Clusterização de Produtos em E-commerce via Embeddings de Metadados

Metadados, Clusterização de Produtos em E-commerce Via Embeddings de

doi:10.22167/2675-6528-202603506

Artigo

19 de outubro de 2026

Clusterização de Produtos em E-commerce via Embeddings de Metadados

Clusterização de Produtos em E-commerce Via Embeddings de Metadados

Thiago Augusto Santos Lima; Walter Mesquita Filho

DOI: 10.22167/2675-6528-202603506

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

O crescimento dos marketplaces digitais intensificou a necessidade de estratégias eficientes para organização e recomendação de produtos. Neste contexto, investigou-se a aplicação de técnicas de embeddings semânticos combinadas a algoritmos de clusterização para construir agrupamentos refinados de itens, visando aprimorar sistemas de recomendação. Utilizaram-se dados do componente Item Metadata do dataset Amazon Reviews 2023, abrangendo os domínios de eletrodomésticos e filmes e TV. A metodologia consistiu na preparação e padronização de campos textuais, seguida pela geração de embeddings por meio do modelo Sentence-BERT e normalização dos vetores. Em seguida, aplicaram-se os algoritmos K-Means e DBSCAN, com otimização de parâmetros baseada em métricas internas de qualidade, como o Silhouette Score. Os resultados indicaram que, no domínio de eletrodomésticos, os métodos geraram agrupamentos semanticamente coerentes, com melhor desempenho para o algoritmo baseado em densidade. Contudo, no domínio de filmes e TV, observou-se maior dificuldade na formação de clusters bem definidos, devido à heterogeneidade dos dados e à sobreposição entre categorias. Concluiu-se que a eficácia da abordagem depende diretamente das características do domínio analisado, sendo mais adequada para contextos com menor ambiguidade semântica.

Palavras-chave: categorização; clusterização; embeddings; marketplace; recomendação.

1. Introdução

O e-commerce tem experimentado um crescimento significativo nos últimos anos, consolidando-se como um dos principais canais de vendas no cenário global. Plataformas de marketplace, como Amazon, Shopee, Alibaba e Mercado Livre, desempenham um papel central nesse ecossistema, oferecendo aos consumidores uma ampla variedade de produtos e serviços, além de proporcionar aos vendedores acesso a um vasto público-alvo. A Amazon, por exemplo, registrou aproximadamente 2,56 bilhões de visitas mensais em 2025, com uma base de usuários ativos estimada entre 320 e 427 milhões globalmente (DemandSage, 2025). Já o Mercado Livre, líder na América Latina, alcançou 345,57 milhões de visitas mensais no Brasil em 2023, mantendo uma participação de mercado de 35% (Trade.gov, 2023). No cenário asiático, o Alibaba destaca-se com 279 milhões de compradores ativos anuais, gerando um volume de mercadorias brutas de 270 bilhões de dólares (Go-Globe, 2025).

Esse crescimento exponencial dos marketplaces impõe desafios significativos em termos de organização e recomendação de produtos. A personalização da experiência do usuário tornou-se essencial para engajar consumidores e otimizar as taxas de conversão. Nesse contexto, a utilização de metadados dos produtos, como títulos, descrições e categorias, emerge como uma estratégia eficaz para entender as preferências dos consumidores e oferecer recomendações mais precisas.

A aplicação de técnicas de embeddings, que transformam informações textuais em representações vetoriais densas, permite capturar relações semânticas entre itens em um espaço latente contínuo, facilitando a identificação de produtos similares ou complementares. Esse tipo de representação tem sido amplamente explorado em sistemas de recomendação modernos, nos quais embeddings são utilizados para modelar características complexas de itens e usuários, possibilitando a captura de padrões que não seriam evidentes em representações tradicionais. A relevância dessas abordagens no contexto de sistemas de recomendação em larga escala é destacada (Gomez-Uribe e Hunt, 2015).

Além disso, a aplicação de métodos de clusterização sobre essas representações vetoriais possibilita agrupar itens com base em similaridade semântica, contribuindo para uma organização mais estruturada do catálogo e para a melhoria da experiência de navegação. Estudos recentes demonstram que embeddings contextuais, especialmente aqueles derivados de modelos baseados em transformadores, são particularmente eficazes para tarefas de clusterização, pois capturam nuances semânticas que melhoram a coerência dos grupos formados (Ahmad et al., 2019). Abordagens que combinam embeddings com algoritmos de clusterização apresentam melhorias significativas em cenários de dados textuais de alta dimensionalidade (Mehta et al., 2021).

Apesar do potencial dessas técnicas, a eficácia da abordagem depende diretamente das características do domínio analisado, sendo mais adequada para contextos com menor ambiguidade semântica. A seleção do algoritmo deve ser orientada pela natureza semântica e estrutural dos dados, e não apenas por critérios técnicos gerais. Assim, a construção de subcategorias por meio de clusterização é viável e potencialmente útil para aprimorar sistemas de recomendação, desde que acompanhada de uma análise crítica do contexto em que é aplicada. Este estudo teve como objetivo explorar a utilização de metadados de produtos disponíveis em marketplaces para a construção de agrupamentos semânticos por meio de técnicas de embeddings e algoritmos de clusterização, com vistas a aprimorar modelos de recomendação e, consequentemente, melhorar a experiência do usuário e otimizar as estratégias de vendas nessas plataformas.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa de natureza quantitativa e exploratória, com abordagem computacional, focada na aplicação e avaliação de técnicas de processamento de linguagem natural e aprendizado de máquina. O objetivo central consistiu em explorar a utilização de metadados de produtos para a construção de agrupamentos semânticos, visando aprimorar modelos de recomendação em plataformas de marketplace. A metodologia foi estruturada em etapas sequenciais, desde a preparação dos dados até a avaliação dos agrupamentos.

