Resumo Executivo

08 de janeiro de 2026

Análise de sentimentos em avaliações de restaurantes em Campo Grande-RJ

Autor: Josiane De Oliveira Da Silva Orientadora: Jose Guilherme Martins Dos Santos

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

Este estudo desenvolveu e implementou um modelo de análise de sentimentos para classificar, como positivas ou negativas, as avaliações de clientes de restaurantes de Campo Grande, Rio de Janeiro – RJ, publicadas no Google Maps. A partir dos sentimentos expressos, a pesquisa buscou compreender as percepções dos clientes e identificar padrões de satisfação e insatisfação, gerando insights estratégicos para auxiliar gestores a identificar preferências do público. A premissa da investigação é que a grande quantidade de dados gerados por consumidores em plataformas digitais representa um recurso valioso, embora subutilizado, para a gestão no setor de alimentação.

O setor de serviços de alimentação no Brasil, incluindo bares e restaurantes, demonstrou crescimento médio de 11% ao ano entre 2009 e 2019 (SEBRAE, 2022). Contudo, a crise da Covid-19 impôs desafios, com 77% dos estabelecimentos operando com prejuízo em abril de 2021 (ABRASEL, 2021). O período de 2022 a 2024 foi de reestruturação, culminando em um saldo positivo de 52.055 postos de trabalho formais criados no setor em 12 meses até novembro de 2024, com o Rio de Janeiro contribuindo para essa recuperação (SINDRIO, 2025). As expectativas para 2025 são otimistas, com 73% dos empreendedores prevendo aumento nas vendas (ABRASEL, 2024), mas a sustentabilidade do crescimento depende da gestão interna.

A alta taxa de mortalidade de empresas no setor, onde cerca de 80% fecham antes de dois anos, é atribuída a falhas internas como falta de planejamento, treinamento inadequado e, crucialmente, desconhecimento do consumidor (SEBRAE, 2023). Bateson e Hoffman (2016) argumentam que a eficácia do serviço está ligada à compreensão do comportamento do consumidor, especialmente na avaliação pós-compra, onde a escuta ativa é fundamental. Kotler (2021) reforça que empresas de sucesso coletam feedback sistematicamente para promover melhorias contínuas. Muitos gestores, no entanto, negligenciam essa fonte de inteligência competitiva (SEBRAE, 2016).

Com a digitalização, a jornada do cliente e a geração de feedback migraram para o ambiente online. Dados não estruturados gerados por consumidores podem ser transformados em informações estratégicas com técnicas computacionais (Hair et al., 2018). Conforme Limeira (2017), métodos automáticos de análise de conversas online permitem realizar pesquisas de mercado de forma ágil e escalável. A análise de sentimentos, subárea do Processamento de Linguagem Natural (PLN), é uma abordagem para lidar com o volume de textos e identificar a polaridade das opiniões (Lima, 2021). No entanto, uma classificação binária (positivo/negativo) pode ser insuficiente.

A vantagem competitiva reside em uma análise de maior granularidade, que investiga sentimentos associados a aspectos específicos como comida, atendimento, ambiente e preço. Liu (2012) destaca que o objetivo da mineração de opinião é descobrir sentimentos sobre entidades e seus aspectos. Essa abordagem permite identificar, por exemplo, que um cliente está satisfeito com a comida, mas insatisfeito com o preço, fornecendo um diagnóstico para ações corretivas. Este trabalho aplica essa metodologia para fornecer uma ferramenta aos gestores de restaurantes de Campo Grande, permitindo alinhar seus serviços às expectativas do público e fortalecer sua posição no mercado.

A metodologia adotada foi quantitativa, empregando PLN e aprendizado de máquina supervisionado. O processo iniciou com a coleta de dados, extraindo avaliações textuais e notas em estrelas (1 a 5) de restaurantes em Campo Grande-RJ no Google Maps, publicadas entre 2022 e 2025. Para a extração, utilizou-se web scraping com a biblioteca Selenium, eficaz para interagir com páginas dinâmicas. Conforme Bird et al. (2009), o Selenium simula a navegação humana, permitindo o acesso a elementos carregados via JavaScript. O processo foi configurado com pausas programadas para evitar sobrecarga nos servidores.

