Avaliação de desempenho sustentável usando mineração de dados: uma análise bibliométrica / Sustainable performance assessment using data mining: a bibliometrica analysis

Authors

  • Jovani Taveira de Souza
  • Antonio Carlos de Francisco

DOI:

https://doi.org/10.34115/basr.v2n7-639

Keywords:

Análise bibliométrica, Mineração de dados, Desempenho Sustentável

Abstract

O rápido crescimento da população e dos processos que envolvem indústrias trouxe consigo alto consumo de recursos naturais e efeitos negativos sobre o meio ambiente. Entre tais efeitos, destaca-se o uso e consumo de energia, que é o principal contribuinte para a mudança climática global. No entanto, existem dificuldades em medir e avaliar o desempenho sustentável das empresas. Em alguns casos, a mineração de dados é usada pois promete extrair informações potencialmente úteis em bancos de dados. Portanto, o objetivo deste trabalho foi realizar uma análise bibliométrica sobre o uso da análise de dados por meio da mineração de dados em estudos que trabalhem com avaliação de desempenho sustentável. Utilizou-se o método de revisão sistemática denominado Methodi Ordinatio e os softwares: EndNote®, Jabref® e Microsoft Excel®. Os dez artigos com o maior nível de importância encontrados na literatura seguindo o procedimento metodológico adotado foram apresentados, bem como os métodos aplicados pelos autores, enfocando principalmente na abordagem de avaliação. Nesta perspectiva, este trabalho promove o incentivo e a motivação para que as empresas gerenciem adequadamente seu desempenho em um contexto sustentável, através de ferramentas computacionais.

References

Antanasijevi?, D.,Pocajt, V., Risti?, M.,Peri?-gruji?, A. (2017). A differential multi-criteria analysis for the assessment of sustainability performance of European countries: Beyond country ranking, Journal of Cleaner Production, 165, 213-220.

Bohanec, M.,Robnik-šikonja, M.,Kljaji?Borštnar, M. (2017). Decision-making framework with double-loop learning through interpretable black-box machine learning models, Industrial Management & Data Systems, 117, 7, 1389-1406.

Büyüközkan, G.,Karabulut, Y. (2018). Sustainability performance evaluation: Literature review and future directions, Journal of environmental management, 217, 253-267.

Capes. Disponível em: < http://www.capes.gov.br/>. Acesso em: 27 fev. 2018.

Kamber, M., Han, J., Pei, J. (2012).Data mining: Concepts and techniques, Elsevier.

Khosravi, V.,Ardejani, F. D.,Yousefi, S.,Aryafar, A. (2018).Monitoring soil lead and zinc contents via combination of spectroscopy with extreme learning machine and other data mining methods, Geoderma, 318, 29-41.

Kim, J.,Hyun, J-Y., Chong, W. K.,Ariaratnam, S. (2017). Understanding the effects of environmental factors on building energy efficiency designs and credits: Case studies using data mining and real-time data, Journal of Engineering, Design and Technology, 15, 3, 270-285.

Massana, J., Pous, C., Burgas, L.,Melendez, J.,Colomer, J. (2017).Identifying services for short-term load forecasting using data driven models in a Smart City platform, Sustainable cities and society,28, 108-117.

Pagani, R. N.,Kovaleski, J. L., Resende, L. M. (2015).MethodiOrdinatio: a proposed methodology to select and rank relevant scientific papers encompassing the impact factor, number of citation, and year of publication. Scientometrics, 105, 3, 2109-2135.

Panda, M. (2017). Intelligent data analysis for sustainable smart grids using hybrid classification by genetic algorithm based discretization,Intelligent Decision Technologies, 11, 2, 137-151.

Proskuryakova, L. N.,Saritas, O.,Sivaev, S. (2018). Global water trends and future scenarios for sustainable development: The case of Russia, Journal of Cleaner Production, 170, 867-879.

Schöggl, J-P., Fritz, M. M., Baumgartner, R. J. (2016). Toward supply chain-wide sustainability assessment: A conceptual framework and an aggregation method to assess supply chain performance, Journal of Cleaner Production, 131, 822-835.

Schuch, R., Dill, S. L., Suasen, P. S., Padoin, E. L.,de Campos, M. (2010). Mineração de dados emumasubestaçãode energiaelétrica. In: Proceedings of the 9th Brazilian Conference on Dynamics, Controland Their

Applications – dincon'10. Anais... Serra Negra, 804-810.

Tesfaye, B.,Atique, S., Elias, N.,Dibaba, L.,Shabbir, S-A., Kebede, M. K. (2017).Determinants and development of a web-based child mortality prediction model in resource-limited settings: A data mining approach. Computer methods and programs in biomedicine, 140, 45-51.

Wang, X., Li, Z., Meng, H., Wu, J. (2017). Identification of key energy efficiency drivers through global city benchmarking: A data driven approach, Applied energy, 190, 18-28.

Yu, D., Fang, C. (2017). The dynamics of public safety in cities: A case study of Shanghai from 2010 to 2025, Habitat International, 69, 104-113.

Zhong, M., Schuetter, J., Mishra, S., & Lafollette, R. F. (2015). Do data mining methods matter?: A Wolfcamp Shale case study. In SPE Hydraulic Fracturing Technology Conference,Society of Petroleum Engineers.

Published

2018-10-29

How to Cite

Souza, J. T. de, & Francisco, A. C. de. (2018). Avaliação de desempenho sustentável usando mineração de dados: uma análise bibliométrica / Sustainable performance assessment using data mining: a bibliometrica analysis. Brazilian Applied Science Review, 2(7), 2255–2264. https://doi.org/10.34115/basr.v2n7-639

Issue

Section

Original articles