Machine Learning para avaliação de impacto do gênero na inclusão de mulheres em STEM

doi:10.22167/2675-6528-202602799

Artigo

30 de setembro de 2026

Machine Learning para avaliação de impacto do gênero na inclusão de mulheres em STEM

Machine Learning para Avaliação de Impacto do Gênero na Inclusão de Mulheres em Stem

Claudia Sobral de Melo Giglio; Manoel Flavio Leal

DOI: 10.22167/2675-6528-202602799

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 representação feminina em graduações de Ciências e Tecnologia permanece desigual, apesar da equiparação de gêneros no ensino superior há mais de uma década. Este estudo implementou algoritmos de Machine Learning para avaliar o impacto do gênero feminino na inclusão em carreiras de tecnologia, utilizando dados de ingresso no Ensino Superior via Exame Nacional do Ensino Médio (Enem). Foram selecionados dados de notas do Enem de 2018 a 2023 e realizado treinamento com modelos ensemble de Árvores de Decisão, incluindo Random Forest, LightGBM, XGBoost e CatBoost. O modelo CatBoost demonstrou maior consistência na classificação de participantes com perfil voltado para áreas STEM. A análise do impacto das variáveis no modelo revelou que a identificação com o gênero feminino é um fator relevante para uma menor probabilidade de ingresso nessas áreas. Observou-se, ainda, que a renda familiar e a escolaridade dos pais também influenciaram a inclusão dos participantes em carreiras de Ciências e Tecnologia. Os resultados obtidos podem subsidiar o desenvolvimento de políticas públicas de inclusão para grupos sub-representados.

Palavras-chave: Aprendizado Supervisionado; Classificação de dados; Desigualdade de gênero.

1. Introdução

O alcance da paridade nos níveis de educação entre os gêneros é uma questão ainda muito recente, tendo sido um desafio ultrapassado na última década, em 2014, quando a equidade da presença das mulheres foi atingida globalmente em todos os níveis da educação (UNESCO, 2017). No entanto, é patente que a presença feminina concentra-se em cursos de cunho mais social, tais como Pedagogia, Enfermagem e Nutrição, que até os anos 2000 tinham 80% a 90% de mulheres em seu corpo discente, ao passo que cursos de Engenharia contavam com apenas cerca de 15% a 20% de alunas (Carvalho e Sobreira, 2008).

Inserida nesse cenário, a participação histórica de meninas e mulheres nas chamadas ciências duras, também conhecidas como disciplinas STEM (Science, Technology, Engineering and Mathematics), é desde sempre baixa. Estudos apontam diversas possibilidades como fatores que influenciam essa disparidade, tais como estereótipos de gênero, machismo no ambiente profissional e a falta de modelos femininos nos ambientes de trabalho ligados à ciência (Aires et al., 2018). Mesmo ao adentrar a área, a permanência das mulheres é mais dificultosa do que a de seus pares masculinos, especialmente quando interpretadas sob o prisma da maternidade e do trabalho doméstico (Kmec, 2013).

Tais fatores apontam para uma cultura de gênero muito arraigada na sociedade, que por si só desestimula a participação feminina em campos considerados “naturalmente” masculinos. Em um pensamento que ressoa com o feminismo pós-estruturalista, o gênero é enxergado como uma construção não-natural (Butler, 2003). Bourdieu (2002) disserta sobre uma construção androcêntrica de sociedade que molda a divisão do trabalho pelo gênero. Observa-se que, apesar do maior acesso de mulheres ao ensino superior, a maior concentração delas está em especializações consideradas mais femininas, sendo comum o desestímulo à busca de carreiras mais tecnológicas e científicas a partir da educação básica. Essa percepção se demonstra precisa quando comparada ao interesse decrescente das meninas em relação às disciplinas STEM conforme vão ficando mais velhas, uma vez que seu envolvimento com as ciências é equiparado ao dos meninos até o final da infância, proporção que cai acentuadamente ao final da adolescência (UNESCO, 2017).

A persistente sub-representação feminina em áreas de STEM, apesar da paridade geral na educação superior, configura uma lacuna prática e teórica que demanda investigação aprofundada. Compreender os mecanismos pelos quais o gênero influencia a inclusão nessas carreiras é fundamental para o desenvolvimento de políticas públicas eficazes. A aplicação de técnicas de Machine Learning oferece um caminho promissor para analisar grandes volumes de dados e identificar padrões complexos que não seriam evidentes por métodos tradicionais.

Nesse contexto, o presente trabalho justifica-se pela necessidade de elucidar o impacto do gênero na inclusão de mulheres no ensino superior em ciências e tecnologia. Utilizando os Microdados do Exame Nacional do Ensino Médio (ENEM) disponibilizados pelo Instituto Nacional de Estudo e Pesquisas Educacionais Anísio Teixeira (INEP, 2026) para o período de 2018 a 2023, busca-se analisar como o gênero impacta a inclusão das mulheres no ensino superior, considerando esse fator como uma das características do modelo de Machine Learning. O estudo visa avaliar como o gênero feminino é um fator de impacto na inclusão em carreiras de tecnologia e identificar os fatores socioeconômicos que influenciam o desempenho em provas de ingresso nas áreas de exatas, estabelecendo parâmetros de maior relevância para o desenvolvimento de iniciativas que promovam a participação feminina nas ciências.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa de natureza quantitativa, com abordagem metodológica baseada em Machine Learning. O objetivo central foi avaliar o impacto do gênero feminino na inclusão em carreiras de tecnologia e identificar os fatores socioeconômicos que influenciam o desempenho em provas de ingresso nas áreas de exatas. Para tanto, implementou-se um algoritmo de Machine Learning aplicado aos dados de ingresso no ensino superior via Exame Nacional do Ensino Médio (Enem).

A execução do projeto foi estruturada em sete etapas sequenciais: coleta de dados, análise exploratória de dados, pré-processamento de dados, treinamento de modelos de Machine Learning, visualização de dados, análise dos resultados e, por fim, a escrita do texto. Essa organização visou garantir a reprodutibilidade e a clareza do processo metodológico, desde a aquisição dos dados até a interpretação final dos achados.