Após a coleta, os dados brutos passaram por pré-processamento. Textos de avaliações online contêm ruídos como gírias, erros ortográficos e abreviações, que podem comprometer a performance do modelo (Provost e Fawcett, 2016). O tratamento envolveu a normalização do texto (conversão para minúsculas, remoção de elementos não textuais) e a remoção de stopwords. Para a modelagem supervisionada, os dados foram rotulados. A estratégia inicial foi usar as notas em estrelas como proxy para o sentimento (Liu, 2012). Uma análise exploratória, com nuvens de palavras para cada nota, foi realizada para validar a abordagem.

Um desafio surgiu com as avaliações de nota 3, consideradas neutras. Para investigar sua polaridade, foi conduzida uma análise com as bibliotecas VADER e TextBlob, após tradução dos textos para o inglês (Pereira, 2022). Os resultados indicaram forte ambiguidade, levando à decisão de excluir essas avaliações para evitar ruído no modelo. O pré-processamento continuou com a tokenização, usando o ToktokTokenizer, e a aplicação de stemming para reduzir palavras à sua raiz, diminuindo a dimensionalidade do vocabulário (Caseli e Nunes, 2024). Com o texto limpo, a etapa seguinte foi a vetorização.

Para esta tarefa, empregou-se a técnica Term Frequency-Inverse Document Frequency (TF-IDF), que calcula um peso para cada palavra com base em sua frequência e raridade, destacando termos relevantes (Pareek et al., 2024). Para capturar contexto, o TF-IDF foi combinado com n-grams (unigramas, bigramas e trigramas). O modelo de classificação escolhido foi a Regressão Logística, um algoritmo robusto para classificação binária em análise de sentimentos devido à sua eficiência e interpretabilidade (Silva, 2016). Dado o desbalanceamento das classes (maioria de avaliações positivas), utilizou-se o parâmetro class_weight=’balanced’, que ajusta os pesos das classes de forma inversamente proporcional às suas frequências (Branco et al., 2015). A avaliação do modelo usou a matriz de confusão e métricas como acurácia, precisão, recall e F1-score, calculadas para cada classe (Malakin, 2024; Géron, 2019).

A coleta de dados resultou em um corpus de 7.082 avaliações. A análise exploratória revelou uma concentração em avaliações de 5 estrelas, um padrão consistente com estudos que apontam para uma disposição afetiva positiva em relação à alimentação (Desmet e Schifferstein, 2008), indicando um provável desbalanceamento de classes. O processo de limpeza confirmou a presença de desafios típicos de dados gerados por usuários, como erros gramaticais e gírias (Silva, 2016). A padronização dos textos foi crucial para a qualidade dos dados, alinhada às boas práticas de PLN (Pinna et al., 2020; Caseli e Nunes, 2024).

O tratamento das avaliações de 3 estrelas foi um ponto crítico. A nuvem de palavras para esta categoria mostrou um equilíbrio entre termos positivos (“bom”, “excelente”) e negativos (“preço”, “demora”), sugerindo uma experiência ambivalente. A análise de polaridade com VADER e TextBlob confirmou essa ambiguidade. Para aumentar a clareza do sinal de treinamento, decidiu-se excluir essas 723 avaliações, abordagem semelhante à de Pang e Lee (2004), que demonstraram melhorias na acurácia ao remover dados de polaridade incerta. Após a filtragem, as notas 1 e 2 foram rotuladas como negativas (classe 0) e as notas 4 e 5 como positivas (classe 1), resultando em um dataset com 87% de avaliações positivas.

O modelo de Regressão Logística, treinado com 70% dos dados e testado com 30%, alcançou uma acurácia geral de 89%. Uma análise detalhada das métricas por classe, recomendada para dados desbalanceados (Branco et al., 2015; Grandini et al., 2020), revelou nuances. O F1-score para a classe positiva (1) foi de 92%, indicando excelente desempenho. Para a classe negativa (0), o F1-score foi de 79%. Embora seja um bom resultado, a diferença demonstra que o modelo teve maior dificuldade em classificar as críticas da classe minoritária. Essa limitação é aceitável no contexto do estudo, mas aponta para oportunidades de melhoria, como a aplicação de técnicas de reamostragem (Branco et al., 2015).

