Artigo

31 de julho de 2026

Uso de IA na Educação Preparatória: Benefícios, Desafios e Resultados no Contexto do GaliLearn

Gustavo de Oliveira Soares; Elaine Barbosa de Figueiredo

DOI: 10.22167/2675-6528-202600871

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

Este trabalho apresentou um estudo de caso aplicado sobre a integração de Inteligência Artificial (IA) em sistemas educacionais de preparação, com foco na plataforma GaliLearn. A solução incorporou modelos de linguagem generativa, acessados via APIs da OpenAI, ao fluxo de resolução de questões, oferecendo explicações contextualizadas e suporte conversacional por meio de um tutor inteligente. O objetivo da pesquisa foi avaliar os impactos dessa integração na experiência de aprendizagem dos usuários, considerando engajamento, compreensão de conteúdo e usabilidade, bem como os aspectos técnicos da integração da IA ao sistema. A metodologia adotada consistiu em um estudo de caso descritivo, com abordagens qualitativa e quantitativa, baseado na observação do uso real da plataforma em ambiente de produção por um grupo inicial de oito usuários, e na análise de dados de interação. Os resultados indicaram que a IA, integrada à arquitetura do sistema, contribuiu para o aumento do engajamento e o aprofundamento do entendimento dos conteúdos, sendo utilizada recorrentemente. Tecnicamente, a arquitetura demonstrou ser adequada, promovendo segurança, escalabilidade e isolamento de dados ao centralizar a orquestração das chamadas de IA no backend. Concluiu-se que a aplicação de IA generativa em plataformas educacionais possui potencial significativo para aprimorar o processo de aprendizagem, desde que integrada de forma estruturada e alinhada ao domínio da aplicação.

Palavras-chave: Aprendizagem assistida; Arquitetura de software; Segurança de sessões; Sistemas educacionais; Tutor inteligente.

1. Introdução

A incorporação da Inteligência Artificial (IA) em sistemas educacionais representa uma transformação significativa na metodologia de ensino e aprendizagem. Este avanço tecnológico tem permitido a personalização do conteúdo e a oferta de suporte imediato aos estudantes, adaptando-se às necessidades individuais de cada um. Com o surgimento e a evolução dos modelos de linguagem generativa, a capacidade dos sistemas digitais de interagir com os usuários de forma mais sofisticada foi ampliada. Tais modelos possibilitam a interpretação de perguntas complexas, a geração de explicações detalhadas e a manutenção de diálogos conversacionais, o que redefine o papel da tecnologia no ambiente educacional (Holmes; Bialik; Fadel, 2019; Russell; Norvig, 2021). Nesse cenário dinâmico, a IA transcende a função de um mero recurso complementar, assumindo um papel ativo e central no processo de aquisição de conhecimento.

No contexto específico da educação preparatória, que se caracteriza pela intensa prática de resolução de questões como estratégia primordial de estudo, a aplicação da IA revela um potencial ainda mais expressivo. Sistemas que empregam modelos de linguagem generativa podem fornecer explicações personalizadas para cada questão, detalhar a justificativa de alternativas corretas e incorretas, e auxiliar na identificação precisa de lacunas no conhecimento do estudante. Essas funcionalidades contribuem para um aprendizado mais dinâmico e adaptativo, diminuindo a dependência exclusiva de materiais estáticos e incentivando uma maior autonomia do aluno em sua jornada de estudo.

Apesar do crescente número de soluções educacionais que integram a Inteligência Artificial, ainda existe uma lacuna significativa na literatura e na prática quanto à avaliação de sua aplicação em ambientes reais de produção. Essa necessidade é particularmente evidente sob a perspectiva da Engenharia de Software. É crucial ir além da análise dos meros efeitos educacionais e aprofundar a compreensão de como a IA é efetivamente integrada aos sistemas. Aspectos como a arquitetura do software, os mecanismos de segurança, o controle de acesso, a governança de uso e a escalabilidade da solução são fundamentais para o sucesso e a sustentabilidade dessas implementações. Uma integração inadequada desses componentes pode resultar em sistemas ineficientes, de difícil manutenção, e com riscos associados à exposição de dados sensíveis ou ao uso indevido de recursos computacionais (Pressman; Maxim, 2021).

