Desempenho de aplicativos Android: comparação entre desenvolvimento nativo e React Native

Germano, Christian Dantas; Figueiredo, Elaine Barbosa de

doi:10.22167/2675-6528-202600669

Artigo

24 de julho de 2026

Desempenho de aplicativos Android: comparação entre desenvolvimento nativo e React Native

Christian Dantas Germano; Elaine Barbosa de Figueiredo

DOI: 10.22167/2675-6528-202600669

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

A escolha da plataforma de desenvolvimento de aplicativos móveis representa uma decisão técnica recorrente para desenvolvedores, que buscam equilibrar a facilidade do desenvolvimento multiplataforma com a performance do desenvolvimento nativo. Este estudo buscou investigar as diferenças de desempenho entre o desenvolvimento Android nativo, implementado com Kotlin e Jetpack Compose, e o React Native, avaliado nas abordagens com Expo e CLI. Para tanto, um aplicativo funcionalmente idêntico foi criado nas três plataformas. Em seguida, executou-se um fluxo de teste padronizado para simular o uso do aplicativo, enquanto métricas de CPU, consumo de memória, tempo de execução e tamanho final do aplicativo foram sistematicamente coletadas. Os resultados obtidos indicaram que o Android Nativo demonstrou desempenho superior na maioria das métricas; entretanto, o React Native, especificamente na configuração CLI, surpreendeu ao apresentar menor uso de CPU em comparação ao Android Nativo. No geral, as performances foram próximas, com a abordagem CLI superando o Expo, e a maior discrepância foi observada no tamanho final dos aplicativos. A análise comparativa realizada forneceu perspectivas atualizadas sobre o comportamento de cada plataforma, contribuindo para decisões técnicas mais fundamentadas no desenvolvimento mobile Android contemporâneo.

Palavras-chave: Benchmarking; CLI; Expo; Kotlin; Multiplataforma.

1. Introdução

O cenário tecnológico contemporâneo é marcado pela ubiquidade dos dispositivos móveis, que se consolidaram como ferramentas essenciais para a comunicação e o acesso à informação. Dados da International Telecommunication Union (ITU, 2024) indicam que aproximadamente oitenta por cento da população mundial possui telefone móvel. No Brasil, esse índice é ainda mais elevado, alcançando 88,9% da população com dez anos ou mais de idade em 2024, um crescimento de 11,5 pontos percentuais em relação a 2016 (IBGE, 2025). Esse panorama ressalta a importância crescente do desenvolvimento de aplicações para essas plataformas, tornando crucial a compreensão das abordagens tecnológicas disponíveis.

Nesse contexto, desenvolvedores e empresas enfrentam a decisão técnica de escolher a abordagem mais adequada para a criação de aplicativos móveis. Duas principais estratégias se destacam: o desenvolvimento nativo e o multiplataforma. A abordagem nativa envolve a utilização de linguagens e ferramentas específicas para cada sistema operacional, como iOS ou Android. Embora ofereça um desempenho otimizado, ela exige maior tempo e recursos, pois o desenvolvimento é realizado separadamente para cada plataforma (Jošt; Taneski, 2025).

Em contrapartida, o desenvolvimento multiplataforma emprega linguagens e ferramentas comuns que permitem, a partir de um único código-fonte, disponibilizar a aplicação para diversas plataformas simultaneamente. Essa abordagem pode reduzir significativamente o tempo e os custos de desenvolvimento (El-Kassas et al., 2017). No entanto, a escolha entre essas metodologias frequentemente implica um balanço entre a agilidade no desenvolvimento e a performance da aplicação.

Estudos prévios já apontam para variações de desempenho entre as abordagens nativa e multiplataforma. Aplicações nativas tendem a apresentar performance superior em certas métricas, mas soluções multiplataforma podem demonstrar desempenho comparável ou até mesmo superior em cenários específicos (Biørn-Hansen et al., 2020). A relevância da performance depende diretamente do foco da aplicação e dos requisitos do projeto, o que determina o impacto da escolha entre esses métodos (Oliveira et al., 2023).

A tecnologia React Native, uma das soluções multiplataforma mais consolidadas no mercado, passou por uma mudança arquitetural significativa. Anteriormente, utilizava uma ponte assíncrona para comunicação entre as camadas JavaScript e nativa. Atualmente, a Nova Arquitetura implementa uma comunicação direta via JavaScript Interface (JSI), o que resultou em melhorias no perfil de performance do framework (Jošt; Taneski, 2025). Essa evolução levanta questões sobre a validade dos resultados de estudos anteriores, que foram conduzidos com versões que ainda empregavam a arquitetura legada.

A lacuna na literatura reside na ausência de estudos comparativos atualizados que avaliem o desempenho do React Native com sua Nova Arquitetura em contraste com o desenvolvimento Android nativo. Os trabalhos existentes não refletem o estado presente dessas tecnologias, especialmente considerando as otimizações trazidas pela arquitetura mais recente. Dessa forma, torna-se essencial uma análise de desempenho que contemple essa configuração atualizada.

A justificativa para esta pesquisa reside na necessidade de fornecer dados empíricos e atualizados que auxiliem desenvolvedores e equipes técnicas na tomada de decisões mais fundamentadas. Ao comparar o desempenho do Android nativo (utilizando Kotlin e Jetpack Compose) com o React Native (nas abordagens Expo e CLI) em um cenário representativo de uso, este trabalho contribui para a compreensão das implicações de performance de cada escolha tecnológica. Assim, este estudo visa realizar uma análise comparativa de desempenho entre o desenvolvimento Android nativo e o React Native, a fim de indicar a abordagem mais adequada considerando um cenário representativo de uso.

2. Material e Métodos

Para alcançar o objetivo de comparar a performance entre desenvolvimento multiplataforma e desenvolvimento nativo, adotou-se uma metodologia experimental de estudo comparativo controlado. Essa abordagem permitiu a análise quantitativa de métricas de desempenho, mediante a implementação de aplicações funcionalmente idênticas em diferentes plataformas tecnológicas, de modo a reduzir variações nos resultados e permitir que os dados obtidos fossem atribuídos às características inerentes de cada abordagem de desenvolvimento.