A unidade de análise empírica consistiu em metadados de produtos extraídos do componente Item Metadata do dataset Amazon Reviews 2023, disponibilizado publicamente pelo McAuley Lab. Para a investigação, selecionaram-se dois subconjuntos distintos: o domínio de eletrodomésticos (Appliances), contendo aproximadamente 94,3 mil itens, e o domínio de filmes e TV (Movies & TV), com cerca de 747,8 mil itens. A escolha desses domínios visou avaliar a metodologia em contextos com diferentes características semânticas, um mais técnico e funcional e outro mais descritivo e subjetivo.

A metodologia adotada foi organizada em quatro etapas complementares. Primeiramente, realizou-se a preparação textual dos principais campos descritivos dos itens, consolidando as informações relevantes em uma representação adequada para processamento computacional. Em seguida, procedeu-se à geração de embeddings para a modelagem da similaridade semântica entre produtos, utilizando um modelo de linguagem pré-treinado. A terceira etapa envolveu a aplicação de técnicas de clusterização, e, por fim, os agrupamentos gerados foram submetidos a uma avaliação de qualidade.

Na etapa de preparação textual dos metadados, construiu-se um texto consolidado para cada item. Para o domínio de eletrodomésticos, o texto foi formado pela concatenação dos campos “title”, “features” e “description”. Os campos “features” e “description”, sendo listas, foram linearizados por concatenação com separadores. Para o domínio de filmes e TV, o texto consolidado foi construído a partir dos campos “title”, “categories” e “description”, também com linearização e concatenação de listas por meio de delimitadores, preservando o conteúdo semântico.

A geração de embeddings foi realizada utilizando o modelo Sentence-BERT (SBERT), proposto por Reimers e Gurevych (2019), que produz representações vetoriais densas de sentenças. Especificamente, empregou-se o modelo all-MiniLM-L6-v2, implementado na biblioteca Sentence-Transformers, reconhecido pelo bom compromisso entre desempenho e custo (Wang et al., 2020). Cada embedding resultante possuía uma dimensionalidade de 384. Após a geração, os vetores foram submetidos a um processo de normalização L2, que enfatiza a orientação no espaço vetorial e permite que a similaridade entre itens seja predominantemente interpretada em termos do ângulo entre os vetores, aproximando-se da métrica de similaridade de cosseno.

Para o agrupamento de produtos semanticamente semelhantes, aplicou-se o algoritmo K-Means, um método clássico de particionamento que busca segmentar um conjunto de observações em K grupos disjuntos (MacQueen, 1967). O algoritmo opera iterativamente, atribuindo cada ponto ao centroide mais próximo e recalculando os centroides a partir das novas atribuições (Lloyd, 1982). A otimização do número de clusters (K) foi realizada com base no Silhouette Score, variando K no intervalo de 10 a 30 para o domínio de eletrodomésticos e de 10 a 30 para o domínio de filmes e TV.

Como alternativa ao K-Means, utilizou-se o algoritmo DBSCAN (Density-Based Spatial Clustering of Applications with Noise), proposto por Ester et al. (1996). Este método não requer a definição prévia do número de clusters e é capaz de identificar estruturas de densidade arbitrária, além de distinguir explicitamente pontos considerados ruído. A otimização dos hiperparâmetros ɛ (raio de vizinhança) e MinPts (número mínimo de pontos) foi conduzida utilizando o Silhouette Score como critério de avaliação. Para o domínio de filmes e TV, devido ao elevado volume de dados, realizou-se uma etapa prévia de amostragem, selecionando um subconjunto de aproximadamente 30 mil itens para viabilizar a otimização computacional.

A avaliação da qualidade dos agrupamentos obtidos foi realizada por meio de métricas internas e externas. As métricas internas incluíram o Silhouette Score (Rousseeuw, 1987), que avalia a coesão intra-cluster e a separação inter-cluster; o Davies-Bouldin Index (DBI) (Davies e Bouldin, 1979), que mede a similaridade média entre clusters; e o Calinski-Harabasz Index (CHI) (Caliński e Harabasz, 1974), que expressa a razão entre a dispersão inter-cluster e a intra-cluster. Como métrica externa, utilizou-se a pureza (“purity”) de cada cluster em relação à variável “main_category”, que representa a categorização macro existente no dataset, permitindo uma análise de coerência entre os clusters gerados e a estrutura semântica original dos dados.

3. Resultados e Discussão

Os resultados apresentados neste estudo concentram-se na aplicação de técnicas de embeddings semânticos e algoritmos de clusterização em dois domínios distintos do dataset Amazon Reviews 2023: eletrodomésticos (Appliances) e filmes e televisão (Movies & TV). A escolha desses domínios foi intencional, visando avaliar como as características intrínsecas de cada contexto influenciam a eficácia das abordagens de clusterização. O domínio de eletrodomésticos, com atributos mais funcionais e técnicos, contrasta com o de filmes e TV, que é mais descritivo e subjetivo, apresentando maior heterogeneidade semântica. Essa diferenciação permitiu uma análise aprofundada da adaptabilidade dos métodos em cenários de e-commerce.

