Implementação e Aplicação de um Módulo de Aprendizado Não-supervisionado em um Arcabouço de Automl

Kuniyoshi, Maria Laura Gabriel; Ferreira, Wallace Gusmão

doi:10.22167/2675-6528-202602271

Artigo

15 de setembro de 2026

Implementação e Aplicação de um Módulo de Aprendizado Não-supervisionado em um Arcabouço de Automl

Maria Laura Gabriel Kuniyoshi; Wallace Gusmão Ferreira

DOI: 10.22167/2675-6528-202602271

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

Resumo

A maioria das ferramentas de automação de aprendizado de máquina foca em aprendizado supervisionado, negligenciando recursos para dados não rotulados, como o AutoBioLearn (ABL), voltado para pesquisadores das Ciências Biológicas e da Saúde. O objetivo deste trabalho foi implementar e testar um módulo de Aprendizado Não-Supervisionado (ANS) no ABL. Primeiramente, identificaram-se as metodologias de ANS mais mencionadas em teses e dissertações brasileiras de ciências médicas e biológicas nos últimos oito anos. Em seguida, implementaram-se classes para Análise de Componentes Principais (PCA), agrupamento hierárquico e não-hierárquico no ABL, utilizando Python. O novo módulo passou por testes de validação, reprodutibilidade e escalabilidade. Para demonstrar sua aplicação, realizaram-se dois estudos de caso: um com dados de saúde mental de gestantes durante a pandemia de COVID-19 e outro com o perfil sensorial de crianças autistas. O módulo validado sugeriu, nos dados de gestantes, uma possível relação entre a duração de “lockdowns” e tipos de ansiedade. No conjunto de dados de perfil sensorial, o módulo de ANS identificou possíveis subgrupos de comportamentos alimentares. Espera-se que esta ferramenta simplifique a escrita de código por pesquisadores das Ciências da Saúde e Biológicas.

Palavras-chave: Aprendizado de Máquina Não-supervisionado; AutoML; Design de Software; Informática Médica; Validação de Software.

1. Introdução

O aprendizado de máquina, ou Machine Learning (ML), tem experimentado um crescimento notável em diversas áreas nos últimos anos, com aplicações significativas na saúde. Exemplos incluem a identificação de doenças por meio de exames de imagens (Maheswari et al., 2024), a seleção de variáveis associadas a condições médicas (Gabriel-Kuniyoshi et al., 2025) e a caracterização de subgrupos de pacientes (Moon et al., 2025). Essa expansão reflete a capacidade do ML de processar grandes volumes de dados e extrair padrões complexos.

Apesar do potencial do ML, muitos pesquisadores da área da saúde, como médicos e biólogos, frequentemente carecem de formação formal em programação ou ciência de dados. Essa lacuna de conhecimento dificulta a implementação de análises complexas, conforme evidenciado por estudos com estudantes de Ciências da Saúde, onde uma parcela significativa dos participantes indicou a necessidade de aprender Inteligência Artificial (IA) para suas carreiras, mas muitos não sabiam definir conceitos básicos da área (Almalki et al., 2025; Teng et al., 2022). Diante desse cenário, surge uma demanda crescente por soluções que tornem o ML mais acessível, automatizado e interpretável.

Em resposta a essa necessidade, surgiram arcabouços, ou frameworks, que automatizam diversas etapas de uma análise de ML, desde o pré-processamento até a visualização de resultados. Conhecidas como Auto-Machine Learning (AutoML), essas ferramentas são valiosas para pesquisadores com diferentes níveis de conhecimento em Ciência de Dados. As vantagens do AutoML incluem o aumento da produtividade, a facilitação do aprendizado de ML, a padronização de protocolos e a automatização do ajuste de hiperparâmetros (Quaranta et al., 2025). Ferramentas como H2OAutoML (Stetsenko, 2025), MLBox (Das e Cakmak, 2018), Auto-Sklearn (Feurer et al., 2022) e TPOT (Le et al., 2020) ilustram essa categoria (Aragão et al., 2025). Contudo, muitas dessas ferramentas apresentam desvantagens, como custos elevados para softwares pagos ou a ausência de recursos específicos, como as funcionalidades de aprendizado não-supervisionado.

Nesse contexto, destaca-se o AutoBioLearn (ABL), um arcabouço brasileiro de código aberto, desenvolvido para simplificar a análise de dados por cientistas das Ciências Biológicas e da Saúde (Moreira et al., 2024). O ABL recebe dados estruturados, realiza pré-processamento básico, treina e compara modelos de ML supervisionado, e oferece resultados explicados por técnicas de inteligência artificial explicável. Embora o ABL se baseie na biblioteca Scikit-Learn (Pedregosa et al., 2011) e integre pacotes como SHAP (Lundberg e Lee, 2017) e XGBoost (Chen e Guestrin, 2016), sua primeira versão ainda carece de documentação extensa, otimização de desempenho, usabilidade aprimorada e a implementação de recursos adicionais que o distingam de outras ferramentas disponíveis.

Uma funcionalidade crucial a ser implementada no ABL é um módulo de Aprendizado Não-Supervisionado (ANS). Atualmente, a maioria dos arcabouços de AutoML foca em ML supervisionado, negligenciando as funcionalidades de ANS. Embora o H2OAutoML (Stetsenko, 2025) inclua análise de componentes principais (PCA) e agrupamento não-hierárquico, ferramentas populares como MLBox, Auto-Sklearn e TPOT não oferecem uma ampla gama de funções nativas para essas técnicas. Essa lacuna é particularmente relevante para pesquisadores da saúde, que utilizam ANS em diversas aplicações, como a redução de dimensionalidade para sequenciamento de RNA single-cell, agrupamento hierárquico em análises de expressão gênica e clustering para identificação de subgrupos de pacientes.

