Aprimoramento do IPM goiano mediante classificação automática de itens em documentos fiscais

doi:10.22167/2675-6528-202602655

Artigo

30 de setembro de 2026

Aprimoramento do IPM goiano mediante classificação automática de itens em documentos fiscais

Aprimoramento do Ipm Goiano Mediante Classificação Automática de Itens em Documentos Fiscais

Allan da Costa Andrade; Abdoulaye Aboubacari Mohamed

DOI: 10.22167/2675-6528-202602655

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A automação da classificação de dados fiscais é crucial para aprimorar a gestão tributária. O estudo desenvolveu, implementou e avaliou modelos de aprendizado de máquina para automatizar o tratamento e a classificação de dados fiscais utilizados no cálculo do Índice de Participação dos Municípios (IPM) no Estado de Goiás, com foco na identificação de itens de hortifrúti comercializados no CEASA-Goiás. A pesquisa baseou-se na análise de dados secundários de notas fiscais eletrônicas de 2024, caracterizadas por grande volume e complexidade. Adotou-se uma abordagem quantitativa, descritiva e explicativa. O processo metodológico incluiu extração, tratamento, padronização e organização dos dados, além da construção de uma base supervisionada para treinamento, validação e teste. Utilizaram-se técnicas de Processamento de Linguagem Natural e algoritmos de aprendizado supervisionado para classificar descrições de itens fiscais. O desempenho foi avaliado por métricas como acurácia, precisão, revocação e consistência. Os resultados obtiveram acurácia superior a 95% na identificação de produtos de hortifrúti. Em comparação ao processo manual, observou-se redução significativa no tempo de processamento, diminuição de inconsistências e melhoria na integridade dos dados utilizados no cálculo do IPM. A solução automatizada contribuiu para maior transparência, confiabilidade e precisão das informações fiscais, otimizando o uso de recursos humanos. Concluiu-se que a aplicação de técnicas de ciência de dados e inteligência artificial é uma alternativa eficaz para aprimorar a gestão tributária estadual.

Palavras-chave: Active Learning; Ciência de Dados; Gestão Tributária; Índice de Participação dos Municípios; NF-e.

1. Introdução

A aplicação de técnicas de ciência de dados tem sido amplamente expandida no contexto da gestão pública. A adoção de métodos de ciência de dados e aprendizado de máquina é fundamental para extrair valor e conhecimento de grandes volumes de dados, um imperativo que se estende à otimização de políticas públicas e processos fiscais (Fávero e Belfiore, 2021).

O Índice de Participação dos Municípios (IPM) é um instrumento que distribui de maneira proporcional os recursos arrecadados pelo estado entre os municípios, considerando fatores econômicos e fiscais. No Estado de Goiás, a metodologia adota a transparência total, utilizando dados granulares de todos os documentos fiscais eletrônicos. Essa abordagem gera um volume de aproximadamente seis bilhões de itens de notas fiscais, o que, embora garanta a transparência, impõe barreiras de processamento técnico.

A tarefa de classificação automática de descrições de itens fiscais pode ser compreendida como um problema clássico de classificação de textos em Processamento de Linguagem Natural. Nesses casos, dados não estruturados, frequentemente curtos e ruidosos, devem ser categorizados de forma automática. Esse tipo de problema apresenta desafios específicos relacionados à alta variabilidade linguística, ambiguidade semântica e baixa padronização textual (Manning et al., 2008).

Adicionalmente, bases fiscais reais, como as utilizadas neste estudo, tendem a apresentar desbalanceamento de classes, no qual determinadas categorias possuem muito mais exemplos do que outras. Esse fenômeno é amplamente discutido na literatura de aprendizado de máquina, pois pode levar os modelos a apresentarem viés em favor das classes majoritárias, reduzindo a capacidade de generalização (Fávero e Belfiore, 2021).

Em contextos fiscais, o processamento e a correta categorização de documentos eletrônicos constituem desafios relevantes, especialmente diante da variabilidade textual e da complexidade das regras tributárias. Laruccia (2022) demonstrou a viabilidade do uso de modelos de Processamento de Linguagem Natural e aprendizado de máquina para a classificação automática de notas fiscais eletrônicas. Interian et al. (2024), ao analisarem dados fiscais brasileiros para detecção de anomalias, destacam a importância de técnicas robustas de mineração de dados para garantir a integridade e a conformidade das informações.

Apesar dos avanços apresentados na literatura, observa-se uma lacuna na aplicação integrada dessas abordagens em contextos fiscais reais brasileiros, especialmente em cenários que envolvem dados massivos, descrições curtas e ruidosas, além de significativo desbalanceamento de classes. Há escassez de estudos que exploram simultaneamente esses desafios no contexto da classificação de itens fiscais, considerando ainda particularidades setoriais, como o segmento de hortifrúti e sua influência na apuração do IPM. Assim, o presente trabalho se insere nesse contexto, com foco na classificação de itens de hortifrúti do CEASA Goiás, visando evitar a duplicidade na base de cálculo do IPM e contribuir para maior precisão e justiça na distribuição dos recursos. O objetivo deste trabalho é desenvolver, implementar e avaliar modelos de machine learning aplicados à automação do tratamento e da classificação de dados fiscais utilizados no cálculo do Índice de Participação dos Municípios (IPM) no Estado de Goiás, com foco na identificação de itens de hortifrúti comercializados no CEASA-Goiás.

2. Material e Métodos

A abordagem metodológica adotada neste estudo fundamentou-se em técnicas consolidadas de ciência de dados e aprendizado de máquina. A pesquisa caracterizou-se como descritiva e explicativa, buscando determinar o impacto da classificação automatizada na precisão do Índice de Participação dos Municípios (IPM). O delineamento principal consistiu na implementação e avaliação de algoritmos de

machine learning

, alinhando-se às linhas de pesquisa de automação e

strategic analytics

(Fávero e Belfiore, 2021; Manning et al., 2008).

