → 191 comentários: leve aumento.
- Nov/25 → 118 comentários: menor valor do ano, indicando baixo engajamento.
Interpretação Geral
A evolução mensal revela um comportamento bastante oscilante, com destaque para:
- Um grande pico em abril (744 comentários), destoando dos demais meses.
- Tendência geral de queda no segundo semestre.
- Últimos meses com volumes significativamente baixos, sugerindo redução no engajamento ou diminuição de situações que motivam avaliações.
2.2 Sentimento Global (PLN)
Análise de Sentimento Global (PLN)
- A nota média de 4.40 estrelas (sendo 5.0 o valor máximo)
- Com 68.1% de reviews positivos(4-5 estrelas),
- 22% de avaliações negativas(1-2 estrelas)
- A taxa de reviews neutros (9.8%)(3 estrelas)
3 - Análise dos dados coletados para a característica Adequação Funcional
Esta seção tem como objetivo analisar os dados coletados referentes às subcaracterísticas de Adequação Funcional, no contexto da qualidade do sistema. Serão avaliadas as métricas definidas para validação nas fases: Fase 2, Fase 3, destacando:
-
Pontos em que houve falhas;
-
Pontos em que se obteve sucesso;
-
Pontos com resultado neutro.
Além disso, serão apresentados os dados coletados pela ferramenta, incluindo: fotos dos gráficos e dashboards gerados e os termos mais utilizados pelos usuários.
3.1 - M1 Frequência de Lacunas Funcionais (FLF)
A ferramenta classificou os N-Grams das avaliações neutras (nota 3) e negativas (notas 1 e 2).
Para analisar essas métricas, é necessário identificar termos que expressem carência ou insatisfação, como “falta”, “não tem” e “precisava”. A M1 – Frequência de Lacunas Funcionais (FLF) é uma métrica de adequação funcional que avalia a frequência com que funcionalidades esperadas estão ausentes ou incompletas em um sistema.
Ao observar a tabela gerada, podemos verificar esses padrões:
Das frases presentes na Figura 5, identificamos os N-Grams “não funcionando” e “não tenho” como representativos desta métrica.
O critério de avaliação da Frequência de Lacunas Funcionais (FLF) é baseado em porcentagem:
- Excelente (0% a 5%)
Indica que o sistema possui muito poucas ou quase nenhuma lacuna funcional. A maioria das funcionalidades esperadas está presente e funcionando corretamente. O impacto na experiência do usuário ou na operação do sistema é mínimo ou nulo. - Bom (6% a 15%)
Significa que existem algumas lacunas funcionais, mas elas são relativamente poucas. O sistema ainda atende bem aos objetivos, embora algumas funcionalidades esperadas possam estar ausentes ou incompletas. O impacto é perceptível, mas não crítico. - Regular (16% a 25%)
Indica que há uma quantidade significativa de lacunas funcionais. Um número considerável de funcionalidades esperadas está ausente ou incompleto, o que pode afetar a eficiência do usuário e comprometer parte das operações do sistema. - Insuficiente (> 25%)
Mostra que mais de um quarto das funcionalidades esperadas estão faltando ou incompletas. O sistema apresenta sérias deficiências funcionais, comprometendo sua utilidade e dificultando o cumprimento dos objetivos para os quais foi projetado.
Para calcular a porcentagem, somamos o número de ocorrências dos dois N-Grams identificados e dividimos pelo total de citações. Como o gráfico não apresenta valores exatos, utilizamos uma estimativa:
- Quantidade total de N-Grams (estimativa): ~460
- Quantidade de N-Grams para a métrica (estimativa): ~30
Resultado da Análise :
O cálculo aproximado resulta em 6,52%, classificando a métrica como Bom, considerando uma margem de erro estimada de ±3%. Significa que existem algumas lacunas funcionais, mas elas são relativamente poucas. O sistema ainda atende bem aos objetivos, embora algumas funcionalidades esperadas possam estar ausentes ou incompletas. O impacto é perceptível, mas não crítico.
Significado de N-Grams
N-Grams: Identifica as frases e termos mais frequentes (N-grams) em comentários positivos e negativos, após a remoção de espaço vazio e frases irrelevantes. Isso destaca o valor central percebido e os principais pontos de fricção.
3.2 - M2 Proporção de Relatos de Incorreção (PRI)
A Proporção de Relatos de Incorreção (PRI) é uma métrica que busca avaliar a correção funcional dos resultados do aplicativo. Para isso, analisamos os N-Grams presentes nos comentários neutros e negativos dos usuários, buscando termos que indiquem possíveis problemas na execução das funcionalidades.