A unidade de análise consistiu nos Microdados do Exame Nacional do Ensino Médio (Enem), disponibilizados publicamente pelo Instituto Nacional de Estudo e Pesquisas Educacionais Anísio Teixeira (INEP, 2026). Foram selecionados os dados referentes ao período de 2018 a 2023. A escolha desse escopo temporal permitiu observar o desenvolvimento do cenário analisado, incluindo o ano atípico da pandemia de Covid-19 em 2020. Todos os dados utilizados foram anonimizados, em conformidade com a Lei n.º 13.709 (Lei Geral de Proteção de Dados Pessoais – LGPD), garantindo o uso ético das informações.

A base de dados foi adquirida em formato .zip, contendo arquivos .csv com itens da prova, dados socioeconômicos dos participantes e resultados das notas, além de um dicionário de dados para suporte à interpretação. Cada pasta descompactada variava de 1,55 a 2,47 gigabytes, o que demandou uma estratégia eficiente de processamento. O projeto foi estruturado em um diretório raiz denominado “tcc-stem-genero/”, com um ambiente virtual isolado para bibliotecas Python e diretórios específicos para dados brutos, processados, imagens, notebooks e textos.

A análise exploratória de dados iniciou-se com a estatística descritiva dos dados dos anos extremos (2018 e 2023), utilizando a biblioteca Pandas para manipulação de dataframes e Matplotlib para visualização. Métodos como `.info`, `.columns`, `.describe()`, `.shape()` e `.head()` foram aplicados para compreender a distribuição em quartis, o tamanho e a estrutura dos datasets. Gráficos de boxplot e violino foram gerados para observar a densidade da distribuição das notas de Ciências da Natureza e Matemática, excluindo zeros e nulos.

No pré-processamento, para manipular datasets com milhões de registros, criou-se uma pipeline que processou os dados em formato Apache Parquet, reconhecido pela eficiência em armazenamento em nuvem para big data. O processamento foi realizado em “chunks” (segmentos menores) para evitar sobrecarga computacional. Adicionalmente, realizou-se o downcast dos formatos numéricos de `int64` para `int8`, otimizando o uso de memória.

Com o apoio do dicionário de dados do INEP (2026), selecionaram-se as colunas de interesse para o modelo de Machine Learning ou para critérios de filtragem. As colunas incluíram “IN_TREINEIRO”, “NU_NOTA_CN”, “NU_NOTA_MT”, “Q001”, “Q002”, “Q006”, “Q025”, “SG_UF_PROVA”, “TP_COR_RACA”, “TP_FAIXA_ETARIA”, “TP_SEXO” e “TP_ST_CONCLUSAO”. Colunas como “Q027” e “TP_LOCALIZACAO_ESC” foram excluídas devido à alta taxa de registros faltantes, e “SG_UF_ESCOLA” foi substituída por “SG_UF_PROVA” como proxy.

A etapa de filtragem removeu perfis de participantes não relevantes para a pesquisa. Foram excluídos alunos “treineiros”, candidatos ausentes nas provas de Ciências da Natureza ou Matemática, participantes com notas zero em uma ou ambas as provas, e alunos que não haviam concluído ou não estavam no 3º ano do Ensino Médio. Após a estruturação da pipeline, os nulos de grande parte das colunas foram tratados, imputando o valor de -1 e, posteriormente, removendo os campos com esse valor.

O mapeamento das variáveis foi realizado conforme seu tipo. A coluna “TP_SEXO” foi mapeada binariamente para “IN_FEMININO” (F=1, M=0). A coluna “Q025” (acesso à internet) foi similarmente mapeada para “TEM_INTERNET” (A=1, B=0). Variáveis ordinais como “ESC_MAE” e “ESC_PAI” (escolaridade dos pais, de A a H) foram mapeadas para valores numéricos de 0 a 7. A coluna “Q006” (renda média mensal familiar, de A a Q) foi mapeada para 0 a 16. A coluna “TP_FAIXA_ETARIA” foi mantida em seu formato ordinal original.

Para as variáveis categóricas nominais, utilizou-se o One-Hot Encoding. A coluna “SG_UF_PROVA” (estado de aplicação da prova) foi mapeada para suas respectivas regiões geográficas e, em seguida, transformada em variáveis binárias. De forma análoga, a coluna “TP_RACA_COR” foi mapeada de rótulos numéricos para textuais e, posteriormente, convertida em variáveis binárias. A coluna “TP_ST_CONCLUSAO” (status de conclusão do Ensino Médio) também foi mapeada para rótulos textuais e, então, transformada em variáveis binárias.

O treinamento dos modelos de Machine Learning teve como propósito avaliar a influência do gênero na definição de um perfil voltado para STEM. Foram empregados modelos ensemble baseados em Árvores de Decisão: Random Forest, LightGBM, XGBoost e CatBoost. O Random Forest serviu como modelo baseline, utilizando o método de bagging. LightGBM, XGBoost e CatBoost, por sua vez, são modelos de Gradient Boosting, que se adaptam progressivamente para criar preditores mais fortes (Géron, 2019).

Para facilitar a interpretabilidade dos modelos, aplicou-se o framework SHAP (SHapley Additive exPlanations) (Lundberg e Lee, 2017). A linguagem Python, com bibliotecas como scikit-learn e SHAP, foi utilizada para todo o desenvolvimento. Definiram-se quatro “targets” como proxies para o perfil STEM, baseados em notas acima da mediana em Matemática e/ou Ciências da Natureza. Os modelos foram treinados com divisão de dados de 80% para treino e 20% para teste, com estratificação para manter a proporção das classes. As métricas de desempenho avaliadas foram ROC-AUC e F1-Score. A otimização de hiperparâmetros foi realizada com a biblioteca Optuna, utilizando uma testagem enxuta de 15 tentativas com 10% da amostra da população.