O Aprendizado Não-Supervisionado (ANS) refere-se a algoritmos que identificam padrões em conjuntos de dados sem rótulos predefinidos, agrupando observações com base em suas características intrínsecas, em contraste com o ML supervisionado, que utiliza dados rotulados para treinamento (Hastie et al., 2009). As abordagens de ANS incluem agrupamento hierárquico, que organiza dados em uma estrutura de árvore, e agrupamento não-hierárquico, que aloca observações a um número predeterminado de grupos. Métodos de redução de dimensionalidade, como PCA e Uniform Manifold Approximation and Projection (UMAP), também são classificados como ANS (Eckhardt et al., 2023; Tyagi et al., 2022). A aplicação dessas metodologias pode envolver etapas complexas, como testar a normalidade dos dados ou definir métricas de distância, que podem ser desafiadoras para pesquisadores sem experiência na área.

Dada a importância de tornar o ML mais acessível e a lacuna de funcionalidades de ANS nos arcabouços existentes, a implementação de tal módulo no ABL é justificada por sua utilidade para o público-alvo, simplificando etapas que podem ser complexas ou negligenciadas. Assim, o objetivo geral deste trabalho é implementar, validar e testar um módulo de Aprendizado Não-Supervisionado no ABL, descrevendo a implementação de funcionalidades de agrupamento não-hierárquico, agrupamento hierárquico e redução de dimensionalidade, incluindo a visualização de resultados, e demonstrando o funcionamento do software por meio de uma análise exploratória de dois bancos de dados públicos: um de saúde mental em gestantes com COVID-19 e outro sobre o perfil sensorial em crianças autistas.

2. Material e Métodos

O AutoBioLearn (ABL) é uma ferramenta de AutoML desenvolvida para automatizar tarefas de pré-processamento de dados, seleção e avaliação de modelos, e visualização de resultados, com foco em cientistas das áreas de Saúde e Ciências Biológicas. A versão atual do ABL suporta aprendizado de máquina supervisionado (classificação e regressão), com interpretabilidade e validação cruzada. Este trabalho descreve o desenvolvimento, implementação e testes de um novo módulo de Aprendizado Não-Supervisionado (ANS) no ABL, baseado em dados de trabalhos acadêmicos brasileiros das áreas biológicas e de saúde.

Análise de textos acadêmicos das Ciências Biológicas e de Saúde

Para identificar as técnicas de ANS mais utilizadas e o tamanho amostral médio em pesquisas das Ciências Biológicas e da Saúde, realizou-se uma análise de textos acadêmicos brasileiros. Foram utilizados dados abertos da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) referentes a 700.467 teses e dissertações de pós-graduação stricto sensu dos quadriênios 2017-2020 e 2021-2024. Os trabalhos foram filtrados para as grandes áreas de Ciências Biológicas (código 20000006) e Ciências da Saúde (código 40000001).

Após padronização do texto (remoção de acentos e pontuação), buscou-se por palavras-chave relacionadas a metodologias comuns de ANS, como redução de dimensionalidade, UMAP, t-SNE, PCA, NMF, GDA, agrupamento (cluster, kmeans, kmedoids, GaussianMixture, SpectralClustering, Birch, DBSCAN, Affinity propagation, Hierarchical), por meio de expressões regulares. Para estimar as dimensões dos dados, buscou-se por dígitos que seguiam as expressões “n=”, “n = ” e “sample size of”. As buscas foram realizadas nos campos de palavras-chave e resumos, tanto em português quanto em inglês. Esta análise foi conduzida em Python 3.10.

Implementação

O ABL é um pacote de código aberto desenvolvido em Python. O módulo de ANS foi desenvolvido e testado em Python 3.9.19, utilizando as bibliotecas Scikit-Learn (Pedregosa et al., 2011), Scipy (Virtanen et al., 2020), FactorAnalyzer (Biggs e Madnani, 2022), Pandas (The Pandas Development Team, 2020) e Numpy (Harris et al., 2020). A geração de gráficos foi realizada com Seaborn (Waskom, 2021) e Matplotlib (Hunter, 2007).

Arquitetura e fluxo de execução

O ABL foi implementado seguindo o paradigma de programação orientada a objetos (Moreira et al., 2024). A superclasse AutoBioLearn define métodos comuns para carregamento e tratamento de dados, conforme ilustrado na Figura 1. Ela estabelece métodos abstratos como execute_models() para múltiplas análises com diferentes algoritmos e hiperparâmetros, calculate_metrics() para métricas de desempenho, evaluate_models() para comparação de métricas e sugestão de algoritmos/parâmetros, run() para uma única análise, e plot() para visualização de resultados.

Figura 1. Diagrama UML simplificado do software ABL. A superclasse AutoBioLearn instancia uma classe de tratamento de dados, cuja lista de métodos está resumida nesta figura para melhor interpretação. As setas com ponta triangular branca indicam herança, a com ponta aberta indica associação. + indica métodos públicos e # indica métodos privados

Fonte: Dados originais da pesquisa

Estes métodos são herdados pelas subclasses Supervised (para aprendizado supervisionado) e Unsupervised (para ANS). A subclasse Supervised e suas classes-filhas (classificação e regressão) foram previamente descritas (Moreira et al., 2024). A classe Unsupervised implementa três classes filhas: PCA, NonHierarchical e Hierarchical. A inclusão de PCA como metodologia de ANS foi baseada em seu amplo uso na análise de dados biológicos e na classificação por autores como Eckhardt et al. (2023) e Tyagi et al. (2022).

O fluxo de uso do ABL inicia-se pela importação de um dos módulos (NonHierarchical, Hierarchical, PCA, Regression ou Classification), seguido pelo carregamento do conjunto de dados (formatos xlsx, csv ou tsv). Em seguida, execute_models() realiza diversas análises com diferentes configurações (ex: métodos de linkage e métricas de distância para agrupamento hierárquico). A classe PCA é uma exceção, não possuindo execute_models() por ser uma técnica determinística. Posteriormente, evaluate_models() compara métricas de desempenho e seleciona a combinação ideal de algoritmo e parâmetros. Para PCA, este método avalia pré-suposições (testes de Bartlett e Kaiser-Meyer-Olkin [KMO]) e identifica o número ideal de componentes principais. Finalmente, plot() executa a análise com os parâmetros selecionados e visualiza os dados. O fluxo de execução é detalhado na Figura 2. Os principais métodos de cada classe e suas opções, como métodos de ligação, número de agrupamentos, métricas de distância e critérios de seleção de hiperparâmetros, são detalhados no TCC original.

