O Uso De Aprendizado De Máquina Na Estimativa Do Déficit Habitacional: Uma Revisão Sistemática Da Literatura

Autores

  • Lina Sun Young Park Universidade Federal de São Carlos image/svg+xml
  • Pedro Henrique Lopes de Almeida Universidade Federal de Viçosa image/svg+xml
  • Leonardo Cavalcante da Silva Universidade Federal de São Carlos image/svg+xml
  • Guilherme Henrique de Carvalho Universidade Federal de São Carlos image/svg+xml
  • Priscila Kauana Barelli Forcel Universidade Federal de São Carlos image/svg+xml
  • Tatiane Ferreira Olivatto Universidade Federal de São Carlos image/svg+xml
  • Rafael de Paula Garcia Universidade Federal de Viçosa image/svg+xml
  • Elza Luli Miyasaka Universidade Federal de São Carlos image/svg+xml

DOI:

https://doi.org/10.17271/19843240184620255954

Palavras-chave:

Censo, Dados Demográficos, Estudos Urbanos, Inteligência Artificial, Revisão Bibliométrica

Resumo

RESUMO

Objetivo - Identificar estudos que aplicam técnicas vinculadas à Inteligência Artificial, incluindo aprendizado de máquina, aprendizado profundo e mineração de dados, à análise do déficit habitacional ou a tarefas correlatas fundamentadas em dados censitários.

Metodologia - A identificação dos estudos ocorre pelas etapas de revisão bibliométrica e sistemática da literatura científica.

Originalidade/relevância - Com os avanços recentes em métodos computacionais, especialmente em algoritmos de aprendizado de máquina, surge o interesse em avaliar seu potencial para lidar com a complexidade do fenômeno do déficit habitacional e subsidiar a formulação de políticas urbanas e habitacionais mais eficazes.

Resultados - A partir da base de dados Scopus, foram identificados 1.528 documentos publicados entre 1985 e 2024 que articulam métodos computacionais e dados censitários, dos quais 18, publicados entre 2015 e 2024, abordam diretamente questões relacionadas ao déficit habitacional.

Contribuições teóricas/metodológicas - Os resultados indicam a predominância de algoritmos baseados em árvores, com destaque para o método de Floresta Aleatória.

Contribuições sociais e ambientais - A diversidade de áreas de aplicação e de tipos de dados utilizados limita a definição de um modelo ideal, evidenciando a necessidade de aprofundamento nas abordagens e contextos analisados.

Downloads

Os dados de download ainda não estão disponíveis.

Downloads

Publicado

2025-09-10

Edição

v. 18 n. 46 (2025)

Seção

Artigos

Licença

Direitos autorais (c) 2025 Revista Científica ANAP Brasil

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Como Citar

PARK, Lina Sun Young; ALMEIDA, Pedro Henrique Lopes de; SILVA, Leonardo Cavalcante da; CARVALHO, Guilherme Henrique de; FORCEL, Priscila Kauana Barelli; OLIVATTO, Tatiane Ferreira; GARCIA, Rafael de Paula; MIYASAKA, Elza Luli. O Uso De Aprendizado De Máquina Na Estimativa Do Déficit Habitacional: Uma Revisão Sistemática Da Literatura. Revista Científica ANAP Brasil, São Paulo, Brasil, v. 18, n. 46, 2025. DOI: 10.17271/19843240184620255954. Disponível em: https://publicacoes.amigosdanatureza.org.br/index.php/anap_brasil/article/view/5954. Acesso em: 12 dez. 2025.