IA para Geopolítica no Ensino Médio: guia prático
Como referenciar este texto: IA para Geopolítica no Ensino Médio: guia prático. Rodrigo Terra. Publicado em: 14/06/2026. Link da postagem: https://www.makerzine.com.br/ia-para-geopolitica-no-ensino-medio-guia-pratico/.
A inteligência artificial deixou de ser novidade para tornar-se infraestrutura cultural. Na Geopolítica do Ensino Médio, ela pode ampliar repertórios, simular cenários complexos e apoiar a leitura crítica de dados, sem substituir o protagonismo investigativo dos estudantes.
Este artigo orienta professores a integrarem IA de forma pedagógica, segura e ética, transformando temas globais — como energia, migrações, comércio, conflitos e clima — em experiências de aprendizagem baseadas em problemas e evidências.
Você encontrará caminhos para planejamento curricular, curadoria e verificação de fontes, engenharia de prompts, modelagem de cenários, cartografia crítica, simulações e avaliação formativa, preservando a autonomia intelectual dos alunos e alinhando-se à BNCC.
Ao longo das propostas, enfatizamos rastreabilidade de dados, explicabilidade dos resultados e reflexão sobre vieses, de modo que a IA seja meio para pensar melhor o mundo — e não um atalho para respostas fáceis.
Competências e alinhamento curricular
Mapeie a Geopolítica na BNCC (Ciências Humanas e Sociais Aplicadas) e conecte IA às competências gerais: pensamento científico, cultura digital, argumentação e responsabilidade. Explicite as competências específicas de CHSA que serão mobilizadas (análise de relações de poder, territorialidades, fluxos e escalas) e traduza-as em práticas observáveis na sala. Ao apresentar a IA como instrumento de pesquisa e simulação, reforce seu papel de apoio ao raciocínio crítico, não de substituição da investigação humana.
Defina objetivos de aprendizagem claros e mensuráveis, como “comparar fontes e evidências sobre um conflito regional”, “identificar atores, interesses e recursos em disputa” ou “avaliar cenários prováveis e suas implicações socioambientais”. Delimite recortes temáticos e espaciais, liste dados necessários (séries históricas, mapas, tratados, notícias, bases oficiais) e indique onde buscá-los. Use a IA para gerar perguntas norteadoras e diferentes perspectivas, sempre com checagem das referências.
Planeje produtos de síntese alinhados às competências: mapa temático com camadas justificadas, policy brief com recomendações baseadas em evidências, debate regrado com teses e antíteses. Estabeleça critérios de qualidade em rubricas (fontes verificáveis, uso ético de dados, clareza argumentativa, visualização correta, contextualização temporal) e compartilhe exemplos. Autorize a IA para rascunhos, sumarizações e geração de alternativas, exigindo que os estudantes declarem prompts, ferramentas usadas e ajustes feitos.
Orquestre a integração da IA ao ciclo investigativo: curadoria inicial (busca e validação de dados), modelagem de hipóteses, simulações de atores/geopolíticas, e verificação cruzada. Ensine engenharia de prompts com papéis, restrições e critérios; inclua checagens anti-alucinação e triangulação com dados públicos. Registre decisões em diário de bordo e promova metacognição: o que a IA sugeriu? o que confirmamos? o que refutamos? o que ficou em aberto? Anexe logs de chat e versões de trabalho ao portfólio.
Por fim, alinhe tempo, acessibilidade e ética: preveja salvaguardas de privacidade, licenças de uso e citação adequada; ofereça rotas analógicas equivalentes; e promova inclusão digital. Articule com outras áreas (Matemática para análise de dados, Linguagens para argumentação, Ciências da Natureza para clima e energia) e adote avaliação formativa contínua (autoavaliação, pares e feedback docente) para consolidar competências e o alinhamento curricular.
Coleta e verificação de dados com IA
Use a IA para listar bases confiáveis, mapear glossários e descrever variáveis-chave (escopo, granularidade, moeda, deflatores, período e cadência de atualização), mas valide tudo em portais oficiais. Ao solicitar à IA resumos de metodologias, peça também os links diretos para as páginas de metadados e documentação técnica. Trate a IA como copilota de curadoria e organização, não como árbitra da verdade.