Neste panorama, a plataforma GaliLearn emerge como um ambiente de estudo de caso particularmente relevante. Trata-se de um sistema em produção, voltado para a preparação de candidatos para concursos públicos, que incorpora modelos de linguagem generativa diretamente no fluxo de resolução de questões e no suporte ao usuário. A solução permite que os estudantes utilizem um tutor inteligente para esclarecer dúvidas, aprofundar a compreensão das alternativas e do conteúdo estudado, tudo isso no contexto da questão que está sendo resolvida. Essa abordagem prática oferece uma oportunidade valiosa para observar como a IA pode ser acoplada de forma eficaz a um domínio educacional específico e quais impactos iniciais essa integração pode gerar na experiência de aprendizagem.

A relevância deste estudo reside na sua capacidade de fornecer insights práticos e técnicos sobre a implementação da IA em um sistema educacional real. Ao analisar a plataforma GaliLearn, é possível compreender não apenas os benefícios educacionais, mas também os desafios e as boas práticas de engenharia de software envolvidos na integração de tecnologias de IA generativa. Essa análise contribui para o avanço do conhecimento sobre a aplicação da Inteligência Artificial em contextos de aprendizagem assistida, fornecendo um modelo para futuras implementações e aprimoramentos. Assim, o presente trabalho busca avaliar os impactos do uso de Inteligência Artificial generativa na educação preparatória, a partir de um estudo de caso aplicado na plataforma GaliLearn, considerando tanto os aspectos técnicos da integração da IA ao sistema quanto seus efeitos iniciais na experiência de aprendizagem dos usuários.

2. Material e Métodos

A pesquisa foi conduzida com caráter aplicado, utilizando o método de estudo de caso, uma vez que analisou a integração e o uso de Inteligência Artificial generativa em um sistema educacional real em operação. O estudo apresentou natureza descritiva, com abordagem qualitativa e quantitativa. A dimensão qualitativa foi empregada na análise do funcionamento da arquitetura do sistema, da integração da IA ao fluxo de resolução de questões e da experiência de uso proporcionada pelo tutor inteligente. A dimensão quantitativa foi utilizada na observação de indicadores de uso da plataforma, considerando registros de interação com as funcionalidades baseadas em Inteligência Artificial, frequência de utilização do tutor e comportamento dos usuários durante o processo de estudo.

O objeto empírico do estudo foi a plataforma GaliLearn, um sistema web em ambiente de produção, voltado à preparação para concursos públicos por meio da resolução de questões e suporte educacional assistido por IA. A aplicação foi acessada remotamente por usuários durante o período de observação do estudo, sem restrição geográfica específica, considerando o caráter digital da solução. A população analisada foi composta por usuários da plataforma, sendo considerada uma amostra não probabilística por conveniência.

Participaram do estudo oito usuários convidados, que se voluntariaram para a utilização das funcionalidades disponíveis durante o período de coleta. A seleção dos participantes ocorreu por meio de convite realizado pelo pesquisador a um grupo restrito, incluindo contatos próximos e integrantes de um grupo digital, com o objetivo de testar as funcionalidades da plataforma em ambiente real de uso. Não foram aplicados critérios de inclusão ou exclusão adicionais além da voluntariedade e do convite direto.

A plataforma GaliLearn foi composta por um frontend web, responsável pela interface com o usuário, e por um backend estruturado em serviços REST. O backend foi encarregado da autenticação, controle de sessões, persistência de dados e integração com serviços externos. A Inteligência Artificial foi integrada ao sistema por meio de serviços backend, os quais orquestraram as chamadas a modelos de linguagem generativa disponibilizados via APIs da OpenAI. O frontend não realizou chamadas diretas aos serviços de IA, consumindo exclusivamente endpoints do backend, que manteve as credenciais de acesso protegidas em ambiente servidor.

Antes da utilização das funcionalidades de IA, aplicaram-se mecanismos de autenticação baseados em JSON Web Token (JWT) e validação de tokens de sessão. Esses procedimentos asseguraram que apenas usuários autenticados e autorizados acessassem o tutor inteligente. O backend foi responsável pela montagem do contexto enviado ao modelo de linguagem, incluindo informações da questão, alternativas, gabarito e histórico recente da interação, permitindo que as respostas geradas fossem contextualizadas ao conteúdo em estudo.