No gráfico da Figura 6, podemos observar os N-Grams mais frequentes:
No gráfico da figura 7, podemos observar o total de avaliações negativas (1 e 2 estrelas):
Ao analisar os N-Grams, identificamos dois termos que podem indicar incorreções funcionais:
- "prova vida"
- "reconhecimento facial"
A presença recorrente desses termos sugere que pode haver falhas no fluxo dessas funcionalidades.
Critérios de Julgamento da Proporção de Relatos de Incorreção (PRI)
A Proporção de Relatos de Incorreção (PRI) indica a frequência de relatos de problemas funcionais pelos usuários. Quanto menor a PRI, melhor é a percepção de correção funcional do aplicativo. Os critérios de julgamento são os seguintes:
-
Excelente (≤ 5%): Indica que muito poucos usuários relataram problemas. O aplicativo apresenta alta confiabilidade e quase não há relatos de falhas nas funcionalidades.
-
Bom (6% a 15%): Mostra que há alguns relatos de incorreções, mas ainda dentro de níveis aceitáveis. O aplicativo funciona bem na maior parte do tempo, com pequenas falhas pontuais.
-
Regular (16% a 25%): Indica que uma quantidade significativa de usuários identificou problemas funcionais. É necessário revisar e corrigir as funcionalidades críticas para melhorar a experiência.
-
Insuficiente (> 25%): Reflete que uma parte considerável dos usuários enfrenta falhas no aplicativo. Há problemas importantes que comprometem a confiabilidade e exigem ação corretiva imediata.
Para calcular a PRI, utilizamos o valor estimado dos dois termos e dividindo pela quantidade de avaliações negativas que o aplicativo recebeu durante o período que as informações foram coletadas. Com a seguinte fórmula:
PRI = (Total de ocorrências dos N-Grams indicativos) / (Total de avaliações negativas) PRI = 120 / 399 ≈ 0,30 (30%)
- Total de avaliações negativas (1 e 2 estrelas): 399
- Total estimado de N-Grams para "prova vida" e "reconhecimento facial": 120
Resultado da Análise :
-
Fazendo o cálculo (120 / 399), obtemos o valor de 0,30, correspondente a 30%.
-
Esse percentual indica que quase um terço das avaliações negativas mencionou problemas funcionais em funcionalidades críticas, como "prova vida" e "reconhecimento facial".
-
De acordo com os critérios de julgamento da PRI, esse valor se enquadra na classificação Insuficiente, evidenciando que há uma quantidade significativa de relatos de falhas. Isso aponta que o aplicativo apresenta problemas relevantes que impactam diretamente a experiência dos usuários.
Em resumo, a métrica demonstra que funcionalidades essenciais não estão funcionando corretamente para uma parcela considerável dos usuários, sinalizando a necessidade de correções urgentes e melhorias no fluxo dessas funcionalidades.
3.3 - M3 Índice de Fricção na Tarefa Crítica(IFTC)
O Índice de Fricção na Tarefa Crítica (IFTC) mede a taxa de sucesso percebida pelo usuário em relação à realização de tarefas críticas no aplicativo, com base nos feedbacks coletados. Para isso, analisamos os N-Grams de fricção, utilizando o mesmo gráfico da Figura 8.
Ao analisarmos o gráfico em busca de referências a tarefas críticas, identificamos os N-Grams:
- "não funciona"
- "não abre"
- "não consigo acessar"
- "não entra"
Todos esses termos estão relacionados à tarefa crítica de acessar o aplicativo, essencial para a realização de qualquer outra funcionalidade dependente do SouGov.
Critérios de Julgamento do Índice de Fricção na Tarefa Crítica(IFTC)
O Índice de Fricção na Tarefa Crítica (IFTC) indica a taxa de sucesso percebida pelo usuário em relação à realização de tarefas críticas no aplicativo. Quanto menor o índice, melhor a experiência do usuário. Os critérios de julgamento são:
-
Excelente (≤ 10%): Indica que praticamente todos os usuários conseguem realizar a tarefa crítica sem encontrar dificuldades significativas. A experiência de uso é fluida e confiável.
-
Bom (11% a 30%): Mostra que uma parcela moderada de usuários relata algum nível de fricção, mas a maioria consegue concluir a tarefa com sucesso. Pequenas melhorias podem tornar a experiência ainda mais eficiente.
-
Regular (31% a 50%): Indica que uma quantidade considerável de usuários enfrenta dificuldades ao realizar a tarefa crítica. É necessário investigar os pontos de fricção e implementar melhorias para reduzir barreiras e aumentar a taxa de sucesso.