Mantenha uma planilha de rastreabilidade com colunas como fonte, dataset/link, responsável/contato, data e versão de acesso, licença, método de coleta, transformações aplicadas e referência do script ou prompt usado. Guarde capturas da página original e hashes/nomes de arquivo para reforçar reprodutibilidade. Essa rotina permite auditorias internas, facilita correções e ajuda estudantes a compreender o ciclo completo dos dados.
Pratique triangulação: compare números com ao menos duas fontes e peça à IA que proponha verificações específicas. Inclua checagens de definição (o que cada variável mede), unidades e deflatores, notas sobre mudanças metodológicas, séries descontinuadas e possíveis vieses de seleção ou de medição. Aplique testes de sanidade como detecção de outliers, análise de quebras de série, médias móveis e variações percentuais, sempre registrando as decisões adotadas.
Comece por bases amplamente citadas e transparentes, como UN Data, World Bank, Our World in Data e SIPRI, além dos portais estatísticos nacionais. Peça à IA que gere um dicionário de dados preliminar e um quadro comparativo de cobertura temporal e espacial entre fontes, e depois confirme tudo nas páginas oficiais. Prefira séries com metadados completos, versionamento claro e histórico de revisões.
Ensine a detectar alucinações: exija referências verificáveis (URL oficial, DOI ou documento técnico), rejeite afirmações sem citação e solicite que a IA mostre a tabela/fonte original antes de aceitar qualquer número. Quando houver divergências, peça hipóteses para a discrepância e investigue-as na documentação. Cultive a cultura do “confie, mas verifique” e registre o raciocínio para que outros possam replicar o percurso.
Engenharia de prompts para Geopolítica
Engenharia de prompts para Geopolítica é a arte de estruturar solicitações claras e auditáveis para que modelos de IA gerem análises úteis, sem substituir a interpretação humana. Uma boa arquitetura parte de seis blocos: papel (ex.: analista geopolítico focado em políticas públicas), contexto (região, período e tema delimitados), corpus (links e trechos com autoridade e data), tarefa (comparar, sintetizar ou projetar cenários), critérios (uso de evidências, consideração de contraexemplos e justificativas) e formato (bullets, síntese executiva, tabela textual). Nomear explicitamente cada bloco reduz ambiguidade, facilita replicação e melhora a qualidade da avaliação entre pares.
Para aumentar a transparência, peça explicações passo a passo, com identificação de premissas, inferências e possíveis fontes de viés. Solicite que o modelo estime limites de confiança para cada conclusão, aponte lacunas de dados e diferencie fatos, interpretações e extrapolações. Exigir rastreabilidade — referências, datas de publicação e indicadores usados — ajuda a confrontar a saída com fontes independentes e evita que generalizações ocultem variações locais relevantes.
Um fluxo prático pode começar com um exemplo sintético: defina o papel (analista geopolítico educacional), delimite o contexto (dependência energética na Europa e no Cone Sul, 2015–2025) e cole um parágrafo da Fonte A e outro da Fonte B. Em seguida, solicite convergências e divergências, hipóteses alternativas, e uma lista de indicadores monitoráveis (preço de energia, fluxos comerciais, participação de renováveis, votações na ONU, sanções ativas). Por fim, peça duas perguntas para investigação adicional e um produto final em bullets e resumo executivo, com notas sobre incertezas e próximos passos de coleta de dados.
Evite prompts vagos substituindo termos amplos por especificações de escala temporal (curto: 6–12 meses; médio: 2–5 anos; longo: 10+ anos) e escala espacial (município, país, bloco regional). Declare o público-alvo do texto final (alunos do Ensino Médio) e o nível de linguagem desejado, além de limites de abrangência (ex.: foco econômico com menções sucintas a segurança). Isso alinha expectativas, orienta a seleção de fontes e mapeia quais dimensões ficarão fora do escopo, reduzindo o risco de respostas genéricas.
Em sala de aula, trate o prompt como um protótipo iterativo: inicie com uma versão mínima, avalie a adequação das evidências e refine pedindo contrapontos e checagens cruzadas. Estimule o uso de bases abertas (Banco Mundial, ONU, OEC, Our World in Data) e peça que a IA gere listas de verificação para verificação humana. Registre as revisões, destaque decisões metodológicas e finalize com uma reflexão sobre vieses e implicações éticas, especialmente ao lidar com conflitos, migrações e clima. Assim, a IA torna-se uma ferramenta para pensar melhor — e não um atalho para respostas fáceis.
