# Medidor de Impacto de Bullets de Currículo

Avalia cada bullet do currículo: verbos fortes, métricas quantificadas, comprimento e repetições, buzzwords do setor. Devolve 0–100, sugestões de reescrita e sinônimos.

> Página canônica: https://elysiatools.com/pt/tools/resume-bullet-impact-meter

- **Categoria:** Text Processing

- **Palavras-chave:** currículo, cv, bullet, impacto, verbo forte, métricas, buzzword, revisão de cv, carreira, emprego, reescrever, pontuação

## Visão geral

A maioria dos bullets de currículo falha pelos mesmos motivos: verbos fracos, sem números, jargão e vagueza. Esta ferramenta audita cada bullet quanto a esses modos de falha e o pontua 0–100.

**O que verifica (cinco dimensões).**
- **Força do verbo** — o bullet começa com um verbo forte (*Architected, Shipped, Migrated, Drove, Closed*) ou fraco (*Worked, Helped, Was responsible for*)? O dicionário é ajustado por setor.
- **Métricas quantificadas** — contém um número, %, valor, tempo poupado ou multiplicador (3x)? Sem números, soa como opinião.
- **Comprimento** — muito curto (<8 palavras) é vago; muito longo (>30 palavras) enterra o ponto. Ideal: 12–25 palavras.
- **Jargão** — acertos numa lista negra de buzzwords (synergy, leverage, rockstar, ninja…).
- **Variedade de palavras** — sinaliza palavras repetidas 3+ vezes.

**Como ler a pontuação.** O total é uma mistura ponderada; as barras por dimensão mostram onde focar. Cada bullet recebe sugestões concretas e um modelo de reescrita.

**Por que não só perguntar a uma IA.** Um motor de regras determinístico é reprodutível, instantâneo e funciona offline. Ele pega os problemas objetivos que todo bullet deve corrigir antes do polimento estilístico.

## Entradas

- **Pontos do currículo** (textarea): Worked on the authentication system and helped the team. Migrated legacy auth from session cookies to JWT, cutting auth-related support tickets 42% across 1.2M users.
- **Setor** (select)
- **Rigor** (select)

## Quando usar

- Ao atualizar seu currículo para uma nova candidatura e querer garantir que suas conquistas se destaquem para os recrutadores.
- Quando precisar transformar descrições de tarefas vagas e passivas em realizações de alto impacto e orientadas a resultados.
- Para identificar e eliminar jargões corporativos excessivos e palavras repetidas que enfraquecem a leitura do seu perfil profissional.

## Como funciona

- Insira os pontos (bullets) do seu currículo no campo de texto e selecione o seu setor profissional e o nível de rigor da análise.
- O analisador processa o texto com base em cinco dimensões: força do verbo inicial, presença de métricas quantificadas, extensão do texto, repetições e uso de jargões.
- A ferramenta calcula uma pontuação de 0 a 100 para cada linha e exibe sugestões imediatas de melhoria, sinônimos e modelos de reescrita.

## Casos de uso

- Otimização de currículos de tecnologia para destacar migrações de sistemas e redução de custos operacionais com dados exatos.
- Revisão de perfis de gerentes de produto para focar em métricas de crescimento de usuários e conversão de funil.
- Ajuste de currículos de vendas para evidenciar metas batidas, aumento de receita e expansão de carteira de clientes.

## Perguntas frequentes

### Como a pontuação de 0 a 100 é calculada?

A nota é uma média ponderada baseada na força do verbo de ação, presença de métricas numéricas, tamanho ideal da frase, variedade de palavras e ausência de jargões.

### O que é considerado um verbo forte para o currículo?

Verbos que indicam liderança e execução direta, como 'Migrated', 'Drove' ou 'Architected', em vez de termos passivos como 'Worked' ou 'Helped'.

### Por que as métricas quantificadas são importantes?

Números, porcentagens e valores comprovam o impacto real do seu trabalho, transformando descrições subjetivas em fatos concretos.

### Como a escolha do setor influencia a análise?

A ferramenta ajusta o dicionário de verbos recomendados e a lista de jargões indesejados de acordo com a área selecionada, como Tecnologia, Produto ou Vendas.