Figura 2. Fluxo de execução das análises de aprendizado supervisionado e não-supervisionado com o ABL. Losangos indicam dados de entrada e saída. Retângulos indicam métodos e processos. O texto em vermelho exemplifica o código a ser escrito pelo usuário

Fonte: Dados originais da pesquisa

Testes de validação, estabilidade e escalabilidade

Os testes de validação verificaram a correta execução das análises de PCA e agrupamento pelos scripts do ABL. Para isso, foram utilizados os conjuntos de dados padrão “wine” (Aeberhard e Forina, 1992) e “iris” (Unwin e Kleinman, 2021), além de dados sintéticos gerados de distribuições Gaussianas isotrópicas com a função “make_blobs” do Scikit-Learn (Pedregosa et al., 2011), todos com rótulos conhecidos. A validação consistiu em executar os módulos NonHierarchical e Hierarchical com as variáveis numéricas dos conjuntos de dados (sem seus rótulos) e comparar os resultados do ABL com os rótulos originais.

O teste de estabilidade foi baseado no conjunto de dados COVID-ASSESS (Ravaldi e Vannacci, 2020), que contém dados de saúde mental de 1.567 pessoas grávidas ou lactantes durante a pandemia de COVID-19. Os dados foram divididos aleatoriamente em dez partes. Em cada iteração, os módulos NonHierarchical, PCA e Hierarchical foram executados nos 90% restantes dos dados, com 17 variáveis, para observar a consistência dos resultados.

Por fim, o teste de escalabilidade preliminar utilizou bancos de dados sintéticos gerados pela função “make_blobs” do Scikit-Learn (Pedregosa et al., 2011). Os módulos NonHierarchical, PCA e Hierarchical foram executados (desde a instanciação até evaluate_models()) com diferentes tamanhos amostrais: dez, 50, 100, 500, 1.000, 5.000 e 10.000 amostras aleatórias (e, para PCA, com 50.000 e 75.000).

Estudos de caso

Foram realizados dois estudos de caso com dados médicos para demonstrar o funcionamento do ABL. O primeiro utilizou o conjunto de dados COVID-ASSESS (Ravaldi e Vannacci, 2020), que inclui dados de saúde mental de gestantes e lactantes durante o lockdown da pandemia de COVID-19 em todas as províncias da Itália. As sete variáveis analisadas foram: idade, duração do lockdown, pontuação em questionário sobre preocupações com a pandemia, escala de eventos estressantes (LeBeau et al., 2014), nível de ansiedade traço, nível de ansiedade estado (Spielberger et al., 1983), e pontuação global em questionário de saúde mental (Derogatis et al., 1973).

O segundo estudo de caso envolveu 111 crianças autistas com dados de perfil sensorial (Panerai et al., 2020), da região da Sicília, Itália. As funções do ABL foram aplicadas para análises de ML supervisionado e ANS. As variáveis consideradas foram: seletividade alimentar, comportamento disruptivo durante refeições, recusa de comida, rigidez nos horários das refeições, sensibilidade tátil, sensibilidade olfato-gustativa e sensibilidade visual-auditiva. Essas pontuações foram obtidas dos questionários validados “Brief Autism Mealtime Behaviors Inventory” [BAMBI] (Lukens e Linscheid, 2008) e “Short Sensory Profile” [SSP] (Dunn, 1999).

Disponibilização

O ABL está atualmente disponível como script no repositório https://github.com/AutoBioLearn/AutoBioLearn, sob licença MIT. Planeja-se sua disponibilização futura como pacote no “Python Package Index” (PyPi) para instalação via pip.

Especificações de software e hardware

As análises de validação e os estudos de caso foram realizados em um laptop Dell com 16GB de RAM, processador 11th Gen IntelCore i7, sistema operacional Windows 11 e Python 3.9.16.

3. Resultados e Discussão

Avaliação de metodologias e tamanhos amostrais utilizados pela população-alvo

Para caracterizar o público-alvo do ABL, pesquisadores das Ciências Biológicas e da Saúde, foram analisados 156.011 trabalhos acadêmicos dessas áreas. Os padrões textuais mais frequentemente encontrados estavam relacionados à Análise de Componentes Principais (PCA), agrupamento hierárquico e k-means. Alguns estudos mencionavam mistura gaussiana, agrupamento espectral, NMF, t-SNE e k-medoides. Embora termos como “Birch” pudessem se referir a outros assuntos, a natureza exploratória e generalista desta análise considerou essa limitação tolerável.

Figura 3. Busca de termos relacionados a ANS na base de dados da CAPES. O subconjunto pesquisado foram as palavras-chave e resumos, em línguas inglesa e portuguesa, dos documentos das grandes áreas de Ciências Biológicas e Ciências da Saúde, de 2017 a 2024. A) Número de correspondências às expressões regulares relacionadas a palavras-chave do ANS. B-D) Tamanho amostral inferido, a partir de valores associados aos padrões “n=” e “sample size of”, em documentos com termos relacionados a “cluster”, “hierárquico” e “PCA”

Fonte: Resultados originais da pesquisa

Em relação ao tamanho amostral, a maioria das pesquisas analisadas parecia envolver amostras na escala de dezenas, centenas e milhares, conforme ilustrado na Figura 3B-D. Uma quantidade negligenciável de trabalhos indicou amostras com centenas de milhares ou milhões de observações. Esta análise, embora sujeita a dados faltantes devido às expressões de busca limitadas, forneceu um panorama parcial do público-alvo.

Teste de validação

Verificou-se se o novo módulo do ABL produzia resultados adequados. Como não foram encontradas outras ferramentas de AutoML com análises de ANS semelhantes para comparação, o teste consistiu em avaliar a consistência dos agrupamentos atribuídos pelo ABL com as classes reais conhecidas. Esta hipótese foi amparada por testes em três conjuntos de dados distintos.