Modelagem de cenários e análise de risco
Use a IA para mapear o problema antes de qualquer modelagem: delimite a pergunta, o horizonte temporal, a escala geográfica e os atores-chave. Em seguida, peça à IA que proponha e classifique possíveis forças motrizes e incertezas sob a lente PESTLE (político, econômico, social, tecnológico, legal e ambiental), justificando cada item com exemplos contextuais e citando sinais precoces observáveis. Esse brainstorming estruturado ajuda a priorizar drivers críticos e a separar tendências robustas de incertezas genuínas.
Com os drivers priorizados, construa matrizes 2×2 escolhendo duas incertezas cruciais e solicite à IA que explicite por que esses eixos são relevantes, quais são seus extremos plausíveis e que hipóteses sustentam cada quadrante. Incentive pensamento adversarial: peça cenários contraditórios igualmente plausíveis, pergunte o que teria de ser verdadeiro para que ocorram e quais evidências falsificariam a narrativa. Transforme os quadrantes em histórias de mundo curtas, com atores, incentivos, recursos e cronogramas, sempre vinculando cada afirmação a sinais passíveis de monitoramento.
Teste as hipóteses com dados históricos e documentos públicos. Peça à IA planos de coleta e verificação, sugerindo séries como preços de energia, comércio internacional, fluxos migratórios, desmatamento, emissões, inflação de alimentos e gastos militares. Estimule a busca em bases como Banco Mundial, ONU, Our World in Data, IBGE e IPEA, registrando fontes e limitações. Requisite análises de sensibilidade: que resultados mudam se trocarmos o período de amostra, a métrica ou a proxy? Documente pressupostos, margens de erro e gatilhos de mudança.
Passe à análise de risco integrando probabilidade e impacto. Use a IA para propor uma matriz qualitativa, mapear stakeholders e listar consequências de primeira e segunda ordem. Explore estratégias de mitigação, contingência e também oportunidades. Simule choques e cenários de estresse (por exemplo, ruptura logística, sanções, evento climático extremo) e compare como políticas alternativas performam. Reforce com os alunos que a IA gera hipóteses e estruturas de raciocínio, não previsões infalíveis.
Conclua com um plano de monitoramento prático: defina quais séries acompanhar, periodicidade, limiares de alerta e eventos que invalidariam um cenário. Estabeleça governança de atualização com um diário de bordo de evidências, checklist de viés e trilha de prompts. Monte um painel simples em planilha ou mural da turma e combine como reportar aprendizados e revisões. Na avaliação formativa, os estudantes devem justificar escolhas, indicar incertezas remanescentes e mostrar como iteraram versões de seus cenários à luz de novos dados.
Simulações e debates apoiados por IA
Em simulações do tipo Modelo ONU, a IA pode rascunhar a posição oficial de um país, gerar perguntas de confronto e propor emendas de resolução. Exija referências verificáveis e passe por checagem cruzada antes do uso em plenário. Forneça rubricas de oratória, evidência e civilidade, e reserve um papel “verificador” na equipe para auditar, em tempo real, afirmações apoiadas por IA.
Planeje o exercício definindo uma pauta clara e um dossiê de base (briefing book) com documentos e dados de fontes públicas — ONU, Banco Mundial, ACNUR, IEA, UN Comtrade, Our World in Data. Use a IA para sintetizar cenários e extrair comparativos, mas configure o prompt para exigir citações com URL e data de acesso. Estabeleça linhas vermelhas: nada de números sem fonte, nada de paráfrases opacas; quando a IA não souber, deve declarar incerteza.
Distribua papéis além dos delegados: mesa diretora, relatores, jornalistas e um time de checagem. Ferramentas de IA podem simular stakeholders ausentes (ONGs, empresas, blocos regionais), gerar contra-argumentos plausíveis e testar a robustez de resoluções. Durante os caucuses, permita o uso de assistentes para elaborar emendas e discursos de um minuto, enquanto o “verificador” confere factualidade e viés, sinalizando em tempo real com notas sucintas e links.
Para avaliação formativa, peça que cada equipe entregue o rastro de trabalho: registros de prompts, fontes consultadas, matriz de trade-offs e versão final da resolução com marcações do que foi sugerido pela IA. Aplique rubricas com critérios de rastreabilidade, aderência às fontes, qualidade argumentativa e cooperação. Se ocorrerem alucinações ou generalizações indevidas, trate-as como estudos de caso sobre limites da tecnologia e boas práticas de correção.