A pesquisa utilizou dados secundários, oriundos de bases internas da administração tributária do Estado de Goiás. As fontes de informação foram as bases granulares das Notas Fiscais eletrônicas (NF-e) do CEASA/CEARANA-Goiás. O âmbito temporal do estudo concentrou-se no ano de 2024, analisando o volume massivo de itens fiscais para os quais a classificação manual de hortifrúti demandava esforço significativo.

O processo metodológico inicial incluiu etapas de extração, tratamento, padronização e organização dos dados. Posteriormente, construiu-se uma base supervisionada para o treinamento, validação e teste dos modelos de classificação. A análise preliminar envolveu um arquivo completo com mais de 344.000 registros, que seriam classificados binariamente como hortifrúti ou não hortifrúti.

A classificação automática de descrições textuais em documentos fiscais insere-se no contexto de problemas clássicos de classificação de textos curtos. Tais descrições são caracterizadas por alta variabilidade lexical, baixo contexto semântico e presença de ruídos, exigindo técnicas específicas de pré-processamento e modelagem (Manning et al., 2008; Salton e Buckley, 1988). Bases fiscais reais frequentemente apresentam desbalanceamento de classes, o que pode comprometer o desempenho preditivo dos modelos (Fávero e Belfiore, 2021).

A etapa de pré-processamento dos dados consistiu na aplicação de técnicas de limpeza e normalização textual (Manning et al., 2008). Isso incluiu padronização de caracteres, remoção de acentos, conversão de números para “NUM” e eliminação de espaços duplicados. Foram utilizadas

stop words

como “de”, “da”, “do”, “para”, “com”, “em”, “no”, “na”, “kg”, “un”, “und”, “cx”, “sc”, “gr”, “ml”, “gtin” e “cm”, e uma expressão regular para remover palavras isoladas.

Para a representação dos dados textuais, optou-se pela extração de características baseada em n-gramas, incluindo unigramas, bigramas e trigramas. Essa abordagem foi escolhida para capturar o contexto semântico em descrições curtas, mitigando a ambiguidade de termos isolados (Manning et al., 2008; Fávero e Belfiore, 2021). A técnica TF-IDF foi empregada para transformar os dados textuais em representações numéricas, refletindo a importância relativa dos termos no corpus (Salton e Buckley, 1988).

A escolha dos algoritmos de classificação considerou sua eficiência computacional e adequação a problemas de classificação textual em espaços de alta dimensionalidade. Foram utilizados o algoritmo Naive Bayes e o Passive-Aggressive Classifier, um algoritmo de aprendizado online baseado em modelos lineares. Ambos são reconhecidos na literatura por seu bom desempenho e capacidade de generalização em cenários com grande volume de dados e alta variabilidade textual (Manning et al., 2008; Ng e Jordan, 2002).

Para a construção incremental e supervisionada das bases de treinamento e validação, adotou-se a técnica de

active learning

(Settles, 2012; Marcacini e Rezende, 2012). Essa estratégia visou priorizar a seleção de exemplos mais informativos para o processo de aprendizagem, reduzindo o esforço de supervisão. Inicialmente, construiu-se uma base supervisionada mínima com 700 registros. O processo seguiu um fluxo iterativo de treinamento, predição, identificação dos casos mais incertos, validação manual e atualização da base de dados.

O conjunto de dados foi dividido em subconjuntos de treinamento (80%) e validação (20%), utilizando amostragem estratificada para preservar a proporção entre as classes. Essa abordagem é relevante em cenários com desbalanceamento de classes, contribuindo para uma avaliação robusta do desempenho dos modelos (He e Garcia, 2009). A avaliação dos modelos foi realizada por meio de métricas quantitativas de classificação, incluindo acurácia, precisão, revocação (

recall

), F1-score e análise da matriz de confusão.

3. Resultados e Discussão

A pesquisa teve como objetivo principal desenvolver, implementar e avaliar modelos de aprendizado de máquina para automatizar a classificação de dados fiscais, com foco na identificação de itens de hortifrúti comercializados no CEASA-Goiás, visando otimizar o cálculo do Índice de Participação dos Municípios (IPM) no Estado de Goiás. Os resultados obtidos demonstram a viabilidade e a eficácia da aplicação dessas técnicas, culminando em uma solução automatizada com alta acurácia e melhorias significativas nos processos de gestão tributária.

Inicialmente, a coleta de informações envolveu a análise de um arquivo completo com mais de 344.000 registros de notas fiscais eletrônicas de 2024. A tarefa central consistiu na classificação binária desses itens, determinando se pertenciam ou não à categoria de hortifrúti. Este volume massivo e a complexidade dos dados sublinharam a necessidade de uma abordagem automatizada para lidar com o processamento técnico e evitar barreiras na apuração do IPM.

Na análise exploratória dos dados textuais, ferramentas de visualização como nuvens de palavras foram empregadas. A nuvem de palavras inicial, baseada em 344.863 registros, revelou a predominância de termos como “tomate” e “batata”, seguindo a Lei de Zipf. Essa distribuição de frequência, onde poucos termos concentram a maior parte da massa de probabilidade, indicou um desafio de viés para o aprendizado de máquina, pois o modelo poderia aprender a frequência de transações em vez de características semânticas discriminativas.

A transição para uma nuvem de palavras com 31.746 registros distintos, obtida pela remoção de duplicidades, alterou significativamente a distribuição dos termos. Essa estratégia reduziu a influência de produtos com maior volume de vendas, evidenciando uma diversidade lexical mais ampla na base e permitindo que itens menos frequentes se tornassem mais visíveis. Essa abordagem foi crucial para mitigar o viés causado pela repetição de registros e identificar ruídos não relacionados ao domínio hortifrúti.

O desafio científico identificado caracterizou-se como um problema de classificação de textos curtos em ambientes ruidosos, onde as descrições fiscais sofrem de escassez de dados e falta de contexto sintático (Aggarwal & Zhai, 2012). A presença de prefixos e abreviações não padronizadas exigiu que o vetorizador e o modelo fossem robustos à alta variância lexical. A utilização da técnica TF-IDF foi justificada para penalizar termos ruidosos com baixa discriminatividade e valorizar termos técnicos específicos, mitigando o impacto do baixo contexto semântico (Salton & Buckley, 1988; Rossi, 2015).

