Modelos de transfer learning para detecção de falsificação de imagens em rostos

Rostos, Modelos de Transfer Learning para Detecção de Falsificação de Imagens em

doi:10.22167/2675-6528-202602724

Artigo

30 de setembro de 2026

Modelos de transfer learning para detecção de falsificação de imagens em rostos

Modelos de Transfer Learning para Detecção de Falsificação de Imagens em Rostos

Bianca Cavalcante Basso; Jorge Costa Silva Filho

DOI: 10.22167/2675-6528-202602724

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

O avanço da Inteligência Artificial (IA) consolidou sua aplicação na geração de mídias sintéticas, como deepfakes, frequentemente empregadas na desinformação e em práticas fraudulentas. Este trabalho avaliou a eficácia de modelos pré-treinados de transfer learning na distinção entre imagens reais e sintéticas, especificamente deepfakes. Para isso, utilizou-se o dataset Celeb-DF v2, composto por vídeos reais e sintéticos. Realizou-se pré-processamento para extração de frames e redimensionamento das imagens, seguido de downsampling para equilibrar as classes, totalizando 18.358 imagens. Os modelos ResNet50, VGG16 e MobileNetV2 foram treinados por 10 épocas, com suas últimas camadas convolucionais ajustadas e as primeiras congeladas, e submetidos a testes de validação interna e um conjunto de testes independente. Os resultados da validação interna indicaram alto desempenho, com ResNet50 alcançando AUC de 0,8762, MobileNetV2 0,8279 e VGG16 0,7625. No entanto, em testes independentes, os modelos apresentaram um hiato de generalização, com acurácias estabilizadas próximas de 50%. Concluiu-se que, embora o rebalanceamento de dados e o transfer learning sejam eficazes para aprender características específicas, a detecção robusta de deepfakes em cenários reais exige modelos que superem a dependência de texturas e generalizem padrões de síntese, indo além do desempenho nominal em ambientes controlados.

Palavras-chave: Computer vision; Deepfake; Inteligência artificial; Machine learning; Transfer learning.

1. Introdução

A Inteligência Artificial (IA) tem se consolidado em diversos setores, incluindo a geração de mídias sintéticas como imagens, vídeos e áudios (MONTAÑO, 2023). Nesse cenário, as deepfakes emergem como mídias geradas ou alteradas por algoritmos de aprendizado profundo (deep learning) que simulam conteúdos reais.

Apesar de seu potencial para usos legítimos, essa tecnologia é frequentemente empregada na propagação de desinformação e em práticas fraudulentas (KAUFMAN, 2022). O Brasil, por exemplo, ocupa a terceira posição global no consumo de redes sociais (Forbes, 2023), o que intensifica os desafios relacionados à verificação da autenticidade de conteúdos digitais e favorece a disseminação de deepfakes (JUNIOR, 2023).

As deepfakes são criadas por meio de técnicas de aprendizado profundo, uma vertente da IA que se baseia em redes neurais de múltiplas camadas (WESTERLUND, 2019). Dentre essas, destacam-se as Redes Neurais Convolucionais (CNNs), amplamente utilizadas no processamento de imagens. As CNNs operam com camadas como Convolução, Unidades Lineares Retificadas (ReLU) e Max-Pooling, que extraem características visuais e reduzem a dimensionalidade dos dados (SILVA, 2018; JUNIOR, 2023).

A versatilidade dessas arquiteturas permite manipulações digitais com alto grau de realismo, dificultando a distinção entre conteúdos reais e falsos (WESTERLUND, 2019). Embora haja aplicações benéficas, o uso das deepfakes tem sido desviado para a disseminação de desinformação, gerando impactos sociais negativos (JUNIOR, 2023). A produção de mídias de procedência duvidosa, combinada com a velocidade de compartilhamento, consolida percepções equivocadas de veracidade no público. Um exemplo notório foi a manipulação de um vídeo envolvendo o Dr. Drauzio Varella para promoção fraudulenta, evidenciando riscos à integridade moral e à reputação (MACHADO, 2023; JUNIOR, 2023).