Finalize com uma revisão pós-ação: o que a IA ampliou, o que confundiu e quais dados foram decisivos? Discuta implicações éticas — privacidade, representatividade de vozes do Sul Global, risco de automação da retórica — e pactue protocolos para usos futuros. Com regramento claro, transparência de fontes e papéis definidos, simulações e debates apoiados por IA tornam-se laboratórios seguros para exercitar diplomacia, pensamento crítico e responsabilidade informacional.
Cartografia crítica e visualização geoespacial
Combine camadas (fronteiras, rotas, hotspots) com dados abertos e peça à IA interpretações cautelosas, explicitando incertezas. Trabalhe com GeoJSON/CSV e questione projeções e escalas. Fontes úteis: Natural Earth, GADM, Kepler.gl. Use mapas para explicar relações (fluxos comerciais, corredores energéticos), não para concluir causalidades apressadas.
Adote um fluxo de trabalho replicável: colete dados, faça limpeza (deduplicação, padronização de nomes e unidades), harmonize códigos e padronize o sistema de referência cartográfica (CRS) entre camadas (ex.: EPSG:4326 ou 3857). Registre metadados de origem, data, licença e transformações feitas; normalize indicadores (per capita, por km², por tonelada-km) para permitir comparações justas. Peça à IA rascunhos de descrições metodológicas e checagens de coerência, e obrigue-a a listar incertezas e lacunas.
Cuide das escolhas visuais: defina métodos de classificação (quantis, Jenks, igual intervalo) e explique seus efeitos; prefira paletas perceptualmente uniformes e daltônicas, como as do ColorBrewer; configure legendas claras, escalas e setas de fluxo quando representar rotas. Indique erro e variabilidade (faixas de confiança, pontos cinzentos para dados faltantes) e evite a falácia ecológica e o MAUP (problema da unidade espacial modificável). Rótulos, títulos e alt text devem orientar leitura crítica, não ditar conclusões.
Escolha ferramentas conforme o objetivo e o tempo de aula: o QGIS para análise espacial mais profunda; o Kepler.gl e o Datawrapper para visualizações rápidas; e bibliotecas como Leaflet ou MapLibre para interatividade. Trabalhe com GeoJSON/CSV/TopoJSON, simplifique geometrias para desempenho e documente projeções usadas. Para base vetorial e nomes geográficos, complemente com OpenStreetMap e Natural Earth.
Proposta de atividade: em grupos, os estudantes formulam uma pergunta (ex.: como secas recentes afetam preços de alimentos em portos-chave?) e constroem um mapa de evidências com camadas de clima, produção, rotas e preços; com IA, redigem hipóteses rivais e notas de cautela. Compare projeções (Mercator, Peters, Equal Earth) e discuta implicações políticas. Publique o produto com trilha de dados e licenças; para temas sensíveis (refugiados, povos indígenas, infraestrutura crítica), aplique generalização espacial, anonimização e avalie riscos éticos antes da divulgação.
Ética, viés e segurança de dados
Defina regras claras de uso antes de qualquer atividade com IA generativa: não compartilhe dados pessoais ou sensíveis de alunos, familiares ou informantes; remova nomes, endereços e coordenadas precisas ao descrever estudos de caso; utilize contas institucionais com autenticação em dois fatores; registre data, ferramenta e versão de modelo usadas a cada consulta. Explique por que a minimização de dados protege as pessoas e melhora a replicabilidade.
Trate o viés como conteúdo de aprendizagem. Proponha que a turma peça análises sobre um mesmo tema geopolítico a partir de múltiplas perspectivas regionais e históricas, incluindo Sul Global e povos tradicionais, e compare os rótulos valorativos presentes nas respostas. Em seguida, solicite que a IA explicite pressupostos e indique lacunas, e que os estudantes triangulem com bases públicas, como relatórios da ONU, IBGE e Banco Mundial, registrando todas as fontes citadas.