A coleta de dados realizou-se por meio da observação do fluxo de uso da plataforma e da inspeção técnica dos registros gerados pelo sistema. Esses registros incluíram sessões de chat, mensagens trocadas com o tutor inteligente e estados de uso das funcionalidades baseadas em IA. Adicionalmente, foram considerados feedbacks espontâneos fornecidos pelos usuários durante o período de utilização da plataforma, por meio de comunicação direta com o pesquisador, para complementar a compreensão dos padrões de uso.

A análise dos dados foi conduzida de forma descritiva, considerando aspectos funcionais, arquiteturais e de segurança da solução implementada, bem como padrões de uso observados no comportamento dos usuários. Também se consideraram os mecanismos de governança e controle das funcionalidades de IA, como autenticação, isolamento entre usuários e limitação de uso. O objetivo foi avaliar a aplicabilidade educacional da solução e sua adequação técnica enquanto componente de software integrado a um sistema real (Pressman; Maxim, 2021).

Os dados coletados foram tratados de forma agregada e anônima, sem identificação individual dos participantes, em conformidade com boas práticas éticas de pesquisa. Não se coletaram informações sensíveis, nem se realizaram intervenções estruturadas sobre os participantes. Com base no Formulário de Direcionamento Ético (FDE), concluiu-se que não houve necessidade de submissão do estudo ao Comitê de Ética em Pesquisa, uma vez que os dados foram empregados exclusivamente para fins de análise técnica e acadêmica, sem possibilidade de identificação pessoal.

3. Resultados e Discussão

Os resultados obtidos a partir da utilização da plataforma GaliLearn evidenciaram uma integração eficaz da Inteligência Artificial no fluxo principal de estudo, atuando de forma intrínseca ao processo de resolução de questões. O sistema demonstrou a capacidade de permitir aos usuários a filtragem e seleção de questões com base em múltiplos critérios, o que possibilita a estruturação de uma rotina de estudo altamente personalizada. Essa organização prévia do conteúdo é crucial, pois estabelece um contexto educacional direcionado e contextualizado para a aplicação da IA, otimizando o aprendizado. A personalização do percurso de estudo, ao alinhar o conteúdo às necessidades individuais, potencializa a eficácia das intervenções da IA, tornando o processo mais adaptativo e relevante para o objetivo de preparação.

A oferta de feedback imediato após a resolução das questões revelou-se um elemento de grande relevância para a continuidade e aprimoramento do processo de aprendizagem. A identificação visual clara de acertos e erros permitiu aos usuários reconhecer prontamente suas lacunas de conhecimento, o que favoreceu a tomada de decisão quanto à necessidade de revisão de conteúdos específicos. Esse padrão de comportamento está em consonância com a literatura que indica que sistemas educacionais que fornecem feedback instantâneo tendem a aumentar o engajamento dos estudantes e a retenção de conhecimento (Holmes; Bialik; Fadel, 2019). A capacidade de autoavaliação rápida e direcionada, proporcionada pelo sistema, é um pilar fundamental para um aprendizado ativo e autônomo, impactando diretamente a experiência do usuário.

A análise das interações com o tutor inteligente indicou que a Inteligência Artificial foi predominantemente utilizada em momentos posteriores à resolução das questões, especialmente em situações de dúvida ou erro. A interface conversacional do tutor possibilitou que os usuários solicitassem explicações detalhadas e contextualizadas, considerando o enunciado da questão, as alternativas e o histórico recente da interação. Esse padrão de uso sugere que a IA atuou como um mecanismo de reforço cognitivo, auxiliando na consolidação do conhecimento de forma mais dinâmica em comparação a métodos tradicionais baseados apenas em leitura passiva. A capacidade de fornecer suporte adaptativo e em tempo real, contextualizado ao problema específico, aprofunda a compreensão e fortalece o processo de aprendizagem.

Além dos dados observacionais, feedbacks qualitativos fornecidos espontaneamente pelos usuários indicaram uma percepção altamente positiva em relação ao uso da IA como ferramenta de apoio ao estudo. De forma geral, os usuários relataram maior clareza na compreensão das alternativas e destacaram a utilidade do tutor inteligente para revisão de conteúdos complexos. Adicionalmente, a integração da IA diretamente ao fluxo da plataforma foi percebida como um diferencial relevante, pois evitou a necessidade de alternância entre diferentes aplicações durante o estudo. Essa centralização de funcionalidades, incluindo resolução de questões, filtros, estatísticas e suporte por IA em um único ambiente, contribuiu significativamente para a redução de fricção no processo de aprendizagem, favorecendo a continuidade do estudo e aumentando a eficiência na resolução de dúvidas, o que impacta diretamente a usabilidade da plataforma.