Figura 4. Validação da saída do ABL com conjuntos de dados sintéticos e padrão. Os testes foram feitos para as classes de agrupamento hierárquico (A-C) e não-hierárquico (D-F). Utilizou-se os conjuntos iris (A, D) e wine (B, E), assim como um conjunto de dados sintéticos (C, F). Comparou-se o agrupamento feito pelo ABL com as classes reais. A escala de cinza representa as classes reais, o eixo X representa o número de observações em um agrupamento, e o eixo Y representa o agrupamento retornado pelo ABL

Fonte: Resultados originais da pesquisa

Nos testes com os conjuntos de dados padrão “Iris” e “Wine”, os agrupamentos atribuídos pelo ABL majoritariamente corresponderam às classes reais, indicando o funcionamento esperado da ferramenta. No conjunto de dados sintético, o agrupamento realizado pelo ABL correspondeu totalmente às classes verdadeiras.

Teste de estabilidade

A importância da reprodutibilidade e replicabilidade no meio científico (National Academy of Sciences [NAS], 2019) motivou a verificação da consistência dos resultados do ABL na seleção de hiperparâmetros, número de clusters e algoritmos. Para isso, foram realizadas dez amostragens com 90% dos dados do estudo COVID-ASSESS (Ravaldi e Vannacci, 2020). Em todas as iterações, o ABL retornou as mesmas métricas e o número de componentes indicados.

No teste de PCA, todas as execuções sugeriram quatro componentes para a análise, com pouca variação na variância explicada pelos dois componentes principais, conforme detalhado na Tabela 1. As dez rodadas com a classe de agrupamento hierárquico indicaram ligação do tipo “average”, métrica de distância euclidiana e dois grupos. Para a classe não-hierárquica, todas as rodadas sugeriram agrupamento espectral com dois grupos. Esses resultados indicam que o ABL é capaz de retornar informações consistentes e reprodutíveis.

Tabela 1. Coeficiente de variância e valores máximo e mínimo em dez iterações de execução do módulo de redução de dimensionalidade. Cada iteração foi realizada com uma amostragem de 90% do conjunto de dados COVID-ASSESS.

Palavra-chave	Expressões regulares buscadas
Redução de dimensionalidade	reducao\sd[ea]\sdimens dimensionality\sreduction dimension\sreduction
UMAP	\bumap\b uniform\smanifold\sapproximation\sand\sprojection aproximacao\se\sprojecao\suniformes\sde\svariedades
t-SNE	\bt\s?sne\b t\s+distributed\sstochastic\sneighbou?r\sembedding incorporacao\sestocastica\sde\svizinhos\scom\sdistribuicao
PCA	\bpca\b analise\sde\scomponentes\sprincipais principal\scomponent\sanalysis
NMF	\bnmf\b non\s?negative\smatrix\sfactorization fatoracao\smatricial\snao\s?negativa
GDA	\bgda\b generalized\sdiscriminant\sanalysis analise\sdiscriminante\sgeneralizada
Aprendizado não-supervisionado	aprendizado\snao\s?supervisionado unsupervised\smachine\slearning unsupervised\slearning
cluster	cluster\w*
kmeans	k\s?means
kmedoids	k\s?medoid\w* partitioning\saround\smedoids particionamento\sem\smedoides \bpam\b
GaussianMixture	gaussian\smixture mistura\sgaussiana
SpectralClustering	spectral\sclustering agrupamento\sespectral
Birch	\bbirch\b
DBSCAN	\bdbscan\b density\sbased\sspatial\sclustering\sof\sapplications\swith\snoise
Affinity propagation	affinity propagation propagacao de afinidade
Hierarchical	hierarquico hierarchical dendrogram

Fonte: Resultados originais da pesquisa

Teste de escalabilidade preliminar

Para avaliar a adequação do ABL às dimensões dos conjuntos de dados preferidas pelo público-alvo, mensurou-se o tempo e a memória computacional gastos nas análises de conjuntos de dados de diferentes tamanhos. O máximo de memória e tempo utilizados foram 4,2 gigabytes e 30 minutos, respectivamente. Considerando um notebook convencional com 8 gigabytes de memória RAM, tal análise é viável. Esses resultados demonstram a viabilidade de análises com amostras de até 10.000 amostras, com dez variáveis, o que condiz com os tamanhos amostrais inferidos na análise do banco de teses e dissertações da CAPES (Figura 3), que parecem estudar conjuntos nas ordens de 10¹ a 10³.

Figura 5. Execução das três classes de ANS, desde sua instanciação até evaluate_models(), com diferentes tamanhos amostrais. A-C) Quantidade máxima de memória utilizada na execução das classes PCA (A), Hierarchical (B) e NonHierarchical (C). D-F) Tempo de execução médio para as classes PCA (D), Hierarchical (E) e NonHierarchical (F)

Fonte: Resultados originais da pesquisa

Estudos de caso: COVID-ASSESS

Para ilustrar o uso do ABL, realizou-se um estudo de caso com o conjunto de dados COVID-ASSESS, que contém informações sobre a saúde mental de gestantes e lactantes italianas durante o lockdown da pandemia de COVID-19 (Ravaldi e Vannacci, 2020). A análise inicial utilizou agrupamento não-hierárquico com as configurações padrão do ABL. O software sugeriu agrupamento por modelo de mistura gaussiana, resultando em dois grupos (Figura 6A) com 1.175 e 392 indivíduos, respectivamente. As métricas de avaliação foram silhueta de 0,6613, índice de Calinski-Harabasz de 3940,37 e índice de Davies-Bouldin de 0,5092. Gráficos de pontos mostraram separação relativa à duração do lockdown, embora a interpretação visual para outros fatores fosse mais complexa (Figura 6B).