-
Insuficiente (> 50%): Reflete que mais da metade dos usuários encontra obstáculos ao tentar completar a tarefa crítica. Isso compromete a experiência geral do aplicativo, tornando urgente a correção de falhas e ajustes no fluxo da funcionalidade.
Para executar o cálculo, utilizaremos a estimativa da soma dos N-Grams destacados aqui e dividir pela quantidade total estimada de N-Grams:
- Estimativa para total de N-Grams - aproximadamente 460
- Estimativa para a junção dos 4 N-Grams levados em consideração aqui - aproximadamente 115
- Cálculo da porcentagem - junção/total = 115/460 = 0.25 = 25%
Resultado da Análise :
-
Com base nesse cálculo, 25% das menções indicam fricção na execução da tarefa crítica.
-
Portanto, o IFTC é classificado como "Bom", indicando que, embora exista algum nível de dificuldade relatada pelos usuários, a maioria consegue realizar a tarefa crítica de acessar o aplicativo sem grandes problemas.
Em resumo, a métrica evidencia que a experiência de acesso ao SouGov.br é satisfatória para a maior parte dos usuários, mas ainda há espaço para melhorias em pontos críticos.
4 - Análise dos dados coletados para a característica de Confiabilidade
Esta sessão tem como objetivo discutir os dados coletados relacionados às subcaracterísticas de Confiabilidade, no contexto da avaliação da qualidade do aplicativo.
O foco é analisar como os resultados obtidos pelas métricas, definidas nas fases 2 e 3, refletem o desempenho do aplicativo. Serão identificados:
- Pontos em que o aplicativo falhou, apresentando resultados insatisfatórios;
- Pontos em que o aplicativo teve sucesso, atendendo às expectativas de confiabilidade;
- Pontos em que os resultados foram neutros, sem impacto significativo no desempenho percebido pelos usuários.
Além disso, a análise incorporará dados coletados por meio de gráficos e dashboards gerados pela ferramenta, análise de sentimentos dos comentários dos usuários e a frequência de termos mais utilizados nas avaliações, permitindo uma visão completa sobre a confiabilidade do aplicativo.
4.1 - M4 Frequência de Instabilidade Operacional (FIO)
A métrica Frequência de Instabilidade Operacional (FIO) avalia a estabilidade do sistema e a ocorrência de interrupções perceptíveis pelos usuários. Para isso, utiliza-se o Mapeamento de Qualidade baseado em Processamento de Linguagem Natural (PLN), considerando termos indicativos de problemas, como:
- "Travamentos"
- "Lentidão"
- "Instabilidade"
Critérios de Julgamento da Frequência de Instabilidade Operacional (FIO)
O cálculo da métrica é feito pela frequência de menções desses termos em relação ao total de reviews, conforme a fórmula:
- Excelente (≤ 2%): Quase nenhum usuário percebe travamentos, lentidão ou instabilidade. O sistema é altamente confiável.
- Bom (3% a 5%): Uma pequena parcela de usuários relatou problemas, mas a experiência geral é satisfatória.
- Regular (6% a 10%): Uma quantidade considerável de usuários percebe dificuldades. É recomendada revisão de desempenho.
- Insuficiente (> 10%): Muitos usuários enfrentam instabilidade, travamentos ou lentidão, comprometendo seriamente a experiência do aplicativo.
FIO = (Número de menções aos termos críticos) / (Total de reviews)
- Estimativa de menções aos termos críticos: "Travamentos", "Lentidão" e "Instabilidade" - aproximadamente 105
- Total de reviews analisadas: contando as positivas também - 3361
FIO = 105 / 3361 ≈ 0,03 (3%)
Resultado da Análise :
- Com base nesse cálculo, a métrica é classificada como Bom. Isso indica que apenas uma pequena parcela dos usuários relatou problemas relacionados a travamentos, lentidão ou instabilidade.
Em termos práticos, a maior parte dos usuários consegue utilizar o aplicativo sem interrupções perceptíveis, garantindo que as funcionalidades críticas estejam disponíveis na maior parte do tempo. Embora a experiência geral seja satisfatória, o fato de algumas menções negativas terem sido registradas sugere que ainda existem pontos de melhoria em termos de estabilidade e desempenho, que podem ser priorizados para reduzir a fricção e aumentar a confiabilidade percebida pelos usuários.
