Clasificación de Terrenos con Aprendizaje Profundo de ArcGIS para Apoyo a la Expansión de Gasoductos

doi:10.22167/2675-6528-202602687

Artículo

30 de septiembre de 2026

Clasificación de Terrenos con Aprendizaje Profundo de ArcGIS para Apoyo a la Expansión de Gasoductos

Clasificación de Terrenos con Aprendizaje Profundo de ArcGIS para Apoyo a la Expansión de Gasoductos

Antonio Marcos Pires Martins; Arthur Damasceno Vicente

DOI: 10.22167/2675-6528-202602687

Artículo derivado de Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del estudiante y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege para la síntesis y organización textual.

Resumen

La expansión de gasoductos demanda planificación territorial que concilie viabilidad técnica y restricciones ambientales. El objetivo fue aplicar un enfoque preliminar de aptitud territorial para apoyar la planificación inicial de la expansión de gasoductos. Se utilizaron datos de teledetección y análisis espacial. La metodología exploró la clasificación de uso y cobertura del suelo mediante deep learning en imágenes Sentinel-2 y evaluó variables físicas del terreno, como pendiente y orientación de ladera, y restricciones socioambientales, incluyendo cuerpos de agua y áreas quilombolas. La validación de la clasificación temática por deep learning presentó una precisión general del 44,4% y un índice Kappa de 0,305, evidenciando limitaciones del modelo pre-entrenado frente a las condiciones estacionales del área de estudio. Este desempeño inviabilizó la integración directa del mapa de cobertura al modelo de aptitud en esta etapa. Sin embargo, se estructuró un modelo preliminar de aptitud, categorizado en áreas aptas, condicionadas y restringidas, basado en las variables físicas y restrictivas. El análisis por puntos muestrales verificó la distribución espacial de estas clases, con el 46,3% de las áreas clasificadas como aptas, el 37,0% como condicionadas y el 12,0% como restringidas. Se concluyó que la exploración individual de estas técnicas constituye un importante soporte inicial para la planificación de infraestructuras lineales, ofreciendo una estructura transparente de criterios y precedencias para la selección espacial.

Palabras clave: Análisis espacial; Aptitud territorial; Deep learning; Geoprocesamiento; Infraestructura lineal.

1. Introducción

La expansión de infraestructuras energéticas, como gasoductos, demanda procesos de planificación territorial que concilien viabilidad técnica, restricciones ambientales y condicionantes legales. La definición de áreas adecuadas para la implantación de este tipo de infraestructura involucra el análisis integrado de múltiples variables espaciales, incluyendo características físicas del terreno, patrones de uso y cobertura de la tierra y la presencia de áreas sensibles. En este contexto, el uso de Sistemas de Información Geográfica (SIG) se ha consolidado como una herramienta esencial para apoyar la toma de decisiones en proyectos de infraestructura, especialmente en las fases iniciales de planificación (Longley et al., 2015).

Tradicionalmente, análisis de aptitud territorial para la implantación de gasoductos y otras infraestructuras lineales se basan en la integración de bases cartográficas temáticas y criterios técnicos previamente definidos. Sin embargo, la disponibilidad, la actualización y el nivel de detalle de esta información no siempre satisfacen las necesidades de proyectos a escala regional, lo que puede introducir incertidumbres en el proceso de toma de decisiones (Eastman, 2012). En este sentido, la teledetección se ha mostrado como una alternativa relevante para la obtención de información actualizada sobre el territorio, contribuyendo a análisis espaciales más consistentes e integrados (Jensen, 2016).

En los últimos años, las técnicas de aprendizaje profundo se han aplicado ampliamente a la clasificación de imágenes de teledetección, presentando avances significativos en términos de automatización y precisión en comparación con los métodos de clasificación tradicionales (Ma et al., 2019; Zhu et al., 2017). Los modelos basados en redes neuronales convolucionales permiten la identificación de patrones complejos en imágenes multiespectrales, posibilitando la generación de mapas de uso y cobertura del suelo con un mayor nivel de detalle. Estos productos pueden respaldar análisis espaciales orientados a la planificación de infraestructuras lineales, incluida la identificación de áreas urbanas y cuerpos de agua.

A pesar de estos avances, es fundamental distinguir el papel descriptivo de los mapas de uso y cobertura del suelo de aquel desempeñado por los modelos de aptitud territorial. Mientras que la clasificación de imágenes busca representar la ocupación del territorio, los modelos de aptitud tienen como finalidad expresar restricciones y condicionantes técnicos y legales a la implantación de emprendimientos, a partir de la integración de diferentes variables espaciales (Malczewski, 2006). Esta distinción es esencial para evitar interpretaciones equívocas y garantizar que los productos generados sean utilizados de forma adecuada en las etapas de planificación.

Ante este contexto, y considerando que la validación de la clasificación temática por deep learning presentó un rendimiento limitado (precisión global del 44,4% e índice Kappa de 0,305), lo que imposibilitó su integración directa al modelo de aptitud en esta etapa del estudio, este trabajo se justifica por la necesidad de una herramienta de selección espacial para la planificación de infraestructuras lineales. Así, el objetivo general de este trabajo es desarrollar y aplicar una estructura preliminar de apoyo a la evaluación de la aptitud territorial para la expansión de gasoductos, considerando la caracterización del uso y cobertura de la tierra por deep learning, las variables físicas del terreno y las restricciones socioambientales, con el mapa de aptitud elaborado a partir de las variables físicas y restricciones, sin incorporar la clasificación obtenida por deep learning en esta etapa del estudio.