Sob a perspectiva da Engenharia de Software, os resultados evidenciaram que a arquitetura adotada foi adequada para suportar a integração da Inteligência Artificial de maneira segura e escalável. A centralização das chamadas à IA no backend, com o uso de autenticação baseada em JSON Web Token (JWT) e controle de sessões, garantiu o isolamento eficaz entre os usuários e a proteção das credenciais de acesso aos serviços externos. Esse modelo de integração evita o acoplamento direto entre o frontend e os serviços de IA, reduzindo riscos de segurança e facilitando a manutenção e evolução do sistema, conforme recomendado pelas boas práticas de desenvolvimento de software (Pressman; Maxim, 2021). A robustez e a segurança da arquitetura são pilares para a sustentabilidade e confiabilidade da solução em ambiente de produção.

Adicionalmente, a implementação de mecanismos de governança, como a limitação de uso por usuário, contribuiu de forma significativa para o controle de custos e para a previsibilidade operacional da solução. Este aspecto é particularmente relevante em sistemas que utilizam modelos de linguagem generativa, cujo consumo de recursos está diretamente associado a custos variáveis, o que exige uma gestão cuidadosa. Dessa forma, a adoção de estratégias de controle de uso configura-se como um elemento essencial para a viabilidade técnica e econômica da aplicação em longo prazo, assegurando que os recursos sejam utilizados de forma otimizada e sustentável. Essa governança é fundamental para manter a operação da plataforma eficiente e acessível, sem comprometer a qualidade do serviço.

De maneira geral, os resultados indicaram que a utilização de Inteligência Artificial generativa, quando integrada de forma estruturada ao fluxo de estudo, apresenta potencial significativo para aprimorar a experiência do usuário. Essa integração contribuiu para o aumento do engajamento e facilitou a compreensão aprofundada dos conteúdos, atuando como um facilitador ativo do processo de aprendizagem. A capacidade de fornecer suporte contextualizado e personalizado, combinada com uma arquitetura técnica robusta, posiciona a IA como um elemento transformador na educação preparatória. A solução GaliLearn demonstrou que a IA pode ser acoplada de forma eficaz a um domínio educacional específico, gerando impactos positivos iniciais na experiência de aprendizagem dos usuários e no entendimento do conteúdo.

É fundamental ressaltar, contudo, que os achados deste estudo estão limitados ao contexto analisado e ao tamanho da amostra, composta por oito usuários, o que restringe a generalização dos resultados. O período de observação também foi um fator que limita a amplitude das conclusões. Para uma validação mais abrangente dos resultados e um aprofundamento da compreensão dos impactos da IA na educação preparatória, são necessárias análises adicionais. Recomenda-se a realização de estudos futuros com um volume maior de dados, uma diversidade mais ampla de usuários, a coleta estruturada de métricas e a implementação de análises comparativas. Tais esforços permitirão uma compreensão mais robusta e generalizável sobre a aplicação da IA em sistemas educacionais.

Em suma, a pesquisa na plataforma GaliLearn revelou que a integração da Inteligência Artificial generativa, quando implementada com rigor técnico e alinhada às necessidades educacionais, oferece um caminho promissor para aprimorar a aprendizagem. Os resultados indicam que a IA não apenas complementa, mas enriquece o processo de estudo, tornando-o mais interativo, personalizado e eficaz. Simultaneamente, a arquitetura de software adotada garante a segurança, a escalabilidade e a governança necessárias para um ambiente de produção sustentável. Essa abordagem integrada e contextualizada é a chave para maximizar o potencial da IA em sistemas educacionais, respondendo ao objetivo de avaliar seus impactos na experiência de aprendizagem e nos aspectos técnicos da integração.