A análise estatística do corpus revelou que a média de palavras por registro era de 2,62, com 78% das descrições contendo até três termos. Esse comportamento é característico de bases fiscais com descrições curtas e não estruturadas, o que dificulta a extração de significado. Para capturar o contexto semântico em descrições tão concisas, optou-se pela extração de características baseada em n-gramas (unigramas, bigramas e trigramas), conforme recomendado por Fávero e Belfiore (2021) e Manning et al. (2008).

A representação dos dados textuais em formato numérico, essencial para algoritmos de aprendizado de máquina, foi realizada com a técnica TF-IDF. Essa configuração permitiu capturar não apenas palavras isoladas, mas também padrões compostos frequentes nas descrições fiscais, aumentando a capacidade discriminatória do modelo. A escolha dos algoritmos de classificação considerou sua eficiência computacional e adequação a problemas de classificação textual em espaços de alta dimensionalidade.

Dois algoritmos foram selecionados para o treinamento inicial: o Naive Bayes e o Passive-Aggressive Classifier. O Naive Bayes, baseado no Teorema de Bayes, é conhecido por sua simplicidade, baixo custo computacional e rápida convergência, sendo frequentemente utilizado como modelo de referência (Ng & Jordan, 2002). O Passive-Aggressive Classifier, por sua vez, é um algoritmo de aprendizado online baseado em modelos lineares, projetado para lidar eficientemente com grandes volumes de dados e descrições textuais de alta dimensionalidade (Manning et al., 2008).

Para o treinamento e validação dos modelos, o conjunto de dados foi dividido em subconjuntos de treino (80%) e validação (20%), utilizando amostragem estratificada para preservar a proporção entre as classes. Essa abordagem é crucial em cenários com desbalanceamento de classes, contribuindo para uma avaliação mais robusta e representativa do desempenho dos modelos (He & Garcia, 2009). As métricas de acurácia, precisão, revocação e F1-score foram utilizadas para mensurar o desempenho.

No primeiro treinamento, o modelo Multinomial Naive Bayes alcançou uma acurácia de 79,29%. Seu relatório de classificação indicou uma precisão de 0,76 e revocação de 0,95 para a classe 0, e precisão de 0,89 e revocação de 0,57 para a classe 1. A matriz de confusão revelou 78 acertos e 4 erros para a classe 0, e 25 erros e 33 acertos para a classe 1, evidenciando maior dificuldade na identificação da classe minoritária.

Em contraste, o Passive-Aggressive Classifier demonstrou um desempenho superior no treinamento inicial, atingindo uma acurácia de 82,86%. Para a classe 0, obteve precisão de 0,80 e revocação de 0,94, enquanto para a classe 1, alcançou precisão de 0,89 e revocação de 0,67. A matriz de confusão mostrou 77 acertos e 5 erros para a classe 0, e 19 erros e 39 acertos para a classe 1, indicando uma maior capacidade de identificar corretamente a classe minoritária em comparação ao Naive Bayes.

Essa superioridade do Passive-Aggressive Classifier pode ser atribuída às suas diferenças estruturais, especialmente sua capacidade de se adaptar a cenários com alta variabilidade textual e dimensionalidade, conforme discutido por Manning, Raghavan e Schütze (2008). Contudo, é importante notar que essas comparações iniciais foram baseadas em métricas pontuais de um único particionamento, sem validação cruzada ou testes estatísticos formais, o que exige cautela na interpretação das diferenças.

Diante da inexistência de uma base previamente rotulada e validada, e do elevado volume de registros, a rotulagem manual completa de todo o conjunto de dados era inviável. Por isso, adotou-se a técnica de “active learning” para priorizar a seleção de exemplos mais informativos para o processo de aprendizagem, reduzindo o esforço humano necessário na etapa de supervisão, conforme preconizado por Settles (2012) e Marcacini e Rezende (2012).

A estratégia de aprendizado ativo fundamentou-se na combinação de dois critérios de incerteza: a probabilidade estimada pelo modelo Multinomial Naive Bayes e a margem de decisão fornecida pelo modelo Passive-Aggressive. Um score de incerteza combinado foi calculado para priorizar amostras com menor confiabilidade na classificação. Esse processo gerou planilhas com descrições de produtos associadas aos maiores valores de incerteza, indicando instâncias onde o modelo teve baixa segurança na decisão.

Observou-se que descrições relacionadas a componentes mecânicos, por exemplo, foram corretamente classificadas como não hortifrúti (Classe 0), mas com elevados valores de incerteza. Isso sugeriu que o modelo realizou tais classificações com base em padrões pouco representativos, aproximando-se do limiar de decisão. Para a Classe 1 (hortifrúti), produtos com descrições compostas ou atípicas, como variedades menos comuns, também apresentaram menor confiança na predição.

A seleção criteriosa desses exemplos, localizados na região de fronteira entre as classes, para revisão manual e posterior incorporação à base de treinamento, representou uma estratégia eficiente de enriquecimento dos dados. Ao incluir instâncias da região de incerteza, o classificador passou a reconhecer padrões antes ignorados, refinando as fronteiras de decisão e reduzindo a taxa de erros nas iterações subsequentes, conforme os princípios de Settles (2012).

Após a adição de 112 itens à base de treino por meio do “active learning”, um novo treinamento foi realizado. Os resultados indicaram que a acurácia do Multinomial Naive Bayes foi de 78,53%, e a do Passive-Aggressive foi de 80,37%. Essa melhoria não foi significativa, e em alguns casos, houve uma ligeira piora na acurácia, sugerindo que a simples adição de dados não garantia um aprimoramento linear do modelo.

Em um passo subsequente, foram incluídos 189 novos itens apontados pelo “active learning”, utilizando apenas a probabilidade de erro do Multinomial Naive Bayes. Com esse novo treinamento, a acurácia do Multinomial Naive Bayes subiu para 86,00%, e a do Passive-Aggressive para 87,00%. Embora houvesse melhoria, a evolução do desempenho ao longo dos ciclos de treinamento não se mostrou linear, com ganhos iniciais mais expressivos e posterior estabilização, indicando que a qualidade dos dados adicionados é mais impactante do que a quantidade.

