Um estudo investigou os fatores determinantes da localização de supermercados no estado de São Paulo, com o objetivo de investigar os fatores que explicam a presença e a expansão desses estabelecimentos, considerando dimensões socioeconômicas, demográficas e mercadológicas. Utilizaram-se dados dos Censos Demográficos de 2010 e 2022 do IBGE e informações do Cadastro Nacional de Pessoas Jurídicas da Receita Federal do Brasil para construir um banco de dados georreferenciado. Aplicou-se um modelo de classificação Random Forest, ajustado por grid search com validação cruzada, priorizando a métrica recall-macro devido ao desbalanceamento da variável dependente, que representou a presença ou ausência de supermercados em um buffer de 50 metros. Os resultados indicaram que a localização de supermercados está fortemente associada a características demográficas, de renda e de população no entorno. A análise de importância das variáveis evidenciou que fatores sociodemográficos, como alfabetização de idosos, renda domiciliar e a presença de outros estabelecimentos de alimentação, exerceram influência significativa, especialmente no entorno imediato. Os achados reforçaram a hipótese de que a distribuição espacial de supermercados não é aleatória, sendo condicionada por características socioeconômicas e pela estrutura comercial do território, oferecendo subsídios para decisões empresariais e planejamento urbano.

Palavras-chave: Análise espacial; Aprendizado de máquina; Expansão; Localização comercial; Supermercados.

A educação antirracista, compreendida como eixo estruturante da educação inclusiva e do desenvolvimento social, foi investigada no contexto brasileiro. O estudo objetivou identificar e analisar, com base em documentos legais e na percepção de professores, as práticas educativas capazes de promover o antirracismo na escola e na sociedade, e como a implementação das Leis nº 10.639/03 e nº 11.645/08 contribuiu para a justiça social. Adotou-se uma abordagem qualitativa e documental, com análise de legislação educacional, diretrizes curriculares, relatórios institucionais e literatura acadêmica. Complementarmente, aplicou-se um questionário semiestruturado a 295 professores da Educação Básica. Os dados foram avaliados quantitativa e qualitativamente, por meio de análise de conteúdo temática, e validados com estudos bibliográficos. Os resultados revelaram um paradoxo: apesar de um arcabouço legal robusto, a implementação das políticas antirracistas mostrou-se frágil e pontual, com carência de formação docente, materiais didáticos adequados e monitoramento. Constatou-se a persistência de desigualdades educacionais significativas entre estudantes brancos e negros, e a maioria dos professores reconheceu a ocorrência de racismo nas escolas, mas sem protocolos institucionais claros. A análise neurocientífica demonstrou que o racismo impacta negativamente o desenvolvimento cognitivo e emocional dos estudantes. Concluiu-se que a educação antirracista é central para uma educação de qualidade, exigindo compromisso político, investimento público e articulação intersetorial. A integração da Neurociência na formação docente e a produção de materiais qualificados são cruciais para fortalecer o papel da escola na construção de uma sociedade mais justa e inclusiva.

Palavras-chave: Desenvolvimento Social; Educação Antirracista; Justiça Social; Lei 10.639/03; Práticas Educativas Inclusivas.

A Dupla Excepcionalidade, caracterizada pela coexistência de Altas Habilidades/Superdotação e transtornos do neurodesenvolvimento, representa um fenômeno complexo que desafia modelos tradicionais de identificação e escolarização. O estudo teve como objetivo compreender as percepções de pais ou responsáveis, professores e outros profissionais da educação acerca da escolarização de estudantes com Dupla Excepcionalidade no contexto brasileiro, investigando desafios, estratégias pedagógicas e possibilidades de inclusão pautadas na equidade. A pesquisa adotou uma abordagem qualitativa, exploratória e descritiva, e coletou dados por meio de um questionário online, voluntário e anônimo, respondido por 25 participantes. Os dados discursivos foram analisados por meio da análise de conteúdo temática. Os resultados indicaram que o conhecimento sobre o tema é frequentemente construído a partir de experiências pessoais e profissionais, revelando lacunas na formação sistematizada. Identificaram-se dificuldades na identificação desses estudantes, na formação docente e na implementação de planos educacionais individualizados, flexibilização pedagógica e enriquecimento curricular. Relataram-se repercussões socioemocionais, como frustração e baixa autoestima. Contudo, algumas escolas demonstraram práticas inclusivas fundamentadas na equidade, articulando necessidades específicas e potencialidades. Embora os resultados não permitam generalizações, evidenciaram a necessidade de fortalecer a formação profissional e a articulação entre escola, família e serviços especializados. Concluiu-se que a inclusão de estudantes com Dupla Excepcionalidade requer práticas que reconheçam simultaneamente suas dificuldades e potencialidades, garantindo condições equitativas de participação, aprendizagem e desenvolvimento.