4. Conclusão

O presente estudo buscou avaliar os impactos da integração de Inteligência Artificial generativa na educação preparatória, por meio de um estudo de caso aplicado na plataforma GaliLearn, considerando tanto os aspectos técnicos da integração da IA ao sistema quanto seus efeitos iniciais na experiência de aprendizagem dos usuários. Verificou-se que a IA foi efetivamente incorporada ao fluxo principal de estudo, atuando de forma intrínseca ao processo de resolução de questões e contribuindo para o aumento do engajamento e o aprofundamento do entendimento dos conteúdos. A utilização do tutor inteligente, com suas explicações detalhadas e contextualizadas, revelou-se um mecanismo de reforço cognitivo, auxiliando na consolidação do conhecimento e na clareza da compreensão. Sob a perspectiva da Engenharia de Software, observou-se que a arquitetura adotada demonstrou ser adequada para suportar a integração da IA de maneira segura e escalável, centralizando as chamadas no backend e garantindo o isolamento de dados e a proteção de credenciais. Adicionalmente, a implementação de mecanismos de governança, como a limitação de uso, contribuiu para o controle de custos e a previsibilidade operacional da solução, reforçando a viabilidade técnica e econômica da aplicação.

Apesar dos resultados positivos, destaca-se que os achados deste estudo estão limitados ao contexto analisado e ao tamanho da amostra, composta por oito usuários, bem como ao período de observação, o que restringe a generalização das conclusões. Para uma validação mais abrangente e um aprofundamento da compreensão dos impactos da IA na educação preparatória, recomenda-se a realização de estudos futuros com um volume maior de dados, uma diversidade mais ampla de usuários, a coleta estruturada de métricas e a implementação de análises comparativas. Conclui-se que a aplicação de Inteligência Artificial generativa em plataformas educacionais possui potencial significativo para aprimorar a experiência de aprendizagem, desde que integrada de forma estruturada e alinhada ao domínio da aplicação e às boas práticas de Engenharia de Software, contribuindo para a eficiência do estudo e o engajamento dos usuários.

Referências Bibliográficas

Holmes, W.; Bialik, M.; Fadel, C. (2019). Artificial intelligence in education: promises and implications for teaching and learning. Paris: UNESCO.

Pressman, R. S.; Maxim, B. R. (2021). Engenharia de software: uma abordagem profissional. 9. ed. Porto Alegre: AMGH.

Russell, S.; Norvig, P. (2021). Artificial intelligence: a modern approach. 4. ed. Hoboken: Pearson.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Engenharia de Software do MBA USP/Esalq

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

Você também pode gostar

26 de agosto de 2026

Gerenciamento de Cronograma de Manutenção no Setor de Extração de Caldo em uma Indústria Sucroalcooleira

A manutenção de entressafra em indústrias sucroalcooleiras representa um projeto de alta complexidade, frequentemente comprometido por limitações na definição do escopo, no sequenciamento de atividades e nas estimativas de duração, afetando a confiabilidade e previsibilidade da execução. Objetivou-se aprimorar o gerenciamento do cronograma de manutenção de entressafra no setor de extração de caldo, por meio da aplicação das práticas do PMBOK 6ª edição, com foco na estruturação do escopo, sequenciamento lógico das atividades, melhoria das estimativas de duração e identificação do caminho crítico. A pesquisa caracterizou-se como um estudo de caso único, de natureza aplicada e abordagem mista, realizado em uma indústria sucroalcooleira. Os métodos incluíram análise documental de cronogramas de entressafra e coleta de dados por meio de questionários com profissionais da área. Inicialmente, diagnosticou-se o cronograma vigente, identificando lacunas. Em seguida, aplicaram-se ferramentas de gerenciamento do cronograma, como a Estrutura Analítica do Projeto (EAP), sequenciamento de atividades, estimativa análoga e bottom-up, e o método do caminho crítico (CPM), permitindo a comparação entre o cenário original e o reestruturado. Os resultados evidenciaram ganhos significativos em previsibilidade, organização das atividades, clareza nas dependências e maior controle sobre prazos e desvios, com a redução de atividades sem predecessoras ou sucessoras de 18,85% para 2,32%. Concluiu-se que a aplicação estruturada das boas práticas de gerenciamento do cronograma aprimorou o planejamento e contribuiu para a disponibilidade operacional na safra subsequente.

Palavras-chave: Caminho crítico; Confiabilidade do planejamento; Estrutura Analítica do Projeto (EAP); Planejamento operacional; Previsibilidade.