Para a avaliação final do desempenho dos modelos em um cenário próximo ao ambiente de produção, foi construída uma base de validação independente, composta por mais de 30 mil registros devidamente verificados pela equipe gestora do IPM. Essa base foi utilizada para garantir métricas mais representativas, excluindo registros selecionados para treinamento para evitar sobreposição, conforme as recomendações de Fávero e Belfiore (2021).

Na base de validação, o modelo Multinomial Naive Bayes apresentou acurácia de 88,10% para a Classe 1, enquanto o Passive-Aggressive Classifier atingiu 77,42% de acurácia para a mesma classe. A diferença entre o desempenho no treinamento e na validação foi atribuída à maior diversidade de descrições na base de validação e ao desbalanceamento entre as classes, que reduziu a sensibilidade do modelo para a Classe 1 em dados não vistos (Fávero & Belfiore, 2021).

O comportamento do Passive-Aggressive Classifier mostrou-se mais estável entre treino e validação em comparação ao Naive Bayes, o que é esperado para modelos lineares com aprendizado online em dados textuais de alta dimensionalidade (Manning, Raghavan & Schütze, 2008). A queda de desempenho do Naive Bayes na validação reforçou a limitação da hipótese de independência condicional entre atributos, especialmente quando o vocabulário do conjunto de validação diverge do treinamento.

A análise do pré-processamento de dados revelou que muitos valores que não distinguiam o produto estavam entrando no classificador, gerando confusão. Para otimizar os resultados, foram implementadas regras de pré-processamento mais rigorosas, incluindo a remoção de acentos, a conversão de todos os números para a palavra “NUM”, a remoção de espaços duplicados e a inclusão de diversas palavras-chave como “kg”, “un”, “cx”, “sc”, “gr”, “ml”, “gtin”, “cm” na lista de stop words, além de uma regex para remover palavras sozinhas.

Mesmo com esses tratamentos, a barreira de classificação de 95% não foi alterada inicialmente. Uma análise mais aprofundada constatou que alguns itens na base de treino tinham apenas um exemplo, o que confundia o classificador. Para resolver isso, a base foi quadruplicada, garantindo exemplos suficientes para o classificador em todas as divisões de treino e teste, o que resultou em melhorias significativas no desempenho.

Após o refinamento do pré-processamento e a expansão da base de treino, o Multinomial Naive Bayes alcançou uma acurácia de 98,21% no treino e 96,05% na validação, com 28.814 acertos e 1.186 erros na base de validação. Esse resultado demonstrou um avanço substancial na capacidade do modelo de classificar os itens fiscais de hortifrúti.

O Passive-Aggressive Classifier, com os mesmos ajustes de pré-processamento e expansão da base, atingiu uma acurácia ainda maior, de 98,81% no treino e 96,54% na validação. Na validação, foram registrados 28.963 acertos e 1.037 erros. Essa performance superior do Passive-Aggressive reforça sua adequação para cenários com alta variabilidade textual e grande volume de dados, superando o Naive Bayes em termos de acurácia final.

A acurácia final de 96,54% obtida pelo Passive-Aggressive Classifier na base de validação está em linha com os resultados reportados na literatura de classificação de documentos fiscais brasileiros. Laruccia (2022), por exemplo, obteve 96,7% de acurácia com um classificador ensemble para classificação binária de notas fiscais eletrônicas. Isso valida a eficácia da abordagem proposta e implementada neste estudo para aprimorar a gestão tributária estadual.

Em síntese, a pesquisa demonstrou que a combinação de técnicas de Processamento de Linguagem Natural, algoritmos de aprendizado supervisionado e estratégias de aprendizado ativo é uma alternativa eficaz para a automação da classificação de dados fiscais. A acurácia superior a 95% na identificação de produtos de hortifrúti, a redução no tempo de processamento e a melhoria na integridade dos dados confirmam a contribuição da solução automatizada para maior transparência, confiabilidade e precisão das informações fiscais no cálculo do IPM, otimizando o uso de recursos humanos.

4. Conclusão

O presente estudo buscou desenvolver, implementar e avaliar modelos de aprendizado de máquina para automatizar o tratamento e a classificação de dados fiscais, com foco na identificação de itens de hortifrúti comercializados no CEASA-Goiás, visando otimizar o cálculo do Índice de Participação dos Municípios (IPM) no Estado de Goiás. Verificou-se a viabilidade e eficácia da aplicação dessas técnicas, culminando em uma solução automatizada que alcançou acurácia superior a 95% na identificação de produtos de hortifrúti. Observou-se uma redução significativa no tempo de processamento em comparação ao método manual, além de uma diminuição de inconsistências e melhoria na integridade dos dados utilizados no cálculo do IPM. A combinação de técnicas de Processamento de Linguagem Natural, algoritmos de aprendizado supervisionado e estratégias de aprendizado ativo mostrou-se uma alternativa eficaz para a automação da classificação de dados fiscais. Essa solução automatizada contribuiu para maior transparência, confiabilidade e precisão das informações fiscais, otimizando o uso de recursos humanos e aprimorando a gestão tributária estadual.

Contudo, o estudo apresentou limitações importantes, como a dependência da qualidade das descrições originais dos documentos fiscais e a restrição da análise a um único contexto institucional. Adicionalmente, as comparações entre os modelos basearam-se em métricas pontuais de um único particionamento de treino e teste, sem a aplicação de testes estatísticos formais de significância, o que exige cautela na interpretação das diferenças de desempenho. Para estudos futuros, sugere-se explorar a aplicação de validação cruzada (k-fold) e testes estatísticos formais para uma comparação mais robusta dos classificadores. Recomenda-se também a utilização de modelos baseados em redes neurais e técnicas de balanceamento de classes para aprimorar ainda mais a capacidade de generalização e a sensibilidade a classes minoritárias em bases de dados desbalanceadas.

