Keywords
How to Cite
Abstract
O estudo identificou a produção científica brasileira sobre aplicação de Mineração de Dados para o Agronegócio. A pesquisa justifica-se por ser a Mineração de Dados uma ferramenta de grande valia para diversos setores. O Agronegócio tem expressiva participação na economia, gerando desenvolvimento e inovação. O estudo foi de caráter exploratório, através da pesquisa bibliográfica, onde foram analisados periódicos referentes a área Administração, Ciências Contábeis e Turismo, classificados pela CAPES (Coordenação de Aperfeiçoamento de Pessoal de Nível Superior) nos estratos A1, A2 e B1 publicados entre janeiro de 2005 até abril de 2015, período em que a pesquisa foi concluída. A busca identificou 30 artigos com o tema Mineração de Dados (Data Mining), dos quais foram analisados individualmente. Desses, 11 estudos envolvem o tema Mineração de Dados no Agronegócio. Conclui-se que o tema ainda é pouco explorado, porém com uma grande possibilidade de aplicação em diversas áreas do setor Agronegócio.
References
ARAUJO, J. B. De; ZILBER, S. N. Adoção de E-Business e mudanças no modelo de negócio: Inovação organizacional em pequenas empresas dos setores de comércio e serviços. Revista Gestão e Produção, v. 20, n. 1, p. 147–161, 2013.
CALLADO, A. L. C.; CALLADO, A. A. C.; ALMEIDA, M. A. A utilização de indicadores de desempenho não-financeiros em organizações agroindustriais: Um estudo exploratório. Organizações Rurais & Agroindustriais, p. 35–48, 2008.
CASTRO, A. De. Prospecção de cadeias produtivas e gestão da informação. Transinformação, p. 1–27, 2012.
CORREA, F. E. Representação de comercialização agropecuária através de modelo de data warehouse. 2010. Escola Politécnica da USP, 2010.
DANTAS, E. R. G.; JÚNIOR, J. C. A. P.; LIMA, D. S. De; AZEVEDO, R. R. De. O Uso da Descoberta de Conhecimento em Base de Dados para Apoiar a Tomada de Decisões. V Simpósio de Excelencia em Gestão e Tecnologia, p. 1–10, 2008.
DOTA, M. a; CUGNASCA, C. E.; BARBOSA, D. S. Comparative analysis of decision tree algorithms on quality of water contaminated with soil. Ciencia Rural, v. 45, n. 2, p. 267–273, 2015.
FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. The KDD process for extracting useful knowledge from volumes of data. Communications of the ACM, v. 39, n. 11, p. 27–34, 1996a.
FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. From data mining to knowledge discovery in databases. AI magazine, p. 37–54, 1996b.
GIASSON, E.; HARTEMINK, A. E.; TORNQUIST, C. G.; TESKE, R.; BAGATINI, T. Avaliação de cinco algoritmos de árvores de decisão e três tipos de modelos digitais de elevação para mapeamento digital de solos a nível semidetalhado na Bacia do Lageado. Ciencia Rural, v. 43, n. 11, p. 1967–1973, 2013.
GIL, A. C. Métodos e técnicas de pesquisa social. São Paulo: Atlas, 1999.
GOMES, C. M.; KRUGLIANSKAS, I. Indicadores e características da gestão de fontes externas de informação tecnológica e do desempenho inovador de empresas brasileiras. Rac, v. 13, n. 2, p. 172–188, 2009.
HALL, Mark et al. The WEKA data mining software: an update. ACM SIGKDD explorations newsletter, v. 11, n. 1, p. 10-18, 2009.
JOHANN, J. A.; ROCHA, J. V.; OLIVEIRA, S. R. de M.; RODRIGUES, L. H. A.; LAMPARELLI, R. A. C. Data mining techniques for identification of spectrally homogeneous areas using NDVI temporal profiles of soybean crop. Engenharia Agrícola, v. 33, n. 3, p. 511–524, jun. 2013.
JÚNIOR, E. G.; COSTA, A. D.; GONÇALVES, F. de O.; DUENHAS, R. A. Sistema de Inovação do Agronegócio Brasileiro ? Dualismo estrutural-tecnológico e desafios para o desenvolvimento do país. Desenvolvimento em questão, p. 279–317, 2014.
LAMPARELLI, R. A. C.; JOHANN, J. A.; SANTOS, E. R. Dos; ESQUERDO, J. C. D. M.; ROCHA, J. V. Use of data mining and spectral profiles to differentiate condition after harvest of coffee plants. Engenharia Agrícola, v. 32, n. 1, p. 184–196, 2012.
LEMOS, E. P.; STEINER, M. T. A.; NIEVOLA, J. C. Análise de crédito bancário por meio de redes neurais e árvores de decisão : uma aplicação simples de data mining. Rausp, p. 225–234, 2005.