Palavras-chave: Desenvolvimento humano; Formação docente; Inclusão escolar; Neurodivergência; Práticas pedagógicas.

A gestão eficiente das operações logísticas em centros de distribuição é fundamental para a competitividade, especialmente em atividades intensivas em mão de obra, que impactam custos operacionais e o nível de serviço. O estudo objetivou desenvolver e avaliar diferentes modelos de previsão de demanda para otimizar a gestão de estoque e recursos em um centro de distribuição alimentício. Para isso, utilizaram-se dados históricos de movimentação de um sistema WMS, aplicando-se modelos de regressão linear, suavização exponencial de Holt-Winters e o algoritmo LightGBM. Os resultados indicaram que modelos tradicionais apresentaram limitações na captura da dinâmica da demanda, com desempenho inferior ao LightGBM. O algoritmo de aprendizado de máquina demonstrou desempenho superior, especialmente após a incorporação de maior granularidade dos dados e variáveis temporais, o que permitiu maior aderência à dinâmica da demanda. A aplicação do modelo resultou em uma redução de 36,38% no deslocamento para o pallet picking e de 31,98% para o case picking, totalizando uma redução global de 33,64%. Concluiu-se que a utilização de modelos preditivos contribuiu para a melhoria da eficiência operacional, permitindo melhor alocação de recursos e organização dos itens no processo de separação de pedidos.

Palavras-chave: Aprendizado de máquina; Classificação ABC; Eficiência operacional; Logística; Previsão de demanda.

A crescente demanda no turismo ecológico em Minas Gerais impulsionou a busca por inteligência de negócios para transformar dados de clientes em informações estratégicas. O estudo objetivou estruturar um pipeline de ciência de dados para coletar, segmentar e classificar a base de clientes de uma operação de ecoturismo, visando otimizar ações de marketing e antecipar movimentos de mercado. Realizou-se uma pesquisa exploratória, de natureza quali-quantitativa, por meio de um estudo de caso. Utilizaram-se 2.777 registros transacionais de uma empresa de ecoturismo, referentes a janeiro de 2024 a dezembro de 2025. O processo metodológico envolveu coleta automatizada de dados (API Google Sheets), tratamento e enriquecimento (ETL), validação e criação de atributos RFM (Recência, Frequência e Valor Monetário). Aplicou-se redução de dimensionalidade via PCA e agrupamento K-Means, com o número de clusters definido pelo método do Cotovelo e Silhouette Score. Validaram-se os resultados com DBSCAN e K-Medoids. Os resultados revelaram a identificação de três segmentos comportamentais de clientes: “Fiel”, “Baixo Valor” e “Potencial”. O segmento “Fiel” representou o maior valor econômico acumulado, enquanto o “Potencial” destacou-se pelo alto ticket médio e potencial de conversão em recorrência. A integração das técnicas de análise de dados demonstrou ser um método robusto e replicável para gerar inteligência no ecoturismo. Concluiu-se que o pipeline de ciência de dados estruturado viabilizou a segmentação comportamental da base de clientes, a validação estatística dos grupos e a criação de um sistema preditivo para novos compradores, fornecendo subsídios para decisões estratégicas baseadas em dados e futuras análises.

Palavras-chave: Clusterização; Inteligência de negócios; Machine Learning; Segmentação de clientes; Tomada de decisão.

O risco de inadimplência em operações de crédito demandou abordagens analíticas para antecipar perdas. Este estudo avaliou comparativamente o desempenho de modelos supervisionados de aprendizado de máquina na classificação de clientes inadimplentes em operações de cartão de crédito. Utilizou-se a base pública “Default of Credit Card Clients”, da Universidade da Califórnia Irvine, com 30.000 observações e desbalanceamento de classes. Foram empregados os algoritmos Regressão Logística, Random Forest e Extreme Gradient Boosting. O desbalanceamento foi tratado por meio da atribuição de pesos às classes, e a otimização dos modelos ocorreu com o método RandomizedSearchCV, priorizando a sensibilidade. Os resultados da validação cruzada indicaram que o modelo Extreme Gradient Boosting apresentou maior capacidade de identificação da classe inadimplente e melhor desempenho discriminatório, seguido pelo Random Forest e pela Regressão Logística, com sensibilidade de 0,8250 e AUC-ROC de 0,7844 para o XGBoost. A análise de interpretabilidade, conduzida pela técnica Shapley Additive Explanations (SHAP), evidenciou a predominância de variáveis associadas ao comportamento de pagamento, especialmente o histórico de atrasos. Concluiu-se que modelos baseados em árvores, particularmente técnicas de boosting, mostraram-se mais adequados para capturar padrões complexos nos dados, configurando-se como alternativas consistentes para a gestão de risco de crédito.

Palavras-chave: Aprendizado de Máquina; Cartão de Crédito; Classificação; Extreme Gradient Boosting; Risco de Crédito.