Referências Bibliográficas

FÁVERO, L.P.; BELFIORE, P. 2021. Data Science para Negócios: Conceitos, técnicas e aplicações. 1ed. Elsevier, Rio de Janeiro, RJ, Brasil.

INTERIAN, R.; CARPANESE, I.; MELLO, B.; RIBEIRO, C. C. Red flag algorithms for Brazilian electronic invoices: outlier detection and price risk classification. International Transactions in Operational Research. Disponível em https://repositorio.usp.br/item/003154046 acesso em 12/10/2025: 1533-1553

LARUCCIA, J. B. Classificação automática de notas fiscais eletrônicas para utilização de créditos tributários de PIS/PASEP e COFINS. 2022. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2022. Acessado em https://bdta.abcd.usp.br/item/003125927 dia 01/10/2025

MANNING, C. D.; RAGHAVAN, P.; SCHÜTZE, H. Introduction to Information Retrieval. Cambridge: Cambridge University Press, 2008.

SALTON, G.; BUCKLEY, C. 1988. Term-weighting approaches in automatic text retrieval. Information Processing

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

Mais recentes

Economia, Investimentos E Banking

23 de outubro de 2026

Educação Financeira, Comportamentos e Vieses na Tomada de Decisão Financeira

22 de outubro de 2026

Desafios e Possibilidades do Primeiro Ano Escolar de Crianças com Tea para o Trabalho Docente

22 de outubro de 2026

Jornada do Consumidor na Decisão de Compra de Infoprodutos no Ambiente Digital

22 de outubro de 2026

Riscos Psicossociais e Saúde Mental no Trabalho em uma Instituição Bancária

22 de outubro de 2026

Observatório Digital da Amazônia: Ciência de Dados Aplicada à Análise de Indicadores Sociais, Econômicos, Ambientais e de Saúde

22 de outubro de 2026

Aprendizado Contínuo como Fator de Crescimento Organizacional na Percepção dos Colaboradores

22 de outubro de 2026

Regressão Estatística em Microrredes para Estimativa de Desempenho Operacional: Caso Campusgrid

22 de outubro de 2026

Previsão da Inadimplência Agregada no Sistema Financeiro Brasileiro por Modelo Sarimax com Variáveis Macroeconômicas

22 de outubro de 2026

Fatores de Engajamento das Partes Interessadas na Transferência Internacional de Tecnologia para um Hospital Público

Você também pode gostar

Economia, Investimentos E Banking

23 de outubro de 2026

Educação Financeira, Comportamentos e Vieses na Tomada de Decisão Financeira

A gestão financeira pessoal representa um desafio crescente, influenciada por vieses cognitivos que afetam a tomada de decisão, mesmo em indivíduos com alto conhecimento. O presente estudo analisou a relação entre o nível de educação financeira e a ocorrência de vieses comportamentais na tomada de decisão financeira de adultos residentes no Brasil. Realizou-se um levantamento de campo de natureza aplicada, quantitativa e descritivo-correlacional, por meio da aplicação de um questionário estruturado a 163 respondentes. O instrumento contemplou variáveis sociodemográficas, conhecimento e hábitos financeiros, e situações hipotéticas para identificar vieses cognitivos. Os resultados indicaram que níveis mais elevados de educação financeira associaram-se a melhores práticas de controle financeiro, poupança e investimento, com correlações significativas com renda e escolaridade. Contudo, a presença de vieses comportamentais (ancoragem, aversão à perda, escassez, otimismo/negatividade, viés do presente, status quo, excesso de confiança e contabilidade mental) persistiu mesmo entre indivíduos com maior escolaridade e renda, sem associação estatisticamente significativa com as variáveis sociodemográficas analisadas. Concluiu-se que a educação financeira, embora essencial para a organização e o controle financeiro, não foi suficiente para neutralizar a influência de vieses cognitivos. Sugere-se a incorporação de abordagens comportamentais aos programas de educação financeira.

Palavras-chave: Comportamento financeiro; Economia comportamental; Finanças pessoais; Heurísticas cognitivas; Vieses cognitivos.

22 de outubro de 2026

Desafios e Possibilidades do Primeiro Ano Escolar de Crianças com Tea para o Trabalho Docente

A inserção de crianças com Transtorno do Espectro Autista (TEA) na Educação Infantil apresenta desafios significativos, dada a dificuldade de adaptação em novos ambientes e a intensidade de estímulos. O objetivo foi analisar a atuação docente na Educação Infantil no processo de escolarização inicial de crianças com TEA. Realizou-se um estudo de caso, utilizando a entrevista narrativa como técnica de produção de dados. Os resultados revelaram que a atuação docente caracterizou-se por práticas de mediação e afeto, com a flexibilização da rotina e o uso de recursos lúdicos como estratégias essenciais para o desenvolvimento e organização sensorial da criança. Destacou-se também a importância da profissional de apoio escolar para o êxito do trabalho pedagógico. O desenvolvimento integral da criança foi promovido por meio de ações docentes intencionais que priorizaram a adaptação ambiental, o fortalecimento de vínculos e o atendimento às necessidades específicas do TEA. Como contribuição, elaborou-se um guia de estratégias pedagógicas voltado ao acolhimento de crianças com TEA em creches públicas.

Palavras-chave: Educação Infantil; Inclusão Escolar; Narrativas Docentes; Práticas Pedagógicas Inclusivas; Transtorno do Espectro Autista.