3. Resultados e Discussão

A implementação de algoritmos de Machine Learning neste estudo revelou padrões significativos sobre o impacto do gênero e de fatores socioeconômicos na inclusão em carreiras de Ciências e Tecnologia. Os achados iniciais indicaram uma persistente desigualdade na representação feminina nessas áreas, apesar da paridade geral no ensino superior. A análise aprofundada dos dados do Exame Nacional do Ensino Médio (Enem) de 2018 a 2023 permitiu não apenas quantificar essa disparidade, mas também identificar as variáveis mais influentes e a direção de seu impacto, fornecendo uma base robusta para a compreensão do fenômeno e o subsídio a futuras políticas de inclusão.

A análise exploratória dos microdados do Enem, que abrangeu milhões de registros, evidenciou uma diferença notável nas pontuações médias entre gêneros nas provas de Ciências da Natureza e Matemática. As participantes femininas consistentemente obtiveram notas mais baixas que seus pares masculinos em todos os anos avaliados. Essa disparidade foi mais acentuada na disciplina de Matemática, onde a mediana das notas femininas foi 43,2 pontos inferior à masculina em 2018, e essa diferença se ampliou para 58,1 pontos em 2023. Em Ciências da Natureza, a diferença foi de 12,5 pontos em 2018 e 28,5 pontos em 2023, indicando um aumento da lacuna ao longo do tempo.

Ao investigar a proporção de participantes no grupo dos 10% com as notas mais altas, observou-se que a disciplina de Ciências da Natureza apresentou um equilíbrio de gênero mais pronunciado, com as mulheres inclusive superando os homens nesse grupo em 2018. No entanto, em Matemática, a predominância masculina permaneceu evidente, embora com uma leve tendência de maior paridade em 2023 em comparação com 2018. A distribuição da densidade das notas, visualizada por meio de gráficos, sugeriu que, enquanto o desempenho feminino em 2023 mostrou maior regularidade, o desempenho masculino demonstrou uma evolução mais significativa ao longo do período analisado, especialmente em Matemática.

Para lidar com a extensão dos datasets e garantir a eficiência computacional, foi crucial a etapa de pré-processamento de dados. Desenvolveu-se uma pipeline que utilizou o formato Apache Parquet e processamento em “chunks”, otimizando o uso de memória e o desempenho. As colunas de interesse foram cuidadosamente selecionadas a partir do dicionário de dados do Inep, priorizando informações socioeconômicas e de desempenho nas provas. Variáveis como tipo e localização da escola foram excluídas devido à alta taxa de dados faltantes, optando-se por utilizar a unidade federativa de aplicação da prova como uma proxy para a região, dada a ausência de nulos nessa variável.

A etapa de filtragem foi essencial para refinar o dataset, removendo perfis de participantes que não se alinhavam aos objetivos da pesquisa. Foram excluídos os “treineiros”, candidatos ausentes nas provas de Ciências da Natureza ou Matemática, e aqueles que obtiveram nota zero em uma ou ambas as provas. Adicionalmente, foram removidos alunos que não haviam concluído ou não estavam no terceiro ano do Ensino Médio, assegurando que o público analisado fosse efetivamente apto a ingressar no ensino superior. As variáveis foram transformadas por mapeamento binário para gênero e acesso à internet, e por mapeamento ordinal para escolaridade dos pais e renda familiar, preservando a hierarquia intrínseca desses dados. O One-Hot Encoding foi aplicado a variáveis categóricas como raça/cor, região e status de conclusão do Ensino Médio, para que todos os modelos pudessem processá-las de forma consistente.

Na fase de treinamento, foram empregados modelos ensemble de Machine Learning, incluindo Random Forest, LightGBM, XGBoost e CatBoost, todos baseados em Árvores de Decisão. Para classificar um participante como tendo um perfil STEM, foram definidos quatro “targets” ou proxies, baseados nas notas acima da mediana do Enem em Matemática e Ciências da Natureza. O target T3, que exigia notas acima da mediana em ambas as disciplinas, mostrou-se o mais rigoroso, abrangendo apenas 35,5% da população estudada. Essa abordagem permitiu avaliar o impacto das features em diferentes níveis de exigência e identificar a sensibilidade do gênero em cada disciplina.

A avaliação do desempenho dos modelos, utilizando as métricas ROC-AUC e F1-Score, indicou que o modelo CatBoost, treinado com o target T3, apresentou a performance mais consistente, atingindo um valor ROC-AUC de 0,7707 após o tuning de hiperparâmetros. O Random Forest demonstrou o pior desempenho entre os modelos, enquanto o XGBoost exibiu variações bruscas, tornando-o menos confiável. O CatBoost e o LightGBM apresentaram desempenhos bastante equiparáveis, mas o CatBoost foi selecionado devido à sua ligeira superioridade e à capacidade de avaliar a importância das features, um aspecto crucial para a interpretabilidade dos resultados (Fávero e Belfiore, 2025). O processo de otimização dos hiperparâmetros foi conduzido com a biblioteca Optuna.

A análise da importância das variáveis, realizada com a biblioteca SHAP, revelou que a “renda familiar” é o fator mais prevalente na definição de um perfil STEM, mantendo-se consistentemente nas primeiras posições ao longo dos seis anos analisados. O “gênero” (identificação feminina) e a “escolaridade da mãe”, seguidos pela “escolaridade do pai”, também se destacaram como fatores de importância constante. Variáveis como “raça branca” e “faixa etária” apresentaram alguma variação de posição, mas frequentemente figuraram entre os fatores mais relevantes. Esses achados sublinham a complexidade dos múltiplos fatores socioeconômicos e demográficos que influenciam o ingresso em carreiras de tecnologia.

