Determinantes del desempeño de estudiantes en el ENEM en São Paulo

Paulo, Determinantes do Desempenho de Estudantes no Enem em São

doi:10.22167/2675-6528-202603290

Artículo

13 de octubre de 2026

Determinantes del desempeño de estudiantes en el ENEM en São Paulo

Determinantes del Rendimiento de Estudiantes en el Enem en São Paulo

Muriel Figueiredo Maia; José Erasmo Silva

DOI: 10.22167/2675-6528-202603290

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

Resumen

El estudio analizó factores asociados al desempeño de estudiantes en el Examen Nacional de Enseñanza Media (Enem), considerando la relevancia histórica de la evaluación educacional en Brasil. Su objetivo fue evaluar el desempeño predictivo del modelo XGBoost e identificar las variables más asociadas al desempeño medio de los participantes. Se utilizaron microdatos del Enem de 2015 a 2023, restringidos al estado de São Paulo, organizados en niveles de alumno, escuela y cuestionario socioeconómico. Tras limpieza y estandarización, se construyó una base final con 1.886.735 registros. El modelo XGBoost se configuró con hiperparámetros para equilibrar capacidad predictiva y generalización, incluyendo tratamiento nativo de variables categóricas. Los resultados indicaron que el XGBoost presentó un desempeño compatible con estudios educacionales. La interpretación por valores de contribución internos reveló la predominancia de factores institucionales y socioeconómicos en la explicación del desempeño, con destaque para la dependencia administrativa de la escuela y variables relacionadas con el contexto familiar. La investigación demostró que enfoques predictivos basados en árboles fueron capaces de capturar patrones relevantes sin la necesidad de modelos jerárquicos tradicionales, ofreciendo una alternativa metodológica para la comprensión de desigualdades educacionales. Se concluyó que la combinación de gran volumen de datos, técnicas de aprendizaje automático e interpretación por contribuciones permitió identificar factores relevantes para el desempeño en el Enem y proporcionó subsidios para reflexiones sobre políticas educacionales.

Palabras clave: Aprendizaje automático; Rendimiento educativo; Enem; Factores socioeconómicos; XGBoost.

1. Introducción

El proceso de evaluación tiene una larga trayectoria, con registros de prácticas iniciadas en China orientadas a la selección de funcionarios, y a lo largo del tiempo ha asumido diferentes funciones, incluyendo la medición del desempeño de los estudiantes. Este proceso se consolidó con estudios realizados en Inglaterra y Francia y, con el desarrollo de modelos influyentes en Estados Unidos a lo largo del siglo XX (Carvalho, 2017). En América Latina, las investigaciones sobre desempeño escolar avanzaron más tardíamente, entre las décadas de 1980 y 1990, cuando Brasil comenzó a desarrollar instrumentos orientados no solo a la verificación del desempeño de los alumnos, sino también al análisis de los factores que lo influyen. En este contexto, surgieron evaluaciones como el Sistema Nacional de Evaluación de la Educación Básica [SAEB] y, como una de sus vertientes, el Examen Nacional de Enseñanza Media [Enem] (Carvalho, 2017).

Creado en 1998, el Enem tenía como objetivo inicial evaluar a los estudiantes al final de la educación básica, siendo posteriormente reformulado en 2009 para también servir como mecanismo de acceso a la enseñanza superior (INEP, 2025). El desempeño escolar, por su parte, ha sido ampliamente estudiado, y uno de los modelos más reconocidos es el de Walberg (1984), que identificó nueve factores determinantes del rendimiento de los alumnos, organizados en tres dimensiones: características individuales, factores escolares y factores ambientales.

La influencia de este modelo se puede observar en estudios posteriores, como el análisis de factores socioeconómicos y demográficos mediante ANOVA, destacando el impacto del género, la raza, los ingresos familiares, el tipo de escuela, la región y el nivel educativo de los padres en el rendimiento (Carvalho, 2017). Estudios adicionales, como los realizados en la región Nordeste, identificaron elementos que favorecen o dificultan el rendimiento, incluyendo el nivel educativo de los padres, el acceso a recursos tecnológicos, la edad y los ingresos, mediante regresión lineal (Souza et al., 2021). Además de estos trabajos, también hay investigaciones que utilizaron modelos multinivel para analizar el rendimiento de estudiantes de tercer año de secundaria, evidenciando la importancia de considerar la estructura jerárquica de los datos (Andrade et al., 2007).

A pesar de la diversidad metodológica, se observa una brecha: gran parte de estos estudios se concentra en modelos explicativos tradicionales, mientras que los enfoques predictivos capaces de manejar relaciones no lineales e interacciones complejas aún son menos explorados en el análisis del desempeño en el Enem. Además, aunque los datos presentan una estructura jerárquica que involucra a alumnos y escuelas, el objetivo de este estudio no es estimar efectos aleatorios, sino identificar patrones generales y variables más asociadas al desempeño promedio.

En este escenario, se vuelve importante comprender qué factores destacan en la explicación del rendimiento medio de los participantes del Enem y de qué manera un modelo predictivo basado en árboles, como el XGBoost, logra capturar estos patrones incluso sin recurrir a modelos jerárquicos tradicionales. La relevancia de este enfoque predictivo radica en el hecho de que, aunque los modelos multinivel se utilizan ampliamente en investigaciones educativas, los métodos predictivos capaces de manejar relaciones no lineales e interacciones complejas aún se exploran menos en este tipo de análisis. El uso del XGBoost ofrece una alternativa metodológica que permite explorar la estructura de los datos de forma flexible, contribuyendo a la comprensión de los factores asociados al rendimiento y proporcionando evidencias que pueden apoyar discusiones sobre políticas educativas y estrategias orientadas a la reducción de las desigualdades. Así, el estudio tiene como objetivo evaluar el rendimiento predictivo del XGBoost en la identificación de las variables predictoras más asociadas al rendimiento medio de los estudiantes, considerando simultáneamente información individual e institucional presente en los microdatos del examen.

