MÉTODO · VERSÃO 1
Como o Evidence trabalha, e onde ele para.
O Evidence ajuda a explicitar hipóteses, controles e lacunas antes de pesquisa de campo, diagnóstico profissional ou expansão operacional. Ele não mede o mercado, não representa respondentes e não prova causalidade.
1. Decisão antes da coleta
Todo trabalho começa pela decisão: a escolha, o que pode mudar com ela e quem responde por ela. Só então vêm a pergunta, a população proposta, o método e as fontes. O plano aparece antes de qualquer resposta.
2. Estados de evidência
Cada dado carrega um estado declarado, e nenhum estado é promovido a outro.
3. Dados sintéticos e reprodutibilidade
Quando o Evidence gera dados, ele usa uma semente estável e pseudoaleatoriedade determinística, com versão de motor declarada. A mesma semente, os mesmos parâmetros e a mesma versão produzem a mesma saída. Mudanças de hipótese, parâmetros, semente ou versão geram um novo identificador.
Os números sintéticos têm validade de construto interna ao modelo, úteis para discutir escolhas, mas não estimam uma população real.
4. Fontes e transparência
Fontes externas contextualizam a hipótese. Elas não entram no cálculo, não calibram o modelo e não transformam saída sintética em benchmark. O padrão de transparência segue a necessidade de tornar patrocínio, população, método, tamanho, processamento e limitações inspecionáveis, como nos Disclosure Standards da AAPOR. As dimensões de risco dialogam com o NIST AI RMF, sem alegar conformidade, e as práticas de qualidade de dados com o Quality Framework da OECD.
5. O envelope de decisão
Todo plano termina num envelope com o que a decisão sustenta, o que não sustenta, o que é desconhecido, o limite atual, o que mudaria a decisão e a próxima evidência. O envelope não é recomendação profissional personalizada, previsão nem resultado de pesquisa.
6. Como o Estúdio gera e mede
Geração. Cada coluna segue uma distribuição declarada (normal, lognormal, uniforme, probabilidade, categorias, sequência ou e-mail em example.com). Correlações entre colunas numéricas usam uma cópula gaussiana: normais correlacionadas pela decomposição de Cholesky viram cada marginal pela sua inversa. Limites fixam o valor no mínimo ou no máximo. A semente torna o arquivo reprodutível, e o hash SHA-256 identifica cada exportação.
Validade (deve dar 100%). Tipos, limites, inteiros, categorias permitidas, identificadores únicos, domínio reservado nos e-mails e taxa de nulos dentro da tolerância estatística.
Aderência à especificação. Numéricas: 1 menos a estatística de Kolmogorov-Smirnov contra a distribuição declarada, considerando os limites. Categorias e booleanos: 1 menos a variação total entre proporções declaradas e geradas. Correlações: o alvo da cópula vira um Spearman esperado (6/π · arcsen(r/2)), comparado ao Spearman obtido. A nota geral é a média. É fidelidade à especificação, não a dados reais.
Privacidade básica. Identificadores diretos são gerados pelo próprio Estúdio. Para os quase-identificadores marcados, as linhas são agrupadas (numéricas em quintis) e contamos quantas ficam em grupos com menos de 5 registros. Categorias com menos de 1% aparecem como raras. Essas checagens apoiam a revisão do desenho; não são parecer de anonimização, e distância ao registro mais próximo, sozinha, não prova privacidade.
Esquema colado. Um CREATE TABLE ou um JSON Table Schema vira colunas do editor: tipo, NOT NULL, CHECK (faixas e listas), enum, chave e unicidade. Onde o esquema não diz a distribuição, o Estúdio usa uma padrão e mostra o aviso; texto livre, UUID e dado com cara de pessoal viram identificadores fictícios. Datas seguem uniforme entre início e fim, medidas por KS, e entram no k-anonimato pelo ano.
Formatos e sementes. CSV, Parquet (sem compressão, com o rótulo e a semente nos metadados) e JSON saem do mesmo dataset; o manifesto traz o SHA-256 de cada um. A comparação de sementes gera o mesmo desenho com 5 sementes vizinhas e mostra a variação: diferença menor que ela é sorte de amostra.
7. Limites
- Não há respondentes, dados pessoais, dados de cliente, amostra probabilística ou ponderação nas superfícies públicas.
- Não há comparação competitiva, ranking de mercado, estimação causal ou previsão.
- Para avançar para pesquisa real: formular a hipótese, aprovar instrumento e população, obter consentimento, definir a coleta, preservar a proveniência, revisar vieses e publicar limitações antes de qualquer afirmação externa.