A análise baseada em aspectos, que segmentou as avaliações em comida, atendimento, ambiente e preço, foi a etapa mais rica em insights. Alinhada com as propostas de Shin et al. (2022), essa abordagem permitiu entender os drivers específicos da satisfação e insatisfação, conceitos fundamentais em marketing (Kotler e Keller, 2012). A categoria “comida” foi a mais mencionada. As avaliações positivas destacaram termos como “boa” e “sabor”, enquanto as negativas focaram em “ruim”, “salgado” e “sempre”, sugerindo que a quebra de consistência é um fator crítico de insatisfação.

No atendimento, cordialidade e eficiência (“gentil”, “educado”) foram os principais elogios, enquanto desorganização e mau trato (“ruim atend”, “mal atend”) foram as críticas mais contundentes, reforçando a importância do treinamento da equipe (Simões, 2015). A análise do ambiente revelou que clientes valorizam espaços “tranquilos”, “familiares” e “aconchegantes”. Por outro lado, falta de climatização (“quente”) e problemas de higiene (“sujo”) foram fortes detratores da experiência, corroborando a pesquisa de Carvalho (2019) sobre a influência do ambiente sensorial.

A categoria preço demonstrou a importância da percepção de valor. Termos como “justo” e “custobenefici” foram centrais nas avaliações positivas, indicando que o consumidor busca uma relação equilibrada entre custo e qualidade. As críticas foram marcadas por expressões como “não vale” e “pess custobenefici”, sinalizando que preços desproporcionais geram forte insatisfação. Esses resultados por categoria forneceram a base para um quadro de oportunidades estratégicas, traduzindo dados em ações como padronização de receitas, capacitação de equipe, melhorias na infraestrutura e revisão de estratégias de precificação.

Este estudo desenvolveu um modelo de análise de sentimentos para classificar avaliações de restaurantes em Campo Grande-RJ e extrair insights. A metodologia, da coleta de dados com web scraping à modelagem com Regressão Logística e análise por aspectos, foi eficaz para transformar dados textuais em inteligência de negócio. Os desafios enfrentados, como linguagem informal, ambiguidade das notas intermediárias e desbalanceamento de classes, foram sistematicamente tratados para garantir a robustez dos resultados. A exclusão das avaliações de 3 estrelas, embora simplificando o problema, garantiu um sinal mais claro para o modelo, resultando em um desempenho geral de 89% de acurácia.

O modelo final, apesar de uma performance superior para a classe positiva (F1-score de 92%) em comparação com a negativa (F1-score de 79%), provou ser uma ferramenta valiosa. A análise por categorias (comida, atendimento, ambiente e preço) identificou os principais fatores de satisfação e insatisfação. Foram identificados padrões como a valorização da consistência na comida, a importância da cordialidade no atendimento, a necessidade de um ambiente limpo e climatizado, e a busca por uma justa relação custo-benefício. Esses achados se traduzem em diretrizes práticas para os gestores focarem seus esforços de melhoria. Para trabalhos futuros, sugere-se a exploração de técnicas mais avançadas para lidar com ambiguidade e desbalanceamento, como modelos baseados em transformers e estratégias de sobreamostragem.

Conclui-se que o objetivo foi atingido: demonstrou-se que a aplicação de técnicas de análise de sentimentos em avaliações online é uma ferramenta acessível e de alto impacto para compreender a percepção do público e gerar inteligência competitiva para o setor de restaurantes. A metodologia e os resultados fornecem um diagnóstico detalhado do cenário gastronômico de Campo Grande-RJ, oferecendo aos gestores locais um roteiro baseado em dados para aprimorar seus serviços, fidelizar clientes e prosperar em um mercado competitivo.