4.2 - M5 Índice de Recuperação Observável (IRO)
O Índice de Recuperação Observável (IRO) tem como objetivo medir o tempo necessário para o sistema se recuperar de uma falha crítica. Para isso, comparamos os relatos de falhas críticas identificadas nos N-Grams e reviews negativos com as informações de atualização do aplicativo na App Store do SouGov.br.
Ao verificar a página oficial do aplicativo, a última atualização menciona apenas melhorias no controle de uso da câmera, sem abordar outros problemas relatados pelos usuários nos N-Grams ou nos reviews críticos. portanto, para essa métrica utilizaremos a estimativa de N-Grams negativos referentes aos termos e aos reviews críticos e dividir pelo total de avaliações positivas recebidas pela ferramenta
Critérios de Julgamento do Índice de Recuperação Observável (IRO)
- Excelente (≥ 80%): O sistema se recupera rapidamente de falhas críticas, e a maioria das funcionalidades está disponível para os usuários com alta confiabilidade.
- Bom (60% a 79%): O sistema apresenta boa recuperação, mas pequenas falhas podem afetar a experiência de alguns usuários.
- Regular (40% a 59%): A recuperação é parcial, e falhas críticas podem impactar significativamente a experiência do usuário.
- Insuficiente (< 40%): O sistema demora a se recuperar de falhas críticas, comprometendo a confiabilidade e a experiência geral do aplicativo.
Para calcular o IRO, utilizamos a seguinte abordagem:
O cálculo será feito a partir da estimativa de soma dos N-Grams para termos e reviews críticos e dividir esse valor pela soma das quantidades de avaliações 4 e 5 na App Store do Android, o resultado que der reduzimos de 1(correspondente a 100%), e esse resultado será o valor obtido para classificar a métrica:
IRO = 1 - (Estimativa de N-Grams de termos e reviews críticos) / (Total de avaliações positivas, notas 4 e 5)
- Estimativa da soma dos N-Grams de termos e de reviews críticos: aproximadamente 474
- Soma avaliações positivas (4 e 5): 2877
IRO = 1 - (474 / 2877) = 1 - 0,16 = 0,84 = 84%
Resultado da Análise :
Com base no cálculo, o IRO obtido foi de 84%, classificando esta métrica como Excelente. Isso indica que, embora existam relatos de falhas críticas, o sistema consegue se recuperar rapidamente, mantendo a disponibilidade das funcionalidades essenciais e garantindo uma experiência confiável para a maioria dos usuários.
4.3 - M6 Densidade de Relatos de Bugs Críticos
A métrica Densidade de Relatos de Bugs Críticos avalia a incidência de falhas operacionais que impactam diretamente o usuário final, como crashes e erros de servidor. Para isso, utilizamos o Mapeamento de Qualidade (PLN), focando em termos relacionados a "Bugs/Erros", e contabilizamos as menções críticas em relação ao total de reviews.
Critérios de Julgamento da Densidade de Relatos de Bugs Críticos
- Excelente (≤ 2%): Quase nenhum relato de falha crítica. O sistema é altamente confiável.
- Bom (3% a 5%): Pequena parcela de usuários percebeu falhas críticas, mas a experiência geral permanece satisfatória.
- Regular (6% a 10%): Um número considerável de usuários relatou problemas críticos, exigindo atenção para melhorias.
- Insuficiente (> 10%): Muitos usuários enfrentam falhas críticas, comprometendo significativamente a confiabilidade e a experiência do aplicativo.
Densidade de Bugs Críticos = (Número de menções a Bugs/Erros) / (Total de reviews críticos)
- "Estimativa para Bugs/Erros": aproximadamente 72
- "Estimativa reviews críticos": aproximadamente 300 Cálculo - 72/300 = 0,24 = 24%
Densidade de Bugs Críticos = 72 / 300 ≈ 0,24 (24%)
Resultado da Análise :
- Com base nesse cálculo, a métrica é classificada como Insuficiente. Isso significa que uma parcela significativa dos usuários relatou falhas críticas, como crashes e erros de servidor, que afetam diretamente a utilização do aplicativo.
Em termos práticos, essas falhas comprometem a confiabilidade e a experiência geral do usuário, tornando difícil ou impossível completar tarefas essenciais de forma contínua. O resultado evidencia que há problemas críticos que precisam ser corrigidos com prioridade, a fim de aumentar a estabilidade do sistema, reduzir frustrações e melhorar a percepção de qualidade do aplicativo.
5. Pontos Fortes e Contextos de Sucesso:
Uma análise detalhada de 3.361 avaliações do aplicativo SouGov.br
(Nota Média: 4.40) confirma uma base de usuários majoritariamente satisfeita com o valor central do produto.