Explique limites e riscos: modelos não possuem conhecimento, estimam padrões a partir de dados de treino, podem alucinar fatos e reproduzir desigualdades informacionais. Oriente a sinalização explícita de incertezas nas produções, o uso de checagens cruzadas e a distinção entre linguagem descritiva e normativa. Em mapas e infográficos gerados ou interpretados com apoio da IA, declare disputas territoriais e contingências metodológicas que afetem leituras geopolíticas.
Implemente salvaguardas técnicas e procedimentais. Prefira dados abertos e anonimizados; ao trabalhar com depoimentos, use sínteses sem identificadores; armazene prompts e saídas em repositórios versionados com trilhas de auditoria; habilite filtros de conteúdo e revise termos de uso das plataformas. Quando possível, teste opções locais ou com armazenamento europeu ou brasileiro, alinhadas à LGPD, e discuta com a turma as trocas entre conveniência, custo e privacidade.
Por fim, reforce a autonomia intelectual. Estabeleça que toda saída da IA é hipótese a ser testada, não veredito; peça planos de verificação, contraexemplos e justificativas com referência a dados; avalie processos, não apenas respostas finais. Um código de ética da turma, revisitado a cada projeto, consolida responsabilidades, reduz riscos e transforma a tecnologia em aliada para pensar criticamente o mundo.
Avaliação formativa e rubricas assistidas por IA
Use a IA para esboçar rubricas, mas valide-as com o crivo pedagógico do professor. Critérios sugeridos incluem: qualidade e diversidade das fontes, uso de dados e mapas, consistência argumentativa, consideração de contranarrativas, clareza visual e integridade acadêmica. Incorpore autoevaluación estruturada: peça que os alunos expliquem o que aceitaram ou recusaram da IA e por quê, evidenciando rastreabilidade de dados e decisões. Mantenha portfólios com versões, justificativas e referências, garantindo que cada iteração mostre progresso e domínio conceitual.
Comece pela definição de objetivos de aprendizagem e traduza-os em evidências observáveis. Use a IA para gerar rascunhos de descritores por níveis de desempenho, exemplares-âncora e sugestões de pesos, mas refine a linguagem para clareza, retire jargões e alinhe à BNCC. Valide o equilíbrio entre critérios de conteúdo, método e comunicação, e teste a rubrica com duas ou três produções-piloto, ajustando thresholds e prevenindo incentivos indesejados. Sempre registre as versões da rubrica em um histórico de alterações, com notas sobre o que foi modificado e por qual motivo.
Adote ciclos curtos de feedback formativo. Em marcos intermediários, aplique micro-rubricas específicas para tarefas como cartogramas, linhas do tempo ou checagem de fontes, e permita que a IA atue como assistente de feedback, gerando comentários acionáveis e perguntas metacognitivas. Exija um relatório de uso de IA ao final de cada etapa, contendo prompts usados, saídas aceitas, saídas descartadas e correções feitas, além da citação das ferramentas. Isso fortalece a autoria intelectual e reduz a dependência acrítica.
Trate vieses e ética como critérios explícitos. Peça à IA que proponha contraexemplos e verifique cobertura regional, de gênero e de perspectivas históricas, mas faça checagens humanas de plausibilidade e de sensibilidade cultural. Evite enviar dados pessoais; prefira bases públicas e versões institucionais de modelos quando possível. Não confie em detectores de texto gerado por IA para fins punitivos; privilegie triangulação de evidências de aprendizagem por meio de rascunhos, registros de processo e defesas orais. Documente limitações do modelo e decisões de moderação como parte da transparência avaliativa.
Por fim, integre a rubrica ao planejamento de aula: apresente-a no início, co-construa um critério com a turma e retome-a em conferências rápidas de 5 minutos, usando a IA para sugerir exemplos e reorganizar feedback por prioridade. Em projetos de Geopolítica — como simulações de cúpulas climáticas ou análises de corredores logísticos — a rubrica pode articular conteúdo substantivo, análise espacial e argumentação baseada em evidências. A IA amplia o alcance do feedback e acelera a revisão; o professor continua sendo o árbitro de qualidade e o guardião da justiça e da coerência pedagógica.
Projetos rápidos e de fôlego
Para atividades de 50–90 minutos, o projeto Mapa de controvérsias foca em levantar rapidamente atores, interesses e relações em torno de um tema. O professor define a questão orientadora e a IA propõe uma lista inicial de stakeholders, posições e possíveis disputas. Em duplas, os alunos escolhem um recorte e validam cada afirmação com pelo menos duas fontes independentes e rastreáveis, registrando autor, data e URL. O produto é um infográfico que mapeia vínculos, convergências e tensões, com legendas claras, notas de evidência e indicação de incertezas.