2. Material y Métodos

El estudio se llevó a cabo en el entorno de desarrollo integrado Visual Studio Code (VS Code), empleando el lenguaje de programación Python. Se utilizaron bibliotecas como pandas y NumPy para la manipulación y el procesamiento de datos, scikit-learn para la división en conjuntos de entrenamiento y prueba, validación cruzada y cálculo de métricas, y XGBoost para la construcción del modelo predictivo. Los datos empleados se originaron de los microdatos del Examen Nacional de Enseñanza Media (Enem), proporcionados por el Instituto Nacional de Estudios e Investigaciones Educativas Anísio Teixeira (INEP/MEC), conteniendo información sobre el alumno, la escuela, la localidad del examen, los resultados y el perfil socioeconómico de los participantes.

La recolección de datos abarcó el período de 2015 a 2023, con restricción a los participantes vinculados a escuelas del estado de São Paulo. La muestra consideró estudiantes de enseñanza media que no habían concluido esta etapa en el año de referencia o que la concluyeron en el año de aplicación del examen, con el objetivo de uniformizar el grupo de análisis. La base de datos se organizó en capas jerárquicas, abarcando información del alumno, de la escuela, de la prueba y del cuestionario socioeconómico.

Se aplicaron procedimientos de limpieza, incluyendo la exclusión de participantes ausentes en todas las pruebas, la eliminación de registros con notas cero en todas las áreas y la exclusión de filas con valores nulos en la columna referente al nombre del municipio. Las variables del cuestionario socioeconómico, originalmente codificadas por letras, fueron convertidas a valores numéricos. De manera similar, la variable de género fue estandarizada, convirtiendo “F” y “M” a 0 y 1.

Estas conversiones tuvieron una finalidad operativa, adaptando las variables categóricas al entorno de ejecución del modelo sin alterar sus relaciones intrínsecas. La variable objetivo, denominada MEDIA_GERAL, se calculó como la media aritmética de las calificaciones obtenidas por los participantes en las cinco áreas evaluadas del examen. Tras el preprocesamiento, la base de datos final consistió en 1.886.735 registros y 39 variables, siendo la media general la única numérica.

Se realizó una exploración estadística de la variable objetivo, observándose una distribución aproximadamente continua y simétrica, sin necesidad de transformaciones adicionales para el entrenamiento del modelo. La multicolinealidad entre las variables socioeconómicas se evaluó mediante el cálculo del Factor de Inflación de la Varianza (VIF), con valores por debajo del límite de 5, criterio adoptado para garantizar la estabilidad de la estimación (O’Brien, 2007).

Se observaron correlaciones moderadas entre variables socioeconómicas, especialmente aquellas relacionadas con la posesión de bienes duraderos y la estructura residencial, así como entre la escolaridad de los padres. Estas correlaciones indicaron la necesidad de interpretar la importancia de las variables en el modelo XGBoost de forma conjunta, y no aisladamente.

Se optó por el modelo XGBoost, un enfoque basado en árboles, por su capacidad para manejar relaciones no lineales y por no depender de una baja colinealidad entre predictores. XGBoost, una implementación eficiente de “boosting”, construye secuencialmente árboles de decisión, corrigiendo errores de los anteriores e incorporando mecanismos de regularización (Bruce et al., 2025).

El modelo XGBoost se configuró para equilibrar el rendimiento predictivo y la generalización. Se utilizó una tasa de aprendizaje reducida para mitigar el sobreajuste y se limitó la profundidad máxima de los árboles. Se emplearon técnicas de muestreo de observaciones y variables para aumentar la robustez y la estabilidad del modelo. Se activó el tratamiento nativo de variables categóricas y se adoptaron configuraciones para garantizar la reproducibilidad (XGBoost Developers, 2024).

Para fines de comparación, se desarrolló un modelo de Regresión Lineal, entrenado y evaluado con el mismo conjunto de datos (70% entrenamiento, 30% prueba) y semilla aleatoria del XGBoost. Las variables categóricas se convirtieron en códigos numéricos ordinales para la Regresión Lineal, lo que representó una simplificación metodológica para esta comparación (Souza et al., 2021).

Adicionalmente, un modelo base ingenuo (“baseline”), que predecía la media de la variable objetivo observada en el conjunto de entrenamiento, fue utilizado como referencia para cuantificar la ganancia predictiva del XGBoost en relación con la ausencia de cualquier modelo predictivo. Este enfoque permitió contextualizar el desempeño de los modelos más complejos.

La estabilidad de los resultados se evaluó mediante validación cruzada k-fold, con cinco particiones (k = 5), aplicada al modelo XGBoost, manteniendo los hiperparámetros originales. Este procedimiento aseguró la fiabilidad de las estimaciones, minimizando la dependencia de una única división de los datos y reforzando la robustez de la evaluación.

La importancia de las variables se estimó mediante los valores SHAP (SHapley Additive exPlanations), una técnica que cuantifica la contribución de cada variable a la predicción del modelo. Estos valores fueron calculados internamente por XGBoost, permitiendo medir el impacto medio de las variables en la predicción, incluidas las categóricas tratadas de forma nativa, garantizando la consistencia con el modelo entrenado.

3. Resultados y Discusión

La evaluación del rendimiento predictivo del modelo XGBoost reveló un coeficiente de determinación (R²) de aproximadamente 0,32, lo que indica que el modelo fue capaz de explicar alrededor del 31% de la variabilidad observada en el rendimiento de los estudiantes. En términos prácticos, esto significa que aproximadamente un tercio de las diferencias en el rendimiento entre los participantes puede atribuirse a las variables incluidas en el modelo, como el perfil socioeconómico, las características de la escuela y los datos demográficos. Los dos tercios restantes de la variabilidad se deben a factores no capturados por la base de datos, como aspectos pedagógicos, emocionales y la preparación individual de cada estudiante. Aunque este R² no representa un nivel de explicación extremadamente alto, es compatible con los resultados de modelos iniciales en el área de la educación, donde el rendimiento está influenciado por una multiplicidad de factores que no siempre son directamente observables en los datos disponibles.