Para viabilizar esta análise comparativa controlada, selecionaram-se tecnologias que representavam adequadamente cada abordagem de desenvolvimento. A tecnologia multiplataforma React Native foi escolhida pela sua consolidação no mercado, evidenciada por sua utilização por 9% dos desenvolvedores profissionais em 2024 (Stack Overflow, 2024), e pelo amplo ecossistema JavaScript. Para o desenvolvimento nativo, utilizou-se a plataforma Android com Kotlin e Jetpack Compose, devido ao suporte integral do Android e recomendação oficial do Google (ANDROID DEVELOPERS, 2025a, 2025b). A limitação ao ecossistema Android decorreu de restrições práticas.

No desenvolvimento com React Native, foram avaliadas duas formas: o framework Expo, que oferece uma camada de abstração adicional e gerenciamento automatizado de dependências nativas, e a abordagem por CLI (linhas de comando), que proporciona acesso direto aos projetos nativos (Expo, 2025; React Native, 2025). As versões do React Native utilizadas neste estudo implementaram a Nova Arquitetura, que substituiu o sistema de ponte assíncrona pelo JavaScript Interface (JSI), resultando em comunicação direta e mais eficiente entre as camadas (Jošt; Taneski, 2025).

O Kotlin com Jetpack Compose, para o desenvolvimento nativo Android, permitiu integração completa com o sistema e acesso direto às capacidades do dispositivo. Esta abordagem ofereceu ferramentas para análise de performance, uso de memória e depuração, disponibilizadas pela Integrated Development Environment [IDE] oficial, o Android Studio (Fentaw, 2020). Uma limitação desta abordagem referia-se à necessidade de desenvolver todo o aplicativo do zero para cada plataforma (Biørn-Hansen et al., 2020).

Para simular funcionalidades de uso cotidiano e demonstrar cenários representativos, desenvolveu-se um aplicativo de teste funcionalmente idêntico nas três plataformas. Priorizou-se a implementação de funcionalidades essenciais, sem foco em aspectos estéticos, garantindo a compatibilidade entre React Native e Android nativo (Biørn-Hansen et al., 2020; Oliveira et al., 2023). O aplicativo implementou navegação entre telas, comunicação com API REST, listagem e renderização de múltiplos itens, formulário com captura e anexo de imagem, acesso à câmera e galeria, e armazenamento local com persistência de dados.

A aplicação foi estruturada em quatro telas principais, organizadas por navegação lateral, utilizando os componentes e padrões de navegação específicos de cada plataforma. Isso permitiu avaliar a performance das transições de interface em contextos nativos de cada tecnologia. A tela inicial continha apenas elemento textual simples, servindo como ponto de partida para a automação dos testes e garantindo um estado inicial consistente entre as execuções.

A segunda tela implementou um componente de listagem dinâmica, populado com cem itens obtidos via requisição à API REST pública JSONPlaceholder. A escolha de cem itens visou exercitar algoritmos de renderização e gerenciamento de memória de forma representativa. Esta funcionalidade exercitou operações de rede, conversão e apresentação de dados, incluindo navegação por scroll vertical e recarregamento da lista.

A terceira tela consistiu em um formulário de entrada de dados que integrava armazenamento local através do sistema de banco de dados mais apropriado para cada plataforma. O formulário incluiu campos de texto livre, numérico, multilinhas, seletor de data nativo e funcionalidade de captura de imagem via câmera do dispositivo. Esta implementação exercitou a comunicação entre camadas de abstração JavaScript e APIs nativas, permitindo mensurar a sobrecarga da comunicação. Os dados, incluindo imagem convertida para base64, foram persistidos em banco de dados local.

A quarta e última tela implementou uma interface de consulta aos dados armazenados localmente, apresentando listagem dinâmica populada por operações de leitura do banco de dados local a cada abertura da tela. Esta funcionalidade permitiu avaliar a performance de consultas Structured Query Language [SQL] e a renderização de dados complexos, incluindo decodificação e exibição de imagens armazenadas em base64.

Para padronizar o consumo de dados entre as três plataformas, a API JSONPlaceholder foi selecionada, eliminando a necessidade de um backend exclusivo e garantindo que todas as implementações acessassem os mesmos dados. Para garantir que as diferenças de performance fossem atribuídas exclusivamente às tecnologias, os três aplicativos utilizaram esquemas de banco de dados idênticos, com atributos como id (numérico), name (texto), number (numérico), date (texto), description (texto) e images (texto). A versão nativa Android utilizou o Room Persistence Library do Jetpack Compose, a implementação com Expo aproveitou a biblioteca expo-sqlite, e o React Native CLI exigiu o desenvolvimento de módulos nativos em Kotlin.

Para assegurar a execução padronizada dos testes, selecionou-se o framework de código aberto Appium. Esta ferramenta permitiu a automação de aplicações móveis nativas e multiplataformas, possibilitando que um único script de teste executasse fluxos idênticos em arquiteturas distintas (Alotaibi; Qureshi, 2017). O script desenvolvido em Kotlin com JUnit realizou o mesmo fluxo de interação nos aplicativos React Native (Expo e CLI) e nativo, eliminando variações metodológicas.

Os testes foram executados por scripts Python que automatizaram a execução sequencial nas três plataformas, gerenciando a reinstalação do aplicativo e o isolamento entre execuções. Paralelamente, comandos Android Debug Bridge [ADB] coletaram métricas de Central Processing Unit [CPU], consumo de memória e tráfego de rede em intervalos de 0,5 segundos (Fentaw, 2020). O tamanho do aplicativo foi calculado usando o comando `st_size`, convertendo os valores para megabytes.

O ambiente de teste foi padronizado por emulação Android, utilizando o Android Virtual Device [AVD] Manager. A base foi o perfil de hardware do Google Pixel 9 Pro, com tela de 6,3 polegadas e resolução de 1280 x 2856 pixels. A imagem de sistema selecionada correspondeu à Google Play Intel x86_64 Atom System Image, API nível 36 (Android 16.0 “Baklava”). O emulador operou com configurações padrão de 2 GB de RAM, 4 núcleos de CPU e armazenamento interno de 6 GB. Todas as especificações técnicas do ambiente de desenvolvimento experimental, incluindo versões de Node.js (v22.17.0), React Native (0.79.3 para Expo e 0.79.2/0.80.1a para CLI), Expo CLI (~53.0.10), EAS CLI (^16.10.1), React Native CLI (18.0.0/19.0.0a), Appium (2.19.0), Android Studio (Meerkat | 2024.3.2), Android SDK (compileSdk 34b/35, targetSdk 34b/35, minSdk 24/30) e Build Tools (35.0.0), foram documentadas para reprodutibilidade.