A evolução temporal da importância das features demonstrou que, em 2020, ano do início da pandemia de Covid-19, houve um aumento na relevância da “renda familiar” e do “gênero” para a classificação do perfil STEM. Esse pico de importância pode estar relacionado ao adiamento do Enem de 2020, que impulsionou a participação, seguido por uma queda progressiva no número de inscritos nos anos subsequentes. Após 2020, a importância do “gênero” gradualmente retornou a níveis semelhantes aos observados em 2018 e 2019, enquanto a estabilidade da escolaridade dos pais permaneceu, indicando que esses fatores têm um impacto mais duradouro e menos volátil.

A análise direcional do impacto do gênero, também realizada com SHAP, confirmou que a identificação com o gênero feminino diminui a probabilidade de um participante ser classificado como um perfil STEM. Em contrapartida, a identificação com o gênero masculino aumenta essa probabilidade. Essa diferença no impacto foi mais acentuada no ano de 2020, coincidindo com o início da pandemia de Covid-19, o que sugere que eventos externos podem exacerbar as desigualdades existentes. Esse resultado reforça a percepção de que estereótipos de gênero e barreiras culturais ainda influenciam a escolha e o desempenho em áreas de ciências e tecnologia (Aires et al., 2018; Bourdieu, 2002).

É fundamental ressaltar que os modelos de Machine Learning aplicados estabelecem correlações, mas não necessariamente causalidades. Embora o algoritmo tenha validado estatisticamente um cenário empiricamente observado, ele não abrange a totalidade dos aspectos que influenciam a entrada de alunos em STEM. O processo de tuning de hiperparâmetros foi realizado de forma enxuta, adaptado aos recursos computacionais disponíveis, o que sugere que um ambiente de maior poder computacional poderia aprimorar a precisão do modelo. Futuras investigações poderiam expandir o escopo para outros anos e incluir dados de populações minorizadas não contempladas, como a população transgênero ou povos indígenas, para uma compreensão mais abrangente das desigualdades.

Em síntese, a pesquisa demonstrou que o gênero feminino é um fator relevante que impacta negativamente a inclusão em carreiras de tecnologia, com a renda familiar e a escolaridade dos pais também exercendo influência significativa. O modelo CatBoost, com o target T3, mostrou-se o mais consistente para identificar perfis STEM, e a análise SHAP revelou a dinâmica da importância dessas variáveis ao longo do tempo, com um pico de impacto do gênero em 2020. Esses achados fornecem uma base robusta para o desenvolvimento de políticas públicas direcionadas à promoção da participação feminina e à redução das desigualdades em áreas de Ciências e Tecnologia, alinhando-se ao objetivo central do estudo.

4. Conclusão

O estudo buscou avaliar o impacto do gênero feminino na inclusão em carreiras de tecnologia e identificar fatores socioeconômicos que influenciam o desempenho em provas de ingresso nas áreas de exatas. Para tanto, implementou-se algoritmos de Machine Learning, utilizando dados do Exame Nacional do Ensino Médio (Enem) de 2018 a 2023. Verificou-se que a identificação com o gênero feminino é um fator relevante para uma menor probabilidade de ingresso nessas áreas. Observou-se, ainda, que a renda familiar e a escolaridade dos pais exerceram influência significativa na inclusão dos participantes em carreiras de Ciências e Tecnologia. O modelo CatBoost, treinado com o target T3, demonstrou a performance mais consistente na classificação de perfis STEM, e a análise de importância das variáveis revelou que o impacto do gênero e da renda familiar se acentuou no ano de 2020, período do início da pandemia de Covid-19. Esses achados fornecem uma base robusta para o desenvolvimento de políticas públicas direcionadas à promoção da participação feminina e à redução das desigualdades em áreas de Ciências e Tecnologia.

É fundamental ressaltar que os modelos de Machine Learning aplicados estabelecem correlações, e não necessariamente causalidades, não abrangendo a totalidade dos aspectos que influenciam a entrada de alunos em STEM. O processo de tuning de hiperparâmetros foi realizado de forma enxuta, adaptado aos recursos computacionais disponíveis, o que sugere que um ambiente de maior poder computacional poderia aprimorar a precisão do modelo. Para estudos futuros, sugere-se expandir o escopo para outros anos, analisando um período histórico mais abrangente, e incluir dados de populações minorizadas não contempladas, como a população transgênero ou povos indígenas, para uma compreensão mais abrangente das desigualdades. Adicionalmente, investigações futuras poderiam focar em dados que explorem de forma mais específica as razões pelas quais o gênero impacta a inclusão nas áreas de exatas, como informações sobre o desenvolvimento de alunas do Ensino Médio.

Referências Bibliográficas

Aires, J.; Mattos, G.; Oliveira, C.; Brito, A.; Aragão, A.; Alvez, S.; Coelho, T.; Moreira, G.. 2018. Barreiras que Impedem a Opção das Meninas pelas Ciências Exatas e Computação: Percepção de Alunas do Ensino Médio. In: WOMEN IN INFORMATION TECHNOLOGY (WIT), 12., 2018, Natal. Anais […]. Porto Alegre: Sociedade Brasileira de Computação, 2018 . p. 34-38. ISSN 2763-8626. DOI: https://doi.org/10.5753/wit.2018.3378.

Bourdieu, Pierre. 2002. A dominação masculina. 2ed. Bertrand Brasil, Rio de Janeiro, RJ, Brasil.

Butler, J. 2003. Problemas de gênero: feminismo e subversão da identidade. 1ed. Civilização Brasileira. Rio de Janeiro, RJ, Brasil.

Carvalho, M. G.; Sobreira, J. L.. 2008. Género en los cursos de ingeniería de una universidad tecnológica brasileña. Arbor, v. CLXXXIV n.733, p 889-904, sep./oct, 2008.

Fávero, L. P.; Belfiore, P. 2025. Manual de análise de dados: estatística e machine learning com Excel®, SPSS®, Stata®,R® e Python®. 2ed. LTC, Rio de Janeiro, RJ, Brasil.

Géron, A. 2019. Mãos à Obra Aprendizado Máquina com Scikit-Learn e TensorFlow. 1ed. Alta Books, Rio de Janeiro, RJ, Brasil.