Figura 6. Saída do ABL na análise dos dados do COVID-ASSESS. A) Figura resultante do método “evaluate_models()” da classe “NonHierarchical”. A fim de selecionar um modelo para os dados, executaram-se corridas com quatro algoritmos (eixo X) e diferentes números de agrupamentos (eixo Y), as quais foram comparadas pelo método silhueta, considerando a distância euclidiana (escala de cores). B) Figura resultante do método “plot()” da classe “NonHierarchical”, com a escala de eventos estressantes no eixo X e duração do “lockdown” no eixo Y. C-D) Gráfico de cargas resultante do método “plot()” da classe “PCA”. Os eixos X e Y os componentes principais. As cores representam os grupos identificados na análise de agrupamento não-hierárquico da Figura 6a. C) Componentes principais um e dois. D) Componentes principais dois e três

Fonte: Resultados originais da pesquisa

Para aprofundar a investigação das diferenças entre os grupos, utilizou-se o módulo PCA (Figuras 6C e 6D). O ABL indicou que a amostra atendia aos pressupostos para PCA (valor-p < 0.05 no teste de Bartlett e estatística KMO = 0,726). O critério de Kaiser levou o ABL a determinar três componentes principais. A análise sugeriu que o grupo com maior duração de lockdown apresentava maiores pontuações para ansiedade como um traço de personalidade. Em contraste, o grupo associado a coletas no início ou com menor duração de lockdown parecia relacionado a maior ansiedade como um estado momentâneo. Esses resultados sugerem padrões consistentes com uma possível associação entre a duração do lockdown e tipos de ansiedade, levantando hipóteses para estudos futuros. Embora outros estudos já tenham abordado a saúde mental a longo prazo durante a pandemia (Benke et al., 2023), há potencial para investigações mais específicas em dados de gestantes, o que pode auxiliar no planejamento para futuras pandemias.

Estudo de caso: Sensibilidade sensorial

Para demonstrar as saídas do módulo de agrupamento hierárquico, analisaram-se dados do perfil sensorial e alimentar de 111 crianças autistas (Panerai et al., 2020). A configuração inicial buscou pelo menos dois agrupamentos. O ABL sugeriu agrupamento utilizando o método de ligação “average” com a métrica de distância “cityblock” (distância de Manhattan), resultando em dois grupos (Figura 7). O modelo apresentou bom ajuste, com correlação cofenética de 0,759.

Figura 7. Figuras resultantes da classe “Hierarchical” do ABL na análise dos dados do perfil sensorial infantil. O dendrograma tem duas visualizações disponíveis: a) apenas o dendrograma, ou b) dendrograma com mapa de calor das variáveis. Uma escala de cores representa o agrupamento retornado

Fonte: Resultados originais da pesquisa

Na análise biopsicológica, o grupo menor, com 20 indivíduos, pareceu associado a maiores pontuações na avaliação BAMBI, que inclui variáveis como comportamento disruptivo nas refeições, recusa alimentar, seletividade alimentar e rigidez nos horários. Os 91 indivíduos restantes pareciam ter menores pontuações BAMBI. O estudo original (Panerai et al., 2020) considerou apenas a pontuação geral BAMBI para separar os grupos (37 indivíduos com pontuação ≥34 para “problemas alimentares” e 74 restantes “sem problemas alimentares”). A diferença nos resultados decorre da análise de agrupamento hierárquico do ABL, que considera também as variáveis sensoriais sem um critério rígido, oferecendo novas perspectivas não exploradas.

Para aprofundar as possíveis subdivisões e suas características, o agrupamento foi refeito configurando o ABL para retornar pelo menos quatro agrupamentos, combinado com PCA para compreender os pesos das variáveis. Esta nova execução resultou em quatro agrupamentos, com ligação “average” e métrica de Bray-Curtis. O ajuste foi médio, com correlação cofenética de 0,501.

Figura 8. Saída do ABL na análise dos dados do perfil sensorial infantil. A) Figuras resultantes de agrupamento com quatro grupos com a classe “Hierarchical”. B-C) Gráficos de cargas resultante da classe “PCA”. Os eixos X e Y os componentes principais. As cores representam os grupos identificados na análise de agrupamento hierárquico da Figura 8A. B) Componentes principais um e dois. C) Componentes principais dois e três

Fonte: Resultados originais da pesquisa

Nesta segunda análise, o maior agrupamento, com 54 crianças, pareceu corresponder àquelas com menores pontuações, embora ligado à sensibilidade olfato-gustativa atípica (Figura 8). O segundo maior grupo pareceu associar-se a maior comportamento disruptivo durante a alimentação e recusa de alimentos. Os agrupamentos três e quatro, com dez e 22 indivíduos, respectivamente, tinham menor distância entre si. Ambos aparentavam maiores pontuações de seletividade alimentar e, especialmente no grupo quatro, rigidez com horários de refeições. Esta análise exploratória pode gerar hipóteses para estudos mais amplos sobre padrões de alimentação atípica em crianças e seu processamento de estímulos ambientais.

Este trabalho descreveu a implementação de funcionalidades de PCA, agrupamento hierárquico e não-hierárquico no ABL, um arcabouço gratuito para pesquisadores das ciências médicas e biológicas. Os testes realizados validaram as capacidades da ferramenta e demonstraram seu potencial de uso. A aplicação em dados reais revelou padrões que podem gerar perguntas de pesquisa e orientar experimentos futuros, como a possível relação entre ansiedade e duração do isolamento social em gestantes. O ABL foi desenvolvido como uma ferramenta para análise exploratória inicial, permitindo que cientistas foquem na interpretação biológica e geração de hipóteses, em vez de detalhes de programação. Nos próximos passos, planeja-se refinar o ABL para aprimorar a personalização e estética das figuras, formatar bancos de dados, enriquecer a documentação e coletar feedback dos usuários.

4. Conclusão

O presente trabalho teve como objetivo implementar e testar um módulo de Aprendizado Não-Supervisionado (ANS) no arcabouço AutoBioLearn (ABL), visando aprimorar a capacidade de análise de dados para pesquisadores das Ciências Biológicas e da Saúde. Verificou-se que as metodologias de ANS mais relevantes para este público, como Análise de Componentes Principais (PCA), agrupamento hierárquico e não-hierárquico, foram implementadas com sucesso. Os testes de validação demonstraram que o módulo produziu agrupamentos consistentes com as classes reais em conjuntos de dados padrão e sintéticos. Adicionalmente, a ferramenta exibiu reprodutibilidade na seleção de hiperparâmetros e escalabilidade para conjuntos de dados de até 10.000 amostras, o que se alinha com os tamanhos amostrais comumente encontrados na literatura da área. A aplicação do módulo em estudos de caso revelou padrões significativos, como a possível associação entre a duração do lockdown e diferentes tipos de ansiedade em gestantes, e a identificação de subgrupos de comportamentos alimentares em crianças autistas, oferecendo novas perspectivas em relação a análises anteriores. A principal contribuição deste estudo reside na disponibilização de uma ferramenta de código aberto que simplifica a execução de análises complexas de ANS, permitindo que cientistas da saúde e biólogos concentrem seus esforços na interpretação biológica e na geração de hipóteses.