Referências:
Associação Brasileira de Bares e Restaurante [ABRASEL]. 2021. Pesquisa Situação Econômica maio 2021. Disponível em:< https://abrasel. com. br/noticias/noticias/alto-endividamento-pressiona-bares-e-restaurantes-diz-pesquisa-nacional-da-abrasel/ >. Acesso em: 18 fev. 2025.
Associação Brasileira de Bares e Restaurante [ABRASEL]. 2024. Pesquisa Situação Econômica dezembro. Disponível em: < https://abrasel. com. br/noticias/noticias/bares-restaurantes-otimistas-primeiro-trimestre-2025-pesquisa-abrasel/ >. Acesso em: 18 fev. 2025.
Bateson, J. E. G.; Hoffman, K. D. 2016. Princípios de Marketing de Serviços: Conceitos, estratégias e casos. 3. ed. +A Educação – Cengage Learning Brasil, Porto Alegre, RS, Brasil.
Bezerra, J. F.; Vasconcelos, R.; Leal, M. B. A.; Albuquerque, N. M. R. C. 2022. Gestão de restaurantes: uma prática de hospitalidade. Curso de Graduação Tecnológica em Gastronomia. Centro Universitário Brasileiro, UNIBRA. Disponível em: < https://www. grupounibra. com/repositorio-unibra > , < gestao-de-restaurantes-uma-pratica-de-hospitalidade32. pdf >. Acesso em: 16 ago. 2025.
Bird, S.; Klein, E.; Loper, E. 2009. Natural Language Processing with Python. 1. ed. Sebastopol: O’Reilly Media.
Branco, P.; Torgo, L.; Ribeiro, R. P. A. 2015. A Survey of Predictive Modelling under Imbalanced Distributions. Faculdade de Ciências. Universidade do Porto. Disponível em: < https://arxiv. org/abs/1505.01658 >. Acesso em: 06 jun. 2025.
Carvalho, V. V. 2019. Análise da influência do ambiente sobre a satisfação dos clientes de um restaurante no Shopping Riomar. Monografia (Graduação em Administração). Departamento de Administração, Centro de Ciências Sociais Aplicadas. Universidade Federal de Sergipe, São Cristóvão, SE, Brasil. Disponível em: < https://ri. ufs. br/handle/riufs/12419 >. Acesso em: 15 ago. 2025.
Caseli, H. M.; Nunes, M. G. V. 2024. Processamento de Linguagem Natural: Conceitos, Técnicas e Aplicações em Português. 3 ed. BPLN. Disponível em: < https://brasileiraspln. com/livro-pln/3a-edicao >. Acesso em: 15 ago. 2025.
Desmet. P. M. A.; Schifferstein. H. N. J. 2008. Sources of positive and negative emotions in food experience. Department of Industrial Design, Delft University of Technology. Disponível em: < https://www. sciencedirect. com/science/article/abs/pii/S0195666307003364? via%3Dihub > Acesso em: 15 ago. 2025.
Géron, A. 2019. Mãos à obra: aprendizado de máquina com Scikit-Learn & TensorFlow: conceitos, ferramentas e técnicas para a construção de sistemas inteligentes. 576 p. Alta Books, Rio de Janeiro, Brasil.
Grandini. M.; Bagli. E.; Visani. G. 2020. Metrics for Multi-Class Classification: an Overview. Disponível em: < https://arxiv. org/abs/2008.05756 >. Acesso em: 15 ago. 2025.
Hair, J. F. Jr.; Harrison, D. E.; Rischer, J. J.2018. Marketing research in the 21st century: opportunities and challenges. Brazilian Journal of Marketing – BJMKT, v. 17, n. 5, p. Disponível em: < https://www. redalyc. org/journal/4717/471759753005/ >. Acesso em: 18 fev. 2025.
Kotler, P. 2021. Marketing Para O Século XXI. p.33. Editora Alta Books. E-book. Rio de Janeiro, Brasil.
Kotler, P.; Keller, K. L. 2012. Administração de marketing. 14. ed. Pearson Education do Brasil. São Paulo, Brasil.
Lima, Y. S. A. 2021. Análise de sentimentos em cenários intensivos em conhecimento. Disponível em: < https://www. puc-rio. br/ensinopesq/ccpg/pibic/relatorioresumo2021/download/relatorios/CTC/IND/INDYasmin%20Silva%20Amaro%20de%20Lima. pdf >. Acesso em: 18 fev. 2025.
Limeira, T. M. V. 2017. Comportamento do consumidor brasileiro. 2ª ed. p.64. Saraiva Uni. E-book. Rio de Janeiro, Brasil.
Liu, B. 2012. Sentiment analysis and opinion mining. San Rafael: Morgan & Claypool Publishers. San Rafael, CA, EUA.
Malakin, L. A. 2024. Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19. Dissertação. Mestrado em Matemática, Estatística e Computação. Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, Brasil. Disponível em: < https://www. teses. usp. br/teses/disponiveis/55/55137/tde-05072024-112257/pt-br. php >. Acesso em: 12 ago. 2025.
Munzert, S.; Rubba, C.; Meibner, P.; Nyhuis, D. 2015. Automated data collection with R: A practical guide to web scraping and text mining. 1ª ed. John Wiley & Sons, Ltd. Reino Unido.
Pang, B.; Lee, L. 2004. A sentimental education: sentiment analysis using subjectivity summarization based on minimum cuts. Disponível em: < https://arxiv. org/abs/cs/0409058 >. Acesso em: 06 jun. 2025.
Pareek, A.; Saini, K.; Kumari, A.; Nikita, K. 2024. Restaurant Review Sentiment Analysis: An Automated Approach to Customer Feedback Analysis. Jaipur: Arya Institute of Engineering and Technology. Disponível em: < https://propulsiontechjournal. com/index. php/journal/article/view/2216 >. Acesso em: 13 fev. 2025.
Pereira, F. V. 2022. Processamento de linguagem natural para detecção de padrões no mercado de ações brasileiro. Universidade Federal de Santa Maria, Santa Maria, RS, Brasil. Disponível em: < https://propulsiontechjournal. com/index. php/journal/article/view/2216 >. Acesso em: 06 jun. 2025.
Pinna, F. C. A.; Yamasaki, G. T. M.; La Rosa, I. A. S. 2020. Reconhecimento de Entidades Nomeadas na Língua Portuguesa. 78 p. Universidade de São Paulo – USP, Escola Politécnica, Departamento de Computação e Sistemas Digitais – PCS. São Paulo, Brasil. Disponível em: < https://pcs. usp. br/pcspf/wp-content/uploads/sites/8/2020/12/MonografiaPCS3560SEM2020Grupo_S15. pdf >. Acesso em: 13 fev. 2025.
Provost, F.; Fawcett, T. 2016. Data Science para negócios. Tradução de Data Science for Business. 408 p. Alta Books. Rio de Janeiro, Brasil.
Serviço Brasileiro de Apoio às Micro e Pequenas Empresas [SEBRAE]. 2016. Alimentação fora do lar. São Paulo: Sebrae.