Instituto Nacional de Estudo e Pesquisas Educacionais Anísio Teixeira [INEP]. 2025. Microdados do Enem. Disponível em: <https://www.gov.br/inep/pt-br/acesso-a-informacao/dados-abertos/microdados/enem>. Acesso em: 07 abr. 2026.

Kmec, J. 2013. Why Academic STEM Mothers Feel They Have to Work Harder than Others on the Job. International Journal of Gender, Science and Technology, [S. Ι.], v. 5, n. 2, p. 79–101, 2013. Disponível em: https://genderandset.open.ac.uk/index.php/genderandset/article/view/277.. Acesso em: 9 feb. 2026.

Lundberg, S. M.; Lee, S. 2017. A unified approach to interpreting model predictions. Advances in neural information processing systems 30(1): 4766-4776.

Organização das Nações Unidas [UNESCO]. 2017. Cracking the code: girls’ and women’s education in science, technology, engineering and mathematics (STEM). Disponível em: <https://unesdoc.unesco.org/ark:/48223/pf0000253479>. Acesso em: 09 fev. 2026.

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

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

Mais recentes

Economia, Investimentos E Banking

23 de outubro de 2026

Educação Financeira, Comportamentos e Vieses na Tomada de Decisão Financeira

22 de outubro de 2026

Desafios e Possibilidades do Primeiro Ano Escolar de Crianças com Tea para o Trabalho Docente

22 de outubro de 2026

Jornada do Consumidor na Decisão de Compra de Infoprodutos no Ambiente Digital

22 de outubro de 2026

Riscos Psicossociais e Saúde Mental no Trabalho em uma Instituição Bancária

22 de outubro de 2026

Observatório Digital da Amazônia: Ciência de Dados Aplicada à Análise de Indicadores Sociais, Econômicos, Ambientais e de Saúde

22 de outubro de 2026

Aprendizado Contínuo como Fator de Crescimento Organizacional na Percepção dos Colaboradores

22 de outubro de 2026

Regressão Estatística em Microrredes para Estimativa de Desempenho Operacional: Caso Campusgrid

22 de outubro de 2026

Previsão da Inadimplência Agregada no Sistema Financeiro Brasileiro por Modelo Sarimax com Variáveis Macroeconômicas

22 de outubro de 2026

Fatores de Engajamento das Partes Interessadas na Transferência Internacional de Tecnologia para um Hospital Público

Você também pode gostar

Economia, Investimentos E Banking

23 de outubro de 2026

Educação Financeira, Comportamentos e Vieses na Tomada de Decisão Financeira

A gestão financeira pessoal representa um desafio crescente, influenciada por vieses cognitivos que afetam a tomada de decisão, mesmo em indivíduos com alto conhecimento. O presente estudo analisou a relação entre o nível de educação financeira e a ocorrência de vieses comportamentais na tomada de decisão financeira de adultos residentes no Brasil. Realizou-se um levantamento de campo de natureza aplicada, quantitativa e descritivo-correlacional, por meio da aplicação de um questionário estruturado a 163 respondentes. O instrumento contemplou variáveis sociodemográficas, conhecimento e hábitos financeiros, e situações hipotéticas para identificar vieses cognitivos. Os resultados indicaram que níveis mais elevados de educação financeira associaram-se a melhores práticas de controle financeiro, poupança e investimento, com correlações significativas com renda e escolaridade. Contudo, a presença de vieses comportamentais (ancoragem, aversão à perda, escassez, otimismo/negatividade, viés do presente, status quo, excesso de confiança e contabilidade mental) persistiu mesmo entre indivíduos com maior escolaridade e renda, sem associação estatisticamente significativa com as variáveis sociodemográficas analisadas. Concluiu-se que a educação financeira, embora essencial para a organização e o controle financeiro, não foi suficiente para neutralizar a influência de vieses cognitivos. Sugere-se a incorporação de abordagens comportamentais aos programas de educação financeira.

Palavras-chave: Comportamento financeiro; Economia comportamental; Finanças pessoais; Heurísticas cognitivas; Vieses cognitivos.

22 de outubro de 2026

Desafios e Possibilidades do Primeiro Ano Escolar de Crianças com Tea para o Trabalho Docente

A inserção de crianças com Transtorno do Espectro Autista (TEA) na Educação Infantil apresenta desafios significativos, dada a dificuldade de adaptação em novos ambientes e a intensidade de estímulos. O objetivo foi analisar a atuação docente na Educação Infantil no processo de escolarização inicial de crianças com TEA. Realizou-se um estudo de caso, utilizando a entrevista narrativa como técnica de produção de dados. Os resultados revelaram que a atuação docente caracterizou-se por práticas de mediação e afeto, com a flexibilização da rotina e o uso de recursos lúdicos como estratégias essenciais para o desenvolvimento e organização sensorial da criança. Destacou-se também a importância da profissional de apoio escolar para o êxito do trabalho pedagógico. O desenvolvimento integral da criança foi promovido por meio de ações docentes intencionais que priorizaram a adaptação ambiental, o fortalecimento de vínculos e o atendimento às necessidades específicas do TEA. Como contribuição, elaborou-se um guia de estratégias pedagógicas voltado ao acolhimento de crianças com TEA em creches públicas.

Palavras-chave: Educação Infantil; Inclusão Escolar; Narrativas Docentes; Práticas Pedagógicas Inclusivas; Transtorno do Espectro Autista.