As etapas metodológicas foram aplicadas sequencialmente em ambos os domínios, iniciando com a preparação e serialização dos campos textuais dos metadados dos produtos. Em seguida, procedeu-se à geração de embeddings utilizando o modelo Sentence-BERT (all-MiniLM-L6-v2), com posterior normalização L2 dos vetores resultantes. Posteriormente, os algoritmos K-Means e DBSCAN foram aplicados, com otimização de hiperparâmetros baseada no Silhouette Score. A avaliação dos agrupamentos foi realizada por meio de métricas internas de qualidade e análise de pureza em relação à variável “main_category”, servindo como um indicador de validação externa. Essa abordagem sistemática permitiu uma comparação robusta do desempenho dos algoritmos em diferentes contextos.

Embeddings: construção e normalização

A etapa inicial de preparação textual dos itens foi crucial para a qualidade dos embeddings. A heterogeneidade dos dados originais, que incluíam campos textuais, listas de atributos e descrições com diferentes níveis de granularidade, exigiu a transformação dessas informações em uma representação textual serializável e consistente. Para cada item, um texto consolidado foi construído a partir da concatenação dos campos “title”, “features” e “description” para eletrodomésticos, e “title”, “categories” e “description” para filmes e TV, utilizando delimitadores para preservar o conteúdo semântico e a estrutura textual. Essa padronização minimizou a variabilidade não informativa e favoreceu a captura de relações semânticas relevantes pelo modelo de embeddings.

A geração dos embeddings foi realizada utilizando o modelo Sentence-BERT all-MiniLM-L6-v2, que se mostrou um bom compromisso entre desempenho e custo, conforme destacado por Reimers e Gurevych (2019). Os vetores resultantes, com dimensionalidade de 384, foram submetidos a um processo de normalização L2. A normalização é fundamental em tarefas baseadas em similaridade, pois reduz o efeito da magnitude dos vetores e enfatiza a orientação no espaço vetorial, fazendo com que a similaridade entre itens seja predominantemente interpretada pelo ângulo entre os vetores, aproximando-se da métrica de similaridade de cosseno. Esse procedimento também contribuiu para a estabilidade dos algoritmos de clusterização e das métricas baseadas em distância, especialmente em cenários com alta heterogeneidade textual, melhorando a comparabilidade entre os itens e promovendo a formação de clusters mais coerentes.

Clusterização de Itens de Eletrodomésticos (Appliances)

No domínio de eletrodomésticos, a aplicação inicial do K-Means com dez clusters (K=10) foi adotada como configuração exploratória para equilibrar granularidade e interpretabilidade. A análise da inércia (WCSS) mostrou uma redução esperada à medida que o número de clusters aumentava, mas sem um ponto de inflexão claro, o que indicou a necessidade de métricas adicionais para otimização. A distribuição dos itens entre os dez clusters revelou uma heterogeneidade nos tamanhos dos grupos, sugerindo que o algoritmo capturou diferentes densidades no espaço vetorial. Essa configuração inicial apresentou uma pureza global de 57,2% em relação à variável “main_category”, indicando que a maioria dos itens em cada cluster pertencia à mesma categoria predominante, o que sugere uma preservação da estrutura semântica original dos dados. Contudo, o Silhouette Score de 0,0641 indicou uma separação relativamente baixa entre os clusters, com possível sobreposição entre os grupos.

A otimização do número de clusters no K-Means foi realizada variando K no intervalo de dez a trinta, utilizando o Silhouette Score como critério. Observou-se um ganho gradual na qualidade dos agrupamentos à medida que K aumentava, com o melhor resultado obtido para K igual a trinta. Esse achado sugere que uma maior granularidade favorece a separação semântica dos itens, permitindo a formação de clusters menores e mais específicos. A pureza global atingiu 61,3% nessa configuração, um aumento em relação ao cenário inicial, reforçando a hipótese de que um K maior melhora a organização semântica e a coerência interna dos grupos. O Silhouette Score também melhorou para 0,073, embora ainda indicasse uma separação moderada entre os clusters.

A aplicação do algoritmo DBSCAN, como alternativa ao K-Means, permitiu identificar agrupamentos baseados em densidade sem a necessidade de pré-definir o número de clusters, além de lidar com ruído. A otimização dos hiperparâmetros épsilon e min_samples revelou a sensibilidade do algoritmo a essas configurações. A configuração ótima resultou na formação de 183 clusters, um número significativamente maior que os obtidos com K-Means, indicando a capacidade do DBSCAN de identificar agrupamentos mais locais e heterogêneos. A pureza de 64,6% foi superior aos cenários anteriores, demonstrando maior alinhamento entre os clusters e a variável “main_category”. O Silhouette Score de 0,1491 representou um ganho substancial em relação ao K-Means, indicando melhor separação e maior coesão interna, o que reforça a adequação do DBSCAN para este tipo de dado.

Comparação entre os métodos no domínio de Eletrodomésticos

A comparação entre os três cenários — K-Means com K=10, K-Means com K otimizado (K=30) e DBSCAN otimizado — no domínio de eletrodomésticos revelou a superioridade do DBSCAN em todas as métricas avaliadas. O K-Means com K=10 obteve um Silhouette Score de 0,0641, Davies-Bouldin Index de 3,1677, Calinski-Harabasz Index de 326,6 e pureza de 57,2%. Com K otimizado para trinta, o K-Means apresentou um Silhouette Score de 0,0650, Davies-Bouldin Index de 3,1456, Calinski-Harabasz Index de 171,2 e pureza de 61,3%. Em contraste, o DBSCAN otimizado alcançou um Silhouette Score de 0,1491, Davies-Bouldin Index de 0,6869, Calinski-Harabasz Index de 1172,0 e pureza de 64,6%.