Las métricas de error proporcionaron una comprensión más detallada de la precisión del modelo. El error cuadrático medio (MSE) fue de aproximadamente 6.539, y la raíz del error cuadrático medio (RMSE) fue de alrededor de 80,86 puntos. Si bien el MSE, al estar en escala cuadrática, no tiene una interpretación directa, el RMSE, al devolver el error a la escala original de la nota, facilita la comprensión. Un RMSE de 80,86 puntos sugiere que la nota prevista por el modelo se distancia de la nota real del estudiante, en promedio, en aproximadamente 80 puntos, para más o para menos. Por ejemplo, un estudiante con una nota real de 550 puntos tendería a tener una predicción entre 470 y 630 puntos.

El error absoluto medio (MAE) fue de aproximadamente 59,29 puntos, midiendo la distancia media entre la nota prevista y la nota real sin elevar las diferencias al cuadrado. La distinción entre el MAE y el RMSE es relevante: el MAE refleja mejor el error que la mayoría de los estudiantes enfrenta, mientras que el RMSE, más sensible a errores grandes, tiende a ser más alto cuando hay casos de error elevado. En este estudio, el hecho de que el MAE (59,29) sea visiblemente menor que el RMSE (80,86) indica que, aunque la mayoría de las predicciones presentan un margen de error relativamente pequeño, existe un grupo menor de estudiantes para los cuales el modelo falla por márgenes considerablemente mayores, lo que eleva el RMSE.

La comparación del rendimiento de XGBoost con otros modelos reveló su superioridad. En relación con el modelo base ingenuo, que predice la media general para todos los estudiantes, el RMSE de XGBoost disminuyó de 99,05 a 82,35 puntos, una reducción del 16,9%. Esta mejora demuestra que la inclusión de información socioeconómica, escolar y demográfica mejora consistentemente la predicción. Comparado con la Regresión Lineal, XGBoost también obtuvo un ajuste superior, con un R² de 0,3088 frente a 0,2514 y un RMSE de 82,35 frente a 85,70 puntos. Este resultado era esperado, ya que XGBoost es capaz de capturar relaciones no lineales e interacciones entre variables que un modelo lineal no puede representar.

Aún así, la diferencia moderada entre XGBoost y la Regresión Lineal sugiere que una parte significativa de la relación entre las variables explicativas y el rendimiento se aproxima a ser lineal, siendo capturada incluso por un enfoque más simple. La correlación de Pearson entre los valores reales y los predichos por XGBoost fue de 0,56, indicando una asociación entre moderada y fuerte. Este valor, en un nivel intermedio favorable, refuerza que el modelo sigue de manera consistente la variación observada en las notas, incluso con un R² moderado, lo cual es importante para la comprensión de los patrones generales de rendimiento.

Para verificar la estabilidad de los resultados y garantizar que el rendimiento no fuera un artefacto de una división específica de los datos, se realizó una validación cruzada de tipo k-fold, con cinco particiones. El R² medio obtenido en las cinco rondas fue de 0,3080, con una desviación estándar de 0,0018, y el RMSE medio fue de 82,33 puntos, con una desviación estándar de 0,23. Esta variación mínima entre las rondas, con el R² variando entre 0,3062 y 0,3098 y el RMSE entre 82,10 y 82,56 puntos, indica que el rendimiento del modelo se mantuvo estable independientemente de cómo se dividieron los datos. Esta consistencia refuerza la fiabilidad de la evaluación realizada y la robustez del modelo XGBoost para este conjunto de datos.

La interpretación de la importancia de las variables se realizó a través de los valores SHAP (SHapley Additive exPlanations), una técnica que estima la contribución media de cada variable a la predicción de la nota de un estudiante en relación con la nota media general. Cuanto mayor es el valor SHAP de una variable, mayor es su influencia en las predicciones del modelo. Los valores se obtuvieron a través del cálculo interno de contribuciones del XGBoost, lo que permite medir el impacto medio de cada variable incluso con variables categóricas tratadas nativamente por el algoritmo, lo que garantiza la coherencia entre el modelo y la interpretación de los resultados.

El análisis de la importancia de las variables reveló un predominio de factores institucionales y socioeconómicos. La variable TP_DEPENDENCIA_ADM_ESC, que representa la dependencia administrativa de la escuela, presentó la mayor influencia en el modelo, con un impacto medio de 23,23 puntos en la nota prevista. Esto significa que, en promedio, la dependencia administrativa de la escuela de un estudiante altera la nota prevista por el modelo en unos 23 puntos, para más o para menos, un efecto considerablemente mayor que el de cualquier otra variable analizada. Este hallazgo refuerza la relevancia de la gestión escolar como factor determinante en el rendimiento de los estudiantes.

La distribución de la calificación general por dependencia administrativa de la escuela corrobora esta observación, evidenciando que las escuelas federales y privadas presentan medianas de rendimiento más altas que las escuelas estatales y municipales. Aunque las dispersiones de rendimiento entre los grupos son similares, la diferencia en las medianas es coherente con la magnitud del impacto identificado por SHAP para esta variable. Este patrón sugiere que la estructura administrativa de la institución educativa desempeña un papel crucial en el rendimiento de los alumnos, posiblemente reflejando diferencias en recursos, infraestructura y enfoques pedagógicos.

Entre los demás factores destacados, aparecieron variables socioeconómicas del cuestionario del estudiante, como Q006 (ingresos familiares), Q024 (posesión de ordenador), Q001 (escolaridad del padre) y Q002 (escolaridad de la madre), y Q013 (posesión de congelador). Las contribuciones de estas variables variaron entre 4,56 y 9,31 puntos, lo que indica que el contexto familiar y las condiciones de vida ejercen una influencia significativa en los resultados. La escolaridad de los padres (Q001 y Q002) y los ingresos familiares (Q006) son indicadores clásicos del capital cultural y económico que pueden influir en el ambiente de estudio y el acceso a recursos educativos complementarios, corroborando la literatura existente sobre desigualdades educativas.

