Metodologia

1 · Pergunta de pesquisa

O que motivou o estudo

Egressos de TI do IFES — Campus Serra que passaram por uma base comum de formação — ensino (monitoria), pesquisa aplicada (iniciação científica, bolsa FAPES/Prodest) e extensão em laboratórios do IFES — têm hoje que trajetória de carreira e renda? A hipótese: essas três vivências, antes do primeiro emprego formal, antecipam a chegada a posições sênior, à liderança técnica e ao mercado internacional.

2 · O fluxo em cinco etapas

Um pipeline ETL orquestrado por data/build_report.py — cada etapa lê a saída da anterior

3 · Fontes de dados

Quatro bases externas + coleta de perfis; tudo público, exceto o cadastro de bolsas

4 · Estimativa salarial — o cálculo

Como cada ponto da série de renda é produzido

• Match de mercado. Para cada egresso e cada ano de carreira, cruza-se o ano de experiência com a mediana da Stack Overflow daquela época — mesma trilha (Software ou Dados), filtrando devs do Brasil.
• Janela de experiência. Amostra em exp ± 1 ano; se ficar com menos de 8 respostas, amplia para ± 2. Exige n ≥ 5 para publicar o ponto.
• Valor da época vs. hoje. A série mostra duas leituras: o valor da época (corrigido pela inflação) e a valores de hoje (reprecificado pelo mercado de 2026).
• Anos iniciais. Em estágio/bolsa nos dois primeiros anos aplica-se fator de 0,5 sobre a mediana de mercado, refletindo a jornada/remuneração parcial.

5 · Análises derivadas

A partir da série e dos perfis, sem bibliotecas pesadas (estatística em NumPy puro)

Cada análise carrega sua ressalva no relatório — em especial gênero (amostra pequena, inferência binária aproximada, não identidade declarada) e porte de empresa (só o nome público da empresa é enviado ao modelo, nunca o nome de qualquer egresso).

6 · Garantia de qualidade & privacidade

Por que os números são confiáveis — e por que ninguém é identificável

• Fonte única de verdade. As páginas não guardam números próprios: cada valor é lido do catálogo e renderizado no build. Editar o HTML à mão é impossível por design — ele é gerado.
• QA automático. test_projecao_impacto.py compara cada número do dataset publicado com a fonte que o originou — indicadores, faixas, dispersão, fluxo, tabelas, mapas de calor. Uma divergência = FALHA. Antes essa conferência era feita ao contrário, reextraindo constantes de dentro do HTML; ela deixou de ser possível quando as páginas pararam de ter JavaScript, e deixou de ser confiável antes disso, porque comparava um despejo de constantes desatualizado e passava.
• Anonimização. Cada pessoa vira um rótulo (A, B, C…). Sem nomes, empresas ou localidades individuais — apenas trilha e anos de experiência.
• Gate de PII. O portão de publicação varre toda a saída em busca de qualquer nome de pessoa ou empresa da base. Se encontrar, a publicação é bloqueada. O repositório com dados reais nunca é publicado.

7 · Reprodutibilidade

Um comando regenera e valida o relatório inteiro

# gera todos os JSON, reescreve os dashboards e valida
python data/build_report.py

# após validar, publica a versão anonimizada
python data/build_report.py --publish