26 de agosto de 2026

Fomento à liderança de mulheres por meio da gestão estratégica de partes interessadas

A persistente sub-representação de mulheres em cargos de liderança revelou limitações nas estratégias institucionais de promoção da igualdade de gênero, destacando a necessidade de abordagens mais integradas entre gestão de projetos e negociação estratégica. O estudo objetivou analisar como estratégias de negociação e engajamento de partes interessadas fomentaram o compromisso institucional com políticas que impulsionam a liderança feminina, e propôs uma matriz estratégica orientada por uma perspectiva de gênero. Adotou-se uma abordagem de métodos mistos, de natureza convergente e articulação epistemológica crítica-transformativa, que combinou análise documental, estudos de caso institucionais e uma entrevista semiestruturada com uma líder feminina, seguida de análise temática e triangulação de dados para aumentar a robustez interpretativa. Os resultados indicaram que organizações que institucionalizaram práticas de governança, estabeleceram metas mensuráveis e incorporaram partes interessadas como participantes ativos demonstraram maior capacidade de converter compromissos discursivos em ações estruturadas. Evidenciou-se, ainda, que a integração entre negociação estratégica e gestão de partes interessadas potencializou a sustentabilidade das iniciativas de equidade de gênero. Concluiu-se que a implementação de uma matriz estratégica, denominada Matriz Estratégica de Engajamento de Stakeholders com foco em gênero (MEES-G), configurou-se como uma ferramenta de gestão relevante para fortalecer o compromisso institucional e facilitar transformações organizacionais consistentes, oferecendo orientação eficaz a gestores públicos e privados na implementação de políticas inclusivas.

Palavras-chave: Equidade; Governança; Inclusão organizacional; Representatividade; Transformação organizacional.

26 de agosto de 2026

Transformação do Modelo Comercial em Serviços Linguísticos para Maior Previsibilidade de Receita

A busca por previsibilidade de receita e maior controle sobre o desempenho comercial tem se tornado um desafio relevante na indústria de serviços linguísticos, caracterizada por alta variabilidade de demanda e modelos historicamente baseados em volume de serviços. Neste contexto, o estudo teve como objetivo analisar a reestruturação do modelo comercial de uma empresa do setor, com foco na transição de uma abordagem orientada à receita faturada para um modelo baseado na formalização de contratos e na previsibilidade de receita potencial. A pesquisa foi conduzida por meio de pesquisa-ação entre maio de 2024 e março de 2026, utilizando dados quantitativos provenientes de sistemas internos e dados qualitativos obtidos por observação participante e entrevistas com profissionais-chave. Os resultados quantitativos indicaram que a meta trimestral de contratos foi superada, atingindo 106% no primeiro trimestre de 2026, e os contratos firmados entre o final de 2025 e o primeiro trimestre de 2026 resultaram em uma projeção de receita de US$ 1.230.500, equivalente a aproximadamente 88% da meta anual, evidenciando aumento na previsibilidade da receita potencial. Qualitativamente, os dados apontaram maior clareza na avaliação da performance comercial, maior transparência na identificação dos fatores que impactam a conversão de contratos em receita e melhoria na integração entre as áreas envolvidas. Concluiu-se que a adoção de um modelo baseado em contratos contribui para uma gestão mais eficiente, previsível e orientada à geração sustentável de receita.

Palavras-chave: Contratos comerciais; Gestão comercial; Modelo de vendas; Pesquisa-ação; Serviços linguísticos.

Neurociência E Aprendizagem Na Educação

24 de agosto de 2026

Do Mundo à Mente: o Impacto Intercultural na Neuroplasticidade

Um estudo investigou a associação entre experiências interculturais e mudanças cognitivas autorrelatadas em adultos brasileiros, à luz do conceito de neuroplasticidade. A pesquisa caracterizou-se como exploratória, de abordagem mista, e foi composta por revisão bibliográfica narrativa e levantamento empírico. Este último foi realizado por meio de questionário online aplicado a 33 participantes que vivenciaram experiências em diferentes países. Coletaram-se dados sociodemográficos, características das vivências internacionais e autoavaliações relacionadas a funções executivas, aprendizagem, memória, atenção e comunicação social. Os resultados indicaram predominância de percepções positivas de mudanças cognitivas, especialmente nos domínios da flexibilidade cognitiva, planejamento, tomada de decisão, aprendizagem e competências comunicativas. A maioria dos participantes relatou a manutenção dessas mudanças ao longo do tempo, associando-as principalmente à duração da experiência, à necessidade de adaptação e ao contato intercultural direto. Os achados sugerem que experiências interculturais constituem contextos de estimulação cognitiva complexa, potencialmente associados a processos de reorganização funcional em múltiplos domínios cognitivos na vida adulta.