Esses resultados indicam que o DBSCAN proporcionou um melhor equilíbrio entre coesão interna e separação entre clusters. A redução do Davies-Bouldin Index e o aumento do Calinski-Harabasz Index corroboram a melhoria estrutural dos agrupamentos gerados pelo DBSCAN. Essa performance superior sugere que abordagens baseadas em densidade são mais adequadas para dados com alta variabilidade semântica e distribuição não esférica, características presentes nos embeddings textuais de produtos. A visualização bidimensional dos embeddings reforçou esses achados quantitativos, evidenciando a capacidade do DBSCAN de organizar semanticamente os dados de forma mais eficaz neste domínio.

Clusterização de Itens de Filmes e TV (Movies & TV)

No domínio de filmes e televisão, a aplicação do K-Means com K=10 revelou um comportamento distinto em comparação ao domínio de eletrodomésticos. A análise da inércia (WCSS) apresentou um decréscimo suave, sem um ponto de inflexão claro, sugerindo uma estrutura de agrupamento menos evidente. A pureza global obtida foi de 21,2%, um valor significativamente inferior ao observado anteriormente. Essa baixa pureza pode ser atribuída à sobreposição semântica entre diferentes categorias principais, como mídias físicas (DVDs) e conteúdos digitais equivalentes disponíveis via streaming, onde itens com o mesmo título podem pertencer a categorias distintas, penalizando a métrica de pureza. O Silhouette Score de 0,0187 indicou uma baixa separação entre clusters, sugerindo uma estrutura pouco definida no espaço vetorial.

A otimização do número de clusters no K-Means para o domínio de filmes e TV, variando K entre dez e trinta, mostrou pequenas variações no Silhouette Score. O melhor desempenho foi observado para K igual a dezessete, mas com ganhos modestos. Nessa configuração, a pureza global aumentou ligeiramente para 23,3%, indicando uma pequena melhora no alinhamento com a variável “main_category”. O Silhouette Score atingiu 0,0209, um ganho discreto que ainda é compatível com uma estrutura de agrupamento pouco definida. Esses resultados reforçam a complexidade intrínseca do domínio, onde a heterogeneidade semântica e a sobreposição de categorias dificultam a formação de clusters bem delimitados.

Para a aplicação do algoritmo DBSCAN no domínio de filmes e TV, foi necessária uma amostragem prévia de aproximadamente trinta mil itens devido ao elevado volume de dados, o que permitiu uma otimização computacionalmente eficiente dos hiperparâmetros épsilon e min_samples. A otimização resultou na formação de 42 clusters, um número inferior ao observado no domínio de eletrodomésticos. A pureza de 21,7% foi inferior aos cenários anteriores, e o Silhouette Score de 0,0081, também inferior aos valores obtidos com K-Means, indicou uma baixa separação entre os clusters. A visualização dos embeddings revelou que o DBSCAN classificou a totalidade dos pontos em um único agrupamento, com poucos pontos isolados nas bordas, indicando que o algoritmo tratou os dados como uma região densa e contínua, sem identificar subestruturas semânticas relevantes devido à ausência de fronteiras de densidade nítidas.

Comparação entre os métodos no domínio de Filmes e TV

A comparação dos métodos no domínio de filmes e TV, conforme os dados, demonstrou que os resultados foram, de modo geral, inferiores aos obtidos no domínio de eletrodomésticos. O K-Means com K=10 obteve um Silhouette Score de 0,0187, Davies-Bouldin Index de 4,8524, Calinski-Harabasz Index de 115,3 e pureza de 21,2%. Com K otimizado para dezessete, o K-Means apresentou um Silhouette Score de 0,0209, Davies-Bouldin Index de 4,5510, Calinski-Harabasz Index de 84,0 e pureza de 23,3%. O DBSCAN otimizado, por sua vez, alcançou um Silhouette Score de 0,0081, Davies-Bouldin Index de 0,4545, Calinski-Harabasz Index de 39,4 e pureza de 21,7%.

Embora o DBSCAN tenha apresentado a maior pureza neste domínio, seu desempenho em métricas internas, como Silhouette Score, Davies-Bouldin Index e Calinski-Harabasz Index, foi inferior, especialmente em termos de separação e coesão dos clusters. Essa inversão de desempenho em relação ao domínio de eletrodomésticos é um ponto crucial, pois demonstra que a superioridade do DBSCAN não é universal e depende fortemente da natureza semântica e estrutural dos dados. A visualização bidimensional dos embeddings para este domínio reforçou que os agrupamentos gerados pelo K-Means apresentaram uma distribuição dispersa, enquanto o DBSCAN resultou em um único cluster grande, com poucos pontos de ruído, indicando a dificuldade em identificar fronteiras de densidade claras.

A análise comparativa entre os domínios de eletrodomésticos e filmes e TV evidencia que a eficácia das técnicas de clusterização baseadas em embeddings é fortemente condicionada pelas características intrínsecas do domínio. No domínio de eletrodomésticos, com descrições mais objetivas e atributos bem definidos, a combinação de embeddings e algoritmos de clusterização, especialmente o DBSCAN, mostrou-se adequada para formar grupos semanticamente coerentes e interpretáveis, capturando nuances dentro de categorias mais amplas. O DBSCAN atingiu um Silhouette Score de 0,1491 e pureza de 64,6% neste domínio, demonstrando sua capacidade de lidar com distribuições irregulares e fronteiras semânticas bem definidas.