Principais Destaques
- O Processamento de Linguagem Natural (PLN) destaca a frase “acesso fácil” como o principal ponto forte.
-
Isso mostra que os usuários percebem a facilidade de acesso como fator decisivo para o sucesso da aplicação.
-
A alta polaridade positiva demonstra que o aplicativo atende às expectativas principais da maioria dos usuários.
- Esse resultado reforça a estabilidade e usabilidade das funcionalidades mais críticas.
É fundamental que uma estratégia de comunicação e marketing continue a valorizar esses aspectos positivos, garantindo que funcionalidades futuras não comprometam a percepção de excelência já estabelecida.
6. Vídeo da Ferramenta
7. Conclusão
Após a análise dos dados coletados pela ferramenta, observou-se que apenas 1 das 6 métricas alcançou o nível “Excelente”, enquanto 3 das 6 métricas foram classificadas como “Bom”, segundo os Critérios de Julgamento. Esses resultados indicam que, embora existam aspectos positivos no desempenho do aplicativo, ainda há espaço significativo para melhorias, especialmente nas métricas que não atingiram níveis superiores.
A partir do levantamento de N-grams, termos críticos e avaliações dos usuários, tornou-se evidente que os principais problemas do SouGov estão concentrados em funcionalidades que dependem do uso da câmera dos dispositivos móveis. Essa categoria de falhas apresenta complexidade adicional para solução, pois envolve fatores externos ao software, tais como:
- Variedade na qualidade das câmeras entre diferentes modelos de smartphones;
- Limitações de coordenação motora dos usuários durante o reconhecimento facial;
- Condições ambientais e de iluminação;
- Dificuldades de enquadramento e estabilidade ao capturar imagens.
Esses fatores tornam o problema multidimensional e, em certa medida, subjetivo, demandando abordagens que combinem melhorias técnicas no aplicativo e investigações de usabilidade com usuários reais.
7.1 Recomendações para o próximo ciclo de QA
- Analisar mapas de calor, N-grams, notas e reviews com maior profundidade — direcionar investigações para padrões recorrentes que indiquem falhas específicas nos fluxos que usam câmera.
- Priorização de correções nas funcionalidades de câmera e reconhecimento facial, considerando tanto ajustes técnicos (por exemplo, tolerância a variações de imagem) quanto orientações de uso para os usuários.
- Testes de usabilidade e acessibilidade com amostras representativas de dispositivos e perfis de usuários (incluindo variações de iluminação e níveis de habilidade motora).
- Implementar mecanismos de feedback mais claros no app (guias de enquadramento, mensagens de erro informativas, exemplos visuais) para reduzir fricção e aumentar a taxa de sucesso nas tarefas que usam a câmera.
- Monitoramento contínuo das avaliações após cada correção, para verificar se as intervenções reduzem a incidência dos termos críticos identificados.
7.2 Consideração final
Embora a avaliação revele pontos positivos, a predominância de problemas relacionados ao uso da câmera exige uma combinação de soluções técnicas e de experiência do usuário. Ao focar nas recomendações acima, a equipe de QA e desenvolvimento poderá mitigar grande parte das dificuldades identificadas, elevando a confiabilidade e a satisfação do público-alvo.
Tabela de Contribuição - Grupo Frans Bilas
| Matrícula | Nome do aluno | Atividade Realizada | % de Contribuição |
|---|---|---|---|
| 200060783 | Ana Beatriz W. Massuh | Pesquisa | 18% |
| 190085584 | Carlos Eduardo Mendes | Pesquisa | 18% |
| 231034707 | Giovana Ferreira Santos | Pesquisa | 18% |
| 231026840 | Laryssa Felix | Pesquisa | 20% |
| 202070064 | Matheus do Vale | Análise e Coleta | 26% |
Histórico de versão
| Versão | Data | Descrição | Autor(a) |
|---|---|---|---|
| 1.0 | 19/11/2025 | Versão inicial da fase 4 | Carlos Eduardo |
| 1.1 | 19/11/2025 | Adição de etapas iniciais extras a fase 4 | Giovana Ferreira |
| 2.0 | 22/11/2025 | Versão intermediária da interpretação dos dados da fase 4(pendência m5) | Carlos Eduardo |
| 3.0 | 23/11/2025 | Versão final da interpretação dos dados da fase 4 | Carlos Eduardo |
| 4.0 | 24/11/2025 | Ajusta imagens, descrição e fonte | Laryssa Felix |
| 5.0 | 24/11/2025 | Reorganização e adição de informações | Laryssa Felix |