Modelagem de emissão de CO2: Clusterização a partir de variáveis socioeconômicas e energéticas.

doi:10.22167/2675-6528-202603108

Article

October 08, 2026

Modelagem de emissão de CO2: Clusterização a partir de variáveis socioeconômicas e energéticas.

Modelagem de Emissão de Co2: Clusterização a Partir de Variáveis Socioeconômicas e Energéticas.

Karina da Silva Ferraz; Lauro Marques Vicari

DOI: 10.22167/2675-6528-202603108

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

Um estudo aplicou técnicas de clusterização, com foco no algoritmo K-means, para agrupar os 20 membros do G20, incluindo a União Europeia, com base em sete variáveis socioeconômicas, energéticas e ambientais referentes ao ano de 2025. As variáveis consideradas foram Produto Interno Bruto (PIB), população, emissões de CO2 per capita, emissões de CO2 da construção civil, Índice de Desenvolvimento Humano (IDH), índice de Gini e participação de fontes renováveis na matriz energética. A relevância do setor da construção civil para as emissões globais e seu potencial de redução justificaram sua inclusão. O número ótimo de agrupamentos foi determinado pela combinação do método do cotovelo e do Índice de Silhouette, resultando em quatro clusters distintos. A Análise de Componentes Principais (PCA) foi empregada para visualizar os agrupamentos, e as duas primeiras componentes explicaram 69,86% da variabilidade dos dados. O Cluster 0, composto por China e Índia, caracterizou-se por elevada população e altas emissões da construção civil. O Cluster 1, com 12 países, apresentou alto desenvolvimento humano e elevadas emissões per capita. O Cluster 2, formado por Brasil, Indonésia, México e África do Sul, exibiu o menor PIB médio, maior desigualdade e baixas emissões per capita. O Cluster 3, que incluiu Estados Unidos e União Europeia, concentrou o maior PIB médio e as maiores emissões per capita. Os resultados evidenciaram a heterogeneidade entre os países do G20 e reforçaram a necessidade de políticas climáticas diferenciadas, adaptadas às características de cada grupo.

Palavras-chave: Cluster; CO2; Emissão; K-means; Países.

1. Introdução

As discussões climáticas globais têm se intensificado, especialmente em eventos recentes, evidenciando a urgência de estudos que subsidiem a formulação de políticas climáticas eficazes e adaptadas às realidades de cada nação. Observa-se que as emissões de dióxido de carbono (CO2) variam significativamente entre os países, estando intrinsecamente ligadas ao nível de desenvolvimento econômico e ao consumo energético, além de apresentarem uma concentração elevada em determinadas economias (Ritchie et al., 2023).

Nesse cenário, a classificação de países com base em variáveis socioeconômicas, energéticas e ambientais emerge como uma abordagem estratégica para a comparação entre diferentes economias. Ao agrupar nações com características semelhantes, torna-se possível identificar perfis estruturais de emissão e compreender os diversos contextos que as influenciam. Essa perspectiva está em consonância com os apontamentos do Intergovernmental Panel on Climate Change (IPCC, 2023), que ressalta a variação das capacidades de mitigação — entendidas como a habilidade dos países de reduzir suas emissões de gases de efeito estufa a partir de fatores como nível de renda, acesso à tecnologia, estrutura produtiva e composição da matriz energética — o que exige a adoção de estratégias diferenciadas no enfrentamento das mudanças climáticas.

O Grupo dos Vinte (G20) desempenha um papel central nas emissões globais de CO2. Esses países são responsáveis por mais de oitenta por cento das emissões mundiais, conforme dados da Our World in Data (Ritchie et al., 2023), o que reflete a alta concentração de atividades industriais, o uso intensivo de combustíveis fósseis e os elevados níveis de consumo energético nessas economias. Consequentemente, as maiores economias tendem a ter uma parcela maior nas emissões e, portanto, uma maior responsabilidade na implementação de iniciativas de mitigação.

Estudos recentes têm empregado técnicas de clusterização para investigar padrões de emissão e desenvolvimento entre países. Wardhani et al. (2023), por exemplo, utilizaram o algoritmo k-means para analisar a relação entre emissões de CO2, consumo de energia e crescimento econômico, identificando agrupamentos onde países desenvolvidos exibem maiores níveis de consumo energético e emissão. De modo similar, Kwon et al. (2018) aplicaram a análise de agrupamento com k-means para identificar perfis de emissão em países asiáticos, concluindo que nações com características semelhantes podem ser organizadas em grupos, o que aponta para a necessidade de políticas climáticas diferenciadas. Chalikias et al. (2015) também analisaram padrões de emissão a partir de variáveis econômicas e energéticas, combinando clusterização hierárquica e k-means, e observaram que países com estruturas análogas tendem a apresentar padrões de emissão próximos.

A contribuição desta pesquisa reside na aplicação de métodos de análise de dados a indicadores socioeconômicos, energéticos e ambientais, ampliando a compreensão das similaridades e heterogeneidades entre os países do G20 e fortalecendo uma abordagem empírica orientada por dados. Com os resultados, espera-se prover insumos para debates sobre a política internacional de transição energética, contribuindo assim para a agenda climática. Assim, o presente trabalho tem como objetivo identificar e caracterizar os países do G20 em grupos com padrões semelhantes de emissões de CO2, desenvolvimento socioeconômico e estrutura energética, por meio da aplicação de técnicas de análise de cluster.

2. Material e Métodos

A presente pesquisa caracterizou-se como um estudo de natureza aplicada, empírica e quantitativa, fundamentado na análise de dados secundários para a identificação de padrões estatísticos entre países. Adotou-se uma abordagem descritiva, visando compreender a articulação de diferentes dimensões socioeconômicas, energéticas e ambientais, sem a pretensão de estabelecer relações causais, mas sim de revelar estruturas e perfis presentes nos dados (Gil, 2025).

A estratégia de pesquisa empregou técnicas de clusterização, com foco no algoritmo k-means, para agrupar os países do G20. A unidade de análise consistiu nos 20 membros do Grupo dos Vinte, considerando a União Europeia como um único membro. Os dados utilizados foram referentes ao ano de 2025, obtidos a partir de projeções e estimativas disponíveis em bases públicas.

O banco de dados foi construído mediante a integração de informações provenientes de diversas plataformas e fontes de domínio público. Utilizaram-se dados da Our World in Data [OWID], do Sistema de Estimativas de Emissões e Remoções de Gases de Efeito Estufa [SEEG], do The Institute of International & European Affairs [IIEA], The global economy, World Economic Outlook, UNDP (United Nations Development Programme), World development indicators e Global Electricity data/Ember. Essas fontes disponibilizam dados padronizados e comparáveis em escala internacional.

Para a análise, selecionaram-se sete variáveis quantitativas, referentes ao ano de 2025, que permitiram captar o volume total das emissões, aspectos populacionais, condições socioeconômicas e a estrutura energética das nações. As variáveis incluíram Produto Interno Bruto (PIB), população, emissões de CO2 per capita, emissões de CO2 da construção civil, Índice de Desenvolvimento Humano (IDH), índice de Gini e participação de fontes renováveis na matriz energética.

A inclusão da variável de emissões de CO2 da construção civil justificou-se pela relevância do setor nas emissões globais de gases de efeito estufa e seu potencial de mitigação. Estudos indicam que o setor de edificações e construção é responsável por uma parcela significativa das emissões de CO2 relacionadas à energia (IEA, 2022; UNEP, 2020), e práticas sustentáveis podem reduzir essas emissões (Wardhani et al., 2023).

Os dados coletados foram inicialmente importados para o software Microsoft Excel, onde se realizou uma etapa preliminar de organização e tratamento. Posteriormente, para o processamento, análise e modelagem, utilizou-se a linguagem de programação Python, em conjunto com as bibliotecas pandas, NumPy, scikit-learn e Matplotlib.

Na etapa de preparação dos dados, as informações foram organizadas em um DataFrame. Realizou-se uma análise exploratória inicial por meio de estatísticas descritivas, que incluíram média, desvio padrão, valores mínimos e máximos, para compreender a distribuição e a variabilidade das variáveis. Gráficos de dispersão e a matriz de dispersão (pairplot) foram empregados para identificar padrões e relações entre as variáveis.

Verificou-se que os dados não apresentavam inconsistências relevantes. Em seguida, procedeu-se à padronização das variáveis por meio da normalização Z-score, assegurando que todas apresentassem média zero e desvio padrão unitário. Esse procedimento foi fundamental para algoritmos baseados em distância, como o k-means, evitando que variáveis com diferentes escalas exercessem influência desproporcional na formação dos clusters (Han et al., 2012).

A segmentação dos países foi realizada por meio da aplicação do algoritmo de clusterização k-means, amplamente utilizado em estudos empíricos. O método organizou os dados para maximizar a similaridade intra-cluster e minimizar a inter-cluster, utilizando a distância euclidiana como medida de proximidade (James et al., 2013). O algoritmo atribuiu cada país ao centroide mais próximo, conforme a proximidade calculada, considerando o número total de variáveis e seus respectivos valores para o país e o centroide (Wardhani et al., 2023).

A definição do número adequado de clusters fundamentou-se em critérios estatísticos, combinando o método do cotovelo e o Índice de Silhouette. O método do cotovelo analisou o comportamento da inércia, identificando o ponto a partir do qual a redução da inércia se torna menos expressiva (James et al., 2013). O Índice de Silhouette avaliou a relação e a separação entre os clusters, comparando distâncias médias intra e inter-cluster (Han et al., 2012; Kaufman & Rousseeuw, 2005). A utilização conjunta desses métodos permitiu selecionar um número de clusters que apresentou equilíbrio entre qualidade estatística e estabilidade dos agrupamentos.

Para a visualização dos agrupamentos e a síntese das informações contidas nas variáveis originais, aplicou-se a Análise de Componentes Principais (PCA). Essa técnica de redução de dimensionalidade transformou linearmente as variáveis em componentes principais não correlacionadas, ordenadas de acordo com a variância explicada, preservando a maior parte da variabilidade dos dados (Jolliffe; Cadima, 2016). A PCA contribuiu para tornar mais evidente a separação entre os grupos em um espaço bidimensional (Han et al., 2012).

3. Resultados e Discussão

A análise dos dados dos países do G20, com foco em variáveis socioeconômicas, energéticas e ambientais, revelou padrões de agrupamento distintos, conforme o objetivo de identificar e caracterizar grupos com perfis semelhantes. A aplicação do algoritmo K-means permitiu segmentar os 20 membros do G20, incluindo a União Europeia, em clusters que refletem a heterogeneidade estrutural dessas economias. Os resultados obtidos fornecem uma base empírica para a compreensão das dinâmicas de emissão de CO2 e das capacidades de mitigação, alinhando-se à necessidade de políticas climáticas diferenciadas, conforme apontado pelo Intergovernmental Panel on Climate Change (IPCC, 2023).

A definição do número ótimo de agrupamentos foi um passo crucial, utilizando-se a combinação do método do cotovelo e do Índice de Silhouette. O método do cotovelo, que avalia a inércia, indicou que a redução mais significativa na inércia ocorre até quatro clusters, sugerindo que a criação de grupos adicionais a partir desse ponto geraria ganhos marginais de explicação. O Índice de Silhouette, por sua vez, avalia a coesão e a separação dos clusters, com valores mais elevados indicando agrupamentos mais bem definidos e com menor sobreposição entre si. Embora valores menores de k (como dois ou três) pudessem apresentar maior separação estatística, a escolha de quatro clusters (k=4) foi considerada a mais adequada, pois proporcionou um equilíbrio entre a qualidade estatística e a interpretabilidade dos perfis identificados, permitindo um detalhamento maior das características de cada grupo, conforme recomendado por James et al. (2013).

A análise das características dos países a partir da definição de quatro clusters foi realizada com base nos valores médios das variáveis para cada grupo. Essa abordagem revelou diferenças numéricas significativas entre os clusters, demonstrando que, embora os países do G20 possam ser classificados como relevantes no cenário global, seus perfis estruturais são bastante distintos. A escolha de k=4 permitiu evidenciar quantitativamente que nações com papel econômico e político semelhante podem apresentar padrões ambientais, econômicos e sociais significativamente distintos, o que seria obscurecido por um número menor de agrupamentos.

Cluster 0: China e Índia

O Cluster 0, composto por China e Índia, destacou-se pela maior média populacional, atingindo 1.416 milhões de habitantes, e por elevados níveis de emissões totais de CO2 na construção civil, com 825 milhões de toneladas. Contudo, as emissões per capita foram moderadas, de 5,05 toneladas de CO2 por habitante, e o Índice de Desenvolvimento Humano (IDH) médio foi de 0,71. Esse perfil sugere economias de grande escala populacional, onde o volume total de emissões é elevado, mas diluído quando considerado por habitante. A combinação de grande demanda estrutural com níveis intermediários de desenvolvimento é uma característica marcante deste grupo.

A análise do perfil padronizado das variáveis revelou que, apesar de estarem no mesmo cluster, China e Índia exibem diferenças notáveis. A China apresentou um escore elevado e positivo para o Produto Interno Bruto (PIB), com Z = 1,86, enquanto a Índia registrou um escore negativo (Z = –0,17). Em relação às emissões de CO2 per capita, a China teve um escore próximo de zero (Z = 0,02), enquanto a Índia apresentou um escore fortemente negativo (Z = –1,31). Essas distinções explicam a separação observada na Análise de Componentes Principais (PCA), onde a China se deslocou em direção ao Cluster 3 (maior PIB e emissões per capita) e a Índia se aproximou do Cluster 2 (menor PIB e emissões per capita).

O algoritmo K-means agrupou China e Índia no mesmo cluster devido a características fundamentais que a PCA não prioriza, como a elevada população (Z = 2,88 para China e 2,90 para Índia), as altas emissões totais da construção civil (Z = 3,26 para China e 0,72 para Índia) e o IDH moderado (Z = –0,89 para China e -2,25 para Índia). Essas variáveis têm peso relevante na distância euclidiana utilizada pelo K-means, garantindo que os dois países permaneçam no mesmo agrupamento. A PCA e o K-means, portanto, capturam aspectos complementares dos dados, revelando similaridades estruturais que vão além das diferenças econômicas imediatas.

As principais fontes de emissão para China e Índia, conforme a análise setorial, incluem eletricidade e calor, indústria, transportes e agricultura. Na China, a forte utilização de combustíveis fósseis, especialmente carvão, na geração de eletricidade, a produção industrial de aço e cimento, a elevada atividade construtiva e o transporte são as principais causas. Na Índia, além do elevado uso de carvão na geração elétrica e da expansão industrial e do transporte, destacam-se as emissões de CH4 e N2O associadas à agricultura. Para este grupo, diretrizes voltadas à melhoria da eficiência produtiva e energética, bem como investimentos em infraestrutura sustentável, são relevantes.

As políticas climáticas para o Cluster 0 devem priorizar a redução da intensidade de carbono no processo de industrialização e na expansão urbana. Medidas como a ampliação da eficiência energética na indústria, a modernização de equipamentos, a redução do desperdício de materiais e a substituição gradual de combustíveis fósseis por fontes de menor intensidade de carbono são essenciais. No setor da construção, a adoção de padrões de eficiência energética para novas edificações, maior utilização de materiais de menor intensidade de carbono e a incorporação de estratégias de iluminação e ventilação naturais podem gerar impactos significativos na redução das emissões, dada a escala populacional desses países.

Cluster 1: Países Desenvolvidos e em Transição

O Cluster 1, que compreende Argentina, Austrália, Canadá, França, Alemanha, Itália, Japão, Rússia, Arábia Saudita, Coreia do Sul, Turquia e Reino Unido, apresentou uma população média menor, de 69 milhões de habitantes, mas com alto IDH médio de 0,90 e níveis elevados de emissão per capita, de 9,50 toneladas de CO2 por habitante. A participação de fontes renováveis na matriz energética foi a menor entre os clusters, com 18,92%. Esse perfil indica economias em diferentes estágios de desenvolvimento, com elevado padrão de consumo energético e dependência de combustíveis fósseis.

No perfil padronizado das variáveis, a Arábia Saudita se destacou como um outlier, com o maior Z-score para CO2 per capita (Z = 2,20) e o menor para participação de renováveis (Z = −2,13), evidenciando sua extrema dependência de combustíveis fósseis. Austrália (Z = 1,49) e Canadá (Z = 1,42) também apresentaram emissões per capita elevadas, enquanto França (Z = −0,74) e Itália (Z = -0,47) ficaram abaixo da média, indicando maior eficiência energética. Essas variações internas demonstram a heterogeneidade dentro do próprio cluster, apesar das semelhanças gerais.

As fontes de emissão para o Cluster 1 estão associadas principalmente aos setores de energia, indústria e transportes. Países como Rússia, Austrália e Arábia Saudita, com forte dependência da exploração de petróleo, gás ou carvão, necessitam de estratégias de diversificação econômica e transição justa para reduzir os impactos sociais da descarbonização. Para esse grupo, políticas voltadas à transição energética, com ampliação da participação de fontes renováveis e incentivo à eficiência energética, são estratégicas. A melhoria da eficiência energética de edifícios e instalações industriais, bem como a eletrificação dos transportes, são medidas prioritárias.

Cluster 2: Economias em Desenvolvimento

O Cluster 2, formado por Brasil, Indonésia, México e África do Sul, exibiu o menor PIB médio, de US$ 1,35 trilhão, as menores emissões per capita, de 3,95 toneladas de CO2 por habitante, e o maior nível médio de desigualdade, com um Índice de Gini de 49,75. A participação média de fontes renováveis na matriz energética foi de 29%, relativamente maior que a do Cluster 1. Esse perfil indica economias em desenvolvimento com menor impacto ambiental direto, mas com desafios estruturais relevantes, especialmente no campo social, e maior vulnerabilidade socioeconômica.

Apesar das semelhanças nas variáveis de clusterização, os países do Cluster 2 possuem estruturas de emissão distintas. Brasil e Indonésia apresentam forte influência da mudança do uso da terra, do desmatamento e das atividades agropecuárias, enquanto México e África do Sul têm maior participação de atividades relacionadas à energia e ao uso de combustíveis fósseis. No perfil padronizado, a África do Sul apresentou o maior escore para Gini (Z = 3,18), seguida pelo Brasil (Z = 1,88), refletindo altos níveis de desigualdade social. Brasil (Z = 2,25) e Indonésia (Z = 0,98) se destacaram positivamente na participação de renováveis.

Essa heterogeneidade evidencia que políticas climáticas uniformes para o Cluster 2 seriam pouco eficazes. Para Brasil e Indonésia, a prioridade deve ser o combate ao desmatamento, a restauração florestal e práticas agropecuárias de baixo carbono. Para México e África do Sul, as medidas devem concentrar-se na aceleração da transição energética, redução da dependência de combustíveis fósseis e aumento da eficiência dos setores industrial e de transportes. Para todos os países do grupo, políticas de infraestrutura e habitação de baixo carbono podem conciliar expansão econômica, redução das desigualdades e das emissões.

Cluster 3: Economias Altamente Desenvolvidas e Intensivas em Emissões

O Cluster 3, que inclui Estados Unidos e União Europeia, concentrou os maiores valores médios de PIB (US$ 21,95 trilhões) e as maiores emissões per capita, de 11,25 toneladas de CO2 por habitante. O IDH médio foi elevado, de 0,91. Esse grupo é caracterizado por economias altamente desenvolvidas e intensivas em emissões, com elevados níveis de atividade econômica e, consequentemente, maior intensidade de emissão por indivíduo. Esse padrão reforça a associação entre desenvolvimento econômico e maior impacto ambiental, embora mediado por fatores tecnológicos e estruturais.

No perfil padronizado, os Estados Unidos apresentaram os maiores escores para PIB (Z = 3,20) e CO2 per capita (Z = 1,38), enquanto a União Europeia teve PIB elevado (Z = 1,76), mas CO2 per capita próximo da média (Z = −0,07) e Gini negativo (Z = −0,99), indicando maior eficiência relativa e menor desigualdade. As principais fontes de emissão para este cluster são transportes, eletricidade e calor, indústria e edifícios. A elevada escala econômica desses membros está associada a um expressivo consumo energético e à participação desses setores nas emissões.

As políticas climáticas para o Cluster 3 podem combinar instrumentos regulatórios, econômicos e tecnológicos, considerando a elevada capacidade financeira e institucional desses integrantes. Medidas prioritárias incluem a eletrificação dos transportes, a ampliação das fontes renováveis, a melhoria da eficiência energética dos edifícios, a redução da intensidade de carbono dos processos industriais e o desenvolvimento de materiais de construção de menor impacto ambiental. Tecnologias como captura e armazenamento de carbono e hidrogênio de baixa emissão podem contribuir para a descarbonização de atividades de difícil eletrificação, enquanto programas de retrofit energético e padrões de desempenho para edificações podem reduzir emissões no ciclo de vida das construções.

Análise Geral das Variáveis e Relações

A análise descritiva das variáveis revelou uma grande dispersão entre os países, especialmente em relação ao Produto Interno Bruto (PIB), à população e às emissões de CO2. O PIB, por exemplo, variou de US$ 0,41 trilhão a US$ 26,90 trilhões, com uma média de US$ 4,88 trilhões e desvio padrão de US$ 7,06 trilhões, indicando uma forte concentração da atividade econômica em poucos membros do grupo. Em contraste, o Índice de Desenvolvimento Humano (IDH) apresentou menor variabilidade, oscilando entre 0,644 e 0,951, com média de 0,848 e desvio padrão de 0,093, refletindo maior homogeneidade.

A visualização das relações entre as variáveis, incluindo o “pairplot”, indicou que a maior parte dos países se concentra em níveis relativamente baixos de PIB e emissões, enquanto poucos casos apresentam valores extremos. Observou-se uma tendência de que países com maior PIB também apresentem maiores níveis de emissão de CO2. No entanto, essa relação não é linear, pois existem países com PIB inferior a US$ 5 trilhões e emissões superiores a 10 toneladas de CO2 por habitante. Isso reforça a influência de fatores como a composição da matriz energética, a estrutura produtiva, a eficiência tecnológica e os padrões de consumo, que modulam essa relação.

A Análise de Componentes Principais (PCA) corroborou esses resultados, explicando 39,37% da variância dos dados na primeira componente principal (PC1) e 30,49% na segunda componente principal (PC2), totalizando 69,86% da variabilidade acumulada. Esse percentual indica que a maior parte das informações contidas nas sete variáveis foi preservada na representação bidimensional, permitindo visualizar a separação entre os clusters e confirmar que países com relevância econômica e política semelhante podem apresentar perfis ambientais e sociais significativamente diferentes. A visualização dos clusters no espaço bidimensional da PCA tornou evidente a separação entre os grupos, como observado na distribuição dos países.

Em síntese, os resultados da clusterização do G20 demonstraram a existência de quatro perfis distintos de países, cada um com características socioeconômicas, energéticas e ambientais específicas. Essa heterogeneidade sublinha a inadequação de políticas climáticas padronizadas e reforça a necessidade de abordagens de mitigação diferenciadas, adaptadas às realidades de cada grupo. A análise evidenciou que a similaridade econômica ou política entre os membros do G20 não implica necessariamente similaridade ambiental, social ou energética, o que torna a análise de cluster uma ferramenta valiosa para subsidiar debates sobre a política internacional de transição energética e a agenda climática global.

4. Conclusão

O presente estudo buscou identificar e caracterizar os países do G20 em grupos com padrões semelhantes de emissões de CO2, desenvolvimento socioeconômico e estrutura energética, por meio da aplicação de técnicas de análise de cluster. Verificou-se a existência de quatro agrupamentos distintos, revelando a heterogeneidade intrínseca entre os membros do G20. O Cluster 0, composto por China e Índia, destacou-se pela elevada população e altas emissões da construção civil, com emissões per capita moderadas. O Cluster 1, que reuniu doze países desenvolvidos e em transição, apresentou alto desenvolvimento humano e elevadas emissões per capita, com baixa participação de fontes renováveis. O Cluster 2, formado por Brasil, Indonésia, México e África do Sul, exibiu o menor PIB médio, menores emissões per capita e maior desigualdade social, com estruturas de emissão variadas. Por fim, o Cluster 3, que incluiu Estados Unidos e União Europeia, concentrou o maior PIB médio e as maiores emissões per capita, caracterizando economias altamente desenvolvidas e intensivas em emissões. Essa segmentação oferece insumos empíricos para o debate sobre a política internacional de transição energética, reforçando a necessidade de abordagens climáticas diferenciadas e adaptadas às realidades de cada grupo.

Como limitação, a análise baseou-se em dados referentes a um único período e em valores médios, o que não permitiu avaliar a evolução temporal dos países nem estabelecer relações causais entre as variáveis. Além disso, os agrupamentos apresentaram tamanhos desiguais, exigindo cautela na comparação das médias e na generalização dos resultados. Para estudos futuros, sugere-se a incorporação de séries temporais para acompanhar as mudanças na composição dos clusters ao longo dos anos. Recomenda-se também a inclusão de variáveis adicionais, como emissões totais absolutas, composição setorial da economia e investimentos em inovação, bem como a aplicação de outros métodos de agrupamento, como clusterização hierárquica e DBSCAN, para testar a estabilidade e a robustez dos resultados. O estudo demonstrou que técnicas de Ciência de Dados e análise multivariada podem superar limitações de classificações tradicionais, revelando padrões que não seriam facilmente identificados em análises isoladas.

Referências Bibliográficas

Chalikias et al., 2015 [Referência completa não encontrada no documento original]

Gil, A. C. 2025. Como Elaborar Projetos de Pesquisa. 7ed. Atlas, Rio de Janeiro, RJ, Brasil. Disponível em: https://app.minhabiblioteca.com.br/reader/books/9786559771653. Acesso em: 16 out. 2025.

Han, J.; Kamber, M.; Pei, J. 2012. Data Mining: Concepts and Techniques. 3ed. Morgan Kaufmann, Waltham, MA, USA. Disponível em: https://www.google.com.br/books/edition/Data_Mining_Concepts_and_Techniques/pQws07tdpjoC?hl=pt-BR&gbpv=1&pg=PR13&printsec=frontcover. Acesso em: 29 out. 2025.

Intergovernmental Panel on Climate Change [IPCC]. 2023. AR6 Synthesis Report. Disponível em: https://www.ipcc.ch/report/ar6/syr/downloads/report/IPCC_AR6_SYR_FullVolume.pdf. Acesso em: 30 out. 2025.

International Energy Agency [IEA]. 2022. Buildings sector emissions. Disponível em: https://www.iea.org/. Acesso em: 30 out. 2025.

James, G.; Witten, D.; Hastie, T.; Tibshirani, R. 2021. An Introduction to Statistical Learning. 2ed. Springer.

Jolliffe, I.T.; Cadima, J. 2016. Principal component analysis: a review and recent developments. Philosophical Transactions of the Royal Society A 374(2065).

Kaufman, L.; Rousseeuw, P.J. 2005. Finding Groups in Data: An Introduction to Cluster Analysis. Wiley, New York, USA.

Kwon et al., 2018 [Referência completa não encontrada no documento original]

Ritchie, H.; Rosado, P.; Roser, M. 2023. CO2 and Greenhouse Gas Emissions. Our World in Data. Disponível em: https://ourworldindata.org/co2-and-other-greenhouse-gas-emissions. Acesso em: 29 out. 2025.

United Nations Environment Programme [UNEP]. 2020. 2020 Global Status Report for Buildings and Construction. Disponível em: https://www.unep.org/. Acesso em: 30 out. 2025.

Wardhani, L.P.; Rukmiu, A.M.; Ardamayanti, T.F. 2023. Investigating the association between carbon dioxide (CO2) emissions and energy consumption on the economic growth of clusterized countries in the world. European Journal of Pure and Applied Mathematics 16(1): 657–669.

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

Most recent

October 08, 2026

Árvores de classificação e regressão para previsão dos resultados de deputados estaduais em São Paulo

October 08, 2026

Disrupções analíticas para a governança da pesca artesanal na Amazônia: Novas abordagens para dados limitados de desembarque

October 08, 2026

Transformação de Dados Transacionais em Inteligência de Negócio: Framework de “Data Wrangling” e “Dashboards”

October 08, 2026

Precificação dinâmica de estúdios por temporada com algoritmos “multi-armed bandits”

October 08, 2026

Otimização do processo de gaseificação de biomassa para produção de hidrogênio usando redes neurais agregadas

October 08, 2026

Ferramentas de gestão do tempo em uma instituição bancária na cidade de São Paulo

Neuroscience And Learning In Education

October 08, 2026

Consequências do Uso de IA Generativa na Capacidade Cognitiva e Saúde Mental de Profissionais Brasileiros

Neuroscience And Learning In Education

October 08, 2026

A contribuição da neuroaprendizagem na elaboração de objetos educacionais multimídia para a recomposição de aprendizagens

School Management

October 08, 2026

Lei do Novo Ensino Médio: monitoramento e avaliação da qualidade após a reforma

As eleições no Brasil movimentam recursos significativos, e a formação de chapas competitivas é um desafio para os partidos. Avaliou-se a viabilidade de modelos de classificação e regressão baseados em árvores de decisão e florestas aleatórias para identificar candidatos com potencial de eleição e competitividade, e para prever sua votação nominal na disputa para deputado estadual em São Paulo em 2022. A amostra incluiu todos os candidatos a deputado estadual em São Paulo em 2022, utilizando dados eleitorais, demográficos, partidários e econômicos do período entre 2018 e 2022. A seleção de hiperparâmetros foi realizada por busca em grade, seguida de análise de sensibilidade para o ponto de corte, e a pontuação F1 foi a métrica principal. Comparou-se os modelos de árvore de decisão e floresta aleatória usando F1 e AUC-ROC. O modelo de classificação de candidatos competitivos alcançou uma pontuação F1 de 0,70 e 94% de AUC-ROC, demonstrando ser uma ferramenta viável para auxiliar a tomada de decisão de partidos e candidatos. Os modelos de previsão de eleitos e de votos nominais foram considerados insuficientes. Concluiu-se que características de eleições passadas e o conceito de competitividade são preditores relevantes para a previsibilidade eleitoral, e que o uso de árvores de classificação e regressão, especialmente florestas aleatórias, é adequado para a previsibilidade da competitividade de candidatos.

Palavras-chave: Análise de sensibilidade; Competitividade eleitoral; Florestas aleatórias; Scikit-Learn.

October 08, 2026

Disrupções analíticas para a governança da pesca artesanal na Amazônia: Novas abordagens para dados limitados de desembarque

Técnicas de machine learning foram propostas para a governança da pesca artesanal na Amazônia, buscando superar limitações de dados de desembarque. O estudo objetivou constituir grupos de manejo, avaliar tendências temporais e propor modelos de predição para dados de desembarque pesqueiro, a fim de apoiar a tomada de decisão e o ordenamento. Os dados de desembarque, coletados entre 2010 e 2022 nos rios Baixo Amazonas e Baixo Araguaia-Tocantins, foram integralizados em uma matriz de análise. Adotou-se a família taxonômica como unidade de estoque funcional para agrupar os dados. Foram empregadas técnicas multivariadas de agrupamento (clusterização hierárquica e K-means), análise e simulação de séries temporais (modelo ARIMA Forecast otimizado) e técnicas multivariadas confirmatórias (modelos de regressão em painel longitudinal). A análise de agrupamento segmentou grupos de estoques funcionais por faixas de quilos de peixe (Alvos Mistos, Alvos Baixo Araguaia-Tocantins, Alvos Baixo Amazonas). A investigação de padrões temporais revelou que o atraso de 12 meses foi a melhor alternativa, indicando que as pescarias de um ano afetam as do ano seguinte. Os modelos ARIMA-Forecast otimizados foram bem ajustados, mas não detectaram tendência de declínio ou aumento no comportamento temporal, sugerindo estratégias de adaptação da pesca artesanal. O modelo em painel indicou um quadro estratégico de priorização de estoques funcionais para monitoramento e ordenamento. As abordagens analíticas disruptivas e inovadoras desenvolvidas modernizaram os protocolos de governança da pesca artesanal na Amazônia, fornecendo um painel de indicações estratégicas para o manejo, especialmente nas regiões do Baixo Amazonas e Baixo Araguaia-Tocantins.

Palavras-chave: Amazônia; Desembarque pesqueiro; Estoques funcionais; Governança; Manejo.

October 08, 2026

Transformação de Dados Transacionais em Inteligência de Negócio: Framework de “Data Wrangling” e “Dashboards”

A evolução das capacidades de captura e processamento de dados tornou imperativa a transformação de informações para tomada de decisão ágil e bem-informada. O estudo focou na aplicação de conhecimentos da ciência de dados para capturar, processar e manipular dados transacionais de um comércio britânico, visando facilitar a compreensão e a tomada de decisões sobre consumidores, produtos e vendas. Utilizou-se uma abordagem qualitativa do tipo pesquisa-ação, empregando dados transacionais de um varejo digital do Reino Unido. Os dados foram tratados em Python, aplicando técnicas de data wrangling, modelagem dimensional em esquema estrela e métodos estatísticos como Tuckey Fences (IQR) para normalização de preços. A segmentação de consumidores foi realizada por meio do algoritmo K-Means, considerando frequência e valor monetário. Os dados processados foram então carregados e visualizados em dashboards interativos no Power BI. Os resultados revelaram a identificação de diferentes perfis de consumidores, destacando a importância de clientes de alto valor e a oportunidade de crescimento em mercados específicos. Observaram-se tendências de vendas sazonais e anomalias em dados de produtos, evidenciando a necessidade de governança de dados. Concluiu-se que o framework desenvolvido permite transformar dados brutos em diagnósticos estratégicos, promovendo a maturidade digital e a tomada de decisão baseada em dados.

Palavras-chave: Clustering; Dashboards; Data Wrangling; Power BI.

October 08, 2026

Precificação dinâmica de estúdios por temporada com algoritmos “multi-armed bandits”

As plataformas digitais de hospedagem transformaram o mercado de aluguel por temporada na última década, tornando a precificação um determinante crucial do desempenho econômico dos imóveis. Investigou-se como algoritmos da classe “Multi-Armed Bandits” (MAB) podem otimizar essa decisão de preço, comparando-se as estratégias ε-Greedy, Upper Confidence Bound (UCB) e Thompson Sampling (TS). A base analítica reuniu 2.284 observações de 571 estúdios no Rio de Janeiro, coletadas entre junho de 2024 e março de 2025. A qualidade percebida dos imóveis foi sintetizada por Análise de Componentes Principais (PCA), e a demanda modelada por regressão linear ordinária (OLS) com sete variáveis significativas. O modelo explicou 10% da variação na ocupação. Simulações foram realizadas em 1.000 rodadas e 50 repetições estocásticas em cenários estacionário e dinâmico multi-estação. No cenário estacionário, o UCB maximizou a receita acumulada, seguido por ε-Greedy e TS. No cenário dinâmico multi-estação, o UCB manteve a receita absoluta mais alta, mas o TS apresentou queda relativa menor entre cenários, indicando maior adaptabilidade à volatilidade sazonal. Concluiu-se que, em mercados oscilantes, a adaptabilidade bayesiana do TS compensou seu custo de exploração, tornando-o mais robusto a mudanças de contexto.

Palavras-chave: Aprendizado por reforço; Decisão sequencial sob incerteza; Hospedagem de curta duração; Otimização de receita; Sazonalidade turística.

October 08, 2026

Otimização do processo de gaseificação de biomassa para produção de hidrogênio usando redes neurais agregadas

A matriz mundial de produção de hidrogênio ainda é dependente em 98% de fontes fósseis, gerando um passivo ambiental de aproximadamente 9 kg de CO2 para cada kg de H2 produzido. No cenário brasileiro, a gaseificação do bagaço de cana-de-açúcar surge como uma alternativa de baixo carbono, porém a complexidade e a não-linearidade das reações termoquímicas dificultam o controle e a maximização do rendimento por métodos convencionais. O estudo objetivou identificar parâmetros operacionais ótimos para a gaseificação de biomassa, visando maximizar a fração molar de hidrogênio, por meio de uma abordagem computacional integrada que combinou simulação termodinâmica e técnicas de inteligência artificial. Para tal, o processo de gaseificação foi simulado no software Aspen Plus e, após validação com dados da literatura, gerou uma base de dados de 1.000 cenários por amostragem via hipercubo latino. Esses dados alimentaram um metamodelo de redes neurais agregadas por bootstrap (BANN) com 57 neurônios, seguido da aplicação do algoritmo de otimização por enxame de partículas (PSO) para a busca do ótimo global. O metamodelo alcançou um coeficiente de determinação R² de 0,9902 no conjunto de teste, indicando elevada capacidade preditiva. A otimização revelou que a fração molar de hidrogênio pode atingir 67,54% após enriquecido por meio da reação de deslocamento do gás de água (WGS) sob condições de 857,12 °C e razão de equivalência (ER) de 0,10. A integração BANN-PSO reduziu o custo computacional da otimização em aproximadamente 5.400 vezes em relação à simulação direta no Aspen Plus, identificando condições operacionais que maximizam a fração molar de hidrogênio para 67,54% na entrada da PSA. Ao integrar modelagem termodinâmica, aprendizado de máquina, otimização metaheurística e técnicas de interpretabilidade, o estudo contribuiu para o avanço metodológico na análise e intensificação de processos de produção de hidrogênio a partir de biomassa, oferecendo uma estrutura computacional reprodutível e aplicável a sistemas energéticos complexos no contexto da transição energética.

Palavras-chave: Aprendizado de máquina; Bagaço de cana; Gás de síntese; Meta-heurística; Sustentabilidade.

October 08, 2026

Ferramentas de gestão do tempo em uma instituição bancária na cidade de São Paulo

A gestão do tempo constitui-se como um diferencial competitivo estratégico, especialmente no setor bancário, ambiente caracterizado por alta pressão e constante transformação tecnológica. O estudo teve como objetivo analisar as percepções dos colaboradores de uma instituição bancária na cidade de São Paulo acerca da eficácia e aplicabilidade das ferramentas de gestão do tempo em suas rotinas profissionais. Para isso, adotou-se uma metodologia de pesquisa descritiva, de abordagem quantitativa, operacionalizada por meio de um levantamento (survey) que envolveu 37 colaboradores, os quais responderam a um questionário estruturado de 14 questões. Os resultados revelaram que, embora 45,9% dos respondentes planejassem a maior parte de suas atividades, a técnica predominante utilizada foi a de listas de tarefas simples (64,9%), com baixa adesão a métodos mais estruturados. Os maiores obstáculos identificados para a gestão eficaz do tempo foram as interrupções não planejadas (43,2%) e o excesso de reuniões improdutivas. Um dado crítico apontou que a gestão ineficiente do tempo impactou diretamente a saúde mental e o estresse de 48,6% da amostra. Concluiu-se que a eficácia da gestão do tempo no ambiente bancário depende não apenas da adoção de ferramentas individuais, mas também de uma mudança na cultura organizacional que privilegie o trabalho focado e a redução da fragmentação das atividades. Recomendaram-se a implementação de práticas como o Time Blocking e a adoção de protocolos de reuniões mais objetivos para mitigar a sobrecarga e promover o bem-estar sustentável.

Palavras-chave: Bem-estar ocupacional; Cultura organizacional; Eficiência operacional; Metodologias ágeis; Produtividade.

Neuroscience And Learning In Education

October 08, 2026

Consequências do Uso de IA Generativa na Capacidade Cognitiva e Saúde Mental de Profissionais Brasileiros

A integração de ferramentas de inteligência artificial generativa (GenAI) no trabalho acelerou-se nos últimos anos, levantando questões sobre seus efeitos nos processos cognitivos e no bem-estar emocional dos profissionais. O estudo objetivou mensurar o impacto do uso de GenAI sobre capacidades cognitivas autorreferidas e indicadores de saúde mental de profissionais brasileiros, comparando os achados com evidências empíricas internacionais. Adotou-se uma abordagem mista, com delineamento transversal e não experimental, aplicando um questionário digital estruturado a 108 profissionais adultos brasileiros, recrutados via LinkedIn e WhatsApp. O instrumento avaliou memória de trabalho, atenção sustentada e alternada, controle inibitório, flexibilidade cognitiva, tecnoestresse, saúde mental e senso de propósito profissional, além de percepções qualitativas. Os resultados revelaram que 92,6% dos respondentes utilizaram GenAI regularmente, com impacto percebido majoritariamente positivo no desempenho, mas acompanhado por dependência declarada em 52,8% da amostra. A atenção sustentada mostrou-se a dimensão cognitiva mais fragilizada, e os indicadores de equilíbrio emocional e desconexão digital concentraram os resultados mais críticos. A análise comparativa identificou uma relação entre maior frequência de uso, maior dependência e menores escores cognitivos, com declínio progressivo da atenção focada ao longo do tempo de uso. Concluiu-se que o uso intensivo de GenAI coexiste com fragilidades cognitivas e emocionais mensuráveis, cujos efeitos tendem a se acumular, reforçando a necessidade de práticas conscientes que preservem a autonomia intelectual dos profissionais.

Palavras-chave: Cognição; Dependência tecnológica; Inteligência artificial; Saúde mental.

Neuroscience And Learning In Education

October 08, 2026

A contribuição da neuroaprendizagem na elaboração de objetos educacionais multimídia para a recomposição de aprendizagens

A defasagem de aprendizagem na educação brasileira, agravada pela pandemia de Covid-19 e evidenciada por resultados insatisfatórios do SAEB, tornou a recomposição de aprendizagens uma prioridade nacional. O presente trabalho analisou como a produção audiovisual, integrante de um programa de recomposição de aprendizagens em Língua Portuguesa e Matemática, desenvolvido para estudantes do 9º ano do Ensino Fundamental de uma rede estadual, incorporou fundamentos da neurociência da aprendizagem em sua estrutura metodológica. A pesquisa caracterizou-se como estudo de caso qualitativo e aplicado, e analisou 20 roteiros pedagógicos e as respectivas videoaulas produzidas e aplicadas em 2024. A partir do referencial teórico, construíram-se sete dimensões de análise: ludicidade e interatividade, funcionamento cerebral e aprendizagem, emoção e cognição, singularidade do estudante, contexto sociocultural, mediação pedagógica consistente e aprendizagem ativa. Os resultados indicaram que elementos da neuroaprendizagem foram incorporados de forma estrutural à metodologia do programa. Identificou-se que a personalização da aprendizagem não reside exclusivamente no objeto audiovisual, mas na cadeia sistêmica que o envolve, incluindo diagnóstico, produção, mediação presencial e monitoramento. A integração entre neurociência, conteúdos dedicados à superação de lacunas e linguagem audiovisual demonstrou ser uma estratégia metodologicamente consistente e com potencial relevante para ampliar a eficácia de programas de recomposição de aprendizagens.

Palavras-chave: Defasagem; Eduentretenimento; Mediação pedagógica; Plasticidade cerebral; Videoaula.

School Management

October 08, 2026

Lei do Novo Ensino Médio: monitoramento e avaliação da qualidade após a reforma

A qualidade do Ensino Médio no Brasil tem sido objeto de debates diante das mudanças iniciadas pela Lei nº 13.415/2017 e reestruturadas pela Lei nº 14.945/2024. Analisou-se a evolução de indicadores associados à qualidade do Ensino Médio entre 2017 e 2024, considerando aprendizagem, fluxo, permanência e equidade, e discutiram-se as implicações dos mecanismos federais de monitoramento para a gestão escolar. Realizou-se estudo exploratório e descritivo, de abordagem quantitativa e natureza documental, com dados secundários do Inep sistematizados pela plataforma QEdu e documentos oficiais do Ministério da Educação. Examinaram-se taxas de aprovação, reprovação e abandono, distorção idade-série, aprendizagem adequada no Saeb e desigualdades por rede de ensino, nível socioeconômico e unidade federativa. Os resultados mostraram melhora do fluxo e redução da distorção idade-série, mas permanência de baixos níveis de aprendizagem e desigualdades expressivas. A análise documental indicou maior estruturação da governança e do monitoramento da política, ainda sem avaliação consolidada de seus efeitos sobre a aprendizagem. Para a gestão escolar, os achados orientaram o acompanhamento da transição para a 1ª série, a identificação de riscos de abandono, a recomposição das aprendizagens e a priorização de grupos mais vulneráveis. Concluiu-se que a qualidade exige a leitura articulada de indicadores e decisões contextualizadas, sem atribuir exclusivamente ao Novo Ensino Médio relações causais que o desenho desta pesquisa não permite estabelecer.

Palavras-chave: Aprendizagem; Equidade educacional; Gestão escolar; Permanência escolar; Política educacional.

School Management

October 06, 2026

The school is not a casino: when trading cards become currency in the playground

Why, for certain students, does school manage to offer so few experiences of achievement? The World Cup is over. Brazil left the competition, the school holidays came, the final was played and the football calendar moved on. It would be reasonable to imagine that, with the end of the tournament and the return to classes, […] would also begin

Energy Transition

September 30, 2026

Renewable energies: the Brazilian advantage

Brazil needs to invest in the capacity to transform natural resources into innovation, productivity, and development. Talking about energy is talking about development. Behind industry, transportation, services, cities, and increasingly artificial intelligence, there is an energy infrastructure that sustains the economy. Understanding a country’s energy matrix is understanding […]

Data Analysis

September 30, 2026

When the data changes, has reality changed?

An analysis of almost 20 million teaching positions-year between 2020 and 2025 shows how changes in population composition and record production can alter the interpretation of historical series Between 2020 and 2025, the number of formal teaching employment positions identified in RAIS (Annual Relation of Social Information), from the Ministry of Labor, […]

Artificial Intelligence

September 28, 2026

Artificial intelligence and the trends

Why do so many people join in on the fun with ChatGPT? I was never the trend person. I still am not. Some pass through my timeline, I see them, I find them interesting but not to the point of trying them out. This was the case, inclusive, with some recent waves of images made by artificial intelligence, like the 80s trend, the one that […]

Project Management

September 25, 2026

AI accelerates answers; who makes the decisions?

The speed of technology only becomes an advantage when it is accompanied by the capacity to understand, verify, and assume responsibility for the results. Imagine a team that starts producing in an afternoon the analyses that previously required a week. The change seems to justify the investment in artificial intelligence. But, before counting the gain, it is worth asking who examined […]

Innovation

September 14, 2026

We do not just read words

As new codes, technologies, and forms of communication expand what we need to learn to interpret. Being literate is usually understood initially as: recognizing letters, forming words, comprehending sentences, and producing texts. For a long time, it was mainly from this domain that we defined what it meant to know how to read and, consequently, to participate in different spaces of society. […]

Social Networks

September 14, 2026

The effect of influence on consumption

What the Youpix/Nielsen 2026 survey shows about the advancement of the Creator Economy In 2025, 80% of Brazilian consumers bought some product recommended by influencers. In 2026, the rate reached 81%. The stability at such a high level indicates that purchasing by influence is no longer a behavior restricted to certain audiences. The […]

Call For Papers

September 11, 2026

Call for papers – Thematic Issue People Management

Submissions open from 09/11/2026 to 09/30/2026 Submissions are open for the Thematic Call People Management 2026, from the magazine Estratégias & Soluções (E&S). The call will be organized into two editorial streams: Stream 1 – Outstanding final papers from the MBA USP/Esalq Destined for the TCCs of the People Management course of the MBA USP/Esalq that obtained […]

Tax Law

September 09, 2026

Between Sisyphus and the barrel of the Danaids

The basic food basket, the minimum wage, and the true price of things In Greek mythology, some punishments were not distinguished by the violence of a single suffering, but by the condemnation to repetition. Sisyphus had to push a huge stone to the top of a mountain and, when the effort seemed finally completed, the stone slipped and returned to […]

Tax Management

September 01, 2026

Tax reform and estate planning in the countryside

Efficiency in managing taxes facilitates governance and allows for the organization of family succession. Rural wealth organization has become a strategic measure in light of the tax reform in Brazil, which came into effect this year. The planning of activities and rural wealth management, through tools such as the transition from an Individual to […]

Renata de Gaspari Valdejão Almeida

Artificial Intelligence

August 05, 2026

Inside the company and off the radar: the risks of Shadow AI

According to Microsoft, 75% of professionals already use artificial intelligence at work without company approval. The use of generative artificial intelligence is already part of the corporate routine. Tools like ChatGPT, Copilot, and other platforms help professionals produce texts, analyze data, create presentations, and accelerate tasks in practically all sectors. But this advance […]

Renata de Gaspari Valdejão Almeida

Strategy

July 02, 2026

The future as a competence

Academic interest reinforces the projection of scenarios as an essential tool for decision-making. While some companies are still trying to get the next step right, others are already working with multiple possible futures — and preparing for all of them. But after all, what does it mean to “think about the future”? Is it a trend, a strategy, or a new competence that […]

Renata de Gaspari Valdejão Almeida

Innovation

Technology

May 21, 2026

Agro SP Corridor: innovation, institutional articulation and future

Pecege commands the executive operation of the 400 km ecosystem activities that became known as the Brazilian agro Silicon Valley In 2025, in addition to taking over the management of the Piracicaba Technology Park, the Pecege Institute was also designated to command the executive operation of the State Agribusiness Innovation Corridor activities, the so-called […]

Education

April 27, 2026

How to turn a TCC into a business

New management of the Piracicaba Technology Park offers consulting to MBA graduates The new project director of the Piracicaba Technology Park (PTP), Alexandre Barreto, often says that one of the greatest rewards he has ever had in life was seeing his MBA USP/Esalq students structure companies from their final projects […]

Technology

March 20, 2026

The human repertoire in the age of AI

Critical thinking and creativity are irreplaceable in the work of a marketing professional Artificial Intelligence (AI) is capable of incredible feats, but it does not yet possess the judgment, empathy, intuition, and strategic creativity necessary to do the job of a good marketing professional. In this area, it is important to know how to use the tool to automate […]

Renata de Gaspari Valdejão Almeida

Agribusiness

Innovation

February 23, 2026

ESG as a growth strategy in a cooperative in RS

Santa Clara balances social and environmental responsibility with innovation Founded in 1911 by Italian immigrants in Carlos Barbosa, in the Serra Gaúcha region, Cooperativa Santa Clara is an example that it is possible to balance economic growth with social and environmental responsibility. From a small cheese production company, the organization has evolved into a […]

Renata de Gaspari Valdejão Almeida

Agribusiness

Innovation

January 22, 2026

Brazil free of Foot-and-Mouth Disease: what changes for Brazilian beef?

With a herd of over 200 million head of cattle, the country is currently the leader in exports. Brazil recently received, for the first time, the certification of country free of foot -and-mouth disease without vaccination, conferred by the World Organisation for Animal Health (WOAH). The seal strengthens the country’s position as a reliable supplier of meat for the […]

Renata de Gaspari Valdejão Almeida

Innovation

December 09, 2025

Innovation: the new cycle of the Piracicaba Technology Park

Instituto Pecege assumes management, betting on the creation of new businesses Starting in 2026, Instituto Pecege will assume the management of the Piracicaba Technology Park (PTP). Among its responsibilities will be the administration, operation, maintenance, and expansion of the park, in addition to fostering activities in innovation, entrepreneurship, and science and technology. The choice was made […]

Renata de Gaspari Valdejão Almeida

July 06, 2026

Large-Scale Architecture: DSR-SCRUM Change Management

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Abstract generated by ResumeAI, an artificial intelligence solution developed by Instituto Pecege focused on synthesis and writing. Architecture and urbanism are configured as essential bases in an increasingly complex and challenging urban space, where the intrinsic connection between social, environmental, and technological issues […]