Uma equipe de auditoria fiscal de um ente estadual desenvolveu um modelo de aprendizado supervisionado para priorizar contribuintes a serem fiscalizados quanto à sonegação de ICMS. O conjunto de dados possui 10.000 contribuintes, dos quais apenas 200 são efetivamente sonegadores (classe positiva). O modelo foi treinado e, ao ser aplicado a esse mesmo conjunto, produziu a seguinte matriz de confusão:

• Verdadeiros Positivos (VP) = 120
• Falsos Negativos (FN) = 80
• Falsos Positivos (FP) = 300
• Verdadeiros Negativos (VN) = 9.500

O gestor da equipe, ao analisar os resultados, afirmou: 'Como a acurácia do modelo é de 96,2%, ele é excelente para o nosso propósito, pois erra pouco'. Um analista de dados, entretanto, contestou a afirmação, argumentando que a acurácia é uma métrica enganosa nesse contexto e que outras medidas revelam um desempenho insatisfatório para a finalidade de priorização de fiscalizações.

Considerando os conceitos de avaliação de modelos de classificação e a situação descrita, assinale a alternativa que apresenta, corretamente, a métrica que melhor evidencia a limitação do modelo para o propósito de identificar sonegadores e o valor correspondente.