A disponibilidade de ferramentas gratuitas para o desenvolvimento de algoritmos, aliada à praticidade do Transfer Learning, democratizou o acesso à Inteligência Artificial. Contudo, essa acessibilidade também atua como um catalisador para o aumento de deepfakes, pois indivíduos com intenções maliciosas podem empregar esses recursos para criar desinformação (JUNIOR, 2023). A literatura sugere que o avanço da IA deve ser acompanhado por princípios éticos e pela inspeção minuciosa dos resultados gerados, visando mitigar os riscos de desinformação (KAUFMAN, 2022).

Diante desse cenário, a detecção eficaz de deepfakes torna-se crucial para a segurança e autenticidade da informação digital. A complexidade das manipulações de alta fidelidade exige modelos robustos capazes de distinguir entre mídias reais e sintéticas, superando os desafios de generalização. Portanto, este estudo de caso visa comparar o desempenho de três modelos pré-treinados (Transfer Learning), sendo esses modelos ResNet50, VGG16 e MobileNetV2, na identificação de deepfakes, utilizando um conjunto de dados composto por mídias reais e sintéticas.

2. Material e Métodos

O presente estudo adotou uma abordagem metodológica quantitativa e experimental, focada na implementação e avaliação de modelos de aprendizado de máquina para a detecção de deepfakes. A pesquisa consistiu na aplicação de técnicas de Transfer Learning, utilizando arquiteturas de redes neurais convolucionais pré-treinadas para classificar imagens como reais ou sintéticas. O objetivo foi comparar o desempenho desses modelos na identificação de manipulações digitais em rostos.

Para o desenvolvimento, empregou-se o dataset Celeb-DF v2 (A Large-scale Challenging Dataset for DeepFake Forensics), reconhecido como um benchmark de alta qualidade (LI et al., 2020). Este conjunto é composto por 5.639 vídeos manipulados por IA e 590 vídeos originais, coletados da plataforma YouTube, apresentando diversidade em etnia, idade e gênero.

O pré-processamento envolveu a extração de quadros (frames) dos vídeos, convertendo-os em dados estáticos para análise por modelos de visão computacional. Utilizou-se a biblioteca MTCNN para detecção facial e OpenCV (cv2) para manipulação de quadros. A amostragem consistiu na extração de um quadro a cada quinze segundos, com um fator de margem de 20% sobre o recorte facial.

As imagens foram redimensionadas para 224 x 224 pixels, padrão compatível com as arquiteturas de Transfer Learning, convertidas para RGB e exportadas como .jpg. O conjunto de dados final, após pré-processamento, totalizou 98.482 imagens (9.179 “reais” e 89.303 “sintéticas”).

Para mitigar o desbalanceamento entre as classes, aplicou-se a técnica de subamostragem (downsampling) na classe majoritária. Este processo resultou em um conjunto de treinamento equilibrado de 18.358 imagens, com proporção de 1:1 entre as classes. O `shuffle` foi aplicado imediatamente após o downsampling para evitar que o modelo aprendesse padrões baseados na ordem de leitura dos arquivos.

O ambiente de desenvolvimento foi a plataforma Google Colab, operando em um Jupyter Notebook. A infraestrutura baseada em nuvem disponibilizou recursos de processamento gráfico (GPU) e unidades de processamento tensorial (TPU), essenciais para o treinamento de redes neurais profundas. O armazenamento e a gestão dos arquivos foram realizados via integração com o Google Drive.

Para a modelagem, selecionaram-se três arquiteturas de Redes Neurais Convolucionais (CNN) pré-treinadas para Transfer Learning: ResNet50, VGG16 e MobileNetV2. Essas arquiteturas foram escolhidas por sua representatividade e robustez em tarefas de visão computacional (SIMONYAN; ZISSERMAN, 2014; HE et al., 2016; SANDLER et al., 2018). A VGG16 avaliou modelos clássicos, a ResNet50 testou a capacidade de capturar detalhes sutis, e a MobileNetV2 verificou a viabilidade em cenários de recursos limitados.

A estratégia de treinamento consistiu em congelar as camadas convolucionais iniciais dos modelos (`trainable = False`), aproveitando os extratores de características de baixo nível já otimizados. A camada de saída original foi substituída por uma nova estrutura de classificação binária, composta por GlobalAveragePooling2D, uma camada Dense com 128 neurônios e ativação ReLU, e uma camada Dropout com taxa de 0.5 para regularização. A camada de saída final utilizou um neurônio com função de ativação Sigmoid.

