Com a vontade de automatizar diversas tarefas utilizando Aprendizado de Máquina e ensinar computadores a classificar certas informações, se tornou crescente a necessidade de especialistas capazes de rotular amostras corretamente auxiliando na criação de bases para treino dos algoritmos. Como este processo pode facilmente se tornar caro, lento e/ou repetitivo, tem se buscado métodos para melhorá-lo. Aprendizado Ativo é um destes métodos, que, calculando um valor para designar o quão informativo é um exemplo, pergunta interativamente para o especialista classificar apenas os exemplos mais significativos para melhorar o modelo. Então, este trabalho estuda a aplicação de diversas estratégias de Aprendizado Ativo, utilizando variações de conjuntos de dados e modelos para entender quando, como e por que é interessante utilizar este método.