Por outro lado, no domínio de filmes e TV, caracterizado por maior heterogeneidade e sobreposição semântica, os algoritmos apresentaram limitações estruturais na produção de agrupamentos bem delimitados. A coexistência de diferentes representações para o mesmo item, como DVDs e conteúdos de streaming, introduziu ambiguidades que não foram plenamente resolvidas pela similaridade vetorial. O Silhouette Score do DBSCAN foi de 0,0081 e a pureza de 21,7%, uma redução significativa em comparação ao domínio de eletrodomésticos, evidenciando que a noção de similaridade semântica capturada pelos embeddings não necessariamente coincide com as categorias previamente definidas neste contexto mais complexo.

A baixa pureza observada no domínio de filmes e TV não deve ser interpretada exclusivamente como uma falha na clusterização. Itens semanticamente equivalentes, como o mesmo filme disponível em diferentes formatos (DVD e digital), foram frequentemente agrupados no mesmo cluster, o que é desejável para recomendação, mas penalizado pela métrica de pureza devido à associação com valores distintos de “main_category”. Isso ressalta uma limitação da variável de referência, que captura o formato de distribuição do conteúdo em vez de sua identidade semântica. Essa inconsistência entre a granularidade da variável de referência e a similaridade capturada pelos embeddings reforça a necessidade de complementar métricas quantitativas com análises qualitativas em domínios com categorização heterogênea, como sugerido por Rousseeuw (1987) e Davies e Bouldin (1979).

Em suma, os achados deste trabalho confirmam que a utilização de embeddings como base para clusterização é uma estratégia promissora para a organização semântica de catálogos, desde que alinhada às características do domínio e aos objetivos da aplicação. A qualidade dos agrupamentos não depende apenas da técnica empregada, mas da interação entre a representação dos dados, a estrutura do domínio e os critérios de avaliação adotados. A seleção do algoritmo deve ser orientada pela natureza semântica e estrutural dos dados, e não apenas por critérios técnicos gerais, para garantir que os agrupamentos gerados sejam semanticamente relevantes e úteis para aprimorar sistemas de recomendação e a experiência do usuário em marketplaces.

4. Conclusão

Este estudo investigou a utilização de metadados de produtos em marketplaces para a construção de agrupamentos semânticos, empregando técnicas de embeddings e algoritmos de clusterização. Buscou-se, com isso, aprimorar modelos de recomendação, otimizar a experiência do usuário e as estratégias de vendas. Verificou-se que a eficácia da abordagem dependeu fortemente das características intrínsecas do domínio analisado. No contexto de eletrodomésticos, onde os itens apresentavam descrições mais objetivas e atributos bem definidos, a aplicação conjunta de embeddings e clusterização mostrou-se adequada para formar grupos semanticamente coerentes e interpretáveis. Neste domínio, o algoritmo DBSCAN demonstrou desempenho superior, com um Silhouette Score de 0,1491 e pureza de 64,6%, indicando boa coesão interna e separação entre os clusters. Contudo, no domínio de filmes e TV, caracterizado por maior heterogeneidade e sobreposição semântica, observou-se uma limitação estrutural na capacidade dos algoritmos em produzir agrupamentos bem delimitados, resultando em um Silhouette Score de 0,0081 e pureza de 21,7% para o DBSCAN. Essa diferença de desempenho ressalta que a noção de similaridade semântica capturada pelos embeddings nem sempre coincide com as categorias previamente definidas em contextos complexos. A principal contribuição reside na demonstração de que esta abordagem é uma estratégia promissora para a organização dinâmica de catálogos e a criação de subcategorias mais granulares, subsidiando a evolução de sistemas de recomendação em marketplaces.

Uma limitação identificada no domínio de filmes e TV foi a inconsistência da variável “main_category”, que capturava o formato de distribuição do conteúdo em vez de sua identidade semântica, penalizando a métrica de pureza mesmo em agrupamentos semanticamente coerentes. Isso reforça a necessidade de complementar métricas quantitativas com análises qualitativas em domínios com categorização heterogênea. Sugere-se para estudos futuros a incorporação de grafos bipartidos de interação usuário-item, disponíveis na base Amazon Reviews 2023, para enriquecer os clusters gerados com uma dimensão comportamental. A aplicação de técnicas de detecção de comunidades nesses grafos poderia complementar a similaridade semântica extraída dos metadados com padrões de consumo e preferências coletivas dos usuários. Conclui-se que a construção de subcategorias por meio de clusterização é viável e potencialmente útil para aprimorar sistemas de recomendação, desde que acompanhada de uma análise crítica do contexto de aplicação, considerando cuidadosamente a definição de variáveis de referência, a natureza dos dados e o tipo de similaridade desejada.

Referências Bibliográficas

Ahmad, W.U.; Wang, X.; Ji, H.; Han, J. 2019. ADC: advanced document clustering using contextualized representations. Expert Systems with Applications 137: 157-166.

Caliński, T.; Harabasz, J. 1974. A dendrite method for cluster analysis. Communications in Statistics 3(1): 1-27.

Davies, D.L.; Bouldin, D.W. 1979. A cluster separation measure. IEEE Transactions on Pattern Analysis and Machine Intelligence PAMI-1(2): 224-227.

DemandSage. 2025. Amazon statistics. Disponível em: https://www.demandsage.com/amazon-statistics/. Acesso em: 10 fev. 2026.

Ester, M.; Kriegel, H.-P.; Sander, J.; Xu, X. 1996. A density-based algorithm for discovering clusters in large spatial databases with noise. In: International Conference on Knowledge Discovery and Data Mining, 1996, Portland, USA. Anais… p. 226-231.

Go-Globe. 2025. Alibaba in numbers: statistics and trends. Disponível em: https://www.go-globe.com/alibaba-in-numbers-statistics-and-trends/. Acesso em: 22 out. 2025.

Gomez-Uribe, C.A.; Hunt, N. 2015. The Netflix recommender system: algorithms, business value, and innovation. ACM Transactions on Management Information Systems 6(4).

Lloyd, S.P. 1982. Least squares quantization in PCM. IEEE Transactions on Information Theory 28(2): 129-137.

MacQueen, J.B. 1967. Some methods for classification and analysis of multivariate observations. In: Berkeley Symposium on Mathematical Statistics and Probability, 1967, Berkeley, USA. Anais… p. 281-297.

Mehta, V.; Bawa, S.; Singh, J. 2021. WEClustering: word embeddings based text clustering technique for large “dataset”s. Complex & Intelligent Systems 7: 3211-3224.

Reimers, N.; Gurevych, I. 2019. Sentence-BERT: sentence embeddings using siamese BERT-networks. In: Conference on Empirical Methods in Natural Language Processing, 2019. Anais… p. 3982-3992. Disponível em: https://aclanthology.org/D19-1410/. Acesso em: 10 fev. 2026.

Rousseeuw, P.J. 1987. Silhouettes: a graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics 20: 53-65.

Trade.gov. 2023. Brazil e-commerce guide. Disponível em: https://www.trade.gov/country-commercial-guides/brazil-ecommerce. Acesso em: 10 fev. 2026.

Wang, W.; Wei, F.; Dong, L.; Bao, H.; Yang, N.; Zhou, M. 2020. MiniLM: deep self-attention distillation for task-agnostic compression of pre-trained transformers. Disponível em: https://arxiv.org/abs/2002.10957. Acesso em: 10 fev. 2026.

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

19 de outubro de 2026

Neurociência e Matemática: estratégias de ensino a partir do material didático Girando com o Número

19 de outubro de 2026

Recurso Computacional de Leitura Assistida para pessoas com Dislexia

19 de outubro de 2026

Monopólio regulado: como uma concessionária gera valor e relacionamento no setor do saneamento básico

19 de outubro de 2026

Liderança humanizada na produtividade da equipe em um canteiro de obras em Porto Feliz

19 de outubro de 2026

Políticos de farda na Nova República: agenda temática e determinantes do sucesso legislativo

19 de outubro de 2026

Diagnóstico estratégico comercial por meio da análise de dados CRM: um estudo comparativo 2024-2025

19 de outubro de 2026

Quando o(a) advogado(a) faz tudo: sobrecarga estrutural e limites do planejamento em pequenos escritórios de advocacia

19 de outubro de 2026

Análise de correspondência de dados de pacientes de uma clínica de fonoaudiologia

19 de outubro de 2026

Recrutamento e mão de obra no setor de biodiesel no Brasil: desafios e gargalos

Você também pode gostar

19 de outubro de 2026

Neurociência e Matemática: estratégias de ensino a partir do material didático Girando com o Número

Apresentaram-se estratégias de ensino com potencial para aprimorar as funções executivas e a aprendizagem em estudantes do terceiro ano do ensino fundamental. Objetivou-se analisar práticas pedagógicas que contribuíram para o desenvolvimento da memória de trabalho, controle inibitório e flexibilidade cognitiva, e verificar se o aprimoramento dessas funções auxiliava a aprendizagem de conceitos básicos da Matemática. A pesquisa, de caráter documental, desenvolveu-se em três etapas: revisão conceitual das funções executivas, levantamento bibliográfico na SciELO sobre a temática e análise do material didático “Girando com o Número” como proposta de ensino. O material foi utilizado como atividade de rotina em uma turma do terceiro ano do ensino fundamental durante o ano letivo de 2025. Observou-se que as estratégias de ensino com o material didático aprimoraram as funções executivas dos alunos e contribuíram para a aprendizagem de conceitos matemáticos básicos, nos quais apresentavam dificuldades. Houve uma mudança na atenção e interesse dos estudantes pela matemática e maior facilidade em resolver questões. Concluiu-se que o aprimoramento das funções executivas, mediado por estratégias de ensino adequadas, pode gerar melhores resultados na aprendizagem da Matemática. Destacou-se a necessidade de mais pesquisas brasileiras sobre a articulação entre neurociência, funções executivas e ensino de matemática para subsidiar práticas pedagógicas.

Palavras-chave: Aprendizagem; Funções executivas; Prática pedagógica; Rotina escolar.

19 de outubro de 2026

Recurso Computacional de Leitura Assistida para pessoas com Dislexia

A dislexia, um transtorno específico da aprendizagem, caracteriza-se por dificuldades persistentes na leitura. Um estudo foi desenvolvido com o objetivo de criar um sistema computacional de leitura assistida, integrando rastreamento ocular, síntese de voz e recursos interativos. A pesquisa teve natureza tecnológica e descritiva, e foi conduzida em um ambiente de simulação computacional, sem a participação de seres humanos. A metodologia estruturou-se em etapas de levantamento de requisitos, modelagem, implementação e testes funcionais. Os resultados demonstraram que o sistema identificou o foco visual do usuário em tempo real e realizou o realce dinâmico de palavras durante a leitura. Essa funcionalidade favoreceu a orientação do olhar e o acompanhamento textual, e os achados foram analisados sob a perspectiva da neurociência da leitura, com foco nos processos atencionais, coordenação viso-linguística e integração multimodal. Concluiu-se que a ferramenta possui viabilidade técnica e potencial aplicabilidade educacional como recurso de tecnologia assistiva para apoiar indivíduos com dislexia.

Palavras-chave: Dislexia; Leitura; Tecnologias Assistivas; Transtornos de Aprendizagem.