Palavras-chave: Adaptação cognitiva; Adaptação cultural; Aprendizagem; Flexibilidade cognitiva; Funções executivas.

Neurociência E Aprendizagem Na Educação

24 de agosto de 2026

Estudo Comparativo: o Conhecimento Docente sobre Neuroplasticidade e Práticas Pedagógicas na Rede Direta e Indireta

A primeira infância constitui um período crítico de plasticidade neural, no qual a qualidade das intervenções pedagógicas determina a arquitetura cerebral e o desenvolvimento integral da criança. O presente estudo teve como objetivo comparar o conhecimento docente sobre neuroplasticidade e sua aplicação prática em unidades de educação infantil de administração direta e indireta na cidade de São Paulo. A metodologia consistiu em um estudo de caso descritivo com abordagem mista, no qual foram aplicados questionários de autopercepção com docentes e realizada uma análise documental de projetos políticos pedagógicos, relatórios de desenvolvimento de alunos e diários de bordo. Os resultados indicaram que, embora ambas as redes tenham executado práticas neurocompatíveis, a Rede Direta apresentou maior intencionalidade pedagógica e segurança técnica 20% superior na identificação de marcos do desenvolvimento, fator diretamente associado à maior carga horária de formação continuada. O estudo evidenciou que a formação continuada atuou como um divisor entre a prática intuitiva e a mediação baseada em evidências. Concluiu-se que o acesso ao saber neurocientífico e a equiparação dos tempos de reflexão docente são fundamentais para garantir maior equidade no desenvolvimento infantil e a eficácia das políticas públicas de educação em territórios de vulnerabilidade.

Palavras-chave: Educação Infantil; Formação Docente; Neurociência Aplicada; Primeira Infância; Redes de Ensino.

24 de agosto de 2026

Precificação Baseada em Valor como Estratégia Competitiva Frente ao Modelo Orientado por Custos

A gestão estratégica de preços consolidou-se como fator determinante para a sustentabilidade e competitividade em mercados industriais, onde a transição de modelos baseados em custos para estratégias orientadas ao valor representa um desafio cultural e operacional crítico. Este estudo teve como objetivo comparar as práticas de precificação em duas unidades industriais do setor business-to-business (B2B), analisando como o alinhamento com a estratégia baseada em valor impacta a sustentabilidade do negócio. Para tanto, investigou-se uma unidade operacional e uma unidade que recentemente descontinuou suas atividades, buscando identificar correlações entre a gestão de preços e a viabilidade competitiva. Adotou-se uma abordagem qualitativa com elementos comparativos, a partir de entrevistas semiestruturadas aplicadas a gestores de duas empresas do setor metalmecânico, utilizando questões fechadas em escala Likert e perguntas abertas organizadas em sete dimensões analíticas relacionadas à maturidade em precificação. Os resultados evidenciaram que a empresa em operação apresentou maior estruturação de processos, melhor integração entre áreas, uso mais frequente de indicadores e ambiente cultural mais favorável à sustentação de preços com base no valor entregue ao cliente. Em contraste, a empresa descontinuada demonstrou fragilidades na formalização da precificação, baixa integração interfuncional, limitações na comunicação de valor e forte predominância de uma cultura orientada por custos. O estudo reforçou que a adoção da precificação baseada em valor requer a institucionalização de processos interfuncionais e governança para garantir a perenidade organizacional frente à pressão competitiva.

Palavras-chave: Concorrência; Cultura; Governança; Liderança.