Apesar dos avanços, a análise inicial das metodologias de ANS na literatura acadêmica apresentou a limitação de possíveis falsos positivos devido à natureza exploratória das expressões de busca. Em termos de escalabilidade, embora o módulo seja viável para a maioria dos conjuntos de dados do público-alvo, análises com centenas de milhares ou milhões de observações podem exigir recursos computacionais mais robustos. Para estudos futuros, as descobertas nos dados de gestantes sugerem a necessidade de investigações mais aprofundadas sobre a relação entre a duração do isolamento social e a saúde mental em populações específicas, auxiliando no planejamento para futuras crises sanitárias. Similarmente, a análise exploratória dos perfis sensoriais de crianças autistas abre caminho para pesquisas mais amplas sobre padrões de alimentação atípica e processamento de estímulos ambientais. No que tange ao próprio ABL, planeja-se aprimorar a personalização e a estética das visualizações, otimizar o retorno de bancos de dados formatados, expandir a documentação e estabelecer um canal para coletar feedback dos usuários, garantindo a evolução contínua da ferramenta.

Referências Bibliográficas

Gabriel-Kuniyoshi, M.L.; Simões, S.N.; Moreira, L.P.B.; de Souza, J.Y.K.; Nogueira, T.O.; Catharini, T.M.A.; Della Torre, J.A.; Leoni, B.S.; Biancolin, K.E.; Ibidi, S.M.; Francisco, R.P.V.; Sabino, E.C.; Camilo, C.; Gouveia, G.R.; Brentani, A.; Martins, D.C.; Brentani, H. 2025. COVID-19 modulates pregnancy outcomes. Disponível em: . Acesso em: 3 mar. 2026.

Maheswari S.; Suresh S.; Ahamed A.S. 2024. A systematic literature review on machine learning and deep learning-based covid-19 detection frameworks using X-ray Images. Applied Soft Computing 166(1):112137.

Moon. H; Yoon, D.E.; Kim, J.; Choi, Y.; Kim, H.; Lee, I.S.; Chae Y. 2025. Identifying key features for determining the patterns of patients with functional dyspepsia using machine learning. Frontiers in Physiology 16(2025):165

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

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

Mais recentes

15 de setembro de 2026

Inteligência Artificial como Agente de Transformação no Mercado de Trabalho

Neurociência E Aprendizagem Na Educação

15 de setembro de 2026

Percepções Docentes sobre Funções Executivas e Cognição Espacial na Aprendizagem Matemática: Implicações Pedagógicas para a Equidade

Compliance E Esg

15 de setembro de 2026

Compliance na Gestão Contratual do Setor Aéreo Brasileiro: um Framework Aplicado

15 de setembro de 2026

Métodos Não Supervisionados Aplicados a Leveduras Industriais Produtoras de Etanol de Primeira e Segunda Gerações

15 de setembro de 2026

Segmentação de Clientes Financeiros por Clusterização e Aprendizado Não Supervisionado

15 de setembro de 2026

Tomada de Decisão e Qualidade dos Dados: Percepções sobre Acurácia, Completude, Consistência e Disponibilidade.

15 de setembro de 2026

Entre o Artificial e o Humano: Identificação de Textos Humanizados no Enem por Features Linguísticas

Neurociência E Aprendizagem Na Educação

15 de setembro de 2026

Trabalhando a Diversidade Através de Atividades Lúdicas e Colaborativas

Neurociência E Aprendizagem Na Educação

15 de setembro de 2026

Entendendo a Superdotação: o que a Escrita de Mulheres Superdotadas Diz sobre a Norma Linguística

Você também pode gostar

15 de setembro de 2026

Inteligência Artificial como Agente de Transformação no Mercado de Trabalho

A ascensão da Quarta Revolução Industrial, impulsionada pela Inteligência Artificial (IA) generativa, alterou profundamente a relação entre capital e trabalho ao automatizar tarefas cognitivas não rotineiras. O objetivo geral consistiu em analisar as percepções de profissionais operacionais de diferentes setores sobre o impacto da IA no mercado de trabalho, identificando tendências e desafios. A metodologia empregou pesquisa exploratória e descritiva, com abordagem quantitativa por meio de um survey. O instrumento de coleta de dados foi um questionário estruturado, aplicado a 124 respondentes, utilizando escalas Likert e de múltipla escolha. Os resultados demonstraram um estágio avançado de adoção tecnológica (74,2%), caracterizando a amostra como “early adopters”. Identificou-se que o ganho de eficiência liberou entre uma e oito horas semanais para a maioria, embora subsistam barreiras críticas como a falta de treinamento e preocupações éticas. Notou-se uma resistência significativa ao gerenciamento algorítmico e à substituição do julgamento humano em decisões críticas, como no conceito de “Hospital Agente”. Apesar do otimismo quanto à produtividade, a sustentabilidade da força de trabalho depende de políticas urgentes de “reskilling” e da preservação da agência humana. A supervisão humana permaneceu indispensável em áreas que exigem empatia e responsabilidade moral.

Palavras-chave: Automação; Competências Digitais; Ética Tecnológica; Mercado de Trabalho.