2. Material y Métodos

El estudio adoptó un enfoque exploratorio, integrando teledetección y análisis espacial para apoyar la planificación inicial de la expansión de gasoductos. Se desarrolló un marco preliminar de aptitud territorial, considerando el uso y la cobertura del suelo mediante deep learning, variables físicas del terreno y restricciones socioambientales. La metodología exploró individualmente la clasificación de imágenes y el modelado de aptitud.

La investigación se llevó a cabo en el Extremo Oeste de Bahía, abarcando tramos piloto en los municipios de Buritirama, Barra, Mansidão, Cotegipe, Wanderley, Ibotirama, Morpará y Xique-Xique. Esta región fue seleccionada por la diversidad de usos y coberturas del suelo, el relieve variado y la presencia de áreas ambientalmente sensibles, lo que la hace representativa para el análisis de la planificación de infraestructuras lineales. La delimitación espacial del área se realizó en un entorno SIG, con un sistema de referencia cartográfica compatible.

Para la clasificación del uso y cobertura del suelo, se utilizaron imágenes multiespectrales del satélite Sentinel-2 (agosto de 2023), obtenidas gratuitamente por el programa Copernicus (COPERNICUS PROGRAMME – ESA & European Union, 2026). Se seleccionaron imágenes con baja cobertura de nubes (30%) (Hofig; Araujo Junior, 2015). La orientación de la ladera se incorporó como condicionante físico exploratorio.

Se realizaron análisis de proximidad con la herramienta Distance Accumulation de ArcGIS Pro (Esri, 2026; Longley et al., 2015), aplicados a datos vectoriales de cuerpos de agua y áreas quilombolas. Estas variables fueron consideradas restricciones absolutas para exclusión espacial. Se construyeron máscaras binarias (0 para restringido, 1 para no restringido) con la herramienta Raster Calculator (Esri, 2026; Malczewski, 2006), estandarizando las restricciones para su integración en el modelo de aptitud.

El mapa preliminar de aptitud territorial se construyó integrando las máscaras binarias de restricción con las variables reclasificadas de pendiente y orientación de ladera. Se utilizó la herramienta Raster Calculator con lógica condicional (Con) en ArcGIS Pro (Esri, 2026; Malczewski, 2006). Esta lógica priorizó las restricciones absolutas y, en ausencia de estas, consideró las restricciones moderadas de las variables físicas del terreno (Longley et al., 2015). El mapa resultante se clasificó en tres categorías: Apto, Condicionado/Baja Aptitud y Restringido.

Para apoyar el análisis inicial del mapa de aptitud territorial, se generaron 1.000 puntos de muestreo aleatorios con la herramienta Create Random Points, distribuidos por la extensión del área de estudio. Los valores de las capas ráster se extrajeron a estos puntos utilizando la herramienta Extract Multi Values to Points (Esri, 2026; Longley et al., 2015). Este procedimiento permitió el etiquetado de las muestras según las clases de aptitud y la cuantificación de la distribución porcentual de los puntos.

3. Resultados y Discusión

La presente investigación exploró un enfoque preliminar para la evaluación de la aptitud territorial destinada a la planificación de gasoductos, integrando técnicas de teledetección y análisis espacial. Los resultados obtenidos se presentan y discuten en dos frentes principales: la evaluación del desempeño de la clasificación de uso y cobertura del suelo por deep learning y el análisis del mapa preliminar de aptitud territorial, construido a partir de variables físicas y restricciones socioambientales. La distinción entre estos dos enfoques es crucial para comprender el significado de los hallazgos y sus implicaciones para la planificación de infraestructuras lineales.

Inicialmente, la clasificación de uso y cobertura del suelo, realizada mediante un modelo preentrenado de deep learning aplicado a imágenes Sentinel-2, generó un mapa temático con diversas clases. Un análisis visual preliminar, comparando este mapa con datos de referencia de MapBiomas, reveló tanto convergencias como divergencias temáticas en la distribución espacial de las clases. Esta comparación visual fue fundamental para una comprensión cualitativa de las características del mapa antes de su validación cuantitativa, ayudando a identificar patrones e inconsistencias en la representación del territorio.

Evaluación de la Clasificación de Uso y Cobertura del Suelo por Deep Learning

La validación cuantitativa de la clasificación temática, esencial para verificar la calidad y fiabilidad de los resultados, se realizó mediante una matriz de confusión. Los indicadores de rendimiento revelaron una precisión global del 44,4% y un índice Kappa de aproximadamente 0,30. Estos valores indican un rendimiento limitado del modelo y una concordancia modesta entre la clasificación generada y los datos de referencia. Aunque la precisión global superó el umbral del 20% esperado para una clasificación aleatoria entre cinco clases, el resultado no se considera satisfactorio para uso operativo (Olofsson et al., 2014; Jensen, 2016).

El análisis detallado del rendimiento por clase temática evidenció un comportamiento heterogéneo del modelo. La clase C4, correspondiente a las áreas antrópicas intensivas, presentó exactitudes de productor y usuario iguales a cero, indicando una falla completa en su identificación. Este resultado sugiere una dificultad significativa del modelo para diferenciar áreas urbanizadas y otras superficies modificadas dentro del área de estudio, lo que compromete la representación de elementos cruciales para la planificación de infraestructuras.

Para la clase C1, que representa áreas abiertas con baja cobertura vegetal, se observó una precisión del productor del 60% y una precisión del usuario del 26%. Esta discrepancia sugiere una tendencia del modelo a sobreestimar la presencia de áreas abiertas, posiblemente atribuyendo esta clase a lugares que, en realidad, poseían otros tipos de cobertura o plantaciones. La baja confiabilidad para el usuario (26%) indica que una porción significativa de las áreas clasificadas como C1 no correspondía a la realidad en el terreno, generando errores de comisión.