22 de outubro de 2026

Jornada do Consumidor na Decisão de Compra de Infoprodutos no Ambiente Digital

A expansão do comércio eletrônico e a transformação tecnológica impulsionaram a necessidade de compreender o comportamento do consumidor de infoprodutos, cuja experiência percebida tornou-se crucial para o desenvolvimento profissional. O estudo objetivou analisar os fatores que influenciaram a decisão de compra de infoprodutos no ambiente digital, considerando as etapas da jornada do consumidor. Realizou-se uma pesquisa aplicada, quantitativa e descritiva, por meio de um levantamento de campo com 100 consumidores da Serra Gaúcha. A coleta de dados ocorreu via questionário estruturado, utilizando amostragem não probabilística. Os resultados revelaram um público qualificado e com forte comportamento “mobile-first”. Constatou-se que a disponibilidade de informações detalhadas e a aprovação social foram os principais gatilhos de atração na fase de pré-compra. Nas etapas transacionais e posteriores, a minimização de atritos operacionais, a agilidade do acesso imediato e a segurança sistêmica mostraram-se cruciais para a conversão e satisfação, embora lacunas na eficiência do suporte humano tenham sido identificadas. A retenção fundamentou-se na confiança gerada por experiências anteriores positivas, superando o fator preço. Concluiu-se que a jornada do consumidor de infoprodutos opera como um sistema integrado, exigindo alinhamento entre infraestrutura tecnológica, curadoria de conteúdo e humanização do suporte para assegurar o engajamento.

Palavras-chave: Comércio eletrônico; Comportamento do consumidor; Experiência do consumidor; Fidelização; Negócios virtuais.

22 de outubro de 2026

Riscos Psicossociais e Saúde Mental no Trabalho em uma Instituição Bancária

A saúde mental no ambiente de trabalho é um tema de crescente relevância, impactando o desenvolvimento profissional e o bem-estar dos colaboradores. Um estudo foi realizado para identificar aspectos e situações que podem influenciar os níveis de absenteísmo em uma instituição bancária. A pesquisa envolveu 108 participantes e utilizou um questionário estruturado, baseado na versão curta do COPSOQ II de Gonçalves (2021), que continha 45 questões fechadas em escala Likert e duas perguntas abertas. Os dados foram coletados por meio de plataforma online e analisados com abordagem descritiva e quantitativa. Os resultados revelaram um cenário que indicou a necessidade de ajustes na distribuição das atividades e na percepção dos gestores sobre comportamentos e sinais de transtornos. Foram identificadas evidências importantes nas respostas abertas dos participantes. Concluiu-se que o estudo contribuiu para a promoção da percepção de um ambiente seguro para a saúde mental na organização.

Palavras-chave: Afastamentos por transtornos; Desenvolvimento profissional; Liderança operacional; Licença médica; Saúde mental.

22 de outubro de 2026

Observatório Digital da Amazônia: Ciência de Dados Aplicada à Análise de Indicadores Sociais, Econômicos, Ambientais e de Saúde

O estado do Amazonas enfrentou desafios históricos na consolidação do Sistema Único de Saúde (SUS), decorrentes de barreiras geográficas, desigualdades socioeconômicas e limitações estruturais. Descreveu-se, neste estudo, o desenvolvimento e a implementação de um geoportal de informações em saúde, concebido para apoiar o monitoramento, a avaliação e o planejamento no contexto amazônico. Adotou-se uma abordagem de estudo de caso descritivo, baseada em análise documental e dados secundários, abrangendo o mapeamento de funcionalidades, a infraestrutura técnica e as etapas de validação da ferramenta. O Portal foi desenvolvido com tecnologias abertas e integrou múltiplas bases de dados nacionais, oferecendo dashboards interativos, mapas temáticos e repositório digital de documentos. Entre os resultados, destacaram-se a visualização georreferenciada de indicadores-chave, a possibilidade de análises comparativas temporais e a utilização da plataforma na revisão de planos de saúde e no redirecionamento de ações estratégicas. O portal pode representar um avanço na governança digital e na gestão baseada em evidências, com potencial de replicabilidade para outros territórios de alta complexidade, desde que acompanhada de investimentos em infraestrutura tecnológica, capacitação profissional e articulação interinstitucional.

Palavras-chave: Amazônia; Avaliação em Saúde; Saúde Digital; Sistemas de Informação em Saúde.

22 de outubro de 2026

Aprendizado Contínuo como Fator de Crescimento Organizacional na Percepção dos Colaboradores

O impacto do aprendizado contínuo e da gestão do conhecimento no crescimento das organizações foi estudado em um cenário de globalização e constantes mudanças. O objetivo do estudo foi analisar a percepção dos colaboradores sobre a cultura de aprendizagem e sua importância para o desenvolvimento pessoal e profissional. Os dados foram obtidos por meio de uma pesquisa anônima, de abordagem quantitativa, utilizando um formulário com questões do tipo “survey” aplicado a 87 profissionais dos setores de tecnologia, saúde, educação, comércio e serviços. Os resultados indicaram que os colaboradores possuíam uma percepção positiva sobre a contribuição do aprendizado contínuo para o crescimento pessoal e organizacional, reconhecendo seus benefícios para o desenvolvimento de novas habilidades, inovação e competitividade. Contudo, observou-se que o incentivo à troca de conhecimento interno e a oferta de treinamentos práticos ainda apresentavam médias moderadas de concordância. Concluiu-se que o aprendizado contínuo contribui significativamente para o desenvolvimento individual e organizacional, sugerindo que as empresas devem desenvolver políticas estratégicas de aprendizado direcionado para novas habilidades, visando maior vantagem competitiva e inovação.

Palavras-chave: Aprendizagem contínua; Autodesenvolvimento; Crescimento organizacional; Gestão do conhecimento; Inovação.

22 de outubro de 2026

Regressão Estatística em Microrredes para Estimativa de Desempenho Operacional: Caso Campusgrid

Um modelo de regressão estatística múltipla foi proposto para estimar o desempenho operacional da microrrede CampusGrid da UNICAMP, com base em grandezas elétricas internas. A microrrede integra geração fotovoltaica, baterias e um gerador a gás. Dados do sistema de gerenciamento de energia foram coletados em intervalos de cinco minutos durante um mês. O Índice de Confiabilidade Operacional, definido como a razão entre energia atendida e demandada, foi estabelecido como variável dependente. O modelo foi ajustado para o modo de operação ilhado, avaliando o impacto da demanda, estado de carga, geração solar e energia suprida. Os resultados revelaram elevado poder explicativo, indicando que a confiabilidade operacional depende da interação entre suprimento e demanda. Observou-se que o período noturno concentrou a maior taxa de atendimento parcial, atribuída à redução da geração solar. Concluiu-se que a regressão múltipla oferece uma estrutura interpretável e útil para o monitoramento de microrredes e o apoio a estratégias de controle.