Neurociência E Aprendizagem Na Educação

15 de setembro de 2026

Percepções Docentes sobre Funções Executivas e Cognição Espacial na Aprendizagem Matemática: Implicações Pedagógicas para a Equidade

Este estudo investigou as percepções de docentes dos anos iniciais sobre o papel das funções executivas (FEs) e da cognição espacial na aprendizagem matemática, bem como suas implicações para a equidade de gênero no contexto educacional. Participaram 48 professores da Educação Infantil e do Ensino Fundamental I, que responderam a um questionário composto por itens em escala Likert e questões abertas. As análises incluíram estatística descritiva, estimativas de confiabilidade, testes não paramétricos e análise temática das respostas discursivas. Os resultados indicaram elevada concordância quanto à relevância das FEs (M=4,83) e da cognição espacial (M=4,85) para a aprendizagem matemática. Contudo, a integração sistemática dessas habilidades e a observação cotidiana de autorregulação apresentaram menor uniformidade na prática docente. As práticas pedagógicas foram frequentes, mas heterogêneas, especialmente nas intervenções para cognição espacial e FEs (M=4,25). Em relação ao gênero, observou-se incerteza sobre o interesse inicial equivalente entre meninos e meninas (M=3,35), mas forte concordância de que a escola pode reduzir desigualdades (M=4,75). Docentes que atribuíram maior importância às FEs e à cognição espacial relataram maior frequência de práticas pedagógicas associadas. Os achados evidenciaram a necessidade de fortalecer a tradução desses conhecimentos em práticas pedagógicas intencionais, oferecendo subsídios para a formação docente e a promoção da equidade na aprendizagem matemática desde os primeiros anos escolares.

Palavras-chave: Aprendizagem matemática; Cognição espacial; Equidade de gênero; Funções executivas; Práticas pedagógicas.

Compliance E Esg

15 de setembro de 2026

Compliance na Gestão Contratual do Setor Aéreo Brasileiro: um Framework Aplicado

A gestão de compliance contratual no setor aéreo brasileiro é um tema de crescente relevância. O estudo objetivou desenvolver um framework de práticas de compliance aplicáveis à gestão contratual nesse setor, a partir da análise de documentos e diretrizes de acesso público. Para isso, adotou-se uma abordagem qualitativa, aplicada e descritiva, fundamentada em análise documental de normas, guias institucionais, relatórios setoriais e revisão de literatura especializada sobre governança contratual, integridade e gestão de riscos. Os resultados indicaram avanços na incorporação de cláusulas de integridade e anticorrupção em instrumentos contratuais corporativos, bem como na estruturação de mecanismos de due diligence voltados à gestão de terceiros e fornecedores. Observou-se, entretanto, que a aplicação desses instrumentos apresentou níveis distintos de formalização e maturidade ao longo do ciclo de vida contratual, revelando oportunidades de aprimoramento na integração entre compliance, governança e gestão contratual. Como contribuição aplicada, propôs-se um framework estruturado de práticas, operacionalizado por meio de uma tabela comparativa e um checklist orientativo, com potencial para apoiar profissionais de compliance, gestores de contratos e áreas de governança corporativa na mitigação de riscos legais, regulatórios e reputacionais.

Palavras-chave: Controles internos; Gestão de contrato; Gestão de riscos; Governança corporativa; Integridade.

15 de setembro de 2026

Métodos Não Supervisionados Aplicados a Leveduras Industriais Produtoras de Etanol de Primeira e Segunda Gerações

A compreensão dos mecanismos moleculares na produção de etanol é crucial para a otimização industrial, dada sua consolidação como alternativa sustentável. O estudo avaliou os perfis transcriptômicos de leveduras industriais Saccharomyces cerevisiae “Pedra-2” na produção de etanol de primeira (1G) e segunda geração (2G), em diferentes tempos de fermentação, utilizando métodos não supervisionados. Dados públicos de RNA-seq foram empregados, submetidos a controle de qualidade, pré-processamento, alinhamento genômico e quantificação de transcritos em TPM. As análises incluíram correlação de Pearson, Análise de Componentes Principais (PCA), Análise Fatorial de Dados Mistos (FAMD) e clusterização hierárquica. Os resultados revelaram uma clara separação entre os perfis de expressão gênica de 1G e 2G, com o tipo de fermentação como principal fator de variabilidade. As amostras 1G exibiram maior organização temporal e estabilidade, enquanto as 2G mostraram maior heterogeneidade e complexidade metabólica. Diferenças nas vias metabólicas associadas ao fluxo de carbono foram identificadas, com predominância da glicólise em 1G e maior participação das vias da pentose fosfato e do ciclo do ácido tricarboxílico em 2G. Concluiu-se que os métodos não supervisionados foram eficazes na identificação de padrões biológicos relevantes, contribuindo para o entendimento das diferenças metabólicas entre os processos e oferecendo suporte para estratégias de otimização na produção de etanol.

Palavras-chave: Aprendizado de máquina; Bioinformática; Expressão gênica; Fermentação; Transcriptoma.

15 de setembro de 2026

Segmentação de Clientes Financeiros por Clusterização e Aprendizado Não Supervisionado

A crescente disponibilidade de dados no setor financeiro tornou relevante o uso de técnicas analíticas para segmentação e apoio à decisão. O estudo teve como objetivo aplicar técnicas de clusterização a uma base de clientes, a fim de identificar grupos homogêneos e interpretar perfis distintos com base em variáveis financeiras, comportamentais e cadastrais. Metodologicamente, a pesquisa classificou-se como aplicada, descritiva e quantitativa, conduzida como estudo de caso com 750 registros. Inicialmente, os dados foram preparados, tratados e padronizados. Em seguida, aplicou-se o algoritmo K-Means, testando diferentes valores de k e utilizando métricas internas de validação (WCSS, silhouette, Calinski-Harabasz e Davies-Bouldin). Realizou-se também comparação com métodos hierárquicos e análise estatística complementar por ANOVA. Os resultados mostraram que, embora a solução com dois clusters tenha apresentado melhor desempenho estatístico em parte das métricas, a configuração com três grupos teve maior capacidade interpretativa e analítica. Os clusters identificados distinguiram clientes com maior vulnerabilidade financeira, perfil intermediário e maior valor econômico, com diferenças relevantes em renda, endividamento, utilização do crédito, investimento e reserva de emergência. Concluiu-se que a clusterização foi eficaz para segmentar a base analisada e demonstrou potencial para apoiar a interpretação de perfis e a tomada de decisão orientada por dados.

Palavras-chave: aprendizado não supervisionado; ciência de dados; clusterização; K-Means; segmentação de clientes.

15 de setembro de 2026

Tomada de Decisão e Qualidade dos Dados: Percepções sobre Acurácia, Completude, Consistência e Disponibilidade.

