
Este artigo apresenta os resultados de um questionário elaborado pela Coordenação da Comissão Especial de Sistemas de Informação (CE-SI 2025-2026) da Sociedade Brasileira de Computação (SBC) para conhecer o perfil da comunidade de Sistemas de Informação (SI) no Brasil. O artigo inclui uma visão das características, percepções e interesses de 67 respondentes e elenca uma agenda de ações para o desenvolvimento da comunidade no cenário global.
A Indústria 4.0 tem impulsionado o uso de nuvens de pontos 3D para inspeção, modelagem as-built e apoio à tomada de decisão em engenharia. No entanto, a interpretação automatizada desses dados ainda é desafiadora, especialmente em ambientes industriais complexos, onde a identificação manual de componentes é demorada e suscetível a equívocos. Embora estudos recentes abordem a segmentação semântica de cenas industriais, nenhum deles trata o flange como classe-alvo isolada, lacuna específica endereçada neste trabalho. Este trabalho investiga o uso da arquitetura PointNet++ para segmentação semântica ponto a ponto de flanges em equipamentos industriais. Propõe-se uma pipeline que preserva a escala física dos dados (coordenadas em metros), calcula features geométricas com raios físicos fixos, e amostra chunks esféricos de raio variável durante o treino para capturar contexto em múltiplas escalas. A rede é treinada com uma combinação de Focal Loss e Lovász-Softmax, e utiliza GroupNorm para garantir inferência estável com batch sizes reduzidos. No conjunto de teste, o modelo final obteve acurácia global de 90,41% e mIoU de 70,47%, com recall de 90,75% e F1 de 68,09% para a classe flange. Experimentos comparativos com quatro baselines de aprendizado de máquina tradicional (Random Forest, Gradient Boosting, Logistic Regression e XGBoost) demonstraram a clara superioridade da abordagem baseada em aprendizado profundo, que superou o melhor modelo clássico em mais de 37 pontos percentuais em mIoU. Um estudo ablativo comparando três intensidades de data augmentation revelou que a domain randomization agressiva pode prejudicar o desempenho em conjuntos pequenos e homogêneos, motivando a adoção de uma pipeline de treino mais leve. Do ponto de vista de Sistemas de Informação, os resultados demonstram a viabilidade de transformar dados brutos de escaneamento em informação semanticamente enriquecida, capaz de apoiar fluxos Scan-to-BIM, gestão de ativos e planejamento de manutenção em plantas industriais. O estudo também discute implicações organizacionais e sociotécnicas, bem como limitações relacionadas ao tamanho do dataset e ao desbalanceamento entre classes.
[Context] The accelerated expansion of the urban population necessitates innovative and sustainable strategies to enhance the quality of life of citizens. In this context, smart cities leverage information technologies to collect, process, and integrate data, applications, and devices, thereby enabling intelligent, interconnected urban services. Despite the existence of numerous studies across diverse application domains, there remains a shortage of recent and comprehensive investigations that systematically organise the field and structure the application of information technology in smart cities, particularly within the Brazilian scientific community. [Objective] This article seeks to identify and systematically classify, according to the dimensions and indicators established in the ABNT NBR ISO 37122 standard, studies conducted by Brazilian researchers that examine the application of information technology in solutions for smart cities. [Method] A systematic mapping study was conducted in relevant scientific databases, covering 12 years of production (2014–2025). [Results] The findings reveal the concentration of studies by topic and application scenario, the temporal evolution of publications by type, the national institutions and the most influential researchers, as well as the international collaboration network and the main dissemination channels. [Conclusions/Contribution] The article provides an overview and an updated synthesis of smart city approaches developed by the Brazilian scientific community from the perspective of information technology.
Apesar do potencial para transparência e prestação de contas, iniciativas de Dados Abertos Governamentais enfrentam desafios técnicos e de governança. Este artigo apresenta uma abordagem mista para investigar o cenário latino-americano. Inicialmente, conduziu-se uma Revisão Multivocal de Literatura, identificando lacunas em padronização e qualidade. Em segundo lugar, realizou-se uma análise comparativa de três portais representativos (Argentina, Chile e Curitiba-Brasil) usando arquivos de 2025. Os resultados evidenciam que, embora portais nacionais (Argentina) apresentem maior maturidade em formatos GIS e metadados, iniciativas locais (Curitiba) podem superar plataformas como CKAN.
O desenvolvimento de soluções de inteligência artificial em diagnóstico laboratorial enfrenta um dilema estrutural: a exigência de grandes volumes de dados para treinamento contrapõe-se às rigorosas legislações de proteção de dados em saúde (LGPD/GDPR). Esta revisão sistemática investigou o aprendizado federado como alternativa metodológica que possibilita o treinamento de modelos de IA sem centralização de dados sensíveis. Analisando 23 artigos (2021-2025), identificou-se que 56,5% dos estudos demonstraram viabilidade técnica, embora apenas 26,1% tenham abordado conformidade regulatória. Os resultados revelam um campo tecnicamente promissor, mas com gap crítico entre maturidade técnica e adequação regulatória.