La posesión de bienes duraderos, como ordenador (Q024) y congelador (Q013), también resultó relevante, reflejando el nivel socioeconómico de la familia y el acceso a recursos que pueden facilitar el estudio y el desarrollo. La variable TP_ESCOLA, que indica el tipo de escuela (pública, privada o exterior), también presentó un impacto relevante, con una media de 3,96 puntos, reforzando la importancia del entorno institucional. Por su parte, los atributos individuales, como rango de edad (6,09 puntos), raza o color (3,59 puntos), sexo (1,61 puntos) y nacionalidad, aunque contribuyen a la explicación del fenómeno, mostraron un peso relativo menor en comparación con los factores institucionales y socioeconómicos.

La comparación de los resultados de este estudio con investigaciones anteriores demuestra convergencias importantes sobre los factores asociados al desempeño educacional. El estudio de Souza et al. (2021), realizado en la región Nordeste, identificó diferencias expresivas entre grupos socioeconómicos, con una distancia de 88 puntos entre estudiantes de bajos y no bajos ingresos. Este patrón dialoga directamente con los hallazgos del presente trabajo, en el cual la renta familiar (Q006) aparece entre las variables de mayor contribución en el modelo. Además, Souza et al. (2021) identificaron que la escolaridad de los padres, el acceso a computadora e internet, y el tipo de escuela influyen en el desempeño, factores que también surgen entre las variables más importantes del XGBoost, como TP_DEPENDENCIA_ADM_ESC, Q001, Q002, Q024 y TP_ESCOLA.

Es importante notar que Souza et al. (2021) utilizaron Regresión Lineal como método de análisis, y, aunque el XGBoost presentó un rendimiento predictivo superior al de la Regresión Lineal en este trabajo, la diferencia fue moderada. Esto sugiere que una parte considerable de la relación entre las variables explicativas y el rendimiento de los estudiantes ya es capturada por un enfoque lineal más simple. El hecho de que factores similares despuntaran como relevantes tanto en la modelización lineal como en el enfoque no lineal adoptado en este trabajo refuerza la robustez de estos hallazgos, más que evidenciar una ventaja metodológica acentuada del XGBoost en términos de precisión predictiva aislada.

El estudio de Carvalho (2017), que analizó el desempeño en la redacción del Enem, también destacó factores socioeconómicos y demográficos, incluyendo ingresos familiares, escolaridad de los responsables, tipo de escuela, raza y región. Aunque el enfoque de Carvalho (2017) se centró en un área específica de la prueba, las variables que se mostraron relevantes son equivalentes a las que aparecieron entre las principales contribuciones del modelo predictivo utilizado aquí. Esto refuerza que las desigualdades socioeconómicas e institucionales se manifiestan de forma consistente en diferentes componentes del Enem, indicando una influencia transversal de estos factores en el desempeño general de los estudiantes.

Finalmente, la investigación basada en modelado multinivel de Andrade y Laros (2007) mostró que el 17% de la varianza del rendimiento escolar puede atribuirse al nivel de la escuela, evidenciando que las diferencias institucionales explican una parte relevante de los resultados. Esta conclusión converge con el presente estudio, en el cual la variable institucional más influyente fue justamente la dependencia administrativa de la escuela (TP_DEPENDENCIA_ADM_ESC). La capacidad del XGBoost de capturar relaciones no lineales e interacciones complejas entre las variables, sin la necesidad de modelos jerárquicos tradicionales, ofrece una alternativa metodológica valiosa para la comprensión de desigualdades educativas, incluso con la limitación de no estimar efectos aleatorios.

A pesar de la robustez del modelo XGBoost, deben considerarse algunas limitaciones metodológicas. La comparación con la Regresión Lineal exigió la conversión de las variables categóricas en códigos ordinales, una simplificación que puede haber subestimado el rendimiento de este modelo. Además, la ausencia de información pedagógica, emocional y contextual más detallada en la base de datos limitó el alcance predictivo del XGBoost, cuyo R² de aproximadamente 0,31 refleja esta brecha. Sin embargo, el valor del XGBoost en este trabajo reside menos en producir predicciones drásticamente mejores que los métodos tradicionales y más en ofrecer un enfoque capaz de capturar relaciones no lineales sin comprometer la identificación consistente de los factores institucionales y socioeconómicos que efectivamente explican el rendimiento educacional.

En resumen, los resultados de la investigación indicaron que factores ligados a la estructura escolar y al contexto familiar tuvieron el mayor peso en la predicción del desempeño de los estudiantes en el Enem, mientras que características individuales, como sexo, raza y edad, presentaron menor influencia. El modelo XGBoost demostró un desempeño predictivo superior al modelo base ingenuo y a la Regresión Lineal, y la validación cruzada k-fold confirmó la estabilidad y confiabilidad de estos hallazgos. La identificación de la dependencia administrativa de la escuela y de variables socioeconómicas como renta familiar y escolaridad de los padres como los principales factores asociados al desempeño medio de los estudiantes atiende al objetivo del estudio y proporciona subsidios importantes para reflexiones sobre políticas educacionales orientadas a la reducción de las desigualdades.

4. Conclusión

El presente estudio buscó evaluar el desempeño predictivo del modelo XGBoost en la identificación de las variables más asociadas al desempeño medio de los estudiantes en el Examen Nacional de Enseñanza Media, considerando información individual e institucional. Se verificó que el modelo XGBoost presentó un desempeño predictivo compatible con el área educacional, explicando cerca del 31% de la variabilidad observada en las notas y superando modelos de referencia como la regresión lineal y el modelo base ingenuo. La estabilidad y la confiabilidad de estos hallazgos fueron confirmadas por medio de validación cruzada k-fold. El análisis de la importancia de las variables, realizado por valores de contribución internos, reveló la predominancia de factores institucionales y socioeconómicos. La dependencia administrativa de la escuela se destacó como la variable de mayor influencia, indicando que la gestión escolar ejerce un papel crucial en el desempeño. Variables como renta familiar, escolaridad de los padres y posesión de bienes durables también se mostraron relevantes, reforzando la influencia del contexto familiar y de las condiciones de vida. Atributos individuales, como rango de edad y raza o color, presentaron un peso relativo menor. Estos resultados convergen con la literatura existente, que apunta la consistencia de las desigualdades socioeconómicas e institucionales en el desempeño educacional.