Las áreas agrícolas y de vegetación de bajo porte (C2) presentaron un 49% de acierto en la identificación de las áreas reales (precisión del productor) y un 61% de confiabilidad (precisión del usuario). Esta clase demostró mayor dificultad de diferenciación, lo que puede estar relacionado con la similitud espectral entre áreas de preparación del suelo, cultivos y la vegetación rastrera común en la región. La dificultad para distinguir estas categorías es un desafío conocido en clasificaciones de teledetección, especialmente en paisajes agrícolas dinámicos (Jensen, 2016).

En relación con las áreas vegetadas mixtas y forestales (C3), el modelo identificó correctamente solo el 37% de las áreas existentes (precisión del productor), pero presentó una confiabilidad del 71% (precisión del usuario). Este patrón sugiere un comportamiento más conservador del modelo, donde la clasificación fue más precisa en las áreas que realmente identificó como bosque, pero con una elevada omisión de áreas reales. Esto implica que muchas áreas forestales no fueron detectadas, lo que puede ser problemático en contextos de planificación que exigen la identificación de todas las áreas sensibles.

La clase C5, que comprende agua y humedales, obtuvo el mejor rendimiento en la identificación de las áreas reales, con un 76% de acierto en la precisión del productor. Esto indica que el modelo posee una buena capacidad para reconocer la presencia de cuerpos de agua. Sin embargo, la precisión del usuario del 56% sugiere que una parte de las áreas clasificadas como agua pudo haber sido confundida con otros elementos de características espectrales similares, como sombras o suelos húmedos, resultando en errores de comisión.

Los principales errores de clasificación observados, particularmente entre áreas de vegetación natural y áreas de plantío, pueden atribuirse a la similaridad de las características espectrales de estas coberturas para el sensor del satélite. Además, el uso de un modelo pre-entrenado global, que no fue ajustado con ejemplos específicos de los paisajes de Bahía, probablemente contribuyó al rendimiento limitado. La época del año de las imágenes de satélite (agosto), período de sequía en el Oeste de Bahía, también pudo haber influido en las divergencias, ya que la vegetación nativa presenta menor vigor y se asemeja a áreas agrícolas cosechadas o en preparación (Jansen; Di Gregorio, 2008).

La diferencia en la resolución temporal entre los datos utilizados también representó una limitación. Mientras que las imágenes Sentinel-2 correspondían a agosto de 2023, los datos de referencia del MapBiomas se consolidaban anualmente. Esta incompatibilidad temporal dificultó una comparación directa y precisa, introduciendo incertidumbres en la validación. En síntesis, la clasificación por deep learning, aunque exploratoria, demostró las limitaciones de transferir un modelo global pre-entrenado a un contexto regional específico sin ajustes o calibraciones locales.

Debido al rendimiento limitado en la validación de la clasificación, los datos derivados del modelo de aprendizaje profundo no se incorporaron cuantitativamente al mapa preliminar de aptitud territorial en esta etapa del estudio. Permanecieron como un producto analítico complementario, utilizado para la caracterización del uso y cobertura de la tierra y para la interpretación del contexto territorial. Esta decisión metodológica fue crucial para preservar la trazabilidad del modelo de aptitud y evitar la propagación de las incertidumbres de la clasificación temática al resultado final de cribado espacial.

Evaluación del Mapa de Aptitud Territorial

La construcción del mapa preliminar de aptitud territorial para la expansión de gasoductos se realizó a partir de la integración de variables físicas del terreno y restricciones socioambientales. Las variables de pendiente y orientación de ladera, derivadas del Modelo Digital de Terreno, fueron reclasificadas en categorías de aptitud. La pendiente se categorizó en apta (inferior al 10%), condicionada (entre el 10% y el 30%) y restringida (superior al 30%), basándose en criterios indicativos de aptitud (Hofig; Araujo Junior, 2015).

Las restricciones socioambientales, como cuerpos de agua y áreas quilombolas, fueron tratadas como restricciones absolutas, siendo representadas por máscaras binarias donde el valor cero indicaba área restringida y el valor uno, área no restringida. Estas máscaras fueron generadas mediante análisis de proximidad, utilizando herramientas de geoprocesamiento. La lógica de integración priorizó las restricciones absolutas y, en ausencia de estas, consideró las restricciones moderadas asociadas a las variables físicas del terreno (Longley et al., 2015).

El mapa de aptitud resultante clasificó el territorio en tres categorías de apoyo a la decisión: Apto, Condicionado/Baja Aptitud y Restringido. Esta jerarquía explícita de criterios y precedencias garantiza la trazabilidad y la reproducibilidad del modelo, convirtiéndolo en una herramienta transparente para el cribado espacial. Es importante destacar que los umbrales adoptados para las variables físicas tienen carácter indicativo y exploratorio, debiendo ser parametrizados conforme a normas técnicas y requisitos específicos de ingeniería en aplicaciones operacionales.

Para un análisis cuantitativo de la distribución espacial de las clases de aptitud, se generaron mil puntos de muestreo aleatorios. La distribución porcentual de estos puntos reveló que la clase Apto es predominante, correspondiendo al 46,3% de las ocurrencias. La categoría Condicionada/Baja Aptitud representó el 37,0% del total de puntos, indicando áreas que requieren consideraciones adicionales o soluciones de ingeniería más complejas para la implantación de gasoductos.

Las áreas Restringidas sumaron el 12,0% de los puntos muestrales, reflejando la aplicación de las reglas de exclusión basadas en las restricciones absolutas, como la presencia de cuerpos de agua y áreas quilombolas. El 4,7% restante correspondió a puntos sin información u otras categorías no clasificadas. Estos porcentajes describen la distribución de las clases de aptitud en el territorio analizado, sirviendo para verificar el comportamiento y la distribución espacial de las reglas implementadas en el modelo preliminar.