### O analisador reescreve o meu texto automaticamente?

Ele não reescreve de forma autônoma, mas fornece modelos estruturados e sugestões de sinônimos para que você ajuste o texto mantendo a veracidade dos seus dados.

## Ferramentas relacionadas

- [Gerador de marcadores de capítulos de podcast (ID3 / Podcasting 2.0)](https://elysiatools.com/pt/tools/podcast-chapter-marker-builder): Cole uma lista de capítulos com timecodes e gere de uma vez todos os formatos de entrega: JSON de capítulos Podcasting 2.0 (v1.2.0) e tag RSS podcast:chapters, gravação opcional dos frames ID3v2.4 CHAP+CTOC direto num MP3 enviado (milissegundos como uint32 big-endian simples, offsets 0xFFFFFFFF, subframe TIT2 por capítulo, frames existentes preservados), pares de comentários Vorbis CHAPTER001 (OGG/Opus), texto mp4chaps, bloco de timestamps para a descrição do YouTube e sidecar SRT, mais a matriz real de suporte dos players (Apple aceita o JSON via RSS desde 2025; Pocket Casts/Overcast leem só ID3 embutido; Spotify ignora ambos).
- [Reescritor STAR de Tópicos de Currículo](https://elysiatools.com/pt/tools/resume-bullet-star-rewriter): Reescreve tópicos fracos do currículo em conquistas pelo método STAR (Situação/Tarefa/Ação/Resultado) com verbos fortes e resultados quantificados, mais pontuações STAR antes/depois e diagnóstico de legibilidade
- [Escore de Caprini (risco de TEV, versão 2005)](https://elysiatools.com/pt/tools/caprini-score): Avalia o risco de TEV em pacientes cirúrgicos (Caprini RAM 2005): 1 ponto (idade 41-60, cirurgia menor, IMC >25, pernas inchadas, varizes, gravidez/pós-parto, abortos, ACO/TH, sepse <1 mês, doença pulmonar grave incl. pneumonia <1 mês, DPOC, IAM, IC <1 mês, acamado, paciente clínico acamado, DII); 2 pontos (idade 61-74, artroscopia, cirurgia aberta >45 min, videolaparoscopia >45 min, neoplasia, acamado >72 h, gesso, CVC); 3 pontos (idade ≥75, TEV pessoal, TEV familiar, fator V Leiden, protrombina 20210A, anticoagulante lúpico, anticardiolipina, homocisteína, TIH, outra trombofilia); 5 pontos (AVC <1 mês, artroplastia maior eletiva do membro inferior, fratura quadril/pelve/perna <1 mês, lesão medular aguda <1 mês, trauma múltiplo <1 mês). Níveis (conduta): 0 mínimo, 1-4 baixo-moderado (profilaxia mecânica), 5-6 alto (mecânica + considerar HBPM 7-10 dias), 7-8 alto (mecânica + HBPM 7-10 dias), ≥9 máximo (mecânica + HBPM 30 dias). Fonte: Caprini 2005. Não é conselho médico.
- [Escore CHA₂DS₂-VASc (risco de AVC em fibrilação atrial)](https://elysiatools.com/pt/tools/chads2-vasc-score): Estratifica o risco de AVC em fibrilação atrial não valvar: IC/disfunção VE, HTA, idade ≥75 (2 pontos), diabetes, AVC/AIT/tromboembolia prévia (2 pontos), doença vascular, idade 65-74 e sexo feminino. Anticoagulação recomendada se homem ≥2 ou mulher ≥3 (preferir DOAC); considerar se homem 1 ou mulher 2; omitir se homem 0 ou mulher ≤1 (apenas sexo feminino = 0). Fontes: Lip 2010 Chest, 2019 AHA/ACC/HRS, 2023 ACC/AHA/ACCP/HRS. Decisão compartilhada com HAS-BLED. Não é conselho médico.