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

Saiba mais sobre o curso; clique aqui:

Quem editou este artigo

Mais recentes

Você também pode gostar

10 de setembro de 2026

Desempenho de Modelos de Machine Learning na Seleção de Ações da Bolsa de Valores Brasileira

O mercado acionário brasileiro, caracterizado por elevada volatilidade e restrições de liquidez, impõe desafios à aplicação de modelos de aprendizado de máquina na previsão de retornos e na construção de estratégias de investimento. O estudo comparou o desempenho preditivo e econômico de modelos de aprendizado de máquina e métodos estatísticos tradicionais na estimação de retornos futuros e na formação de carteiras baseadas em ranking de ativos. Utilizaram-se dados históricos de ações da B3, com variáveis técnicas e financeiras derivadas de preços e volume. Avaliaram-se modelos lineares (Regressão Linear, Ridge, LASSO, Elastic Net), de ensemble (Random Forest, XGBoost, LightGBM) e uma rede neural (Multilayer Perceptron). A avaliação preditiva ocorreu por métricas de erro em conjunto de teste, e a econômica por backtest de estratégias long-only, com custos operacionais baseados no turnover para análise de retornos brutos e líquidos. Os resultados revelaram baixa capacidade preditiva em todos os modelos, com R² negativos e erros elevados. Embora diferenças marginais nas previsões tenham gerado variações no desempenho econômico, estas foram de baixa magnitude e instáveis. O modelo LightGBM obteve o melhor desempenho econômico, mas com ganhos limitados em relação ao benchmark após a inclusão de custos operacionais. Não se observou evidência consistente de geração de retorno ajustado ao risco superior.

Palavras-chave: aprendizado de máquina; backtest; mercado acionário; previsão de retornos; seleção de ativos.

10 de setembro de 2026

Precificação Hedônica de Imóveis na Grande Florianópolis: Uso e Comparação de Modelos de “Machine Learning”

O mercado imobiliário da Grande Florianópolis tem experimentado valorização acelerada, impulsionada pelo crescimento populacional e pela demanda turística e de investimento. Este estudo analisou os determinantes do valor de imóveis residenciais e comparou o desempenho preditivo de modelos de aprendizado de máquina, especificamente Random Forest e Gradient Boosting (XGBoost), com uma regressão por Mínimos Quadrados Ordinários (MQO). Os dados foram coletados via web scraping de dois portais imobiliários em março de 2026, abrangendo os municípios de Florianópolis, São José, Palhoça e Biguaçu, resultando em 8.056 observações válidas após limpeza. Avaliou-se o desempenho dos modelos por meio das métricas R², RMSE e MAPE. O XGBoost apresentou o melhor desempenho preditivo geral (R² = 0,742, RMSE = R$ 927.113), enquanto o Random Forest obteve o menor erro relativo (MAPE = 25,69%). Os principais determinantes do preço identificados foram a área construída, a região de localização e o número de banheiros. Uma análise complementar por segmento de mercado revelou que o MQO dependeu dos valores extremos para sustentar seu ajuste, enquanto os modelos ensemble mantiveram desempenho estável. Concluiu-se que os métodos de aprendizado de máquina são mais robustos para precificação hedônica em mercados imobiliários heterogêneos, especialmente na presença de imóveis atípicos.

Palavras-chave: Ensemble; Imobiliário; Regressão; Residencial; Web Scraping.

Neurociência E Aprendizagem Na Educação

10 de setembro de 2026

A Produção de Memes como Estratégia de Formação Literária e Multiletramentos no Ensino Fundamental Ii

A leitura de obras literárias clássicas apresenta desafios no contexto escolar contemporâneo, devido ao distanciamento entre a linguagem dos textos e o repertório dos estudantes. Investigou-se como a utilização de memes contribuiu para a construção de sentidos na leitura da obra Senhora, de José de Alencar, no Ensino Fundamental II. A pesquisa adotou uma abordagem qualitativa, com caráter de pesquisa participante, e foi desenvolvida com duas turmas de 9º ano de uma escola privada em Volta Redonda, Rio de Janeiro. Os dados foram coletados por meio de questionários e das produções dos estudantes, e analisados à luz da análise de conteúdo. Os resultados indicaram que a utilização de memes favoreceu a aproximação dos alunos com o texto literário, reduziu a resistência inicial e ampliou o engajamento com a leitura. Observou-se, também, o avanço progressivo na compreensão da narrativa, evidenciado pela capacidade de interpretar fatos, analisar personagens, identificar relações implícitas e elaborar posicionamentos críticos. As produções revelaram a articulação entre o conteúdo da obra e o repertório sociocultural dos estudantes, indicando a construção de aprendizagens com significado. Concluiu-se que a integração entre literatura e cultura digital potencializou a mediação pedagógica, contribuindo para a formação de leitores mais ativos e interpretativamente autônomos.

Palavras-chave: aprendizagem significativa; cultura digital; leitura literária; multiletramentos; neurociência.