O crescimento exponencial do volume de dados gerados e consumidos globalmente transformou a forma como as organizações conduziram seus processos decisórios, tornando a qualidade das informações um fator determinante para a efetividade dessas decisões. Este estudo analisou a percepção de profissionais que utilizam dados em suas funções diárias quanto à qualidade dos dados nos processos de tomada de decisão nas organizações. Adotou-se uma metodologia descritiva quantitativa, com coleta de dados realizada por meio de um survey estruturado em escala Likert de cinco pontos. A amostra foi não probabilística por conveniência, composta por profissionais de diferentes níveis hierárquicos e portes de empresa. Para a análise dos resultados, empregaram-se técnicas estatísticas descritivas e a correlação de Spearman. As análises revelaram que o uso de dados estava amplamente incorporado à rotina decisória dos participantes e que as dimensões de qualidade avaliadas foram percebidas predominantemente positivamente, com exceção da consistência, que apresentou o menor desempenho e a maior dispersão. As correlações entre as dimensões de qualidade e a confiança decisória mostraram-se positivas e estatisticamente significativas, com destaque para a acurácia como a dimensão de maior influência sobre a segurança decisória. Concluiu-se que, embora as organizações apresentem avanços na adoção de práticas orientadas por dados, persistem desafios estruturais relacionados à consistência das informações, indicando a importância do aprimoramento das práticas de integração e de governança de dados.

Palavras-chave: Confiança decisória; Governança de dados; Percepção organizacional; Qualidade de dados; Tomada de decisão.

15 de setembro de 2026

Entre o Artificial e o Humano: Identificação de Textos Humanizados no Enem por Features Linguísticas

A crescente utilização de modelos de linguagem na produção de textos acadêmicos tornou relevante o desenvolvimento de métodos para identificar a autoria de produções textuais, especialmente diante de ferramentas de humanização que mascaram a origem sintética. O objetivo foi investigar a viabilidade da detecção de textos gerados por inteligência artificial, mesmo após reescrita automática, por meio de atributos linguísticos interpretáveis. Para isso, construiu-se um corpus de redações dissertativo-argumentativas no padrão do ENEM, abrangendo textos humanos, gerados por modelo de linguagem e versões humanizadas por ferramenta de paráfrase. Extraíram-se métricas estilométricas de diversidade lexical, complexidade sintática, legibilidade e previsibilidade textual, empregadas na modelagem de um problema de classificação binária supervisionada. Treinaram-se três algoritmos de aprendizado de máquina (Regressão Logística, Random Forest e XGBoost) e os avaliaram por validação interna, em um conjunto independente de dados e em comparação com uma ferramenta comercial. Os modelos apresentaram desempenho elevado na distinção entre textos humanos e sintéticos, mantendo consistência mesmo com textos humanizados, enquanto a ferramenta comercial demonstrou maior dificuldade. Concluiu-se que a abordagem baseada em atributos estilométricos mostrou-se eficaz e robusta para a detecção de autoria textual no contexto analisado.

Palavras-chave: Análise linguística; Aprendizado de máquina; Detecção de autoria textual; Humanização de texto; Processamento de linguagem natural.

Neurociência E Aprendizagem Na Educação

15 de setembro de 2026

Trabalhando a Diversidade Através de Atividades Lúdicas e Colaborativas

Um estudo analisou o impacto da “II Gincana Leonor: Gincana da Inclusão” como estratégia pedagógica para promover a empatia e combater o capacitismo em uma escola pública municipal de Campinas, envolvendo alunos do 6º ao 9º ano. A metodologia, de natureza aplicada, caracterizou-se como um estudo de caso com abordagem qualitativa e quantitativa. A coleta de dados envolveu análise documental do guia de atividades da gincana, registros fotográficos das vivências e aplicação de questionários estruturados via Google Forms para a equipe gestora, docentes e funcionários da instituição. Os resultados revelaram alto engajamento e protagonismo estudantil, com mais de 80% de percepção positiva dos participantes sobre a eficácia das atividades lúdicas na sensibilização sobre a diversidade. Contudo, evidenciaram desafios na transposição do aprendizado para o cotidiano escolar, pois a maioria dos docentes relatou aplicação apenas parcial dos valores de inclusão nas atitudes diárias dos alunos. Concluiu-se que, embora a gincana tenha sido um catalisador eficaz para a empatia e o acolhimento, a consolidação de uma cultura anticapacitista exige a integração contínua dessas discussões ao currículo escolar, superando o caráter pontual das intervenções.

Palavras-chave: Capacitismo; Educação Inclusiva; Gincana Escolar; Metodologias Ativas; Protagonismo Estudantil.

Neurociência E Aprendizagem Na Educação

15 de setembro de 2026

Entendendo a Superdotação: o que a Escrita de Mulheres Superdotadas Diz sobre a Norma Linguística

Este estudo analisou textos produzidos em blogs por mulheres com altas habilidades/superdotação, com o objetivo de identificar marcas linguísticas relacionadas ao uso da norma-padrão e compreender como tais escolhas se articulam a normas sociais e a possíveis estratégias de masking. Uma abordagem qualitativa, descritiva e documental foi empregada, examinando dez textos de blogs pessoais, publicados entre 2018 e 2025, por mulheres que se autodeclararam superdotadas e que abordaram suas experiências. A análise evidenciou um manejo consistente da norma-padrão, mas também uma oscilação entre usos mais monitorados e formas mais flexíveis, com traços de oralidade e menor formalidade. Essa tensão linguística refletiu negociações identitárias em diferentes contextos discursivos. Observou-se que expectativas sociais de perfeição e adequação linguística incidem intensamente sobre meninas, influenciando suas práticas. Contudo, o ambiente dos blogs favoreceu maior liberdade expressiva, permitindo discursos íntimos e autobiográficos. Concluiu-se que a análise da escrita contribuiu para ampliar a compreensão sobre identidade, gênero e inclusão, destacando a importância de práticas educacionais sensíveis às especificidades de estudantes com altas habilidades.

Palavras-chave: Altas habilidades/superdotação; Blogs; Identidade; Masking; Norma-padrão.

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 […]