Palavras-chave: Armazenamento em baterias; Geração fotovoltaica; Índice de Confiabilidade; Operação ilhada; Sistema de Gerenciamento de Energia.

22 de outubro de 2026

Previsão da Inadimplência Agregada no Sistema Financeiro Brasileiro por Modelo Sarimax com Variáveis Macroeconômicas

A inadimplência agregada no sistema financeiro brasileiro é um indicador crucial de risco de crédito, cuja previsão é regulamentada pelas Resoluções CMN n.° 4.557/2017 e 4.966/2021 para a mensuração prospectiva de perdas esperadas. Modelou-se e previu-se a inadimplência agregada por meio do modelo SARIMAX, projetando sua trajetória até dezembro de 2026 sob cenários otimista, base e pessimista. Utilizaram-se 164 observações mensais (julho/2012 a fevereiro/2026) e variáveis macroeconômicas como desemprego, Selic, IPCA, IBC-Br e endividamento das famílias. A especificação com variáveis contemporâneas foi selecionada com base em critérios de informação e estabilidade dos coeficientes, e o diagnóstico dos resíduos confirmou adequação estatística, com MAPE de 3,12%. A inadimplência histórica variou entre 4,33% e 7,64%. A estimação identificou o desemprego (β = 0,2534; p < 0,001) e a Selic (β = 0,2128; p < 0,001) como principais determinantes positivos, com forte persistência temporal (AR(1) = 0,8965). A Selic exibiu correlação crescente com a inadimplência (r = 0,62 no lag 12), enquanto o desemprego demonstrou efeito contemporâneo (r = 0,33). As projeções indicaram inadimplência entre 6,30% e 7,98% em dezembro de 2026, com uma amplitude de 1,68 ponto percentual, evidenciando implicações diretas para o dimensionamento de provisões nas instituições financeiras. Palavras-chave: Desemprego; Modelagem preditiva; Política monetária; Provisão de perdas; Séries temporais.

22 de outubro de 2026

Fatores de Engajamento das Partes Interessadas na Transferência Internacional de Tecnologia para um Hospital Público

Este estudo descreveu os fatores críticos percebidos para o engajamento das partes interessadas na transferência internacional de tecnologia em um hospital público, com foco no planejamento. O objetivo foi descrever esses fatores condicionantes, conforme a percepção de profissionais. Realizou-se um estudo de caso único, aplicando um questionário a 25 profissionais e utilizando análise de conteúdo, complementada por tabulações descritivas. Os principais obstáculos identificados foram resistência à mudança (72%), financiamento (64%), falta de comunicação (60%) e burocracia (40%). Apenas 28% dos respondentes reconheceram a existência de ferramentas adequadas para gestão de stakeholders, enquanto 48% negaram e 24% não souberam informar. Cruzamentos exploratórios indicaram variações na avaliação de influência conforme o tempo de atuação, mas não estabeleceram relações causais. A falta de engajamento foi associada a atrasos, baixa adesão, desperdício de recursos, falhas de comunicação, comprometimento da absorção de conhecimento e riscos à segurança do paciente. As conclusões restringiram-se às percepções do grupo pesquisado e fundamentaram recomendações preliminares para comunicação e coordenação intersetorial.

Palavras-chave: Estudo de caso; Gestão de projetos; Inovação em saúde; Partes interessadas; Setor público.

Economia

19 de outubro de 2026

Fim da escala 6×1: o que os números permitem concluir?

Após promulgação do fim da escala 6×1, debate sobre a jornada menor passa à implementação e exige distinguir benefícios sociais de custos econômicos O fim da escala 6×1 passou da discussão legislativa para uma mudança constitucional no Brasil. Em 16 de outubro de 2026, o Congresso Nacional promulgou a emenda constitucional nº 141/2026, originada da Proposta […]

Inteligência Artificial

16 de outubro de 2026

Por que estudar se existe IA?

Quando respostas se tornam fáceis, aprender passa a significar mais do que chegar até elas Por que eu preciso aprender isso se posso perguntar para uma inteligência artificial? Esse tipo de pergunta acompanha a educação há décadas. Por que aprender uma operação se existe calculadora? Por que memorizar uma informação se ela pode ser encontrada […]

Gestão Tributária

15 de outubro de 2026

Pink tax e o gênero do preço

Como os diferentes tratamentos mercadológicos a homens e mulheres são incorporados pela tributação do consumo Imagine uma prateleira na qual duas lâminas de barbear da mesma marca e destinadas à mesma finalidade estão expostas lado a lado: uma tem embalagem escura e promete força, precisão e eficiência; a outra vem em tons de rosa ou […]

Saúde

13 de outubro de 2026

O elo perdido da transformação da saúde

Por que inovar não basta para provocar mudanças nas organizações e nos sistemas de saúde A transformação digital consolidou-se como prioridade estratégica para os sistemas de saúde em todo o mundo. Prontuários eletrônicos, inteligência artificial, telemedicina, monitoramento remoto e análise de dados passaram a integrar a agenda estratégica de governos e organizações de saúde. Paradoxalmente, […]

Marketing

09 de outubro de 2026

Bitcoin ou pets: o que a Inteligência Artificial não veria

Um caso real de consumer intelligence mostra o que fica fora do briefing Há alguns anos, uma seguradora americana contratou uma empresa especializada em consumer intelligence para responder a três perguntas: A seguradora também avaliava lançar seguros pagos em bitcoin. Na época, o processo de trabalho da consultoria funcionava assim: o analista criava uma query […]

Gestão Escolar

06 de outubro de 2026

A escola não é um cassino: quando figurinhas viram moeda no pátio

Por que, para determinados estudantes, a escola consegue oferecer tão poucas experiências de conquista? A Copa do Mundo acabou. O Brasil deixou a competição, vieram as férias escolares, a final foi disputada e o calendário do futebol seguiu adiante. Seria razoável imaginar que, com o fim do torneio e o retorno às aulas, também começasse […]

Transição Energética

30 de setembro de 2026

Energias renováveis: a vantagem brasileira

Brasil precisa investir na capacidade de transformar recursos naturais em inovação, produtividade e desenvolvimento Falar sobre energia é falar sobre desenvolvimento. Por trás da indústria, dos transportes, dos serviços, das cidades e, cada vez mais, da inteligência artificial, existe uma infraestrutura energética que sustenta a economia. Compreender a matriz energética de um país é compreender […]

Análise De Dados

30 de setembro de 2026

Quando o dado muda, a realidade mudou?

Análise de quase 20 milhões de vínculos-ano docentes entre 2020 e 2025 mostra como mudanças na composição da população e na produção dos registros podem alterar a interpretação de série histórica Entre 2020 e 2025, o número de vínculos formais de trabalho docente identificados na RAIS (Relação Anual de Informações Sociais), do Ministério do Trabalho, […]

Inteligência Artificial

28 de setembro de 2026

Inteligência artificial e as trends

Por que tantas pessoas aderem às brincadeiras com o ChatGPT? Nunca fui a pessoa da trend. Continuo não sendo. Algumas passam pela minha timeline, vejo, acho interessante mas não a ponto de experimentar. Foi assim, inclusive, com algumas ondas recentes de imagens feitas por inteligência artificial, como a trend dos anos 80, aquela que nos […]

Gestão Tributária

01 de setembro de 2026

Reforma tributária e planejamento patrimonial no campo

Eficiência para gerenciar os impostos facilita a governança e permite organizar a sucessão familiar A organização patrimonial rural virou uma medida estratégica diante da reforma tributária no Brasil, que entrou em vigor neste ano. O planejamento das atividades e da gestão do patrimônio rural, por meio de ferramentas como a transição da Pessoa Física para […]

Renata de Gaspari Valdejão Almeida

Inteligência Artificial

05 de agosto de 2026

Dentro da empresa e fora do radar: os riscos da Shadow AI

Segundo a Microsoft, 75% dos profissionais já utilizam inteligência artificial no trabalho sem homologação da empresa O uso da inteligência artificial generativa já faz parte da rotina corporativa. Ferramentas como ChatGPT, Copilot e outras plataformas ajudam profissionais a produzir textos, analisar dados, criar apresentações e acelerar tarefas em praticamente todos os setores. Mas esse avanço […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julho de 2026

O futuro como competência

Interesse acadêmico reforça a projeção de cenários como ferramenta essencial para a tomada de decisões Enquanto algumas empresas ainda tentam acertar o próximo passo, outras já trabalham com múltiplos futuros possíveis — e se preparam para todos eles. Mas afinal, o que significa “pensar o futuro”? É tendência, é estratégia ou uma nova competência que […]

Renata de Gaspari Valdejão Almeida

Inovação

Tecnologia

21 de maio de 2026

Corredor Agro SP: inovação, articulação institucional e futuro

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

Educação

27 de abril de 2026

Como transformar um TCC em negócio

Nova gestão do Parque Tecnológico de Piracicaba oferece consultoria a egressos de MBAs O novo diretor de projetos do Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, costuma dizer que uma das maiores recompensas que já teve na vida foi ver seus orientandos do MBA USP/Esalq estruturarem empresas a partir de seus trabalhos de conclusão de […]

Tecnologia

20 de março de 2026

O repertório humano na era da IA

Pensamento crítico e criatividade são insubstituíveis no trabalho do profissional de marketing A Inteligência Artificial (IA) é capaz de feitos incríveis, mas ainda não possui a capacidade de julgamento, empatia, intuição e criatividade estratégica necessárias para fazer o trabalho de um bom profissional de marketing. Nessa área, é importante saber usar a ferramenta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

23 de fevereiro de 2026

ESG como estratégia de crescimento em uma cooperativa do RS

Santa Clara equilibra responsabilidade social e ambiental com inovação Fundada em 1911 por imigrantes italianos em Carlos Barbosa, na serra gaúcha, a Cooperativa Santa Clara é um exemplo de que é possível equilibrar o crescimento econômico com a responsabilidade social e ambiental. De uma pequena empresa de produção de queijos, a organização evoluiu para um […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

22 de janeiro de 2026

Brasil livre de febre aftosa: o que muda para a carne brasileira?

Com um rebanho de mais de 200 milhões de cabeças de gado, o país é atualmente o líder em exportações O Brasil recebeu recentemente, pela primeira vez, a certificação de país livre de febre aftosa sem vacinação, conferida pela Organização Mundial de Saúde Animal (OMSA). O selo fortalece a posição do país como fornecedor de carne confiável para o […]

Renata de Gaspari Valdejão Almeida

Inovação

09 de dezembro de 2025

Inovação: o novo ciclo do Parque Tecnológico de Piracicaba

Instituto Pecege assume a gestão apostando na criação de novos negócios A partir de 2026, o Instituto Pecege assumirá a gestão do Parque Tecnológico de Piracicaba (PTP). Entre suas responsabilidades estarão a administração, operação, manutenção e expansão do parque, além do fomento de atividades de inovação, empreendedorismo e ciência e tecnologia. A escolha foi feita […]

Renata de Gaspari Valdejão Almeida

06 de julho de 2026

Arquitetura de Grande Porte: Gestão de Mudanças DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação. A arquitetura e o urbanismo configuram-se como bases imprescindíveis em um espaço urbano cada vez mais complexo e desafiador, onde a intrínseca conexão entre questões sociais, ambientais e tecnológicas […]