Gestão Tributária

10 de setembro de 2026

Definição de Insumos para Fins de Aproveitamento de Créditos de Pis e Cofins

O estudo analisou a interpretação e a aplicação da definição de insumos para fins de creditamento do Programa de Integração Social (PIS) e da Contribuição para o Financiamento da Seguridade Social (COFINS) no regime não cumulativo, à luz do entendimento firmado pelo Superior Tribunal de Justiça (STJ) no julgamento do Recurso Especial n.º 1.221.170 (Tema 779). Objetivou-se examinar os limites jurídicos da utilização desses créditos, considerando os critérios de essencialidade ou relevância estabelecidos pela jurisprudência do STJ. Realizou-se pesquisa documental e jurisprudencial, com análise de acórdãos representativos do Conselho Administrativo de Recursos Fiscais (CARF) e do STJ, abrangendo períodos anteriores e posteriores ao Tema 779. Complementarmente, conduziu-se pesquisa bibliográfica e estudos de dois casos concretos do CARF, com abordagem qualitativa, para verificar a aplicação prática dos critérios. Constatou-se que o STJ afastou a aplicação automática da definição de insumo do IPI, consolidando os critérios de essencialidade e relevância. Entretanto, a análise dos julgados do CARF evidenciou que, embora houvesse reconhecimento formal do precedente do STJ, sua incidência foi modulada conforme a natureza da atividade empresarial, mostrando-se mais restritiva para empresas de revenda. Os casos concretos ilustraram que creditamentos de fretes foram tratados de forma distinta, dependendo da vinculação do gasto à produção ou à revenda. Concluiu-se que a definição de insumos permanece um ponto sensível do sistema tributário, e a correta utilização dos créditos demanda análise casuística rigorosa, pautada na observância dos precedentes judiciais e dos limites normativos vigentes, para evitar glosas e penalidades.

Palavras-chave: COFINS; Creditamento; Insumos; PIS.

Gestão Tributária

10 de setembro de 2026

Fiscalização Delegada do ITR: Desestímulo aos Convênios, Reflexos na Arrecadação e Desinteresse Processual da União

O Imposto Territorial Rural (ITR), de competência da União, pode ter sua fiscalização e cobrança delegadas aos Municípios e ao Distrito Federal. Este trabalho examinou a adesão municipal a esses convênios e o impacto na arrecadação, analisou se os entraves processuais para os Municípios remeterem demandas aos órgãos federais desestimulavam a celebração de acordos, e avaliou o interesse processual da União em litígios de ITR sob delegação, à luz da Teoria Eclética da Ação, bem como a efetividade da diretriz constitucional de desestímulo a propriedades improdutivas. A pesquisa utilizou um estudo de caso, com base em dados e relatórios oficiais da Receita Federal do Brasil e referencial doutrinário jurídico. Os resultados indicaram baixa adesão municipal aos convênios, com quase 75% dos municípios sem acordo. A arrecadação do ITR, mesmo integralmente repassada, não justificou os investimentos municipais, e a manutenção da atuação processual pela União desestimulou a continuidade dos ajustes. Verificou-se que a União carecia de interesse processual nessas demandas, dada a ínfima representatividade do ITR na arrecadação federal e a ausência de proveito econômico-financeiro, o que impediu o cumprimento efetivo da diretriz constitucional de desestímulo à improdutividade rural. Concluiu-se que são necessárias modificações legislativas para que o ITR alcance seus objetivos de arrecadação e função social.

Palavras-chave: Arrecadação; Eficiência; Fiscalização; ITR; Municípios.

10 de setembro de 2026

Governança de Dados e Risco Financeiro no Setor Florestal: Evidências Empíricas em Perspectiva Brasil-Finlândia

A fragmentação informacional no setor florestal brasileiro constituiu o ponto de partida desta pesquisa, que investigou como a governança de dados impactou a capacidade analítica, o risco financeiro e a competitividade da gestão florestal, por meio de um estudo comparativo entre Brasil e Finlândia. Submeteram-se 332 documentos, incluindo 307 informativos CEPEA/Esalq/USP (2001–2025) e 25 relatórios setoriais (Bracelpa, ABRAF, Ibá, 2003–2025), a um pipeline de extração automatizado baseado em OCR, mineração de texto e expressões regulares, obtendo-se 13.059 registros estruturados. Realizou-se análise de sensibilidade do Valor Presente Líquido (VPL) e análise de sentimento léxica. Apenas 12,1% dos registros de custo continham Custo Operacional Efetivo preenchido, e nenhum apresentou margem líquida calculável. A incerteza nos dados de entrada oscilou o VPL de um projeto florestal em mais de R$ 20.000/ha, evidenciando a distorção da decisão orientada por dados quando a sofisticação algorítmica não substituiu a qualidade dos dados de origem. A análise de sentimento léxica confirmou a transição dos relatórios setoriais brasileiros de formato estatístico para promocional. Em contraste, o modelo finlandês demonstrou a viabilidade de uma governança integrada, com o inventário florestal consolidado como pilar de inteligência industrial. Os resultados indicaram que o fortalecimento da governança de dados constituiu pré-requisito para a transição do setor para um sistema de planejamento sustentado por evidências.