24 de agosto de 2026

Modelo Preditivo de Risco Reputacional Baseado em Textos Jornalísticos

A reputação corporativa é um ativo intangível crítico, cuja volatilidade na era digital torna as organizações suscetíveis a crises por exposições midiáticas negativas. O estudo desenvolveu um modelo preditivo de risco reputacional para identificar se variáveis da cobertura de mídia, como volume, sentimento e léxico, atuam como precursores de danos severos. A metodologia fundamentou-se na coleta de dados via Web Scraping de notícias sobre eventos de risco ocorridos entre 2023 e 2025. O processamento utilizou Processamento de Linguagem Natural (NLP) para análise de sentimento e feature engineering. A modelagem consistiu em uma tarefa de classificação binária supervisionada, com o target de dano grave determinado por proxies quantificáveis, como impactos financeiros e penalidades regulatórias. Foram comparados os algoritmos Regressão Logística, Random Forest e XGBoost, além da implementação de um modelo Ensemble, em ambiente Python, validados pelas métricas AUC-ROC e F1-Score. Os resultados apontaram a superioridade da abordagem conjunta (Ensemble), que alcançou F1-Score de 0.878 e Recall de 85.4%, e a viabilidade de estimar a probabilidade de crises e estabelecer limiares de risco acionáveis. Comprovou-se a eficácia da integração entre NLP e Machine Learning para a mitigação proativa de riscos corporativos, oferecendo uma ferramenta de suporte à decisão para equipes de comunicação corporativa e gestão de riscos.

Palavras-chave: Análise de Sentimentos; Aprendizado de Máquina; Danos à reputação; Modelagem de Dados Históricos; Processamento de Linguagem Natural (PLN).

Compliance E Esg

24 de agosto de 2026

Liderança Feminina Negra no Brasil: como Políticas Corporativas de Diversidade Apoiam Trajetórias de Sucesso

O presente estudo analisou como as políticas corporativas de diversidade e inclusão influenciaram as trajetórias profissionais de mulheres negras que ocupam cargos de liderança no Brasil. O estudo buscou compreender as experiências e percepções dessas profissionais em relação às práticas organizacionais que moldaram seu desenvolvimento e ascensão. A pesquisa adotou uma abordagem qualitativa, descritiva e aplicada, e coletou dados por meio de levantamento de campo, utilizando questionário semiestruturado com 30 mulheres negras em posições de liderança. Os resultados revelaram que a maioria das participantes possuía alta qualificação acadêmica, atuava predominantemente na região Sudeste e ocupava cargos intermediários de liderança, como supervisão e coordenação. Observou-se a coexistência de trajetórias recentes e consolidadas, indicando avanços na inserção de mulheres negras em liderança, mas também a persistência de limites estruturais que dificultaram a progressão para níveis hierárquicos superiores. Esses achados indicaram que, embora as políticas de diversidade e inclusão fossem relevantes, seus efeitos mostraram-se insuficientes quando não articulados a transformações organizacionais mais amplas voltadas à equidade racial e de gênero, sugerindo que o esforço individual emergiu como estratégia central de trajetória em contextos de suporte institucional frágil.

Palavras-chave: Ascensão profissional; Diversidade organizacional; Inclusão; Interseccionalidade; Políticas corporativas.

24 de agosto de 2026

Segmentação Estratégica de Adquirentes Brasileiras por Clusterização Multivariada

O setor de adquirência desempenha um papel central na infraestrutura de pagamentos, e compreender as diferenças estruturais entre as empresas adquirentes, com base em indicadores operacionais e econômicos, mostrou-se crucial para diagnósticos e decisões fundamentados em dados. O estudo teve como objetivo segmentar as adquirentes brasileiras utilizando indicadores trimestrais de porte, capilaridade, mix de canais e métricas econômicas, empregando análise exploratória de dados e o algoritmo de agrupamento K-means para identificar perfis estratégicos distintos. Realizou-se uma pesquisa quantitativa, exploratória e descritiva, utilizando uma base de dados estruturada com informações trimestrais de adquirentes brasileiras ao longo de doze períodos. A definição do número de agrupamentos baseou-se no método do cotovelo (elbow method) e no coeficiente de silhueta, sendo a interpretação reforçada pela visualização via Análise de Componentes Principais (PCA). Os principais resultados revelaram a formação de dois perfis predominantes: um caracterizado por maior escala e capilaridade, com elevado volume de transações e spreads médios mais comprimidos; e outro com maior participação do canal remoto e maior monetização relativa, evidenciada pela taxa MDR e por spreads médios mais elevados. Concluiu-se que o agrupamento reduziu a complexidade multivariada do mercado a perfis interpretáveis, oferecendo uma base objetiva para benchmarking e para a interpretação estratégica do posicionamento das adquirentes, com potencial de aplicação na análise de dados para a tomada de decisões.Palavras-chave: Adquirência; Análise multivariada; K-means; Pagamentos digitais; Perfis estratégicos.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade