APLICAÇÃO DE MACHINE LEARNING NA DETERMINAÇÃO DO MODELO IDEAL PARA ABERTURA DE ACADEMIAS

Autores

  • Gustavo Tavares Ramalho USP/ESALQ
  • Lisleandra Machado Instituto Federal de Educação, Ciência e Tecnologia do Sudeste de Minas Gerais - Campus Santos Dumont
  • Leonardo Amorim de Araújo Instituto Federal do Sudeste de Minas Gerais

DOI:

https://doi.org/10.30681/geoambes.v4i08.14660

Palavras-chave:

Academias, Consumidor, Análise de Clusters

Resumo

Este texto tem o objetivo identificar necessidades dos consumidores por uma academia, visando estratégias que apoiem a tomada de decisões na abertura de novas academias. A pesquisa de abordagem exploratória e qualitativa com abordagem híbrida de Machine Learning (ML). A coleta foi realizada por meio de questionário, aplicado, abordando aspectos como atividades físicas, horários, faixa de preços e serviços adicionais. Esses resultados fornecem uma base sólida para que empreendedores possam planejar academias que atendam de forma mais precisa às demandas do mercado, desde a escolha de localização até a definição de preços e serviços oferecidos.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Gustavo Tavares Ramalho, USP/ESALQ

    Pós Graduado do curso em DATA SCIENCE E ANALYTICS – 2024 do MBA USP/ESALQ.

  • Lisleandra Machado, Instituto Federal de Educação, Ciência e Tecnologia do Sudeste de Minas Gerais - Campus Santos Dumont

    Doutora em Engenharia e professora Instituto Federal de Educação, Ciência e Tecnologia do Sudeste de Minas Gerais - Campus Santos Dumont.

     

  • Leonardo Amorim de Araújo, Instituto Federal do Sudeste de Minas Gerais

    Doutor em Engenharia dos Transportes pela UFRJ e professor do Instituto Federal do Sudeste de Minas Gerais.

Referências

AMARAL, F. Aprenda Mineração de Dados: Teoria e prática. São Paulo: Alta Books, 2016.

CÂMARA, Gilberto; LIMA, Eduardo. (2020). Introdução ao Aprendizado de Máquina: Análise de Dados e Inteligência Artificial com Python. São Paulo: Editora Ciência Moderna.

COELHO, Christianne de Faria; BURINI, Roberto Carlos. Atividade física para prevenção e tratamento das doenças crônicas não transmissíveis e da incapacidade funcional. Revista de Nutrição [online], Campinas, v. 22, p.937-946, dez. 2009. Disponível em: https://www.scielo.br/j/rn/a/3CfMRjMyHsMGzBxKRM6jtWQ/?lang=pt. Acesso em: 29 de março de 2024.

FÁVERO, Luiz Paulo; BELFIORE, Patrícia. Manual de análise de dados: estatística e machine learning com Excel®, SPSS®, Stata®, R® e Python®. 2 ed. Rio de Janeiro: LTC, 2024.

FIALHO, A. et al. O imaginário coletivo de estudantes de educação física sobre vida saudável. Revista Brasileira de Ciências do Esporte, v. 36, n. 3, p. 626-631, jul./set. 2014. Disponível em: https://www.scielo.br/j/rbce/a/Qtwrfg3HCQdKJQrszMby7td/abstract/?lang=pt. Acesso em 31 de mar. 2024.

HAIR, Joseph F. et al. Análise multivariada de dados. 6. ed. Porto Alegre: Bookman, 2009.

LIMA, Érika D. C.; FILHO, Carlos A. P. Introdução ao Aprendizado de Máquina. São Paulo: Novatec, 2018.

MACKENZIE, A. (2015). A produção de previsão: o que o aprendizado de máquina quer? Jornal Europeu de Estudos Culturais, 18 (4-5), 429-445. Disponível em: https://doi.org/10.1177/1367549415577384. Acesso em 31 de mar. 2024.