A pesar de la robustez del modelo XGBoost, se identificaron algunas limitaciones. La comparación con la regresión lineal requirió la conversión de variables categóricas en códigos ordinales, lo que pudo haber subestimado el rendimiento de este modelo. Además, la ausencia de información pedagógica, emocional y contextual más detallada en la base de datos limitó el alcance predictivo del XGBoost. Sin embargo, la principal contribución del estudio reside en demostrar que los enfoques predictivos basados en árboles son capaces de capturar patrones relevantes e identificar consistentemente los factores institucionales y socioeconómicos que explican el rendimiento educativo, incluso sin la necesidad de modelos jerárquicos tradicionales. Para estudios futuros, se sugiere la inclusión de variables pedagógicas, emocionales y contextuales, así como la aplicación de técnicas de codificación más robustas para variables categóricas en modelos comparativos, con el objetivo de ampliar la capacidad predictiva y la comparabilidad entre los enfoques. Este trabajo ofrece, así, una alternativa metodológica valiosa y subsidios para el perfeccionamiento de políticas educativas orientadas a la reducción de las desigualdades.

Referencias Bibliográficas

Andrade, J.M.; Laros, J.A. 2007. Fatores associados ao desempenho escolar: estudo multinível com dados do SAEB/2001. Psicologia: Teoria e Pesquisa 23(1): 33-42.

Bruce, P.; Bruce, A.; Gedeck, P. 2025. Estatística prática para cientistas de dados: 50+ conceitos essenciais usando R e Python. 2ed. Alta Books, Rio de Janeiro, RJ, Brasil.

Carvalho, F.E.D. 2017. Fatores socioeconômicos associados ao desempenho dos estudantes na prova de redação do Exame Nacional do Ensino Médio (Enem). 179f. Tese (Doutorado em Educação) – Universidade Federal do Ceará, Faculdade de Educação, Programa de Pós-Graduação em Educação, Fortaleza, CE, Brasil. Disponível em: https://repositorio.ufc.br. Acesso em: 20 set. 2025.

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira [INEP]. 2025. Enem – apresentação. Disponível em: https://www.gov.br/inep/pt-br/areas-de-atuacao/avaliacao-e-exames-educacionais/enem. Acesso em: 13 set. 2025.

O’BRIEN, R.M. 2007. A Caution Regarding Rules of Thumb for Variance Inflation Factors. Quality & Quantity 41(5): 673–690.

Souza, A.E.; Santos, L.M.S.; Larruscaim, I.M.; Besarria, C.N. 2021. Determinantes do desempenho no Enem na região Nordeste: uma análise de dados em painel do período de 2015 a 2019. Revista Brasileira de Estudos Regionais e Urbanos 15(4): 690–711. DOI: 10.54766/rberu.v15i4.915.

Walberg, H.J. 1984. Improving the productivity of America’s schools. Educational Leadership 41: 19-27.

XGBoost Developers. 2024. XGBoost Documentation – Parameters. Disponível em: https://xgboost.readthedocs.io/en/stable/parameter.html. Acesso em: 11 jan. 2026.

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

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy

Más recientes

13 de octubre de 2026

“Marca”: viabilidad económica para moda sostenible LGBTQIA+ en São Paulo

13 de octubre de 2026

Predictores de mortalidad en ancianos con síndrome de dificultad respiratoria aguda por Influenza A(H1N1)pdm09 confirmada

13 de octubre de 2026

Construyendo la belleza desde temprano: comportamientos de consumo de maquillaje y cuidado de la piel en la Generación Alpha

13 de octubre de 2026

Una visión general comparativa de las flotas de vehículos eléctricos en Brasil y la Unión Europea

13 de octubre de 2026

Población e Inmigración en Japón: Proyecciones con Series Temporales y Análisis Causal Demográfico hasta 2044

13 de octubre de 2026

Marketing digital y engagement en YouTube: estrategias para canales de crímenes reales en Brasil

13 de octubre de 2026

Uso de técnicas de Machine Learning No Supervisado para la planificación de trabajos de revisión de remuneraciones para la jubilación

13 de octubre de 2026

Gestión de ventas para el desempeño de una empresa del sector inmobiliario

13 de octubre de 2026

Delineo: Adaptación de modelo de difusión para prototipado de interfaz de usuario guiado por boceto

También te puede interesar

13 de octubre de 2026

“Marca”: viabilidad económica para moda sostenible LGBTQIA+ en São Paulo

El escenario actual de la moda, marcado por el consumo excesivo de “fast fashion” y la exclusión de cuerpos disidentes, evidenció la necesidad de marcas enfocadas en la concienciación, el “upcycling” y la transmutación textil. En este contexto, el estudio tuvo como objetivo analizar la viabilidad económica de una marca de moda sostenible e inclusiva, dirigida al público LGBTQIA+ en la ciudad de São Paulo. La investigación se caracterizó como un estudio de caso cuantitativo, fundamentado en la aplicación de un cuestionario para medir el comportamiento de consumo y en la proyección de escenarios financieros para un quinquenio. Los resultados revelaron un ticket promedio viable de R$200,00 y confirmaron la rentabilidad de la operación con un Valor Presente Neto de R$ 47.699,49, una Tasa Interna de Retorno de 343,70% y una Tasa Interna de Retorno Modificada de 115,80%. El análisis de sensibilidad comprobó la solidez del proyecto, demostrando retorno positivo incluso en simulaciones pesimistas. El emprendimiento se mostró viable, indicando que la unión entre valores de sostenibilidad, economía social y estructura financiera eficiente resulta en un negocio de bajo riesgo.