El modelo preliminar de aptitud territorial, por lo tanto, no se configura como una solución definitiva de trazado para gasoductos, sino como un instrumento de selección espacial que apoya las etapas iniciales de planificación. Ofrece una estructura transparente de criterios y precedencias para organizar información espacial, ayudando en la priorización de áreas para estudios más detallados. La metodología demostró el potencial de integrar datos de teledetección y geoprocesamiento para proporcionar un soporte inicial robusto a la toma de decisiones en proyectos de infraestructura lineal.

En resumen, la investigación alcanzó su objetivo de desarrollar un marco preliminar de apoyo a la evaluación de la aptitud territorial, utilizando variables físicas del terreno y restricciones socioambientales. Aunque la clasificación de uso y cobertura del suelo por deep learning presentó un rendimiento limitado y no se integró directamente al modelo de aptitud en esta etapa, la exploración individual de estas técnicas, junto con el análisis espacial, constituye un importante soporte inicial para la planificación de infraestructuras lineales, ofreciendo una base transparente para el cribado espacial y la identificación de áreas prioritarias para investigación futura.

4. Conclusión

El estudio tuvo como objetivo desarrollar y aplicar un marco preliminar de apoyo a la evaluación de la aptitud territorial para la expansión de gasoductos, integrando la caracterización del uso y cobertura del suelo mediante deep learning, variables físicas del terreno y restricciones socioambientales. Se observó que la clasificación del uso y cobertura del suelo por deep learning, aunque exploratoria, presentó un rendimiento limitado, con una precisión global del 44,4% y un índice Kappa de 0,305. Este rendimiento imposibilitó su integración directa al modelo de aptitud en esta etapa, debido a desafíos como la similitud espectral entre clases y la ausencia de calibración local del modelo preentrenado. Sin embargo, se estructuró un modelo preliminar de aptitud territorial, categorizado en áreas aptas, condicionadas y restringidas, basándose en la pendiente, la orientación de la ladera y las restricciones socioambientales absolutas, como cuerpos de agua y áreas quilombolas. El análisis por puntos de muestreo indicó que el 46,3% de las áreas fueron clasificadas como aptas, el 37,0% como condicionadas y el 12,0% como restringidas. La principal contribución reside en la proposición de un marco transparente de criterios y precedencias para el cribado espacial, ofreciendo un soporte inicial robusto a la planificación de infraestructuras lineales.

Las limitaciones del estudio incluyeron el rendimiento restringido del modelo de aprendizaje profundo preentrenado, que no se ajustó a las especificidades regionales, y la incompatibilidad temporal entre las imágenes satelitales y los datos de referencia, introduciendo incertidumbres en la validación. Los umbrales de aptitud adoptados para las variables físicas tienen un carácter indicativo y exploratorio, necesitando parametrización conforme a normas de ingeniería en aplicaciones operacionales. Para estudios futuros, se recomienda el entrenamiento y ajuste fino de modelos de aprendizaje profundo con muestras locales, validación temporal en diferentes períodos estacionales y la incorporación de nuevos factores al modelo de aptitud, como proximidad a la red vial, datos geotécnicos y costos de expropiación, además de la aplicación de análisis multicriterio y de sensibilidad. Tales avances mejorarían la robustez y la confiabilidad de los resultados, consolidando la metodología como una herramienta más abarcadora para la planificación territorial de gasoductos.

Referencias Bibliográficas

Copernicus Programme; European Union. 2026. Copernicus Data Space Ecosystem: acesso a dados de observação da Terra e modelos digitais de elevação. Disponível em: <https://dataspace.copernicus.eu/>. Acesso em: 08 fev. 2026.

Departamento Nacional de Infraestrutura de Transportes [DNIT]. 2026. VGeo: Visualizador de Informações Geográficas do DNIT. Disponível em: <https://servicos.dnit.gov.br/vgeo/>. Acesso em: 06 fev. 2026.

Di Gregorio, A.; Jansen, L.J.M. 2000. Land Cover Classification System (LCCS): classification concepts and user manual. FAO, Rome, Italy. Disponível em: <https://www.fao.org/3/x0596e/x0596e00.htm>. Acesso em: 12 abr. 2026.

Eastman, J.R. 2012. IDRISI Selva Manual. Clark University, Worcester, MA, USA. Disponível em: <http://uhulag.mendelu.cz/files/pagesdata/eng/gis/idrisi_selva_tutorial.pdf>. Acesso em: 03 fev. 2026.

Esri. 2025. Deep learning using the ArcGIS Image Analyst extension. Disponível em: <https://pro.arcgis.com/en/pro-app/latest/help/analysis/image-analyst/deep-learning-in-arcgis-pro.htm>. Acesso em: 11 out. 2025.

Esri. 2026. ArcGIS Pro: Deep Learning Land Cover Classification. Esri, Redlands, CA, USA. Disponível em: <https://www.esri.com/en-us/arcgis/products/arcgis-pro/overview>. Acesso em: 10 fev. 2026.

Jensen, J.R. 2016. Introductory Digital Image Processing: a remote sensing perspective. 4ed. Pearson, New York, NY, USA.

Longley, P.A.; Goodchild, M.F.; Maguire, D.J.; Rhind, D.W. 2015. Geographic Information Science and Systems. 4ed. Wiley, Hoboken, NJ, USA.

Ma, L.; Liu, Y.; Zhang, X.; Ye, Y.; Yin, G.; Johnson, B.A. 2019. Deep learning in remote sensing applications: a meta analysis and review. ISPRS Journal of Photogrammetry and Remote Sensing 152: 166-177.