MONARD, Maria Carolina; BARANAUSKAS, José Augusto. Conceitos sobre aprendizado de máquina. Sistemas inteligentes-Fundamentos e aplicações, v. 1, n. 1, p. 32, 2003. Disponível em: https://dcm.ffclrp.usp.br/~augusto/publications/2003-sistemas-inteligentes-cap4.pdf. Acesso em 31 de mar. 2024.

MÜLLER, A. C., & GUIDO, S. (2017). Introduction to Machine Learning with Python (D. Schanafelt & Judy McConville (Eds.); 1st ed.). O’Reilly Media, Inc. https://doi.org/10.1007/978-3-030-36826-5_10. Acesso em 02 de abr. 2024.

NAHAS MV. Atividade física, saúde e qualidade de vida: conceitos e sugestões para um estilo de vida ativo. 6. ed. Londrina: Midiograf; 2013. Acesso em 31 de mar. 2024.

OLIVEIRA, P. B. Análise de dados e modelagem estatística. 3. ed. São Paulo: Editora Atlas, 2017.

RUSSELL, Stuart; NORVIG, Peter. Inteligência Artificial. 3. ed. Rio de Janeiro: Elsevier, 2013. Acesso em 02 de abr. 2024.

SANTOS, A. E. et al. Fatores que levam as pessoas a procurarem a academia para a prática de exercício físico. EfDeportes, Buenos Aires, 2013. Disponível em:< https://www.efdeportes.com/efd180/fatores-que-levam-a-academia.htm>. Acesso em 31 de mar. 2024.

SEBRAE - SERVIÇO BRASILEIRO DE APOIO ÀS MICRO E PEQUENAS EMPRESAS. Tudo o que você precisa saber para criar o seu plano de negócio. Disponível em: https://sebrae.com.br/sites/PortalSebrae/artigos/como-elaborar-um-plano-de-negocio,37d2438af1c92410VgnVCM100000b272010aRCRD. Acesso em: 29 de mar. 2024.

SEBRAE - SERVIÇO BRASILEIRO DE APOIO ÀS MICRO E PEQUENAS EMPRESAS. Sebrae em Dados - Academias e Studios. Disponível em: https://www.sebraepr.com.br/comunidade/artigo/sebrae-em-dados-academias-e-studios. Acesso em: 29 de mar. 2024.

SEBRAE - SERVIÇO BRASILEIRO DE APOIO ÀS MICRO E PEQUENAS EMPRESAS DE SÃO PAULO. Causa Mortis: O sucesso e o fracasso das empresas nos primeiros cinco anos de vida. [São Paulo]: Unidade Inteligência de Mercado, 2014. Disponível em: https://sebrae.com.br/Sebrae/Portal%20Sebrae/UFs/SP/Pesquisas/causa_mortis_2014.pdf.Acesso em: 29 de mar. 2024.

SHIN, J.; BADGWELL, T. A.; LIU, K. H. & LEE, J. H. (2019). Reinforcement Learning – Overview of recent progress and implications for process control. Computers and Chemical Engineering, 127, 282–294. https://doi.org/10.1016/j.compchemeng.2019.05.029. Acesso em 02 de abr. 2024.

SIEGEL, Sidney; CASTELLAN JR., N. John. Estatística não-paramétrica para ciências do comportamento. 2. ed. Porto Alegre: Artmed, 2006.

Recebido: 20/11/2025

Aprovado: 11/12/2025

Publicado: 30/12/2025

Downloads

Publicado

2025-12-30

Como Citar

Ramalho, G. T., Machado, L., & Araújo, L. A. de. (2025). APLICAÇÃO DE MACHINE LEARNING NA DETERMINAÇÃO DO MODELO IDEAL PARA ABERTURA DE ACADEMIAS. Geografia: Ambiente, Educação E Sociedades, 4(08), 138-154. https://doi.org/10.30681/geoambes.v4i08.14660