- [Índice de Comorbidade de Charlson (com ajuste por idade)](https://elysiatools.com/pt/tools/charlson-comorbidity-index): Estima o risco de mortalidade em 1 ano com 19 comorbidades crônicas (variante ajustada por idade): 1 ponto (IM/ICC/DVP/AVC/demência/DPC/tecido conjuntivo/úlcera péptica/hepatopatia leve/DM sem complicações); 2 pontos (hemi-/paraplegia/DRC moderada-grave/DM com lesão orgânica/tumor não metastático/leucemia/linfoma); 3 pontos (hepatopatia moderada-grave); 6 pontos (tumor sólido metastático/SIDA). Ajuste por idade: 50-59 +1, 60-69 +2, 70-79 +3, 80-89 +4, ≥90 +5. Risco: 0 ~8 %, 1-2 ~25 %, 3-4 ~50 %, ≥5 ~80-90 %. Fontes: Charlson 1987/1994. Não é conselho médico.
- [Comparação de gravidade de pneumonia (CURB-65 / PSI / SMART-COP)](https://elysiatools.com/pt/tools/curb-65-vs-pneumonia-severity): Calcula simultaneamente três escores de pneumonia e os compara: CURB-65 (0-5, encaminhamento), PSI/PORT (classe I-V, estratificação de mortalidade mais precisa), SMART-COP (0-10, prevê necessidade de suporte respiratório/vasopressor na UTI). Cada um tem foco: CURB-65 rápido; PSI mais preciso, porém complexo; SMART-COP detecta quem precisa de UTI. Mostra o total e a categoria de cada escore, e analisa a concordância (todos ambulatorial/internação/UTI). Em caso de discordância, conduta mais conservadora. Fontes: Lim 2003, Fine 1997, Charles 2008. Não é conselho médico.
- [Concentração Final de Diluição Múltipla](https://elysiatools.com/pt/tools/dilution-factor-final): Calcula a concentração final após diluições em série: C_f = C₀ × ∏(Vᵢ/(Vᵢ+V_d)). Uma etapa por linha no formato "alíquota : diluente" (1 : 9 = uma parte em nove de diluente, diluição 10×). Mostra o fator de cada etapa, o acumulado e a concentração em cada etapa, o fator total e a concentração final (decimal e científica). Unidades: M/mM/µM/nM, mg/mL/µg/mL/ng/mL e cells/mL. Exemplo: 5 mg/mL após três etapas 1:9 → 0.005 mg/mL (1000×).
- [Calculadora de concentração de DNA (absorbância A260)](https://elysiatools.com/pt/tools/dna-concentration-a260): Determina a concentração de DNA pela absorbância UV a 260 nm: concentração (µg/mL) = A260 × fator de diluição × constante ÷ trajeto óptico (cm). Constantes: DNA de fita dupla 1 OD = 50 µg/mL, fita simples 1 OD = 33 µg/mL (RNA 40 — veja a ferramenta de RNA). 1 µg/mL = 1 ng/µL; informe o volume de eluição para obter o rendimento total em µg. Inclui a janela linear 0.1–1.5: abaixo de 0.1 o ruído domina, acima de 1.5 o detector pode saturar. Pureza avalie por OD260/280. Fontes: Marmur & Doty 1961/1962, Sambrook & Russell, Thermo Fisher NanoDrop. Apenas para educação e planejamento experimental.

## Exemplos

- [Exemplos de Processamento de Imagem Web Python](https://elysiatools.com/pt/samples/web-image-processing-python): Exemplos de processamento de imagem Web Python usando PIL/Pillow incluindo leitura, salvamento, redimensionamento e conversão de formato
- [Exemplos de Processamento de Imagem Android Java](https://elysiatools.com/pt/samples/android-image-processing-java): Exemplos de processamento de imagem Android Java incluindo leitura/escrita, dimensionamento e conversão de formato
- [Exemplos de Processamento de Imagem Android Kotlin](https://elysiatools.com/pt/samples/android-image-processing-kotlin): Exemplos de processamento de imagem Android Kotlin incluindo leitura/escrita, dimensionamento e conversão de formato
- [Exemplos de Processamento de Imagem Web Rust](https://elysiatools.com/pt/samples/web-image-processing-rust): Exemplos de processamento de imagem Web Rust incluindo leitura/gravação, redimensionamento e conversão de formato