Malczewski, J. 2006. GIS based multicriteria decision analysis: a survey of the literature. International Journal of Geographical Information Science 20(7): 703-726.

MapBiomas. 2026. Plataforma MapBiomas Brasil: coleções de cobertura e uso da terra no Brasil. Disponível em: <https://brasil.mapbiomas.org/>. Acesso em: 05 fev. 2026.

Olofsson, P.; Foody, G.M.; Herold, M.; Stehman, S.V.; Woodcock, C.E.; Wulder, M.A. 2014. Good practices for estimating area and assessing accuracy of land change. Remote Sensing of Environment 148: 42-57.

Zhu, X.X.; Tu, W.; Mou, L.; Xia, G.S.; Zhang, L.; Xu, F.; Fraundorfer, F. 2017. Deep learning in remote sensing: a comprehensive review. IEEE Geoscience and Remote Sensing Magazine 5(4): 8-36.

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haz clic aquí y accede a la plataforma MBX Academy

Más recientes

Economía, Inversiones Y Banca

23 de octubre de 2026

Educación Financiera, Comportamientos y Sesgos en la Toma de Decisiones Financieras

22 de octubre de 2026

Desafíos y Posibilidades del Primer Año Escolar de Niños con TEA para el Trabajo Docente

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

22 de octubre de 2026

Riesgos Psicosociales y Salud Mental en el Trabajo en una Institución Bancaria

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

22 de octubre de 2026

Regresión Estadística en Microrredes para Estimación de Desempeño Operacional: Caso Campusgrid

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

También te puede interesar

Economía, Inversiones Y Banca

23 de octubre de 2026

Educación Financiera, Comportamientos y Sesgos en la Toma de Decisiones Financieras

La gestión financiera personal representa un desafío creciente, influenciada por sesgos cognitivos que afectan la toma de decisiones, incluso en individuos con alto conocimiento. El presente estudio analizó la relación entre el nivel de educación financiera y la ocurrencia de sesgos conductuales en la toma de decisiones financieras de adultos residentes en Brasil. Se realizó un levantamiento de campo de naturaleza aplicada, cuantitativa y descriptivo-correlacional, mediante la aplicación de un cuestionario estructurado a 163 encuestados. El instrumento contempló variables sociodemográficas, conocimiento y hábitos financieros, y situaciones hipotéticas para identificar sesgos cognitivos. Los resultados indicaron que niveles más elevados de educación financiera se asociaron con mejores prácticas de control financiero, ahorro e inversión, con correlaciones significativas con ingresos y escolaridad. Sin embargo, la presencia de sesgos conductuales (anclaje, aversión a la pérdida, escasez, optimismo/pesimismo, sesgo del presente, status quo, exceso de confianza y contabilidad mental) persistió incluso entre individuos con mayor escolaridad e ingresos, sin asociación estadísticamente significativa con las variables sociodemográficas analizadas. Se concluyó que la educación financiera, aunque esencial para la organización y el control financiero, no fue suficiente para neutralizar la influencia de sesgos cognitivos. Se sugiere la incorporación de enfoques conductuales a los programas de educación financiera.

Palabras clave: Comportamiento financiero; Economía conductual; Finanzas personales; Heurísticas cognitivas; Sesgos cognitivos.

22 de octubre de 2026

Desafíos y Posibilidades del Primer Año Escolar de Niños con TEA para el Trabajo Docente

La inserción de niños con Trastorno del Espectro Autista (TEA) en la Educación Infantil presenta desafíos significativos, dada la dificultad de adaptación a nuevos entornos y la intensidad de estímulos. El objetivo fue analizar la actuación docente en la Educación Infantil en el proceso de escolarización inicial de niños con TEA. Se realizó un estudio de caso, utilizando la entrevista narrativa como técnica de producción de datos. Los resultados revelaron que la actuación docente se caracterizó por prácticas de mediación y afecto, con la flexibilización de la rutina y el uso de recursos lúdicos como estrategias esenciales para el desarrollo y la organización sensorial del niño. También se destacó la importancia del profesional de apoyo escolar para el éxito del trabajo pedagógico. El desarrollo integral del niño fue promovido por medio de acciones docentes intencionales que priorizaron la adaptación ambiental, el fortalecimiento de vínculos y la atención a las necesidades específicas del TEA. Como contribución, se elaboró una guía de estrategias pedagógicas orientada a la acogida de niños con TEA en guarderías públicas.

Palabras clave: Educación Infantil; Inclusión Escolar; Narrativas Docentes; Prácticas Pedagógicas Inclusivas; Trastorno del Espectro Autista.

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

La expansión del comercio electrónico y la transformación tecnológica impulsaron la necesidad de comprender el comportamiento del consumidor de infoproductos, cuya experiencia percibida se ha vuelto crucial para el desarrollo profesional. El estudio tuvo como objetivo analizar los factores que influyeron en la decisión de compra de infoproductos en el entorno digital, considerando las etapas del viaje del consumidor. Se realizó una investigación aplicada, cuantitativa y descriptiva, a través de un estudio de campo con 100 consumidores de la Serra Gaúcha. La recopilación de datos se realizó mediante un cuestionario estructurado, utilizando muestreo no probabilístico. Los resultados revelaron un público cualificado y con un fuerte comportamiento “mobile-first”. Se constató que la disponibilidad de información detallada y la aprobación social fueron los principales desencadenantes de atracción en la fase de precompra. En las etapas transaccionales y posteriores, la minimización de fricciones operativas, la agilidad del acceso inmediato y la seguridad sistémica demostraron ser cruciales para la conversión y la satisfacción, aunque se identificaron lagunas en la eficiencia del soporte humano. La retención se fundamentó en la confianza generada por experiencias anteriores positivas, superando el factor precio. Se concluyó que el viaje del consumidor de infoproductos opera como un sistema integrado, exigiendo alineación entre infraestructura tecnológica, curaduría de contenido y humanización del soporte para asegurar el compromiso.

Palabras clave: Comercio electrónico; Comportamiento del consumidor; Experiencia del consumidor; Fidelización; Negocios virtuales.

22 de octubre de 2026

Riesgos Psicosociales y Salud Mental en el Trabajo en una Institución Bancaria

La salud mental en el entorno laboral es un tema de creciente relevancia, que impacta el desarrollo profesional y el bienestar de los colaboradores. Se realizó un estudio para identificar aspectos y situaciones que pueden influir en los niveles de absentismo en una institución bancaria. La investigación involucró a 108 participantes y utilizó un cuestionario estructurado, basado en la versión corta del COPSOQ II de Gonçalves (2021), que contenía 45 preguntas cerradas en escala Likert y dos preguntas abiertas. Los datos se recopilaron a través de una plataforma en línea y se analizaron con un enfoque descriptivo y cuantitativo. Los resultados revelaron un escenario que indicó la necesidad de ajustes en la distribución de las actividades y en la percepción de los gerentes sobre comportamientos y señales de trastornos. Se identificaron evidencias importantes en las respuestas abiertas de los participantes. Se concluyó que el estudio contribuyó a la promoción de la percepción de un ambiente seguro para la salud mental en la organización.

Palabras clave: Ausencias por trastornos; Desarrollo profesional; Liderazgo operativo; Licencia médica; Salud mental.

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

El estado de Amazonas ha enfrentado desafíos históricos en la consolidación del Sistema Único de Salud (SUS), derivados de barreras geográficas, desigualdades socioeconómicas y limitaciones estructurales. En este estudio se describió el desarrollo e implementación de un geoportal de información en salud, concebido para apoyar el monitoreo, la evaluación y la planificación en el contexto amazónico. Se adoptó un enfoque de estudio de caso descriptivo, basado en análisis documental y datos secundarios, abarcando el mapeo de funcionalidades, la infraestructura técnica y las etapas de validación de la herramienta. El Portal fue desarrollado con tecnologías abiertas e integró múltiples bases de datos nacionales, ofreciendo dashboards interactivos, mapas temáticos y repositorio digital de documentos. Entre los resultados, destacaron la visualización georreferenciada de indicadores clave, la posibilidad de análisis comparativos temporales y la utilización de la plataforma en la revisión de planes de salud y en el redireccionamiento de acciones estratégicas. El portal puede representar un avance en la gobernanza digital y en la gestión basada en evidencia, con potencial de replicabilidad para otros territorios de alta complejidad, siempre que vaya acompañado de inversiones en infraestructura tecnológica, capacitación profesional y articulación interinstitucional.

Palabras clave: Amazonía; Evaluación en Salud; Salud Digital; Sistemas de Información en Salud.

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

El impacto del aprendizaje continuo y la gestión del conocimiento en el crecimiento de las organizaciones fue estudiado en un escenario de globalización y constantes cambios. El objetivo del estudio fue analizar la percepción de los colaboradores sobre la cultura de aprendizaje y su importancia para el desarrollo personal y profesional. Los datos se obtuvieron a través de una encuesta anónima, de enfoque cuantitativo, utilizando un formulario con preguntas tipo “survey” aplicado a 87 profesionales de los sectores de tecnología, salud, educación, comercio y servicios. Los resultados indicaron que los colaboradores tenían una percepción positiva sobre la contribución del aprendizaje continuo al crecimiento personal y organizacional, reconociendo sus beneficios para el desarrollo de nuevas habilidades, la innovación y la competitividad. Sin embargo, se observó que el incentivo al intercambio de conocimiento interno y la oferta de capacitaciones prácticas aún presentaban medias moderadas de acuerdo. Se concluyó que el aprendizaje continuo contribuye significativamente al desarrollo individual y organizacional, sugiriendo que las empresas deben desarrollar políticas estratégicas de aprendizaje dirigido a nuevas habilidades, buscando una mayor ventaja competitiva y la innovación.

Palabras clave: Aprendizaje continuo; Autodesarrollo; Crecimiento organizacional; Gestión del Conocimiento; Innovación.

22 de octubre de 2026

Regresión Estadística en Microrredes para Estimación de Desempeño Operacional: Caso Campusgrid

Se propuso un modelo de regresión estadística múltiple para estimar el rendimiento operativo de la microrred CampusGrid de la UNICAMP, basándose en magnitudes eléctricas internas. La microrred integra generación fotovoltaica, baterías y un generador de gas. Se recopilaron datos del sistema de gestión de energía en intervalos de cinco minutos durante un mes. El Índice de Confiabilidad Operacional, definido como la razón entre energía atendida y demandada, se estableció como variable dependiente. El modelo se ajustó al modo de operación aislado, evaluando el impacto de la demanda, el estado de carga, la generación solar y la energía suministrada. Los resultados revelaron un elevado poder explicativo, indicando que la confiabilidad operativa depende de la interacción entre el suministro y la demanda. Se observó que el período nocturno concentró la mayor tasa de atención parcial, atribuida a la reducción de la generación solar. Se concluyó que la regresión múltiple ofrece una estructura interpretable y útil para el monitoreo de microrredes y el apoyo a estrategias de control.

Palabras clave: Almacenamiento en baterías; Generación fotovoltaica; Índice de Confiabilidad; Operación aislada; Sistema de Gestión de Energía.

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

La morosidad agregada en el sistema financiero brasileño es un indicador crucial de riesgo crediticio, cuya previsión está regulada por las Resoluciones CMN n.° 4.557/2017 y 4.966/2021 para la medición prospectiva de pérdidas esperadas. Se modeló y predijo la morosidad agregada mediante el modelo SARIMAX, proyectando su trayectoria hasta diciembre de 2026 bajo escenarios optimista, base y pesimista. Se utilizaron 164 observaciones mensuales (julio/2012 a febrero/2026) y variables macroeconómicas como desempleo, Selic, IPCA, IBC-Br y endeudamiento de las familias. La especificación con variables contemporáneas fue seleccionada con base en criterios de información y estabilidad de los coeficientes, y el diagnóstico de los residuos confirmó adecuación estadística, con MAPE de 3,12%. La morosidad histórica varió entre 4,33% y 7,64%. La estimación identificó el desempleo (β = 0,2534; p < 0,001) y la Selic (β = 0,2128; p < 0,001) como principales determinantes positivos, con fuerte persistencia temporal (AR(1) = 0,8965). La Selic exhibió correlación creciente con la morosidad (r = 0,62 en el rezago 12), mientras que el desempleo demostró efecto contemporáneo (r = 0,33). Las proyecciones indicaron morosidad entre 6,30% y 7,98% en diciembre de 2026, con una amplitud de 1,68 punto porcentual, evidenciando implicaciones directas para el dimensionamiento de provisiones en las instituciones financieras.

Palabras clave: Desempleo; Modelado predictivo; Política monetaria; Provisión de pérdidas; Series temporales.

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

Este estudio describió los factores críticos percibidos para la participación de las partes interesadas en la transferencia internacional de tecnología en un hospital público, con foco en la planificación. El objetivo fue describir estos factores condicionantes, según la percepción de los profesionales. Se realizó un estudio de caso único, aplicando un cuestionario a 25 profesionales y utilizando análisis de contenido, complementado por tabulaciones descriptivas. Los principales obstáculos identificados fueron resistencia al cambio (72%), financiación (64%), falta de comunicación (60%) y burocracia (40%). Solo el 28% de los encuestados reconoció la existencia de herramientas adecuadas para la gestión de stakeholders, mientras que el 48% negó y el 24% no supo informar. Cruzamientos exploratorios indicaron variaciones en la evaluación de influencia según el tiempo de actuación, pero no establecieron relaciones causales. La falta de participación se asoció con retrasos, baja adhesión, desperdicio de recursos, fallas de comunicación, compromiso de la absorción de conocimiento y riesgos para la seguridad del paciente. Las conclusiones se restringieron a las percepciones del grupo investigado y fundamentaron recomendaciones preliminares para la comunicación y coordinación intersectorial.

Palabras clave: Estudio de caso; Gestión de proyectos; Innovación en salud; Partes interesadas; Sector público.

Economia

19 de octubre de 2026

¿Fin de la escala 6×1: qué permiten concluir los números?

Tras la promulgación del fin de la escala 6×1, el debate sobre la jornada menor pasa a la implementación y exige distinguir beneficios sociales de costos económicos El fin de la escala 6×1 pasó de la discusión legislativa a un cambio constitucional en Brasil. El 16 de octubre de 2026, el Congreso Nacional promulgó la enmienda constitucional nº 141/2026, originada de la Propuesta […]

Inteligencia Artificial

16 de octubre de 2026

¿Por qué estudiar si existe la IA?

Cuando las respuestas se vuelven fáciles, aprender pasa a significar más que alcanzarlas. ¿Por qué necesito aprender esto si puedo preguntarle a una inteligencia artificial? Este tipo de pregunta ha acompañado a la educación durante décadas. ¿Por qué aprender una operación si existe una calculadora? ¿Por qué memorizar una información si se puede encontrar […]

Gestión Tributaria

15 de octubre de 2026

Impuesto rosa y el género del precio

Cómo los diferentes tratamientos de marketing para hombres y mujeres son incorporados por la tributación del consumo Imagine un estante en el que dos maquinillas de afeitar de la misma marca y destinadas al mismo propósito están expuestas una al lado de la otra: una tiene un empaque oscuro y promete fuerza, precisión y eficiencia; la otra viene en tonos de rosa o […]

Salud

13 de octubre de 2026

El eslabón perdido de la transformación de la salud

¿Por qué la innovación no es suficiente para generar cambios en las organizaciones y en los sistemas de salud La transformación digital se ha consolidado como una prioridad estratégica para los sistemas de salud en todo el mundo. Historias clínicas electrónicas, inteligencia artificial, telemedicina, monitorización remota y análisis de datos han pasado a formar parte de la agenda estratégica de gobiernos y organizaciones sanitarias. Paradójicamente, […]

Marketing

09 de octubre de 2026

Bitcoin o mascotas: lo que la Inteligencia Artificial no vería

Un caso real de consumer intelligence muestra lo que queda fuera del briefing Hace algunos años, una aseguradora estadounidense contrató a una empresa especializada en consumer intelligence para responder a tres preguntas: La aseguradora también evaluaba lanzar seguros pagados en bitcoin. En ese momento, el proceso de trabajo de la consultoría funcionaba así: el analista creaba una query […]

Gestión Escolar

06 de octubre de 2026

La escuela no es un casino: cuando las figuritas se convierten en moneda en el patio

¿Por qué, para determinados estudiantes, la escuela logra ofrecer tan pocas experiencias de éxito? La Copa del Mundo ha terminado. Brasil ha quedado fuera de la competición, llegaron las vacaciones escolares, se disputó la final y el calendario del fútbol siguió adelante. Sería razonable imaginar que, con el fin del torneo y el regreso a clases, también comenzara […]

Transición Energética

30 de septiembre de 2026

Energías renovables: la ventaja brasileña

Brasil necesita invertir en la capacidad de transformar recursos naturales en innovación, productividad y desarrollo Hablar de energía es hablar de desarrollo. Detrás de la industria, el transporte, los servicios, las ciudades y, cada vez más, la inteligencia artificial, existe una infraestructura energética que sustenta la economía. Comprender la matriz energética de un país es comprender […]

Análisis De Datos

30 de septiembre de 2026

¿Cuando cambian los datos, ha cambiado la realidad?

Análisis de casi 20 millones de vínculos-año docentes entre 2020 y 2025 muestra cómo cambios en la composición de la población y en la producción de los registros pueden alterar la interpretación de series históricas Entre 2020 y 2025, el número de vínculos formales de trabajo docente identificados en la RAIS (Relación Anual de Información Social), del Ministerio de Trabajo, […]

Inteligencia Artificial

28 de septiembre de 2026

Inteligencia artificial y las tendencias

¿Por qué tanta gente se une a los juegos con ChatGPT? Nunca fui una persona de tendencias. Sigo sin serlo. Algunas pasan por mi línea de tiempo, las veo, me parecen interesantes pero no al punto de experimentar. Fue así, inclusive, con algunas ondas recientes de imágenes hechas por inteligencia artificial, como la tendencia de los años 80, aquella que nos […]

Gestión Tributaria

01 de septiembre de 2026

Reforma tributaria y planificación patrimonial en el campo

La eficiencia para gestionar los impuestos facilita la gobernanza y permite organizar la sucesión familiar. La organización patrimonial rural se ha convertido en una medida estratégica ante la reforma tributaria en Brasil, que entró en vigor este año. La planificación de las actividades y de la gestión del patrimonio rural, a través de herramientas como la transición de la Persona Física a […]

Renata de Gaspari Valdejão Almeida

Inteligencia Artificial

05 de agosto de 2026

Dentro de la empresa y fuera del radar: los riesgos de la IA Sombra

Según Microsoft, el 75% de los profesionales ya utilizan inteligencia artificial en el trabajo sin la aprobación de la empresa El uso de la inteligencia artificial generativa ya forma parte de la rutina corporativa. Herramientas como ChatGPT, Copilot y otras plataformas ayudan a los profesionales a producir textos, analizar datos, crear presentaciones y acelerar tareas en prácticamente todos los sectores. Pero este avance […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julio de 2026

El futuro como competencia

El interés académico refuerza la proyección de escenarios como herramienta esencial para la toma de decisiones. Mientras algunas empresas aún intentan acertar el próximo paso, otras ya trabajan con múltiples futuros posibles — y se preparan para todos ellos. Pero, ¿qué significa “pensar el futuro”? ¿Es tendencia, es estrategia o una nueva competencia que […]

Renata de Gaspari Valdejão Almeida

Innovación

Tecnología

21 de mayo de 2026

Corredor Agro SP: innovación, articulación institucional y futuro

Pecege comanda a 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 […]

Educación

27 de abril de 2026

Cómo transformar un TCC en negocio

Nueva gestión del Parque Tecnológico de Piracicaba ofrece consultoría a egresados de MBAs El nuevo director de proyectos del Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, suele decir que una de las mayores recompensas que ha tenido en la vida ha sido ver a sus orientandos del MBA USP/Esalq estructurar empresas a partir de sus trabajos de conclusión de […]

Tecnología

20 de marzo de 2026

El repertorio humano en la era de la IA

El pensamiento crítico y la creatividad son insustituibles en el trabajo del profesional de marketing La Inteligencia Artificial (IA) es capaz de hazañas increíbles, pero aún no posee la capacidad de juicio, empatía, intuición y creatividad estratégica necesarias para hacer el trabajo de un buen profesional de marketing. En esta área, es importante saber usar la herramienta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

23 de febrero de 2026

ESG como estrategia de crecimiento en una cooperativa del RS

Santa Clara equilibra responsabilidad social y ambiental con innovación Fundada en 1911 por inmigrantes italianos en Carlos Barbosa, en la sierra gaúcha, la Cooperativa Santa Clara es un ejemplo de que es posible equilibrar el crecimiento económico con la responsabilidad social y ambiental. De una pequeña empresa de producción de quesos, la organización evolucionó a un […]

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

22 de enero de 2026

¿Brasil libre de fiebre aftosa: qué cambia para la carne brasileña?

Con un rebaño de más de 200 millones de cabezas de ganado, el país es actualmente el líder en exportaciones Brasil recibió recientemente, por primera vez, la certificación de país libre de fiebre aftosa sin vacunación, otorgada por la Organización Mundial de Sanidad Animal (OMSA). El sello fortalece la posición del país como proveedor de carne confiable para el […]

Renata de Gaspari Valdejão Almeida

Innovación

09 de diciembre de 2025

Innovación: el nuevo ciclo del Parque Tecnológico de Piracicaba

El Instituto Pecege asume la gestión apostando en la creación de nuevos negocios A partir de 2026, el Instituto Pecege asumirá la gestión del Parque Tecnológico de Piracicaba (PTP). Entre sus responsabilidades estarán la administración, operación, mantenimiento y expansión del parque, además del fomento de actividades de innovación, emprendimiento y ciencia y tecnología. La elección fue realizada […]

Renata de Gaspari Valdejão Almeida

06 de julio de 2026

Arquitectura a Gran Escala: Gestión de Cambios DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumen elaborado por la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. La arquitectura y el urbanismo se configuran como bases imprescindibles en un espacio urbano cada vez más complejo y desafiante, donde la intrínseca conexión entre cuestiones sociales, ambientales y tecnológicas […]