Foram realizados dez testes válidos para cada tecnologia, totalizando trinta execuções para análise. Cada teste seguiu um fluxo idêntico de simulação de uso, organizado em três etapas sequenciais. A primeira etapa envolveu a navegação até a tela de lista, carregamento de cem itens via API JSONPlaceholder e scroll completo da lista. A segunda etapa consistiu na navegação até o formulário, preenchimento de campos, acionamento da câmera do emulador para captura de foto, seleção de data via DatePicker nativo e salvamento dos dados no banco local. A terceira etapa realizou a navegação até a tela de listagem de registros, com consulta ao banco local para exibição dos dados e verificação do novo registro.

Os testes foram executados com inicialização a frio entre cada execução, limpeza completa do emulador com remoção e reinstalação do aplicativo, e tempos de espera padronizados antes e depois da execução do Appium para garantir estabilidade do sistema. Este protocolo seguiu procedimentos estabelecidos em estudos de benchmarking móvel para garantir condições controladas e eliminar variáveis externas (Dorfer; Demetz; Huber, 2020). Fluxos de teste com erros tiveram seus dados removidos e um novo teste foi realizado.

Para a análise final e geração dos resultados, utilizaram-se scripts Python com bibliotecas para agrupamento das informações e cálculo de estatísticas descritivas, gerando tabelas no formato Excel. As métricas estatísticas calculadas incluíram média, desvio padrão, mediana, valores mínimos e máximos, consistentes com estudos anteriores de benchmarking móvel (Biørn-Hansen et al., 2020; Dorfer; Demetz; Huber, 2020; Jošt; Taneski, 2025).

Os dados coletados foram armazenados em arquivos Comma-Separated Values [CSV] e passaram por etapas de limpeza, removendo valores irreais ou fora de um range aceitável, como CPU acima de 100% ou abaixo de zero, e memória abaixo de 1 MB ou acima de 10 GB. As bibliotecas Python `pandas` (≥1.5.0) e `numpy` (≥1.21.0) foram empregadas para manipulação e cálculos estatísticos, enquanto `openpyxl` (≥3.0.0) foi utilizado para geração de tabelas Excel e `pathlib` (nativa) para manipulação de arquivos.

3. Resultados e Discussão

A análise comparativa de desempenho entre o desenvolvimento Android nativo com Kotlin e Jetpack Compose, e o React Native nas abordagens Expo e CLI, foi realizada a partir de trinta testes automatizados. Dez execuções válidas foram obtidas para cada uma das três plataformas, resultando em um total de 3.392 medições individuais após a aplicação de rigorosos critérios de limpeza de dados. Este volume de dados permitiu uma caracterização robusta do comportamento de cada tecnologia em um cenário de uso representativo, conforme os procedimentos metodológicos estabelecidos para garantir a validade estatística dos resultados (Dorfer; Demetz; Huber, 2020).

Os resultados obtidos abrangeram diversas métricas críticas, incluindo o uso de CPU, consumo de memória RAM, latências em operações específicas e o tamanho final do aplicativo. A discussão desses achados foi conduzida em comparação com a literatura existente, buscando identificar padrões consistentes e divergências que pudessem indicar novas perspectivas sobre o desempenho das tecnologias avaliadas. A abordagem metodológica adotada, com a criação de aplicativos funcionalmente idênticos e a execução de fluxos de teste padronizados, visou minimizar variáveis externas e atribuir as diferenças de performance às características inerentes de cada plataforma.

Caracterização Geral dos Testes

A execução dos testes revelou diferenças notáveis na duração média para completar o fluxo de operações em cada plataforma. O desenvolvimento Android Nativo demonstrou ser o mais eficiente, finalizando cada ciclo de teste em uma média de 47,37 segundos. Em contraste, as implementações React Native CLI e React Native Expo exigiram significativamente mais tempo, com médias de 58,57 segundos e 61,47 segundos, respectivamente. Isso representa um tempo adicional de mais de 20% para as soluções multiplataforma em comparação com a abordagem nativa.

Essa diferença na duração média dos testes sugere que as camadas de abstração inerentes às plataformas multiplataforma podem introduzir um *overhead* durante a execução sequencial de operações. Embora outros fatores técnicos possam contribuir para esse comportamento, a consistência da diferença temporal em todas as execuções aponta para uma característica fundamental dessas arquiteturas. A maior agilidade do Android Nativo em completar o fluxo de teste indica uma eficiência superior na orquestração e execução das tarefas simuladas, o que é um fator relevante para a experiência do usuário em aplicações que demandam alta responsividade.

Análise de Performance de Recursos do Sistema

A análise do consumo de recursos do sistema, especificamente CPU e memória RAM, revelou padrões distintos entre as plataformas. O Android Nativo apresentou o menor consumo médio de memória RAM, com 60,65 MB, evidenciando a eficiência do acesso direto aos recursos do sistema. O React Native Expo, por sua vez, demonstrou o maior consumo de memória, com uma média de 109,22 MB, o que representa aproximadamente 80% mais recursos que o nativo. O React Native CLI posicionou-se em um patamar intermediário, com 75,13 MB, consumindo 24% acima da solução nativa.

Este comportamento em relação ao consumo de memória está em consonância com a literatura, que consistentemente reporta um maior *overhead* de memória em implementações React Native comparadas ao desenvolvimento nativo (Biørn-Hansen et al., 2020; Dorfer; Demetz; Huber, 2020). As camadas de abstração necessárias para a comunicação entre o código JavaScript e as APIs nativas nas tecnologias multiplataforma são a principal causa dessas diferenças, adicionando complexidade e, consequentemente, maior demanda por recursos de memória.

No que tange ao consumo de CPU, o React Native Expo manteve o padrão de maior utilização de recursos, com uma média de 31,83%, superando o Android Nativo, que registrou 28,49%. Este achado também se alinha com tendências documentadas na literatura, que apontam para o *overhead* de CPU em implementações React Native, embora a magnitude possa variar dependendo da metodologia e do contexto dos estudos (Biørn-Hansen et al., 2020; Dorfer; Demetz; Huber, 2020). A camada adicional de abstração e as bibliotecas do ecossistema Expo contribuem para essa maior demanda de processamento.

Um achado particularmente interessante e divergente da literatura foi o desempenho do React Native CLI no consumo de CPU. Esta implementação registrou a menor utilização de CPU entre as três tecnologias avaliadas, com uma média de 23,62%, superando o Android Nativo. Este resultado contrasta com estudos anteriores que consistentemente reportavam maior *overhead* de CPU em implementações React Native, chegando a documentar consumo de duas a quatro vezes superior ao nativo em determinados dispositivos (Biørn-Hansen et al., 2020; Dorfer; Demetz; Huber, 2020).

A superioridade do React Native CLI no uso de CPU, em comparação com o Android Nativo, sugere uma possível melhoria de eficiência nas versões recentes do React Native. A Nova Arquitetura, que substituiu a ponte assíncrona tradicional por comunicação direta via JavaScript Interface (JSI), pode ser um fator determinante para essa otimização (Jošt; Taneski, 2025). Essa mudança arquitetural resolveu uma limitação de performance anteriormente citada na literatura, oferecendo uma explicação plausível para a redução no *overhead* de CPU observada, o que demanda investigação futura em contextos experimentais mais amplos para confirmar e aprofundar essa hipótese.

Ao comparar as duas abordagens do React Native, o CLI demonstrou desempenho superior ao Expo em ambas as métricas de CPU e memória. A diferença entre as duas tecnologias pode ser atribuída ao ecossistema do Expo e suas bibliotecas pré-configuradas, que introduzem uma camada adicional de abstração e dependências nativas pré-empacotadas. Essas bibliotecas, embora facilitem o desenvolvimento, demonstraram nos testes um impacto negativo na performance geral do aplicativo, aumentando o consumo de recursos em comparação com a abordagem mais enxuta do CLI.

Análise de Latências por Fase do Fluxo

A avaliação do tempo de execução por fase do fluxo de teste revelou que o Android Nativo consistentemente apresentou melhor desempenho em todas as etapas. Na Fase 1, que envolveu a requisição de rede e o *scroll* completo de uma lista de cem itens, o Android Nativo completou a operação em 9.958 milissegundos. As implementações React Native CLI e Expo apresentaram tempos significativamente maiores, com 18.615 milissegundos e 17.662 milissegundos, respectivamente. A maior diferença foi observada nesta fase, indicando que operações intensivas de rede e renderização de listas são mais eficientes na abordagem nativa.

Na Fase 2, que compreendeu o preenchimento de um formulário, a captura de imagem via câmera do emulador e a seleção de data com o componente nativo DatePicker, o Android Nativo manteve sua superioridade, com um tempo de execução de 24.408 milissegundos. O React Native CLI registrou 26.446 milissegundos, e o React Native Expo, 28.459 milissegundos. Embora as diferenças fossem menores nesta fase em comparação com a Fase 1, o padrão de desempenho superior do nativo foi mantido, e o CLI superou o Expo, indicando uma menor sobrecarga na comunicação com funcionalidades nativas diretas.

A Fase 3, que consistiu na listagem de registros do banco de dados local, confirmou o padrão de desempenho, com o Android Nativo em primeiro lugar (1.295 milissegundos), seguido pelo React Native CLI (1.855 milissegundos) e o React Native Expo (3.090 milissegundos). O React Native Expo foi 139% mais lento que o nativo nesta fase, evidenciando uma considerável latência em operações de leitura e renderização de dados complexos armazenados localmente. Este resultado é consistente com a literatura, que reporta desempenho superior de aplicações nativas em operações de navegação, *scroll* de listas e inserção de dados no banco (Oliveira et al., 2023).

Análise do Tamanho do Aplicativo

O tamanho final do aplicativo, medido em megabytes (MB), demonstrou a maior discrepância entre as plataformas avaliadas. O aplicativo desenvolvido em Android Nativo gerou um arquivo de 16,82 MB, sendo o menor entre as três implementações. Em contraste, o React Native CLI produziu um arquivo de 47,11 MB, o que representa um aumento de 180% em relação ao nativo. A versão React Native Expo resultou no maior tamanho, com 84,36 MB, sendo 402% maior que o aplicativo nativo.

A diferença entre as duas versões do React Native também foi significativa, com o aplicativo Expo sendo 79% maior que o CLI. Estes resultados são consistentes com observações da literatura, que indicam que o React Native tende a gerar aplicativos com tamanho substancialmente maior que as implementações nativas (Biørn-Hansen et al., 2020; Oliveira et al., 2023). A maior dimensão dos aplicativos multiplataforma pode ser atribuída à inclusão de *runtimes* JavaScript e outras dependências que não são necessárias em aplicativos nativos.

A diferença acentuada entre Expo e CLI pode ser explicada pela arquitetura do Expo, que incorpora um conjunto extenso de bibliotecas nativas pré-empacotadas no aplicativo, mesmo que não sejam explicitamente utilizadas pelo desenvolvedor. Em contrapartida, a abordagem CLI permite uma implementação mais enxuta, incluindo apenas as dependências explicitamente requeridas pelo projeto. Essa distinção tem implicações diretas no tamanho do arquivo final, afetando o tempo de download, o espaço de armazenamento no dispositivo e, potencialmente, a experiência do usuário.

Em síntese, o estudo revelou que o desenvolvimento Android nativo demonstrou superioridade em métricas como tempo de execução, consumo de memória RAM e tamanho final do aplicativo, alinhando-se majoritariamente com a literatura existente. Contudo, o desempenho inesperado do React Native CLI no consumo de CPU, superando o nativo, sugere que a Nova Arquitetura com JSI pode ter otimizado significativamente essa métrica, demandando investigações futuras para aprofundar a compreensão de suas causas. As diferenças entre React Native CLI e Expo reforçam que a escolha da abordagem multiplataforma deve considerar o balanço entre conveniência do ecossistema e impacto na performance, com o Expo apresentando maior *overhead* devido às suas camadas adicionais de abstração e bibliotecas pré-empacotadas.

4. Conclusão

O presente estudo buscou realizar uma análise comparativa de desempenho entre o desenvolvimento Android nativo e o React Native, avaliando a abordagem mais adequada para um cenário representativo de uso. Verificou-se que o Android Nativo, implementado com Kotlin e Jetpack Compose, demonstrou desempenho superior na maioria das métricas avaliadas, incluindo tempo de execução, consumo de memória RAM e tamanho final do aplicativo. Em contraste, as implementações React Native, tanto com Expo quanto com CLI, demandaram maior tempo para completar o fluxo de operações e apresentaram maior consumo de memória. Contudo, um achado notável foi a menor utilização de CPU pelo React Native CLI em comparação com o Android Nativo, sugerindo uma possível otimização de eficiência nas versões recentes do framework, atribuída à Nova Arquitetura com JavaScript Interface (JSI). A abordagem React Native CLI, por sua vez, superou a versão Expo em ambas as métricas de CPU e memória, indicando que o ecossistema Expo e suas bibliotecas pré-empacotadas introduzem um <i>overhead</i> adicional. A maior discrepância entre as plataformas foi observada no tamanho final dos aplicativos, com o nativo sendo significativamente menor.

A análise comparativa realizada oferece dados empíricos atualizados que contribuem para decisões técnicas mais fundamentadas no desenvolvimento mobile Android contemporâneo, auxiliando desenvolvedores e equipes na escolha da tecnologia mais adequada conforme os requisitos de performance. Este trabalho, contudo, possui limitações inerentes ao seu desenho metodológico, como a restrição dos testes a emuladores e à plataforma Android. Para uma compreensão mais abrangente, sugere-se que estudos futuros realizem testes em dispositivos físicos com diversas configurações de hardware e na plataforma iOS. Adicionalmente, recomenda-se investigar a fundo a causa da menor utilização de CPU pelo React Native CLI e comparar o desempenho com versões anteriores do React Native, bem como com uma versão do Android nativo sem Jetpack Compose, para isolar o impacto da mudança arquitetural e das ferramentas de UI.

Referências Bibliográficas

ALOTAIBI, Ashwaq; QURESHI, Rizwan. Novel Framework for Automation Testing of Mobile Applications using Appium. International Journal of Modern Education and Computer Science, v. 9, n. 2, p. 34–40, 8 fev. 2017.

ANDROID DEVELOPERS. Jetpack Compose UI App Development Toolkit – Android Developers. Disponível em: <https://developer.android.com/compose>. Acesso em: 26 ago. 2025b.

ANDROID DEVELOPERS. Kotlin e Android | Android Developers. Disponível em: <https://developer.android.com/kotlin?hl=pt-br>. Acesso em: 26 ago. 2025a.

BIØRN-HANSEN, Andreas et al. An empirical investigation of performance overhead in cross-platform mobile development frameworks. Empirical Software Engineering, v. 25, n. 4, p. 2997–3040, 1 jul. 2020.

DORFER, Thomas; DEMETZ, Lukas; HUBER, Stefan. Impact of mobile cross-platform development on CPU, memory and battery of mobile devices when using common mobile app features. Procedia Computer Science, v. 175, p. 189–196, 2020.

EL-KASSAS, Wafaa S. et al. Taxonomy of Cross-Platform Mobile Applications Development Approaches. Ain Shams Engineering Journal, v. 8, n. 2, p. 163–190, 1 jun. 2017.

EXPO. Introduction Expo Documentation. Disponível em: <https://docs.expo.dev/get-started/introduction/>. Acesso em: 28 ago. 2025.

FENTAW, Awel Eshetu. Cross platform mobile application development: a comparison study of React Native Vs Flutter. Dissertação (Mestrado)—Jyväskylä: University of Jyväskylä, 2020.

IBGE. Acesso à Internet e à televisão e posse de telefone móvel celular para uso pessoal 2024. Rio de Janeiro: [S.n.]. Disponível em: <https://biblioteca.ibge.gov.br/visualizacao/livros/liv102193_informativo.pdf>. Acesso em: 14 abr. 2026.

ITU. Facts and figures 2024 Mobile phone ownership. Disponível em: <https://www.itu.int/itu-d/reports/statistics/2024/11/10/ff24-mobile-phone-ownership/>. Acesso em: 22 ago. 2025.

JOŠT, Gregor; TANESKI, Viktor. State-of-the-Art Cross-Platform Mobile Application Development Frameworks: A Comparative Study of Market and Developer Trends. Informatics, v. 12, n. 2, p. 45, 1 jun. 2025.

OLIVEIRA, Wellington et al. Analyzing the Resource Usage Overhead of Mobile App Development Frameworks. In: Oulu: ACM, 14 jun. 2023.

REACT NATIVE. Get Started with React Native React Native. Disponível em: <https://reactnative.dev/docs/environment-setup>. Acesso em: 28 ago. 2025.

STACK OVERFLOW. Technology | 2024 Stack Overflow Developer Survey. Disponível em: <https://survey.stackoverflow.co/2024/technology>. Acesso em: 26 ago. 2025.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Engenharia de Software do MBA USP/Esalq

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

Mais recentes

Compliance E Esg

11 de setembro de 2026

Inteligência Artificial na Gestão Contratual: Supervisão Humana, Riscos Jurídicos e Governança Algorítmica

Compliance E Esg

11 de setembro de 2026

Rituais de Verificação sob Pressão: Categorias de Ação ESG Relatadas por Grande Grupo Frigorífico Antes e Após Operação Deflagrada Pela Polícia Federal e Seus Desdobramentos, em Passado Recente

Gestão Escolar

11 de setembro de 2026

Liderança Escolar à Luz da Teoria U: um Diálogo com as Lideranças Transformacional e Servidora.

10 de setembro de 2026

Desempenho de Modelos de Machine Learning na Seleção de Ações da Bolsa de Valores Brasileira

10 de setembro de 2026

Precificação Hedônica de Imóveis na Grande Florianópolis: Uso e Comparação de Modelos de “Machine Learning”

Neurociência E Aprendizagem Na Educação

10 de setembro de 2026

A Produção de Memes como Estratégia de Formação Literária e Multiletramentos no Ensino Fundamental Ii

Gestão Tributária

10 de setembro de 2026

Definição de Insumos para Fins de Aproveitamento de Créditos de Pis e Cofins

Gestão Tributária

10 de setembro de 2026

Fiscalização Delegada do ITR: Desestímulo aos Convênios, Reflexos na Arrecadação e Desinteresse Processual da União

10 de setembro de 2026

Governança de Dados e Risco Financeiro no Setor Florestal: Evidências Empíricas em Perspectiva Brasil-Finlândia

Você também pode gostar

Compliance E Esg

11 de setembro de 2026

Inteligência Artificial na Gestão Contratual: Supervisão Humana, Riscos Jurídicos e Governança Algorítmica

O advento da inteligência artificial como tecnologia disruptiva reconfigurou processos econômicos, institucionais e jurídicos, conferindo centralidade à automação contratual na gestão de relações complexas. A automação contratual revelou-se um fenômeno juridicamente não neutro, com opacidade decisória, geração automatizada de cláusulas abusivas e dificuldades de atribuição de responsabilidade, deslocando a elaboração contratual para o domínio jurídico-normativo. O estudo analisou como a inteligência artificial na automação contratual intensificou a colisão entre eficiência tecnológica e segurança jurídica, e em que medida mecanismos de supervisão humana significativa e de governança algorítmica funcionaram como instrumentos de ponderação normativa para preservar princípios do direito contratual brasileiro. A pesquisa adotou abordagem qualitativa de estudo de casos múltiplos, com análise documental de quatro casos paradigmáticos: Moffatt v. Air Canada, United States v. RealPage, Deloitte/DEWR e INSS/TRF-4ª Região, representando os contextos consumerista, concorrencial, consultivo-contratual e administrativo. A análise identificou cinco padrões estruturais recorrentes – opacidade decisória, substituição da racionalidade normativa por inferências probabilísticas, accountability gap, assimetria informacional e incompreensão semântica – que emergiram de forma sistêmica. O desfecho fragmentado do caso RealPage reforçou a conclusão de que a jurisprudência sobre automação decisória permanece em formação. A governança algorítmica eficaz demonstrou exigir a integração de mecanismos de auditabilidade, responsabilização e supervisão humana, conforme as normas ISO 31000, COSO ERM e ISO 37301, como condição necessária à legitimidade dos sistemas automatizados de gestão contratual.

Palavras-chave: Contratos; Governança algorítmica; Inteligência artificial; Segurança jurídica; Supervisão humana.

Compliance E Esg

11 de setembro de 2026

Relatórios de sustentabilidade são amplamente empregados como instrumentos de gestão da legitimidade corporativa, mas sua função como mecanismo de reorganização cognitiva em contextos de crise reputacional permaneceu subexplorada na literatura. O estudo analisou as transformações nas categorias de ação ESG reportadas pela Empresa JBS em seus relatórios anuais de sustentabilidade de 2015 a 2018, período que compreendeu dois anos anteriores e dois anos posteriores à Operação Carne Fraca e seus desdobramentos. O objetivo foi investigar como a organização alterou sua estrutura cognitiva após a crise reputacional, por meio de um de seus sistemas de reporte. Empregou-se um processo de catalogação sistemática de 1.088 práticas relatadas, classificadas por pilar ESG, tema material e categoria de ação. O referencial teórico mobilizou Mary Douglas (1986), Michael Power (1997), Meyer e Rowan (1977) e Edelman (2016) para interpretar os fenômenos observados. Os resultados evidenciaram um crescimento exigido em governança, que coexistiu com o colapso do pilar social, o desaparecimento de categorias substantivas e a substituição de ações voltadas a prêmios por ações que ressignificaram as relações da organização e seu posicionamento no mercado. Além disso, treinamentos de liderança migraram do tema de cultura para compliance, campanhas de comunicação cederam lugar a canais estruturais permanentes, e investidores tornaram-se a audiência de maior crescimento proporcional. Concluiu-se que a sofisticação do esforço de legitimação residiu não no que a empresa necessariamente fez, mas na consistência com que reorganizou quem ela diz ser e para quem, a partir das categorias de ação que relatou.

Palavras-chave: Crise reputacional; ESG; Pensamento institucional; Relatórios de sustentabilidade; Estratégia organizacional.

Gestão Escolar

11 de setembro de 2026

Liderança Escolar à Luz da Teoria U: um Diálogo com as Lideranças Transformacional e Servidora.

A integração de diferentes modelos de liderança mostrou-se um caminho relevante para instituições de ensino que buscaram inovar e alcançar excelência em suas práticas educacionais. Contudo, foram escassas as pesquisas empíricas que investigaram a aplicação da Teoria U na gestão escolar associada às abordagens Transformacional e Servidora, o que configurou uma lacuna na literatura. Este estudo buscou compreender como gestores educacionais perceberam e aplicaram princípios da Teoria U — escuta generativa, presencing e cocriação — em diálogo com as abordagens teóricas da Liderança Transformacional e da Liderança Servidora em suas práticas de gestão. A pesquisa, de natureza qualitativa e exploratória, foi realizada em uma instituição de ensino privada, localizada na cidade de São Paulo, que abrangeu desde a Educação Básica até a Pós-Graduação. Os dados foram coletados por meio de um roteiro de perguntas semiestruturadas, aplicado a sete gestores educacionais, e foram analisados com base na Análise de Conteúdo de Bardin. Os resultados evidenciaram aproximações entre as práticas observadas e os pressupostos teóricos dos modelos estudados, com a escuta destacando-se como a competência que melhor articulou as três abordagens no contexto investigado. Também foram identificadas algumas tensões entre os referenciais teóricos e o cotidiano da gestão. O estudo contribuiu para uma reflexão crítica sobre as possibilidades e os limites da integração desses diferentes modelos de liderança em ambientes escolares, ampliando o debate e oferecendo subsídios relevantes para o fortalecimento do campo da gestão educacional.

Palavras-chave: Análise de Conteúdo; Escuta Generativa; Estudo de Caso; Gestão Escolar; Liderança.

10 de setembro de 2026

Desempenho de Modelos de Machine Learning na Seleção de Ações da Bolsa de Valores Brasileira

O mercado acionário brasileiro, caracterizado por elevada volatilidade e restrições de liquidez, impõe desafios à aplicação de modelos de aprendizado de máquina na previsão de retornos e na construção de estratégias de investimento. O estudo comparou o desempenho preditivo e econômico de modelos de aprendizado de máquina e métodos estatísticos tradicionais na estimação de retornos futuros e na formação de carteiras baseadas em ranking de ativos. Utilizaram-se dados históricos de ações da B3, com variáveis técnicas e financeiras derivadas de preços e volume. Avaliaram-se modelos lineares (Regressão Linear, Ridge, LASSO, Elastic Net), de ensemble (Random Forest, XGBoost, LightGBM) e uma rede neural (Multilayer Perceptron). A avaliação preditiva ocorreu por métricas de erro em conjunto de teste, e a econômica por backtest de estratégias long-only, com custos operacionais baseados no turnover para análise de retornos brutos e líquidos. Os resultados revelaram baixa capacidade preditiva em todos os modelos, com R² negativos e erros elevados. Embora diferenças marginais nas previsões tenham gerado variações no desempenho econômico, estas foram de baixa magnitude e instáveis. O modelo LightGBM obteve o melhor desempenho econômico, mas com ganhos limitados em relação ao benchmark após a inclusão de custos operacionais. Não se observou evidência consistente de geração de retorno ajustado ao risco superior.

Palavras-chave: aprendizado de máquina; backtest; mercado acionário; previsão de retornos; seleção de ativos.

10 de setembro de 2026

Precificação Hedônica de Imóveis na Grande Florianópolis: Uso e Comparação de Modelos de “Machine Learning”

O mercado imobiliário da Grande Florianópolis tem experimentado valorização acelerada, impulsionada pelo crescimento populacional e pela demanda turística e de investimento. Este estudo analisou os determinantes do valor de imóveis residenciais e comparou o desempenho preditivo de modelos de aprendizado de máquina, especificamente Random Forest e Gradient Boosting (XGBoost), com uma regressão por Mínimos Quadrados Ordinários (MQO). Os dados foram coletados via web scraping de dois portais imobiliários em março de 2026, abrangendo os municípios de Florianópolis, São José, Palhoça e Biguaçu, resultando em 8.056 observações válidas após limpeza. Avaliou-se o desempenho dos modelos por meio das métricas R², RMSE e MAPE. O XGBoost apresentou o melhor desempenho preditivo geral (R² = 0,742, RMSE = R$ 927.113), enquanto o Random Forest obteve o menor erro relativo (MAPE = 25,69%). Os principais determinantes do preço identificados foram a área construída, a região de localização e o número de banheiros. Uma análise complementar por segmento de mercado revelou que o MQO dependeu dos valores extremos para sustentar seu ajuste, enquanto os modelos ensemble mantiveram desempenho estável. Concluiu-se que os métodos de aprendizado de máquina são mais robustos para precificação hedônica em mercados imobiliários heterogêneos, especialmente na presença de imóveis atípicos.

Palavras-chave: Ensemble; Imobiliário; Regressão; Residencial; Web Scraping.

Neurociência E Aprendizagem Na Educação

10 de setembro de 2026

A Produção de Memes como Estratégia de Formação Literária e Multiletramentos no Ensino Fundamental Ii

A leitura de obras literárias clássicas apresenta desafios no contexto escolar contemporâneo, devido ao distanciamento entre a linguagem dos textos e o repertório dos estudantes. Investigou-se como a utilização de memes contribuiu para a construção de sentidos na leitura da obra Senhora, de José de Alencar, no Ensino Fundamental II. A pesquisa adotou uma abordagem qualitativa, com caráter de pesquisa participante, e foi desenvolvida com duas turmas de 9º ano de uma escola privada em Volta Redonda, Rio de Janeiro. Os dados foram coletados por meio de questionários e das produções dos estudantes, e analisados à luz da análise de conteúdo. Os resultados indicaram que a utilização de memes favoreceu a aproximação dos alunos com o texto literário, reduziu a resistência inicial e ampliou o engajamento com a leitura. Observou-se, também, o avanço progressivo na compreensão da narrativa, evidenciado pela capacidade de interpretar fatos, analisar personagens, identificar relações implícitas e elaborar posicionamentos críticos. As produções revelaram a articulação entre o conteúdo da obra e o repertório sociocultural dos estudantes, indicando a construção de aprendizagens com significado. Concluiu-se que a integração entre literatura e cultura digital potencializou a mediação pedagógica, contribuindo para a formação de leitores mais ativos e interpretativamente autônomos.

Palavras-chave: aprendizagem significativa; cultura digital; leitura literária; multiletramentos; neurociência.

Gestão Tributária

10 de setembro de 2026

Definição de Insumos para Fins de Aproveitamento de Créditos de Pis e Cofins

O estudo analisou a interpretação e a aplicação da definição de insumos para fins de creditamento do Programa de Integração Social (PIS) e da Contribuição para o Financiamento da Seguridade Social (COFINS) no regime não cumulativo, à luz do entendimento firmado pelo Superior Tribunal de Justiça (STJ) no julgamento do Recurso Especial n.º 1.221.170 (Tema 779). Objetivou-se examinar os limites jurídicos da utilização desses créditos, considerando os critérios de essencialidade ou relevância estabelecidos pela jurisprudência do STJ. Realizou-se pesquisa documental e jurisprudencial, com análise de acórdãos representativos do Conselho Administrativo de Recursos Fiscais (CARF) e do STJ, abrangendo períodos anteriores e posteriores ao Tema 779. Complementarmente, conduziu-se pesquisa bibliográfica e estudos de dois casos concretos do CARF, com abordagem qualitativa, para verificar a aplicação prática dos critérios. Constatou-se que o STJ afastou a aplicação automática da definição de insumo do IPI, consolidando os critérios de essencialidade e relevância. Entretanto, a análise dos julgados do CARF evidenciou que, embora houvesse reconhecimento formal do precedente do STJ, sua incidência foi modulada conforme a natureza da atividade empresarial, mostrando-se mais restritiva para empresas de revenda. Os casos concretos ilustraram que creditamentos de fretes foram tratados de forma distinta, dependendo da vinculação do gasto à produção ou à revenda. Concluiu-se que a definição de insumos permanece um ponto sensível do sistema tributário, e a correta utilização dos créditos demanda análise casuística rigorosa, pautada na observância dos precedentes judiciais e dos limites normativos vigentes, para evitar glosas e penalidades.

Palavras-chave: COFINS; Creditamento; Insumos; PIS.

Gestão Tributária

10 de setembro de 2026

Fiscalização Delegada do ITR: Desestímulo aos Convênios, Reflexos na Arrecadação e Desinteresse Processual da União

O Imposto Territorial Rural (ITR), de competência da União, pode ter sua fiscalização e cobrança delegadas aos Municípios e ao Distrito Federal. Este trabalho examinou a adesão municipal a esses convênios e o impacto na arrecadação, analisou se os entraves processuais para os Municípios remeterem demandas aos órgãos federais desestimulavam a celebração de acordos, e avaliou o interesse processual da União em litígios de ITR sob delegação, à luz da Teoria Eclética da Ação, bem como a efetividade da diretriz constitucional de desestímulo a propriedades improdutivas. A pesquisa utilizou um estudo de caso, com base em dados e relatórios oficiais da Receita Federal do Brasil e referencial doutrinário jurídico. Os resultados indicaram baixa adesão municipal aos convênios, com quase 75% dos municípios sem acordo. A arrecadação do ITR, mesmo integralmente repassada, não justificou os investimentos municipais, e a manutenção da atuação processual pela União desestimulou a continuidade dos ajustes. Verificou-se que a União carecia de interesse processual nessas demandas, dada a ínfima representatividade do ITR na arrecadação federal e a ausência de proveito econômico-financeiro, o que impediu o cumprimento efetivo da diretriz constitucional de desestímulo à improdutividade rural. Concluiu-se que são necessárias modificações legislativas para que o ITR alcance seus objetivos de arrecadação e função social.