22 de outubro de 2026

Jornada do Consumidor na Decisão de Compra de Infoprodutos no Ambiente Digital

A expansão do comércio eletrônico e a transformação tecnológica impulsionaram a necessidade de compreender o comportamento do consumidor de infoprodutos, cuja experiência percebida tornou-se crucial para o desenvolvimento profissional. O estudo objetivou analisar os fatores que influenciaram a decisão de compra de infoprodutos no ambiente digital, considerando as etapas da jornada do consumidor. Realizou-se uma pesquisa aplicada, quantitativa e descritiva, por meio de um levantamento de campo com 100 consumidores da Serra Gaúcha. A coleta de dados ocorreu via questionário estruturado, utilizando amostragem não probabilística. Os resultados revelaram um público qualificado e com forte comportamento “mobile-first”. Constatou-se que a disponibilidade de informações detalhadas e a aprovação social foram os principais gatilhos de atração na fase de pré-compra. Nas etapas transacionais e posteriores, a minimização de atritos operacionais, a agilidade do acesso imediato e a segurança sistêmica mostraram-se cruciais para a conversão e satisfação, embora lacunas na eficiência do suporte humano tenham sido identificadas. A retenção fundamentou-se na confiança gerada por experiências anteriores positivas, superando o fator preço. Concluiu-se que a jornada do consumidor de infoprodutos opera como um sistema integrado, exigindo alinhamento entre infraestrutura tecnológica, curadoria de conteúdo e humanização do suporte para assegurar o engajamento.

Palavras-chave: Comércio eletrônico; Comportamento do consumidor; Experiência do consumidor; Fidelização; Negócios virtuais.

22 de outubro de 2026

Riscos Psicossociais e Saúde Mental no Trabalho em uma Instituição Bancária

A saúde mental no ambiente de trabalho é um tema de crescente relevância, impactando o desenvolvimento profissional e o bem-estar dos colaboradores. Um estudo foi realizado para identificar aspectos e situações que podem influenciar os níveis de absenteísmo em uma instituição bancária. A pesquisa envolveu 108 participantes e utilizou um questionário estruturado, baseado na versão curta do COPSOQ II de Gonçalves (2021), que continha 45 questões fechadas em escala Likert e duas perguntas abertas. Os dados foram coletados por meio de plataforma online e analisados com abordagem descritiva e quantitativa. Os resultados revelaram um cenário que indicou a necessidade de ajustes na distribuição das atividades e na percepção dos gestores sobre comportamentos e sinais de transtornos. Foram identificadas evidências importantes nas respostas abertas dos participantes. Concluiu-se que o estudo contribuiu para a promoção da percepção de um ambiente seguro para a saúde mental na organização.

Palavras-chave: Afastamentos por transtornos; Desenvolvimento profissional; Liderança operacional; Licença médica; Saúde mental.

22 de outubro de 2026

Observatório Digital da Amazônia: Ciência de Dados Aplicada à Análise de Indicadores Sociais, Econômicos, Ambientais e de Saúde

O estado do Amazonas enfrentou desafios históricos na consolidação do Sistema Único de Saúde (SUS), decorrentes de barreiras geográficas, desigualdades socioeconômicas e limitações estruturais. Descreveu-se, neste estudo, o desenvolvimento e a implementação de um geoportal de informações em saúde, concebido para apoiar o monitoramento, a avaliação e o planejamento no contexto amazônico. Adotou-se uma abordagem de estudo de caso descritivo, baseada em análise documental e dados secundários, abrangendo o mapeamento de funcionalidades, a infraestrutura técnica e as etapas de validação da ferramenta. O Portal foi desenvolvido com tecnologias abertas e integrou múltiplas bases de dados nacionais, oferecendo dashboards interativos, mapas temáticos e repositório digital de documentos. Entre os resultados, destacaram-se a visualização georreferenciada de indicadores-chave, a possibilidade de análises comparativas temporais e a utilização da plataforma na revisão de planos de saúde e no redirecionamento de ações estratégicas. O portal pode representar um avanço na governança digital e na gestão baseada em evidências, com potencial de replicabilidade para outros territórios de alta complexidade, desde que acompanhada de investimentos em infraestrutura tecnológica, capacitação profissional e articulação interinstitucional.

Palavras-chave: Amazônia; Avaliação em Saúde; Saúde Digital; Sistemas de Informação em Saúde.

22 de outubro de 2026

Aprendizado Contínuo como Fator de Crescimento Organizacional na Percepção dos Colaboradores

O impacto do aprendizado contínuo e da gestão do conhecimento no crescimento das organizações foi estudado em um cenário de globalização e constantes mudanças. O objetivo do estudo foi analisar a percepção dos colaboradores sobre a cultura de aprendizagem e sua importância para o desenvolvimento pessoal e profissional. Os dados foram obtidos por meio de uma pesquisa anônima, de abordagem quantitativa, utilizando um formulário com questões do tipo “survey” aplicado a 87 profissionais dos setores de tecnologia, saúde, educação, comércio e serviços. Os resultados indicaram que os colaboradores possuíam uma percepção positiva sobre a contribuição do aprendizado contínuo para o crescimento pessoal e organizacional, reconhecendo seus benefícios para o desenvolvimento de novas habilidades, inovação e competitividade. Contudo, observou-se que o incentivo à troca de conhecimento interno e a oferta de treinamentos práticos ainda apresentavam médias moderadas de concordância. Concluiu-se que o aprendizado contínuo contribui significativamente para o desenvolvimento individual e organizacional, sugerindo que as empresas devem desenvolver políticas estratégicas de aprendizado direcionado para novas habilidades, visando maior vantagem competitiva e inovação.

Palavras-chave: Aprendizagem contínua; Autodesenvolvimento; Crescimento organizacional; Gestão do conhecimento; Inovação.

22 de outubro de 2026

Regressão Estatística em Microrredes para Estimativa de Desempenho Operacional: Caso Campusgrid

Um modelo de regressão estatística múltipla foi proposto para estimar o desempenho operacional da microrrede CampusGrid da UNICAMP, com base em grandezas elétricas internas. A microrrede integra geração fotovoltaica, baterias e um gerador a gás. Dados do sistema de gerenciamento de energia foram coletados em intervalos de cinco minutos durante um mês. O Índice de Confiabilidade Operacional, definido como a razão entre energia atendida e demandada, foi estabelecido como variável dependente. O modelo foi ajustado para o modo de operação ilhado, avaliando o impacto da demanda, estado de carga, geração solar e energia suprida. Os resultados revelaram elevado poder explicativo, indicando que a confiabilidade operacional depende da interação entre suprimento e demanda. Observou-se que o período noturno concentrou a maior taxa de atendimento parcial, atribuída à redução da geração solar. Concluiu-se que a regressão múltipla oferece uma estrutura interpretável e útil para o monitoramento de microrredes e o apoio a estratégias de controle.

Palavras-chave: Armazenamento em baterias; Geração fotovoltaica; Índice de Confiabilidade; Operação ilhada; Sistema de Gerenciamento de Energia.

22 de outubro de 2026

Previsão da Inadimplência Agregada no Sistema Financeiro Brasileiro por Modelo Sarimax com Variáveis Macroeconômicas

A inadimplência agregada no sistema financeiro brasileiro é um indicador crucial de risco de crédito, cuja previsão é regulamentada pelas Resoluções CMN n.° 4.557/2017 e 4.966/2021 para a mensuração prospectiva de perdas esperadas. Modelou-se e previu-se a inadimplência agregada por meio do modelo SARIMAX, projetando sua trajetória até dezembro de 2026 sob cenários otimista, base e pessimista. Utilizaram-se 164 observações mensais (julho/2012 a fevereiro/2026) e variáveis macroeconômicas como desemprego, Selic, IPCA, IBC-Br e endividamento das famílias. A especificação com variáveis contemporâneas foi selecionada com base em critérios de informação e estabilidade dos coeficientes, e o diagnóstico dos resíduos confirmou adequação estatística, com MAPE de 3,12%. A inadimplência histórica variou entre 4,33% e 7,64%. A estimação identificou o desemprego (β = 0,2534; p < 0,001) e a Selic (β = 0,2128; p < 0,001) como principais determinantes positivos, com forte persistência temporal (AR(1) = 0,8965). A Selic exibiu correlação crescente com a inadimplência (r = 0,62 no lag 12), enquanto o desemprego demonstrou efeito contemporâneo (r = 0,33). As projeções indicaram inadimplência entre 6,30% e 7,98% em dezembro de 2026, com uma amplitude de 1,68 ponto percentual, evidenciando implicações diretas para o dimensionamento de provisões nas instituições financeiras. Palavras-chave: Desemprego; Modelagem preditiva; Política monetária; Provisão de perdas; Séries temporais.

22 de outubro de 2026

Fatores de Engajamento das Partes Interessadas na Transferência Internacional de Tecnologia para um Hospital Público

Este estudo descreveu os fatores críticos percebidos para o engajamento das partes interessadas na transferência internacional de tecnologia em um hospital público, com foco no planejamento. O objetivo foi descrever esses fatores condicionantes, conforme a percepção de profissionais. Realizou-se um estudo de caso único, aplicando um questionário a 25 profissionais e utilizando análise de conteúdo, complementada por tabulações descritivas. Os principais obstáculos identificados foram resistência à mudança (72%), financiamento (64%), falta de comunicação (60%) e burocracia (40%). Apenas 28% dos respondentes reconheceram a existência de ferramentas adequadas para gestão de stakeholders, enquanto 48% negaram e 24% não souberam informar. Cruzamentos exploratórios indicaram variações na avaliação de influência conforme o tempo de atuação, mas não estabeleceram relações causais. A falta de engajamento foi associada a atrasos, baixa adesão, desperdício de recursos, falhas de comunicação, comprometimento da absorção de conhecimento e riscos à segurança do paciente. As conclusões restringiram-se às percepções do grupo pesquisado e fundamentaram recomendações preliminares para comunicação e coordenação intersetorial.

Palavras-chave: Estudo de caso; Gestão de projetos; Inovação em saúde; Partes interessadas; Setor público.

Economia

19 de outubro de 2026

Fim da escala 6×1: o que os números permitem concluir?

Após promulgação do fim da escala 6×1, debate sobre a jornada menor passa à implementação e exige distinguir benefícios sociais de custos econômicos O fim da escala 6×1 passou da discussão legislativa para uma mudança constitucional no Brasil. Em 16 de outubro de 2026, o Congresso Nacional promulgou a emenda constitucional nº 141/2026, originada da Proposta […]

Inteligência Artificial

16 de outubro de 2026

Por que estudar se existe IA?

Quando respostas se tornam fáceis, aprender passa a significar mais do que chegar até elas Por que eu preciso aprender isso se posso perguntar para uma inteligência artificial? Esse tipo de pergunta acompanha a educação há décadas. Por que aprender uma operação se existe calculadora? Por que memorizar uma informação se ela pode ser encontrada […]

Gestão Tributária

15 de outubro de 2026

Pink tax e o gênero do preço

Como os diferentes tratamentos mercadológicos a homens e mulheres são incorporados pela tributação do consumo Imagine uma prateleira na qual duas lâminas de barbear da mesma marca e destinadas à mesma finalidade estão expostas lado a lado: uma tem embalagem escura e promete força, precisão e eficiência; a outra vem em tons de rosa ou […]

Saúde

13 de outubro de 2026

O elo perdido da transformação da saúde

Por que inovar não basta para provocar mudanças nas organizações e nos sistemas de saúde A transformação digital consolidou-se como prioridade estratégica para os sistemas de saúde em todo o mundo. Prontuários eletrônicos, inteligência artificial, telemedicina, monitoramento remoto e análise de dados passaram a integrar a agenda estratégica de governos e organizações de saúde. Paradoxalmente, […]

Marketing

09 de outubro de 2026

Bitcoin ou pets: o que a Inteligência Artificial não veria

Um caso real de consumer intelligence mostra o que fica fora do briefing Há alguns anos, uma seguradora americana contratou uma empresa especializada em consumer intelligence para responder a três perguntas: A seguradora também avaliava lançar seguros pagos em bitcoin. Na época, o processo de trabalho da consultoria funcionava assim: o analista criava uma query […]

Gestão Escolar

06 de outubro de 2026

A escola não é um cassino: quando figurinhas viram moeda no pátio

Por que, para determinados estudantes, a escola consegue oferecer tão poucas experiências de conquista? A Copa do Mundo acabou. O Brasil deixou a competição, vieram as férias escolares, a final foi disputada e o calendário do futebol seguiu adiante. Seria razoável imaginar que, com o fim do torneio e o retorno às aulas, também começasse […]

Transição Energética

30 de setembro de 2026

Energias renováveis: a vantagem brasileira

Brasil precisa investir na capacidade de transformar recursos naturais em inovação, produtividade e desenvolvimento Falar sobre energia é falar sobre desenvolvimento. Por trás da indústria, dos transportes, dos serviços, das cidades e, cada vez mais, da inteligência artificial, existe uma infraestrutura energética que sustenta a economia. Compreender a matriz energética de um país é compreender […]

Análise De Dados

30 de setembro de 2026

Quando o dado muda, a realidade mudou?