Palavras-chave: competitividade; fragmentação informacional; inteligência artificial; soberania digital; tomada de decisão.

10 de setembro de 2026

Modelagem Multinível na Estimativa da Produtividade da Cana-de-açúcar (Saccharum Spp.) em Unidades Produtoras na Região Sudeste de Mato Grosso do Sul

A estimativa da produtividade é essencial para o planejamento agrícola, mas a estrutura de agrupamento dos dados agronômicos frequentemente viola o pressuposto de independência dos modelos clássicos de regressão. Avaliou-se a acurácia de modelos multiníveis com classificação cruzada na predição do rendimento agrícola da cana-de-açúcar na região sudeste de Mato Grosso do Sul, abrangendo as safras de 2019/2020 a 2023/2024. O estudo analisou 29.674 observações, organizadas sobre 10.336 talhões e 30 variedades. Integraram-se preditores biofísicos e agrometeorológicos, aplicando-se a estratégia “Step-Up” para a construção da estrutura multinível e a decomposição da variância. Os resultados evidenciaram que a abordagem particionou adequadamente a variância espacial, genética e temporal, quantificando com êxito a interação genótipo-ambiente. O ajuste final com inclinações aleatórias (M7) explicou 81,1% da variância total e alcançou uma Raiz do Erro Quadrático Médio (RMSE) de 10,24 t ha⁻¹. A diferença de 9,8% aferida entre o Pseudo-R² marginal e o condicional demonstrou o relevante ganho explicativo gerado pela classificação cruzada. O desempenho preditivo equiparou-se à exatidão reportada por algoritmos de Machine Learning, mantendo o rigor paramétrico e a interpretabilidade dos preditores agronômicos. Concluiu-se que a modelagem multinível consistiu em uma ferramenta analítica robusta e transparente para a estimativa de produtividade e o planejamento do setor sucroenergético.

Palavras-chave: Agrometeorologia; Cana-de-açúcar; Classificação cruzada; Modelagem multinível; Rendimento agrícola.

Gestão Escolar

10 de setembro de 2026

Escuta e Participação Docente: Caminhos para a Gestão Democrática em uma Escola Privada.

A escuta e a participação docente são elementos cruciais para a gestão democrática em instituições de ensino. O estudo analisou a escuta e a participação docente como componentes da gestão democrática em uma escola privada, considerando os desafios, limites e possibilidades desse modelo em um contexto influenciado pela lógica empresarial. A pesquisa adotou uma abordagem qualitativa e quantitativa. Aplicou-se um questionário a 21 professores de uma escola privada em São José dos Campos-SP, com questões fechadas e abertas. Realizou-se também análise documental do Projeto Político Pedagógico e de atas de reuniões pedagógicas para identificar percepções sobre participação, escuta, valorização profissional e processos decisórios. Os resultados indicaram que os docentes demonstraram clareza conceitual sobre a gestão democrática participativa e reconheceram sua importância para a qualidade pedagógica e o fortalecimento da profissão. Contudo, os dados revelaram limites concretos à sua efetivação, como a centralização das decisões, a influência da lógica mercadológica, a fragilidade dos canais institucionais de escuta e o receio de exposição. Concluiu-se que a escuta e a participação docente configuraram-se como desafios políticos, culturais e organizacionais na escola privada, exigindo intencionalidade da gestão, formação para práticas democráticas e compromisso coletivo entre gestores e professores, reafirmando a escola como espaço de diálogo, construção coletiva e defesa da educação como bem comum.

Palavras-chave: Cultura organizacional; Gestão participativa; Lógica mercadológica; Processos decisórios; Valorização docente.

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