A compilação dos modelos empregou o otimizador Adam e a função de perda Binary Crossentropy. Após o rebalanceamento, o conjunto de dados foi dividido em 80% para treinamento e 20% para validação e teste. O treinamento foi realizado por 10 épocas. Para garantir a reprodutibilidade e a distribuição equilibrada das classes em cada lote de treinamento (batch), utilizou-se a classe `image_dataset_from_directory` do TensorFlow, configurada com um `batch size` de 32 e `shuffle` ativado.

Para aferir a eficácia dos modelos, adotaram-se métricas estatísticas baseadas na Matriz de Confusão. As métricas incluíram Acurácia, Precisão, Recall (Sensibilidade), F1-Score, Curva ROC e Área Sob a Curva (AUC), que mediram a capacidade de discriminação entre as classes real e sintética (PRATI; BATISTA; MONARD, 2008). A Matriz de Confusão serviu para visualizar a distribuição de acertos e falhas (TP, TN, FP, FN).

3. Resultados e Discussão

Os resultados obtidos neste estudo revelam um panorama complexo sobre a eficácia de modelos de transfer learning na detecção de deepfakes, evidenciando um contraste notável entre o desempenho em validação interna e a capacidade de generalização em testes independentes. Inicialmente, os modelos ResNet50, VGG16 e MobileNetV2 demonstraram alta performance em um ambiente controlado, após um rigoroso processo de pré-processamento e rebalanceamento do dataset Celeb-DF v2. Contudo, ao serem submetidos a um conjunto de testes mais desafiador, os modelos apresentaram uma queda significativa na acurácia, estabilizando-se em torno de 50%, o que aponta para um hiato de generalização crucial para a discussão da robustez desses sistemas em cenários reais.

A preparação dos dados foi uma etapa fundamental para mitigar o viés algorítmico e otimizar o dataset. Utilizou-se a biblioteca MTCNN para detecção facial e OpenCV para manipulação dos quadros, extraindo um quadro a cada intervalo proporcional à duração média dos vídeos, com uma margem de 20% para preservar características faciais. As imagens foram redimensionadas para 224 x 224 pixels, um padrão compatível com as arquiteturas de visão computacional selecionadas. Ao final, o dataset principal continha 98.482 imagens, sendo 9.179 reais e 89.303 sintéticas.

Para abordar o desbalanceamento significativo entre as classes “Real” e “Fake” no dataset original, aplicou-se a técnica de subamostragem (downsampling). Este processo reduziu seletivamente as amostras da classe dominante até que ambas as categorias atingissem uma proporção de 1:1, resultando em um conjunto equilibrado de 18.358 imagens para treinamento. Essa estratégia foi crucial para garantir que as métricas de acurácia e precisão refletissem a real capacidade de distinção dos modelos, e não apenas uma tendência estatística do dataset, forçando as redes a aprender padrões morfológicos e artefatos de manipulação reais.

A estratégia de treinamento envolveu o congelamento das camadas convolucionais iniciais dos modelos pré-treinados no ImageNet (trainable = False), aproveitando seus pesos otimizados para extração de características de baixo nível. A camada de saída original foi substituída por uma nova estrutura de classificação binária, composta por GlobalAveragePooling2D para redução dimensional, uma Dense Layer com 128 neurônios e função de ativação ReLU, Dropout de 0.5 para regularização, e uma camada de saída com 1 neurônio e função de ativação Sigmoid. A compilação utilizou o otimizador Adam com taxa de aprendizado de 0,001 e a função de perda Binary Crossentropy, com o conjunto de dados dividido em 80% para treinamento e 20% para validação e teste.

Desempenho das Arquiteturas

Após a aplicação da técnica de downsampling e o treinamento por 10 épocas, os modelos apresentaram um comportamento preditivo significativamente mais robusto na fase de validação interna. A arquitetura ResNet50 destacou-se com o melhor desempenho absoluto, alcançando um AUC de 0,8762. Este valor indica uma elevada capacidade de distinção correta entre as classes real e sintética, superando as demais arquiteturas avaliadas. A ResNet50 também obteve uma acurácia de 0,7768, precisão de 0,8320, recall de 0,7109 e F1-Score de 0,7667, com 506 Verdadeiros Negativos e 526 Falsos Negativos.

A arquitetura MobileNetV2, embora com AUC ligeiramente inferior (0,8279) à ResNet50, demonstrou um maior equilíbrio entre Precisão (0,7443) e Recall (0,7420). Este equilíbrio sugere que o modelo é mais consistente ao lidar com erros do tipo Falso Positivo e Falso Negativo, mantendo uma performance estável em ambas as frentes. A MobileNetV2 alcançou uma acurácia de 0,7362, precisão de 0,7443, recall de 0,7420 e F1-Score de 0,7431, com 470 Verdadeiros Positivos e 478 Falsos Negativos, indicando uma maior sensibilidade na identificação de conteúdos manipulados.

Em contrapartida, o modelo VGG16 apresentou o desempenho mais modesto entre as três arquiteturas, com um AUC de 0,7625 e um F1-Score de 0,6901. Seus índices de acurácia (0,6907), precisão (0,7160) e recall (0,6659) foram os mais baixos, sugerindo que sua estrutura pode exigir um volume maior de épocas ou ajustes de hiperparâmetros mais refinados para este conjunto específico de dados. A comparação entre os resultados preliminares e os atuais confirmou que a supressão do viés de classe majoritária foi determinante para a estabilização das métricas em torno de 70-80% na acurácia e AUC, validando a eficácia do Transfer Learning para a tarefa de forense digital facial.

A evolução das métricas de desempenho do modelo ResNet50 durante o treinamento, ao longo das 10 épocas, demonstrou uma convergência progressiva. O índice AUC, por exemplo, saltou de 0,59 na primeira época para 0,86 na décima época. Essa melhora contínua indica que a rede foi capaz de extrair características relevantes da amostra fornecida, aprendendo a distinguir padrões de forma mais eficaz à medida que o treinamento avançava. Os resultados intermediários na quinta época já mostravam um AUC de 0,8202, confirmando a capacidade de aprendizado do modelo.

Análise do Hiato de Generalização

Apesar do desempenho promissor na validação interna, a submissão dos modelos a um conjunto de testes independente revelou uma queda acentuada no desempenho, com as métricas estabilizadas em torno de 0,50. Este fenômeno, conhecido como hiato de generalização (generalization gap), sugere uma limitação na capacidade dos modelos de aplicar o conhecimento adquirido em dados de teste que apresentam variações não observadas durante o treinamento. A acurácia de teste do ResNet50 foi de aproximadamente 50,4% (920 acertos em 1824 amostras).

Para o modelo ResNet50, a análise da matriz de confusão no teste independente indicou 506 Verdadeiros Negativos (imagens reais corretamente classificadas) e 526 Falsos Negativos (deepfakes classificadas como reais). Este último é o erro mais crítico em um cenário de segurança, pois significa que mídias fraudulentas “passaram” pelo filtro de detecção. O modelo demonstrou um viés conservador, tendendo a classificar as imagens como reais, o que pode ser problemático para a detecção de ameaças.

O modelo VGG16 apresentou uma acurácia de teste de aproximadamente 50,7% (925 acertos em 1824 amostras) no conjunto independente. Sua matriz de confusão mostrou 469 Verdadeiros Negativos (Real) e 456 Verdadeiros Positivos (Fake). Embora tenha demonstrado menor viés em relação a uma classe específica quando comparado ao ResNet50, o VGG16 não evidenciou padrões discriminativos suficientemente consistentes para uma separação robusta entre dados reais e sintéticos, indicando uma instabilidade nas decisões de classificação.

A MobileNetV2, apesar de ser uma arquitetura mais leve e otimizada, também apresentou um desempenho desafiador no teste independente, com uma acurácia de aproximadamente 48,5% (884 acertos em 1824 amostras). A matriz de confusão revelou 414 Verdadeiros Negativos (Real) e 470 Verdadeiros Positivos (Fake), mas também 462 Falsos Positivos (imagens reais classificadas como falsas). Isso sugere uma tendência “alarmista”, onde o modelo suspeita de manipulação com facilidade, mesmo na ausência de deepfake, o que pode gerar falsos alertas em aplicações práticas.

Discussões e Análises

A divergência entre a alta performance na validação interna e a baixa acurácia no teste independente é um fenômeno amplamente documentado na literatura de visão computacional, conhecido como hiato de generalização (Corrêa, 2023). Essa discrepância ocorre frequentemente em tarefas de detecção de deepfakes quando o modelo falha em transpor o conhecimento obtido em uma amostra específica para dados que apresentam variações de compressão e ruídos não vistos no treinamento (Wang et al., 2020). Os modelos de Deep Learning treinados em bases de dados específicas de deepfakes tendem a sofrer de um excesso de especialização nos artefatos estatísticos inerentes à amostra de treinamento.

A explicação técnica para essa estagnação das métricas no teste reside no conceito de Shortcut Learning (Aprendizado por Atalho). As Redes Neurais Convolucionais (CNNs) possuem um viés intrínseco para texturas em detrimento da forma ou da semântica do objeto (Geirhos et al., 2019). No contexto deste trabalho, é provável que os modelos de Transfer Learning tenham identificado “atalhos” nas imagens de treinamento, como padrões microscópicos de ruído digital ou vibrações de iluminação específicas do dataset Celeb-DF v2, que não representam a essência de uma manipulação facial genuína. Esse comportamento sugere que o modelo pode ter focado em padrões de ruído específicos do dataset, uma vulnerabilidade também observada por Junior (2023).

O processo de pré-processamento, incluindo o redimensionamento bilinear das imagens para 224 x 224 pixels, pode ter funcionado como uma técnica involuntária de suavização. Essa suavização pode ter eliminado artefatos de síntese que seriam perceptíveis apenas em resoluções nativas, especialmente em deepfakes de alta qualidade como as do Celeb-DF v2 (Rössler et al., 2019). A detecção de manipulações sintéticas é extremamente sensível à compreensão e ao redimensionamento de imagens, e a resolução fixa de entrada das arquiteturas clássicas impõe um limite físico à detecção de detalhes finos.

Outro fator que contribuiu para o hiato de generalização foi a estrutura dos dados de treinamento e validação, realizada pela função `image_dataset_from_directory` do Keras/TensorFlow. Embora essa função automatize a rotulação e a separação dos dados (80% treinamento, 20% validação), a partição é executada no nível do arquivo individual (frame), ignorando a origem temporal e a identidade do sujeito contido no vídeo original. Isso pode ter resultado em “vazamento de dados faciais” (face data leakage), onde imagens visualmente quase idênticas foram distribuídas entre os conjuntos de treino e validação, inflando a acurácia de validação (88%) e mascarando a real incapacidade de generalização (Lopes et al., 2026).

A infraestrutura computacional utilizada, o Google Colab, impôs limitações críticas de memória RAM, armazenamento em disco e tempo de execução contínua. Essas restrições limitaram a exploração de hiperparâmetros e o número de épocas de treinamento a apenas 10. Modelos robustos como ResNet50 e VGG16 frequentemente necessitam de centenas de épocas para ajustar finamente seus pesos em problemas de alta complexidade (He et al., 2016). A sub-otimização dos hiperparâmetros, devido a essas limitações, pode ter impedido que as redes rompessem a barreira da memorização e alcançassem uma generalização real.

A similaridade dos resultados entre as arquiteturas de complexidades distintas (ResNet50 e MobileNetV2) no teste independente reforça a tese de que o obstáculo não reside no poder computacional das redes, mas sim na necessidade de um refinamento de dados (fine-tuning) e aumento da diversidade da amostra de treinamento para romper a barreira da generalização. A acurácia de 50% no teste independente, conforme a tese de Lopes et al. (2026), foi um subproduto da memorização de identidades (sobreajuste), e não de uma detecção genuína de artefatos sintéticos, revelando que a automação facilitada pelo `image_dataset_from_directory`, sem uma separação rigorosa por indivíduos, tende a mascarar a real incapacidade de generalização do modelo diante de novos ataques.

Em última análise, a jornada experimental percorrida neste estudo, desde o rebalanceamento de classes via downsampling até a avaliação exaustiva dos modelos de Transfer Learning, revela que a detecção de deepfakes em bases de alta fidelidade como o Celeb-DF v2 transcende a simples otimização de hiperparâmetros. O hiato observado entre a acurácia de validação de 88% e a de teste de 50% não deve ser interpretado como uma falha do modelo, mas sim como um diagnóstico técnico preciso sobre as limitações das CNNs contemporâneas. A falácia da acurácia em ambientes controlados oculta a fragilidade de artefatos de textura que são frequentemente eliminados no pré-processamento, conforme confirmado pela tese de Lopes, Laroca e Grégio (2026).

Portanto, os resultados aqui apresentados servem como um alerta metodológico, indicando que o combate à desinformação exige uma mudança de paradigma, movendo o foco da performance em laboratório para a robustez em cenários reais. A confiabilidade de um sistema de segurança digital não reside na perseguição de métricas nominais elevadas, mas na capacidade do modelo em generalizar padrões de síntese de forma questionadora à identidade do sujeito. Este estudo estabelece uma base sólida para que pesquisas futuras incorporem análises de incerteza e partições de dados estritamente baseadas em identidades, visando romper barreiras de generalização e garantir que a Inteligência Artificial atue como um filtro verdadeiramente íntegro na preservação da verdade biométrica.

4. Conclusão

Este estudo avaliou a eficácia de modelos pré-treinados de transfer learning na distinção entre imagens reais e sintéticas, especificamente deepfakes. Verificou-se que, após o pré-processamento e o rebalanceamento do dataset Celeb-DF v2, as arquiteturas ResNet50, MobileNetV2 e VGG16 demonstraram alto desempenho em validação interna, com a ResNet50 alcançando um AUC de 0,8762. Contudo, ao serem submetidos a um conjunto de testes independente, os modelos apresentaram um hiato de generalização significativo, com acurácias estabilizadas próximas de 50%. Observou-se que essa discrepância decorreu de um aprendizado por atalho, onde os modelos focaram em padrões de ruído digital e texturas específicas do dataset de treinamento, em vez de artefatos de manipulação genuínos. O redimensionamento das imagens para 224 x 224 pixels também pode ter suavizado ou eliminado artefatos de síntese, e a partição dos dados em nível de frame, em vez de por identidade, contribuiu para o vazamento de dados faciais, inflando as métricas de validação e mascarando a real capacidade de generalização.

A principal contribuição deste trabalho reside em alertar metodologicamente que a detecção robusta de deepfakes em cenários reais exige mais do que a otimização de hiperparâmetros ou a simples transferência de pesos de modelos genéricos. As limitações computacionais do ambiente de desenvolvimento restringiram a exploração de hiperparâmetros e o número de épocas de treinamento, impedindo que as redes rompessem a barreira da memorização e alcançassem uma generalização real. Para estudos futuros, sugere-se a exploração de técnicas de aumento de dados e o refinamento fino das camadas convolucionais mais profundas. Recomenda-se também a incorporação de análises de incerteza e a utilização de partições de dados estritamente baseadas em identidades, visando superar as barreiras de generalização e garantir que a Inteligência Artificial atue como um filtro íntegro na preservação da verdade biométrica, combatendo eficazmente a desinformação por mídias sintéticas.

Referências Bibliográficas

Forbes, 2023 [Referência completa não encontrada no documento original]

Junior, N.; Ediberto do J. 2023. Detecção de deepfakes utilizando redes neurais convolucionais. 46 f. Trabalho de Conclusão de Curso de Graduação em Engenharia de Computação, Campus de Sobral, Universidade Federal do Ceará, Sobral, CE, Brasil. Disponível em: <https://repositorio.ufc.br/handle/riufc/78832>. Acesso em: 31 ago. 2025.

Kaufman, D. 2022. Desmistificando a inteligência artificial. Belo Horizonte, MG, Brasil Autêntica.

MONTAÑO, R. A. N. R.: Inteligência Artificial. 1 ed. Curitiba [PR]: IESDE, 2021.

Silva, R. C. S. 2024. Prevenção contra deepfakes: desenvolvimento de um sistema de reconhecimento facial para diferenciar rostos humanos de rostos gerados por IA. Disponível em: <http://repositorio.ifam.edu.br/jspui/

Westerlund, M. 2019. The Emergence of Deepfake Technology: A Review (Volume 9, Issue 11). Disponível em <https://timreview.ca/article/1282> Acesso 15 out. 2015.

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 […]