Palavras-chave: Arrecadação; Eficiência; Fiscalização; ITR; Municípios.

10 de setembro de 2026

Governança de Dados e Risco Financeiro no Setor Florestal: Evidências Empíricas em Perspectiva Brasil-Finlândia

A fragmentação informacional no setor florestal brasileiro constituiu o ponto de partida desta pesquisa, que investigou como a governança de dados impactou a capacidade analítica, o risco financeiro e a competitividade da gestão florestal, por meio de um estudo comparativo entre Brasil e Finlândia. Submeteram-se 332 documentos, incluindo 307 informativos CEPEA/Esalq/USP (2001–2025) e 25 relatórios setoriais (Bracelpa, ABRAF, Ibá, 2003–2025), a um pipeline de extração automatizado baseado em OCR, mineração de texto e expressões regulares, obtendo-se 13.059 registros estruturados. Realizou-se análise de sensibilidade do Valor Presente Líquido (VPL) e análise de sentimento léxica. Apenas 12,1% dos registros de custo continham Custo Operacional Efetivo preenchido, e nenhum apresentou margem líquida calculável. A incerteza nos dados de entrada oscilou o VPL de um projeto florestal em mais de R$ 20.000/ha, evidenciando a distorção da decisão orientada por dados quando a sofisticação algorítmica não substituiu a qualidade dos dados de origem. A análise de sentimento léxica confirmou a transição dos relatórios setoriais brasileiros de formato estatístico para promocional. Em contraste, o modelo finlandês demonstrou a viabilidade de uma governança integrada, com o inventário florestal consolidado como pilar de inteligência industrial. Os resultados indicaram que o fortalecimento da governança de dados constituiu pré-requisito para a transição do setor para um sistema de planejamento sustentado por evidências.

Palavras-chave: competitividade; fragmentação informacional; inteligência artificial; soberania digital; tomada de decisão.

Inovação

14 de setembro de 2026

Não lemos apenas palavras

Como novos códigos, tecnologias e formas de comunicação ampliam aquilo que precisamos aprender a interpretar Ser alfabetizado costuma ser entendido inicialmente como: reconhecer letras, formar palavras, compreender frases e produzir textos. Durante muito tempo, foi principalmente a partir desse domínio que definimos o que significava saber ler e, consequentemente, participar de diferentes espaços da sociedade. […]

Redes Sociais

14 de setembro de 2026

O efeito da influência no consumo

O que a pesquisa Youpix/Nielsen 2026 mostra sobre o avanço da Creator Economy Em 2025, 80% dos consumidores brasileiros compraram algum produto recomendado por influenciadores. Em 2026, o índice chegou a 81%. A estabilidade em um patamar tão elevado indica que a compra por influência deixou de ser um comportamento restrito a determinados públicos. O […]

Chamada De Artigos

11 de setembro de 2026

Chamada de artigos – Edição Temática Gestão de Pessoas

Submissões abertas de 11/09/2026 a 30/09/2026 Estão abertas as submissões para a Chamada Temática Gestão de Pessoas 2026, da Revista Estratégias & Soluções (E&S). A chamada será organizada em dois fluxos editoriais: Fluxo 1 – Trabalhos finais de destaque do MBA USP/EsalqDestinado aos TCCs do curso de Gestão de Pessoas do MBA USP/Esalq que obtiveram […]

Direito Tributário

09 de setembro de 2026

Entre Sísifo e o tonel das Danaides

A cesta básica, o salário-mínimo e o verdadeiro preço das coisas Na mitologia grega, alguns castigos não se distinguiam pela violência de um único sofrimento, mas pela condenação à repetição. Sísifo deveria conduzir uma enorme pedra até o alto de uma montanha e, quando o esforço parecia finalmente concluído, a pedra escapava e retornava ao […]

Inteligência Artificial

03 de setembro de 2026

O desafio atual da colaboração

Na medida em que o processo criativo começa com a IA, organizações precisam repensar como preservar a construção coletiva das ideias Em pouco mais de três anos, ferramentas de inteligência artificial generativa passaram a ocupar grande parte do trabalho nas organizações, seja para escrever, programar, pesquisar, planejar, analisar ou projetar. A presença já é tão […]

Inteligência Artificial

02 de setembro de 2026

O preço de usar IA sem treinamento

Adoção da tecnologia já alcança 88% das organizações mundiais, enquanto o número de profissionais punidos por usá-la sem preparo dobrou em sete meses No primeiro semestre de 2026, ministrei aulas de inteligência artificial com foco em planilhas, dashboards e apresentações, em Barcelona, na Espanha. Entre meus alunos havia advogados e juízes do Il·lustre Col·legi de […]

Sustentabilidade

28 de agosto de 2026

Como a sustentabilidade está redesenhando os data centers

Economia digital encontra limites físicos e tenta reduzir seu impacto ambiental O crescimento acelerado da infraestrutura digital transforma consumo de energia, disponibilidade hídrica, refrigeração, materiais construtivos e localização em variáveis centrais para o projeto da próxima geração de data centers. Durante boa parte da transformação digital, consolidou-se a percepção de que a computação estava progressivamente […]

Branding

27 de agosto de 2026

O branding que venceu a Copa de 2026

Entre identidade visual, uniformes, tipografia e disputa bilionária por audiência, marketing esportivo nunca esteve tão em evidência A Copa do Mundo de 2026 terminou com a Espanha erguendo a taça pela segunda vez, ao vencer a Argentina por 1 a 0 na prorrogação. O Brasil encerrou a competição na 11ª colocação, eliminado ainda nas oitavas […]

Governança

24 de agosto de 2026

Governança corporativa: entre o controle e a responsabilidade

O que as crises corporativas e os erros cometidos nos casos Enron, FTX e Americanas podem ensinar Uma empresa pode ter conselho de administração, auditoria independente, comitê de auditoria, código de conduta, políticas de compliance e dezenas de mecanismos de controle e, ainda assim, caminhar para o colapso. A pergunta incômoda é: se todos esses […]

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 […]