Análise de quase 20 milhões de vínculos-ano docentes entre 2020 e 2025 mostra como mudanças na composição da população e na produção dos registros podem alterar a interpretação de série histórica Entre 2020 e 2025, o número de vínculos formais de trabalho docente identificados na RAIS (Relação Anual de Informações Sociais), do Ministério do Trabalho, […]

Inteligência Artificial

28 de setembro de 2026

Inteligência artificial e as trends

Por que tantas pessoas aderem às brincadeiras com o ChatGPT? Nunca fui a pessoa da trend. Continuo não sendo. Algumas passam pela minha timeline, vejo, acho interessante mas não a ponto de experimentar. Foi assim, inclusive, com algumas ondas recentes de imagens feitas por inteligência artificial, como a trend dos anos 80, aquela que nos […]

Gestão Tributária

01 de setembro de 2026

Reforma tributária e planejamento patrimonial no campo

Eficiência para gerenciar os impostos facilita a governança e permite organizar a sucessão familiar A organização patrimonial rural virou uma medida estratégica diante da reforma tributária no Brasil, que entrou em vigor neste ano. O planejamento das atividades e da gestão do patrimônio rural, por meio de ferramentas como a transição da Pessoa Física para […]

Renata de Gaspari Valdejão Almeida

Inteligência Artificial

05 de agosto de 2026

Dentro da empresa e fora do radar: os riscos da Shadow AI

Segundo a Microsoft, 75% dos profissionais já utilizam inteligência artificial no trabalho sem homologação da empresa O uso da inteligência artificial generativa já faz parte da rotina corporativa. Ferramentas como ChatGPT, Copilot e outras plataformas ajudam profissionais a produzir textos, analisar dados, criar apresentações e acelerar tarefas em praticamente todos os setores. Mas esse avanço […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julho de 2026

O futuro como competência

Interesse acadêmico reforça a projeção de cenários como ferramenta essencial para a tomada de decisões Enquanto algumas empresas ainda tentam acertar o próximo passo, outras já trabalham com múltiplos futuros possíveis — e se preparam para todos eles. Mas afinal, o que significa “pensar o futuro”? É tendência, é estratégia ou uma nova competência que […]

Renata de Gaspari Valdejão Almeida

Inovação

Tecnologia

21 de maio de 2026

Corredor Agro SP: inovação, articulação institucional e futuro

Pecege comanda operação executiva das atividades do ecossistema de 400 km que ficou conhecido como Vale do Silício do agro brasileiro Em 2025, além de assumir a gestão do Parque Tecnológico de Piracicaba, o Instituto Pecege também foi designado para comandar a operação executiva das atividades do Corredor de Inovação Agropecuária do Estado, o chamado […]

Educação

27 de abril de 2026

Como transformar um TCC em negócio

Nova gestão do Parque Tecnológico de Piracicaba oferece consultoria a egressos de MBAs O novo diretor de projetos do Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, costuma dizer que uma das maiores recompensas que já teve na vida foi ver seus orientandos do MBA USP/Esalq estruturarem empresas a partir de seus trabalhos de conclusão de […]

Tecnologia

20 de março de 2026

O repertório humano na era da IA

Pensamento crítico e criatividade são insubstituíveis no trabalho do profissional de marketing A Inteligência Artificial (IA) é capaz de feitos incríveis, mas ainda não possui a capacidade de julgamento, empatia, intuição e criatividade estratégica necessárias para fazer o trabalho de um bom profissional de marketing. Nessa área, é importante saber usar a ferramenta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

23 de fevereiro de 2026

ESG como estratégia de crescimento em uma cooperativa do RS

Santa Clara equilibra responsabilidade social e ambiental com inovação Fundada em 1911 por imigrantes italianos em Carlos Barbosa, na serra gaúcha, a Cooperativa Santa Clara é um exemplo de que é possível equilibrar o crescimento econômico com a responsabilidade social e ambiental. De uma pequena empresa de produção de queijos, a organização evoluiu para um […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

22 de janeiro de 2026

Brasil livre de febre aftosa: o que muda para a carne brasileira?

Com um rebanho de mais de 200 milhões de cabeças de gado, o país é atualmente o líder em exportações O Brasil recebeu recentemente, pela primeira vez, a certificação de país livre de febre aftosa sem vacinação, conferida pela Organização Mundial de Saúde Animal (OMSA). O selo fortalece a posição do país como fornecedor de carne confiável para o […]

Renata de Gaspari Valdejão Almeida

Inovação

09 de dezembro de 2025

Inovação: o novo ciclo do Parque Tecnológico de Piracicaba

Instituto Pecege assume a gestão apostando na criação de novos negócios A partir de 2026, o Instituto Pecege assumirá a gestão do Parque Tecnológico de Piracicaba (PTP). Entre suas responsabilidades estarão a administração, operação, manutenção e expansão do parque, além do fomento de atividades de inovação, empreendedorismo e ciência e tecnologia. A escolha foi feita […]

Renata de Gaspari Valdejão Almeida

06 de julho de 2026

Arquitetura de Grande Porte: Gestão de Mudanças DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação. A arquitetura e o urbanismo configuram-se como bases imprescindíveis em um espaço urbano cada vez mais complexo e desafiador, onde a intrínseca conexão entre questões sociais, ambientais e tecnológicas […]