Palabras clave: Análisis de inversiones; Economía Circular; Emprendimiento; Impacto socioambiental; Vestimenta.

13 de octubre de 2026

Predictores de mortalidad en ancianos con síndrome de dificultad respiratoria aguda por Influenza A(H1N1)pdm09 confirmada

La infección por el virus de la influenza A(H1N1)pdm09 puede evolucionar a Síndrome Respiratoria Aguda Grave (SRAG), con mayor riesgo de muerte en ancianos. El objetivo fue analizar los factores predictivos de muerte en casos de SRAG confirmados para influenza A(H1N1)pdm09, entre ancianos de 60 años o más, considerando factores individuales y contextuales de las Regiones Administrativas (RA) del Estado de São Paulo (ESP), y comparar el desempeño de modelos de regresión. Se realizó un estudio descriptivo y analítico en el ESP, de 2023 a 2024, utilizando datos del SIVEP-Gripe y de la Fundación SEADE. Se incluyeron 714 casos confirmados por RT-PCR de influenza A(H1N1)pdm09 en residentes del ESP de 60 años o más. Se analizaron variables sociodemográficas, clínicas, de hospitalización, tratamiento, vacunación y lugar de residencia. Se empleó regresión logística binaria y logística jerárquica, con el desenlace de evolución a muerte. De los 714 casos, 202 resultaron en muerte. El modelo final de regresión logística binaria asoció mayor probabilidad de muerte al sexo masculino, edad avanzada, saturación de oxígeno inferior al 95%, hospitalización en UCI y uso de soporte ventilatorio invasivo. La presencia de tos y el uso de antiviral se asociaron a menor probabilidad de muerte. El modelo jerárquico logístico presentó un desempeño similar, con una pequeña contribución contextual residual de las RA. Se concluyó que el modelo de regresión logística binaria fue suficiente y más simple para representar los datos, siendo adoptado como modelo final.

Palabras clave: Influenza A(H1N1)pdm09; Modelado logístico jerárquico; Muerte por Influenza A(H1N1)pdm09; Regresión logística; Síndrome Respiratoria Aguda Grave.

13 de octubre de 2026

Construyendo la belleza desde temprano: comportamientos de consumo de maquillaje y cuidado de la piel en la Generación Alpha

El interés femenino por la estética se manifiesta en diversas sociedades, siendo amplificado por el avance de internet y las redes sociales, que impulsaron el surgimiento de influenciadores digitales. El estudio analizó cómo el marketing de influencia digital impacta el comportamiento de consumo y la percepción estética de niñas de la Generación Alpha (3 a 15 años) en el estado de São Paulo, desde la perspectiva de sus padres y/o responsables, con foco en el consumo precoz de maquillaje y skincare y en la construcción de patrones estéticos. Para ello, se realizó una investigación bibliográfica, se aplicó un formulario cuantitativo online y presencial, y se llevó a cabo una entrevista con un médico dermatólogo. Los resultados indicaron que el interés por la belleza surge precozmente, con incentivo de los responsables. Las jóvenes demostraron deseo de pertenencia, y los artículos de maquillaje presentaron una ligera predominancia sobre los de skincare. La mayoría de los participantes creyó que el marketing de influencia impacta las decisiones de compra. Se concluyó que el interés por la belleza y el incentivo al autocuidado se naturalizan desde temprano, y que el marketing de influencia contribuye a la formación de deseos de consumo, aunque la muestra no probabilística limita las generalizaciones.

Palabras clave: Adolescentes; Niñas; Estética; Influenciadores; Redes Sociales.

13 de octubre de 2026

Una visión general comparativa de las flotas de vehículos eléctricos en Brasil y la Unión Europea

El transporte por carretera contribuye a aproximadamente el 20% de las emisiones globales de CO2, impulsando la búsqueda de soluciones de movilidad más limpias, como los vehículos eléctricos. El objetivo de este estudio fue comparar los mercados de vehículos eléctricos en Brasil y la Unión Europea, contrastando sus políticas, adopción por parte de los consumidores y desarrollo de infraestructura. Se empleó un diseño de investigación descriptiva comparativa, analizando datos cuantitativos de la Asociación Brasileña del Vehículo Eléctrico, la Asociación Nacional de Fabricantes de Vehículos Automotores, la European Alternative Fuels Observatory y la Agencia Europea de Medio Ambiente para el período de 2015 a 2024, complementados por un análisis cualitativo de documentos de política. Los resultados revelaron una divergencia estructural fundamental: Brasil presentó un crecimiento exponencial del 80,7% anual (2022-2025), con híbridos representando aproximadamente el 66% de las ventas e impulsado por incentivos fiscales que apalancan la bioeconomía del etanol. La Unión Europea, por su parte, mostró una expansión en fase de consolidación a una tasa anual del 8,35% (2008-2025), con vehículos eléctricos de batería superando el 40% de los nuevos registros, impulsados por mandatos regulatorios vinculantes. El análisis de densidad de infraestructura indicó que la red pública de carga de la Unión Europea (55,3 puntos por cada mil vehículos de combustible alternativo) era el doble que la brasileña (27,9 puntos por cada mil vehículos electrificados). La cuantificación ambiental confirmó que la matriz energética predominantemente renovable de Brasil (64 gCO2/kWh) resultó en emisiones well-to-wheel sustancialmente menores en comparación con la matriz de la Unión Europea (246 gCO2/kWh). Se concluyó que el modelo brasileño, con incentivos fiscales neutros en tecnología y aprovechamiento de la infraestructura de biocombustibles, puede acelerar la adopción de híbridos en economías emergentes con bajo gasto público. Para mercados maduros, el modelo de la Unión Europea, con mandatos regulatorios, estableció un mercado dominante de vehículos eléctricos de batería, aunque con un costo fiscal más elevado.

Palabras clave: Energía renovable; Mercado; Cualitativo; Cuantitativo.