Para apoiar a verificação, peça à IA rascunhos de hipóteses e contraexemplos, sempre exigindo fontes e limitações. Enquanto a turma checa consistência e lacunas, elabora-se um pequeno glossário de conceitos-chave e uma planilha de evidências com colunas para citação, tipo de fonte e grau de confiabilidade. Feche com uma discussão metacognitiva sobre vieses de dados e enquadramentos, comparando diferentes narrativas e identificando onde a IA foi útil e onde exigiu correções humanas.
Em 2–3 aulas, o Cenários express usa a IA para ampliar o repertório de drivers e depois reduz a complexidade com uma matriz 2×2. Cada grupo prioriza incertezas críticas e impactos, define quatro mundos plausíveis e descreve implicações para atores-chave. A turma estabelece indicadores observáveis e um plano de monitoramento com sinais fracos, gatilhos e fontes de acompanhamento. Como entregas, produzem um painel visual, um resumo executivo e uma breve nota metodológica sobre escolhas e limites.
Em 2–3 semanas, o Dossiê geopolítico articula coleta de dados, cartografia temática e escrita de um policy brief de até 1200 palavras. A IA apoia na organização do cronograma, na limpeza de textos e na geração de alternativas de estrutura, mas as afirmações devem ser fundamentadas em dados públicos e citadas com precisão. O dossiê inclui mapas, séries históricas, análise de interesses e opções de política, seguido de um debate público em sala e revisão por pares guiada por rubrica, com iteração a partir do feedback.
Transversalmente, explicite regras éticas de uso da IA, peça o anexo dos logs de prompts e versões de rascunho, e avalie com critérios de qualidade de evidência, diversidade de fontes, clareza visual e força argumentativa. Estimule a explicabilidade: por que o grupo escolheu certos dados, que incertezas permaneceram e como isso afeta as conclusões. Como extensão, publique os produtos em um repositório da escola, com links e licenças abertas, reforçando autoria estudantil e a IA como meio para pensar melhor o mundo.
Infraestrutura mínima e organização da turma
Com 1 dispositivo por grupo, priorize tarefas de curadoria, síntese e visualização. Tenha um plano offline: dossiês impressos e dados previamente baixados. Distribua papéis (analista, verificador, cartógrafo, relator) e rotacione. Estime tempos curtos para ciclos de checagem e garanta acessibilidade (fontes legíveis, descrição textual de mapas).
Organize o espaço físico e digital para reduzir atritos: mesas em ilhas, tomadas e extensões à mão, quadro visível para o cronograma e um repositório central com links curados. Se possível, publique um índice com QR codes para datasets, mapas base e guias de estilo. Quando a conexão oscilar, os grupos continuam com pacotes de dados em pen drives e mapas base impressos, retornando ao fluxo online assim que possível.
Defina um fluxo de trabalho em sprints de 20 a 30 minutos: coleta rápida, verificação cruzada, síntese visual e relato. Cada grupo mantém um quadro de evidências com a origem, data e licença de cada item, e pratica versionamento simples dos arquivos. Padronize a nomenclatura de documentos e use uma planilha comum com abas para fontes, hipóteses, indicadores e pendências, evitando duplicação de esforços.
Para garantir participação ampla, estabeleça duplas de apoio técnico e revezamento de funções, incorporando recursos de leitura em voz alta, alto contraste e navegação por teclado quando disponíveis. Oriente quanto à privacidade e à conformidade com a LGPD: nada de dados pessoais sensíveis, uso de contas institucionais e registro explícito de permissões e licenças. Reforce a netiqueta e a citação de fontes, modelando pedidos claros à IA e anotando limitações dos resultados.
Na avaliação, combine rubricas focadas em rastreabilidade, clareza argumentativa e utilidade dos artefatos criados. Preveja planos B e C para contingências: se faltar energia, os grupos passam a trabalhar na análise dos dossiês; se cair a internet, realizam esboços de mapas e narrativas com base no acervo offline. Feche com uma retrospectiva breve, documentando o que funcionou, o que precisa de ajuste e quais próximos passos serão adotados.
Próxima leitura