LIMA, M. G. F.; RODRIGUES, L. H. A. Arvore de decisao aplicada em dados de incubacao de matrizes de postura Hy-Line W36. Ciencia e Agrotecnologia, v. 34, n. 6, p. 1550–1556, 2010.
MEGETO, G. a. S.; OLIVEIRA, S. R. M.; DEL PONTE, E. M.; MEIRA, C. A. A. Modelagem Da Temperatura E Da Precipitação Em Ocorrências Da Ferrugem Asiática Da Soja Por Meio Da Técnica De Árvore De Decisão. Engenharia Agrícola, v. 34, n. 3, p. 590–599, 2014.
MOLLER, H. D. Agronegócio. In: CALLADO, A. A. C. (Ed.). Agronegócio . Métodos quantitativos aplicados ao Agronegócio. p. 183–203.
NÄÄS, A.; DE, I.; QUEIROZ, G.; PAULO, M.; DE, D. J.; BRUNASSI, A.; MARIA, S. Dairy cows estrus estimation using predictive and quantitative methods. Ciência Rural, p. 2383–2387, 2008.
RUIZ, L. F. C.; CATEN, A. Ten; DALMOLIN, R. S. D. Árvore De Decisão E a Densidade Mínima De Amostras No Mapeamento Da Cobertura Da Terra. Ciência Rural, v. 44, n. 6, p. 1001–1007, 2014.
SFERRA, H. H.; CORRÊA, Â. M. C. J. Conceitos e Aplicações de Data Mining. Revista de Ciência & Tecnologia, p. 19–34, 2003.
SOUSA, M. D. M.; FIGUEIREDO, R. S. Credit Analysis Using Data Mining: Application in the Case of a Credit Union. Journal of Information Systems and Technology Management, v. 11, n. 2, p. 379–396, 2014.
SOUZA, Z. M. De; CERRI, D. G. P.; COLET, M. J.; RODRIGUES, L. H. A.; MAGALHÃES, P. S. G.; MANDONI, R. J. A. Análise dos atributos do solo e da produtividade da cultura de cana-de-açúcar com o uso da geoestatística e árvore de decisão. Ciência Rural, v. 40, n. 4, p. 840–847, 2010.
TAN, P. N.; STEINBACH, M.; KUMAR, V. Introdução ao data mining mineração de dados. Rio de Janeiro: Moderna, 2009.
TESKE, R.; GIASSON, E. Delimitação de áreas para plantio de eucalipto utilizando regressões logísticas. Ciência Rural, v. 42, n. 7, p. 1219–1222, 2012.
TOLOI, R. C.; REINERT, J. N. Contribuição do programa de pós-graduação em agronegócio da Universidade Federal de Mato Grosso do Sul no desenvolvimento do agronegócio do Estado de Mato Grosso do Sul, Brasil. Acta Scientiarum. Human and Social Sciences, v. 33, n. 1, p. 55–65, 2011.
UECKER, G. L.; UECKER, A. D.; BRAUN, M. B. S. A gestão dos pequenos empreendimentos rurais num ambiente competitivo global e de grandes estratégias. Congresso da SOBER, 2005.
WITTEN, I. H.; FRANK, E.; HALL, M. a. Data mining: practical machine learning tools and techniques. San Francisco: Elsevier, 2005.
Authors who publish with this journal agree to the following terms:
1. Authors who publish in this journal agree to the following terms: the author(s) authorize(s) the publication of the text in the journal;
2. The author(s) ensure(s) that the contribution is original and unpublished and that it is not in the process of evaluation by another journal;
3. The journal is not responsible for the views, ideas and concepts presented in articles, and these are the sole responsibility of the author(s);
4. The publishers reserve the right to make textual adjustments and adapt texts to meet with publication standards.
5. Authors retain copyright and grant the journal the right to first publication, with the work simultaneously licensed under the Creative Commons Atribuição NãoComercial 4.0 internacional, which allows the work to be shared with recognized authorship and initial publication in this journal.
6. Authors are allowed to assume additional contracts separately, for non-exclusive distribution of the version of the work published in this journal (e.g. publish in institutional repository or as a book chapter), with recognition of authorship and initial publication in this journal.
7. Authors are allowed and are encouraged to publish and distribute their work online (e.g. in institutional repositories or on a personal web page) at any point before or during the editorial process, as this can generate positive effects, as well as increase the impact and citations of the published work (see the effect of Free Access) at http://opcit.eprints.org/oacitation-biblio.html
• 8. Authors are able to use ORCID is a system of identification for authors. An ORCID identifier is unique to an individual and acts as a persistent digital identifier to ensure that authors (particularly those with relatively common names) can be distinguished and their work properly attributed.