13 de octubre de 2026

Población e Inmigración en Japón: Proyecciones con Series Temporales y Análisis Causal Demográfico hasta 2044

El envejecimiento de la población y la baja tasa de fecundidad configuran complejos desafíos demográficos en Japón, acompañados por la expansión de la inmigración extranjera como respuesta a las restricciones de oferta de mano de obra. El estudio tuvo como objetivo analizar las tendencias demográficas japonesas y proyectar su evolución hasta 2044, con énfasis en las relaciones entre declive poblacional, fecundidad e inmigración. Se aplicaron los modelos de series temporales ARIMA y Prophet a datos históricos del Banco Mundial, del Instituto Nacional de Investigación Poblacional y Seguridad Social de Japón y de la Agencia de Servicios de Inmigración de Japón, abarcando el período de 2003 a 2023 para la serie poblacional y de 2014 a 2024 para la serie migratoria. El análisis incluyó estadísticas descriptivas, correlación de Pearson, prueba de estacionariedad de Dickey-Fuller aumentada y pruebas de causalidad de Granger, además de la evaluación predictiva por medio de las métricas MAE y MAPE. Los resultados evidenciaron la continuidad de la reducción poblacional y el crecimiento del contingente de inmigrantes en las proyecciones hasta 2044. El Prophet presentó menores valores de MAE y MAPE en los conjuntos de prueba, aunque la corta extensión de la serie migratoria limitó la capacidad de generalización. Las pruebas de causalidad temporal no identificaron evidencias estadísticamente significativas de precedencia entre población e inmigración. Se concluyó que la inmigración puede contribuir a mitigar restricciones de oferta de mano de obra, pero no constituye, aisladamente, un mecanismo suficiente para revertir el declive poblacional japonés.

Palabras clave: Declive poblacional; Demografía; Fertilidad; Flujos migratorios; Series temporales.

13 de octubre de 2026

Marketing digital y engagement en YouTube: estrategias para canales de crímenes reales en Brasil

El fenómeno de los crímenes reales se ha consolidado como un nicho de crecimiento en el YouTube brasileño, impulsado por la expansión de los medios digitales y la fascinación del público. Sin embargo, muchos creadores enfrentaron dificultades para alcanzar un crecimiento sostenible. Se analizó cómo las estrategias de marketing digital influyeron en el crecimiento, el engagement y la monetización de canales brasileños de crímenes reales en la plataforma YouTube. Se adoptó una investigación de enfoque mixto, cualitativo y cuantitativo, de naturaleza exploratoria y descriptiva. Se analizaron cuatro canales brasileños del nicho mediante análisis documental de contenidos, recopilación de métricas públicas vía Social Blade y Noxinfluencer, y aplicación de cuestionarios a cuatro creadores y a 104 espectadores. Los resultados evidenciaron que los canales de mayor rendimiento adoptaron estrategias distintas, como un enfoque narrativo lineal y contextualizado, comunicación emocional personalizada, postura técnico-informativa o contenido de opinión provocativo. Se verificó convergencia entre creadores y audiencia sobre la centralidad del storytelling para la retención, afirmando la mayoría de los espectadores que la forma en que se contaba la historia determinaba la continuidad de la visualización. Los creadores indicaron el tiempo medio de retención como la métrica más predictiva para el crecimiento sostenible, aunque el 100% dependía exclusivamente de AdSense para la monetización, revelando vulnerabilidad financiera. Se concluyó que el éxito en el nicho depende de la integración entre marketing digital, identidad narrativa consistente y responsabilidad ética.

Palabras clave: creator economy; engajamento digital; marketing de conteúdo; storytelling; true crime.

13 de octubre de 2026

Uso de técnicas de Machine Learning No Supervisado para la planificación de trabajos de revisión de remuneraciones para la jubilación

La dotación de personal y la gestión de los flujos de jubilación en organismos públicos federales configuraron complejos desafíos estratégicos. El estudio tuvo como objetivo aplicar técnicas de Machine Learning no supervisado, específicamente Agrupamiento (K-means) y Análisis de Correspondencia Múltiple (ACM), para mejorar la planificación de revisiones funcionales en una autarquía federal brasileña. La metodología consistió en el procesamiento de una base validada de 487 servidores activos. Inicialmente, variables cuantitativas, como edad, tiempo de contribución y remuneración, fueron sometidas al algoritmo K-means, resultando en la formación de cinco clusters, apoyada en el Método del Codo y el Coeficiente de Silueta. Posteriormente, los grupos se integraron con variables cualitativas a través de ACM, proyectadas en un mapa perceptual que explicó el 74,81% de la inercia de los datos. Los resultados revelaron que los clusters 0 y 3 representaron los perfiles de mayor criticidad previsional, concentrando a todos los beneficiarios de bonificación por permanencia y la mayoría de los cargos extintos. La investigación generó un Plan de Acción escalonado, priorizando a los 75 servidores de estos clusters que cumplieron los requisitos de jubilación hasta 2025, con una directriz similar para 2026. En contrapartida, el cluster 2 presentó menor riesgo, con inactividad prevista solo a partir de 2031. El modelo se mostró ampliamente favorable como herramienta de auditoría y saneamiento, aunque su plena eficacia dependa de una gobernanza de datos más rigurosa en el servicio público.

Palabras clave: Agrupamiento; Análisis de Correspondencia Múltiple (ACM); Jubilación; Clusterización.