19 de outubro de 2026

Monopólio regulado: como uma concessionária gera valor e relacionamento no setor do saneamento básico

O saneamento básico no Brasil conta com 1.648 municípios atendidos por operadores privados em 2024, ante 291 em 2019, pelo Marco Legal (Lei nº 14.026/2020). O objetivo deste estudo foi mapear a evolução da percepção de valor ao longo do ciclo de relacionamento, identificando os fatores determinantes de confiança, adesão e engajamento em cada estágio de maturidade, com vistas a orientar decisões estratégicas de investimento e comunicação em contexto de concessão privada. Adotou-se abordagem mista com estudo de caso único em Barcarena (PA), combinando survey com 152 respondentes em escala Likert distribuídos em cinco estágios de maturidade e duas entrevistas semiestruturadas submetidas à análise de conteúdo (Bardin, 1977); a confiabilidade foi confirmada pelo alpha de Cronbach (a=0,819) e as correlações calculadas por Pearson, com verificação via Spearman. A percepção de valor descreveu uma curva não-linear: vale crítico no primeiro ano (CB=3,70; IR=3,80), pico em três a sete anos (CB=3,96; IR=4,22) e estabilização nos veteranos (CB=3,70; IR=4,30). As ações comunitárias apresentaram maior correlação com o custo-benefício percebido (r=0,583; p

Palavras-chave: Agentes comunitários; Jornada do cliente; Monopólio regulado; Percepção de valor; Saneamento básico.

19 de outubro de 2026

Liderança humanizada na produtividade da equipe em um canteiro de obras em Porto Feliz

A crescente complexidade dos ambientes de trabalho na construção civil evidenciou a necessidade de modelos de liderança mais humanizados, capazes de equilibrar resultados e bem-estar dos colaboradores. O estudo teve como objetivo analisar a influência da liderança humanizada, com base na empatia e na inteligência emocional sobre a produtividade das equipes em um canteiro de obras localizado em Porto Feliz/SP. Para isso, realizou-se uma pesquisa descritiva, com caráter quantitativo, utilizando o método survey. Os dados foram coletados por meio de um questionário estruturado, composto por 15 questões em escala Likert, aplicado a 26 profissionais respondentes, que exerciam funções de liderança no empreendimento, no período de 19 a 23 de janeiro de 2026. Os resultados indicaram elevada percepção positiva quanto às práticas de liderança humanizada, destacando-se aspectos como valorização dos colaboradores, comunicação empática, equilíbrio emocional dos líderes e estímulo ao diálogo. Observou-se também que tais práticas estiveram associadas ao fortalecimento do engajamento, à redução de conflitos e à melhoria do clima organizacional, refletindo diretamente na produtividade das equipes. Concluiu-se que a liderança humanizada representou um fator relevante para o desempenho no canteiro de obras, contribuindo para resultados mais sustentáveis e relações de trabalho mais saudáveis.

Palavras-chave: Bem-estar; Empatia; Gestão de pessoas; Inteligência emocional; Produtividade.

19 de outubro de 2026

Políticos de farda na Nova República: agenda temática e determinantes do sucesso legislativo

Investigou-se a produção legislativa de deputados federais oriundos das forças de segurança e de defesa no Brasil, analisando 7.310 Projetos de Lei apresentados entre 1989 e 2023, a partir da base de dados “políticos de farda”. O objetivo foi identificar padrões temáticos e avaliar os determinantes do sucesso legislativo. Empregaram-se modelagem de tópicos via Latent Dirichlet Allocation (LDA) e modelos logísticos inferenciais com erros clusterizados. Os resultados revelaram cinco agendas temáticas distintas, sendo a agenda penal a mais frequente (25,2% dos PLs), mas uma das menos bem-sucedidas em termos de aprovação (1,06%). A inserção partidária emergiu como o principal preditor de sucesso, elevando o pseudo-R² de 0,044 para 0,096. A Polícia Federal apresentou vantagem significativa (OR ≈ 2,49; p = 0,018) em relação às demais corporações. A probabilidade de aprovação cresceu ao longo das legislaturas, com taxa de 11,1% na 56ª legislatura contra 0,8% na 49ª. O estudo demonstrou que o sucesso legislativo dessa bancada dependeu menos da identidade corporativa e mais da inserção institucional e partidária.

Palavras-chave: Câmara dos Deputados; Ciência de dados; Forças de segurança; Modelagem de tópicos; Regressão logística.

19 de outubro de 2026

Diagnóstico estratégico comercial por meio da análise de dados CRM: um estudo comparativo 2024-2025

A crescente utilização de dados na gestão comercial ampliou a capacidade das empresas de identificar ineficiências e alinhar estratégias operacionais. Este estudo teve como objetivo analisar o desalinhamento entre a estratégia comercial e a capacidade operacional de uma empresa de médio porte, a partir da utilização de dados de CRM referentes aos anos de 2024 e 2025. A pesquisa foi conduzida com base na análise quantitativa de oportunidades comerciais registradas, considerando indicadores como volume, taxa de conversão, motivos de perdas e distribuição por tipo de serviço. Aplicou-se também uma adaptação da matriz BCG e a matriz SWOT para análise estratégica. Os resultados evidenciaram que, apesar do aumento no volume de oportunidades, não houve crescimento proporcional na conversão em contratos, caracterizando ineficiências no processo comercial. Observou-se elevada incidência de perdas associadas a limitações operacionais, especialmente relacionadas ao cumprimento de prazos e à capacidade de atendimento, representando 59% das perdas em 2024 e 71% em 2025. A análise por tipo de serviço revelou concentração de esforços comerciais em atividades com baixa taxa de conversão, reforçando o desalinhamento estratégico. Concluiu-se que a utilização de dados de CRM pode contribuir significativamente para a tomada de decisão, promovendo maior alinhamento entre a área comercial e a capacidade operacional da empresa.

Palavras-chave: BCG; CRM; Gestão; Negócios; Vendas B2B.

19 de outubro de 2026

Quando o(a) advogado(a) faz tudo: sobrecarga estrutural e limites do planejamento em pequenos escritórios de advocacia

Um estudo analisou a estrutura de gestão de um pequeno escritório de advocacia localizado em Paraíba do Sul, Rio de Janeiro. Partiu-se da hipótese de que a ineficiência desse tipo de negócio decorre menos da falta de tecnologias digitais e mais de uma configuração organizacional na qual as funções estratégica, tática e operacional colapsam sobre os mesmos agentes, que carecem de expertise em gestão estratégica. O objetivo foi identificar padrões que restringem o desempenho do escritório. Para isso, utilizou-se uma abordagem qualitativa e triangulação de dados, por meio de um estudo de caso único. Identificaram-se cinco padrões organizacionais recorrentes: sobrecarga estrutural, baixa formalização de processos internos, gestão predominantemente reativa, gargalos operacionais e desalinhamento entre rentabilidade e alocação de esforço da equipe. A análise indicou que esses padrões estavam associados à ausência de diferenciação funcional, comprometendo a eficiência operacional e a capacidade de planejamento estratégico. Como contribuição, propôs-se um Mapa Estratégico, baseado no Balanced Scorecard, como ferramenta de transição organizacional para lidar com a sobrecarga estrutural. Concluiu-se que a reconfiguração da organização do trabalho é condição essencial para a eficácia de qualquer ferramenta de gestão que o escritório venha a adotar.

Palavras-chave: Balanced Scorecard; Gestão de serviços profissionais; Planejamento estratégico; Sobrecarga estrutural.

19 de outubro de 2026

Análise de correspondência de dados de pacientes de uma clínica de fonoaudiologia

A disfonia vocal é um distúrbio que afeta a comunicação humana e é classificada em três tipos. Considerando a prevalência de dispositivos de registro de dados em estabelecimentos de saúde, desenvolveu-se um sistema web para aprimorar a coleta e gestão de dados clínicos em uma clínica de fonoaudiologia da Universidade Federal da Paraíba (UFPB). O sistema foi construído utilizando Python, Typescript, Django, TailwindCSS e PostgreSQL. Adicionalmente, analisaram-se 128 perfis de pacientes da mesma clínica para identificar relações entre características dos pacientes e tipos de disfonia. A pesquisa caracterizou-se como estudo de caso quantitativo, exploratório e descritivo. Os dados foram tratados e analisados por meio da técnica de análise de correspondência múltipla, com aplicação de testes como o de Shapiro-Wilk para identificar associações significativas. Os resultados revelaram 35 variáveis associadas aos tipos de disfonia, confirmando seu caráter multifatorial. Observou-se que a disfonia comportamental sem lesão se associou a perfis de menor risco vocal, enquanto a disfonia comportamental com lesão se relacionou a fatores de maior risco e agravamento do quadro. A disfonia orgânica apresentou baixa representatividade na amostra, o que limitou as inferências. Concluiu-se que o sistema desenvolvido contribuiu para a melhoria da gestão de dados clínicos e que a análise exploratória auxiliou na compreensão dos padrões associados às disfonias.

Palavras-chave: Aprendizado de máquina não supervisionado; Inteligência artificial; Tecnologia da Informação.

19 de outubro de 2026

Recrutamento e mão de obra no setor de biodiesel no Brasil: desafios e gargalos

O setor de biodiesel brasileiro encontra-se em expansão acelerada, impulsionado pela Lei n.º 14.993/2024, que institui cronograma progressivo de adição de biodiesel ao diesel até B20 em 2030. Esse crescimento contrasta com déficits estruturais de qualificação profissional que perpassam toda a cadeia produtiva, com particular intensidade nas etapas de conversão (transesterificação) e purificação. Compreendeu-se os desafios de recrutamento de mão de obra no setor industrial de biodiesel, considerando os perfis profissionais exigidos em cada etapa da cadeia produtiva, a correlação histórica entre marcos legais e demandas de qualificação, os gargalos específicos nas etapas de conversão e purificação, e a realidade empírica de uma empresa do Centro-Oeste. Realizou-se uma revisão bibliográfica sistemática em bases como SciELO, Scopus e Web of Science, selecionando 42 estudos, e conduziu-se um estudo de caso junto ao Departamento de Recursos Humanos de uma usina de biodiesel de pequeno-médio porte no Centro-Oeste brasileiro. Os resultados da revisão bibliográfica identificaram seis gargalos sistêmicos de recrutamento e assimetrias regionais. O estudo de caso confirmou empiricamente as hipóteses da literatura: 61% dos engenheiros contratados provieram de outros estados; o tempo de preenchimento de vagas técnicas atingiu 130 dias; o turnover de operadores foi de 38% ao ano, 14 pontos percentuais acima do benchmark regional; e nenhum candidato demonstrou domínio do processo de transesterificação, exigindo onboarding técnico de 3 a 8 meses. Concluiu-se pela necessidade urgente de políticas articuladas de formação profissional territorializada, parcerias entre empresas e instituições de ensino, e coerência territorial entre localização industrial e oferta de qualificação.

Palavras-chave: Biodiesel; Centro-Oeste; Qualificação profissional; Recrutamento; Transesterificação.

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 […]