13 de octubre de 2026

Gestión de ventas para el desempeño de una empresa del sector inmobiliario

La gestión de ventas desempeña un papel estratégico en el rendimiento organizacional, especialmente en sectores de desarrollo inmobiliario, caracterizados por su complejidad comercial. El objetivo de este estudio fue analizar la contribución de las prácticas de gestión de ventas al rendimiento comercial y organizacional de una empresa del sector inmobiliario, considerando su modelo de actuación y estructura comercial. La investigación se caracterizó como exploratoria, con un enfoque cualitativo y cuantitativo, adoptando un estudio de caso único. Se recopilaron datos mediante triangulación, utilizando investigación documental y un cuestionario estructurado aplicado al equipo de ventas externalizado. Los resultados indicaron que la empresa estructuró sus prácticas de gestión comercial con metas mensuales y anuales, campañas de marketing y sistemas de incentivos. El rendimiento se siguió mediante indicadores cuantitativos, como el volumen de ventas y el porcentaje de consecución de metas. En el período analizado, se realizaron 179 ventas, lo que corresponde al 74,6% de la meta anual establecida. Se observaron oportunidades de mejora en la alineación entre la planificación comercial, el seguimiento de resultados y la efectividad de las estrategias. La percepción de los corredores señaló limitaciones en los sistemas de incentivos, como la ausencia de progresividad en las comisiones y la duración de las bonificaciones. Se concluyó que, si bien la gestión de ventas influye en el rendimiento organizacional, existen debilidades en la alineación entre esfuerzo, recompensa y motivación de la fuerza de ventas. Se recomendó el fortalecimiento del seguimiento sistemático, la mejora de la comunicación, la definición de metas más realistas y la implementación de incentivos progresivos para potenciar los resultados comerciales.

Palabras clave: Estrategias de ventas; Fuerza de ventas; Gestión comercial; Indicadores de rendimiento; Sector inmobiliario.

13 de octubre de 2026

Delineo: Adaptación de modelo de difusión para prototipado de interfaz de usuario guiado por boceto

La evolución de la inteligencia artificial y de las redes neuronales profundas ha revolucionado las interacciones humano-máquina. Los modelos generativos, aunque prometedores para la síntesis de imágenes, enfrentan desafíos en la prototipación de interfaces de usuario (UI) al no respetar la estructura espacial. Para solucionar esta divergencia, se propuso un enfoque de difusión latente condicionada, integrando una arquitectura de control a un modelo a gran escala ajustado para interfaces móviles, que soportó bocetos de UI para guiar la inferencia de imágenes. La base de datos de entrenamiento se compuso de aproximadamente 12.400 imágenes de UI y bocetos de fuentes públicas, preprocesadas y enriquecidas con datos sintéticos e instrucciones textuales. El enfoque utilizó un modelo Stable Diffusion 3.5 Large como base, adaptado con ControlNet canny edges y un adaptador LoRA. La viabilidad del enfoque fue validada por evaluación cuantitativa, empleando una métrica de similitud semántica normalizada (SSN) basada en Sentence-BERT, y por análisis cualitativo con 20 expertos de la industria. Los resultados confirmaron que el método superó las capacidades del modelo original. Sin embargo, la evaluación evidenció que la eficacia en la estructuración lógica de la interfaz aún enfrentaba degradación estética y pérdida de elementos funcionales. Se concluyó que, aunque la tecnología demuestra su viabilidad técnica para optimizar la transición entre requisitos y la implementación de código, la automatización de procesos creativos demanda mejoras arquitectónicas para alcanzar el rigor visual exigido por la industria del desarrollo de software.

Palabras clave: Adaptación de bajo rango; Aprendizaje automático; Difusión latente condicionada; Redes neuronales profundas.

Salud

13 de octubre 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 octubre de 2026

Bitcoin o mascotas: lo que la Inteligencia Artificial no vería

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

Gestión Escolar

06 de octubre de 2026

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

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

Transición Energética

30 de septiembre de 2026

Energías renovables: la ventaja brasileña

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

Análisis De Datos

30 de septiembre de 2026

¿Cuando cambian los datos, ha cambiado la realidad?

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

Inteligencia Artificial

28 de septiembre de 2026

Inteligencia artificial y las tendencias

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

Gestión De Proyectos

25 de septiembre de 2026

¿La IA acelera las respuestas; quién asume las decisiones?

La velocidad de la tecnología solo se convierte en una ventaja cuando va acompañada de la capacidad de comprender, verificar y asumir la responsabilidad de los resultados. Imagine un equipo que comienza a producir en una tarde los análisis que antes requerían una semana. El cambio parece justificar la inversión en inteligencia artificial. Pero, antes de contabilizar la ganancia, cabe preguntar quién examinó […]

Innovación

14 de septiembre de 2026

No solo leemos palabras

Como nuevos códigos, tecnologías y formas de comunicación amplían aquello que necesitamos aprender a interpretar. Ser alfabetizado suele entenderse inicialmente como: reconocer letras, formar palabras, comprender frases y producir textos. Durante mucho tiempo, fue principalmente a partir de este dominio que definimos lo que significaba saber leer y, consecuentemente, participar de diferentes espacios de la sociedad. […]

Redes Sociales

14 de septiembre de 2026

El efecto de la influencia en el consumo

Lo que la investigación Youpix/Nielsen 2026 muestra sobre el avance de la Creator Economy En 2025, el 80% de los consumidores brasileños compraron algún producto recomendado por influencers. En 2026, el índice llegó al 81%. La estabilidad en un nivel tan elevado indica que la compra por influencia dejó de ser un comportamiento restringido a determinados públicos. El […]

Gestión Tributaria

01 de septiembre de 2026

Reforma tributaria y planificación patrimonial en el campo

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

Renata de Gaspari Valdejão Almeida

Inteligencia Artificial

05 de agosto de 2026

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

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

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julio de 2026

El futuro como competencia

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

Renata de Gaspari Valdejão Almeida

Innovación

Tecnología

21 de mayo de 2026

Corredor Agro SP: innovación, articulación institucional y futuro

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

Educación

27 de abril de 2026

Cómo transformar un TCC en negocio

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

Tecnología

20 de marzo de 2026

El repertorio humano en la era de la IA

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

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

23 de febrero de 2026

ESG como estrategia de crecimiento en una cooperativa del RS

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

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

22 de enero de 2026

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

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

Renata de Gaspari Valdejão Almeida

Innovación

09 de diciembre de 2025

Innovación: el nuevo ciclo del Parque Tecnológico de Piracicaba

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

Renata de Gaspari Valdejão Almeida

06 de julio de 2026

Arquitectura a Gran Escala: Gestión de Cambios DSR-SCRUM

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