Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Lima, Rafael Henrique Palma | - |
Autor(es): dc.contributor | Lima, Rafael Henrique Palma | - |
Autor(es): dc.contributor | Santos, Bruno Samways dos | - |
Autor(es): dc.contributor | Bovo, Alessandro Botelho | - |
Autor(es): dc.creator | Oliveira, Leonardo Fernando de | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:17:19Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:17:19Z | - |
Data de envio: dc.date.issued | 2025-04-17 | - |
Data de envio: dc.date.issued | 2025-04-17 | - |
Data de envio: dc.date.issued | 2025-02-13 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/36591 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1092523 | - |
Descrição: dc.description | The growth of the airport sector in Brazil has increased competition among major airports, making it essential to understand the factors that influence passenger experience. This study aimed to identify user profiles at the 20 busiest airports in the country using unsupervised machine learning techniques on a dataset from the National Civil Aviation Secretariat. Clustering methods, such as K-Means and Hierarchical Clustering, combined with Multiple Correspondence Analysis (MCA), were applied to segment passengers based on behavioral and satisfaction characteristics. Cluster definition was based on the silhouette coefficient, resulting in three distinct groups for the K-Means method and two for the hierarchical method. The attributes considered included age, education level, household income, and satisfaction variables such as comfort, cleanliness, availability of power outlets, and restroom quality. The identified profiles were primarily defined by overall passenger satisfaction, with an emphasis on factors such as comfort, cleanliness, and ease of movement within the airport. The analysis highlighted that user experience-related variables were predominant in the formation of clusters, allowing for targeted actions aimed at personalizing and improving services at Brazilian airports. | - |
Descrição: dc.description | O crescimento do setor aeroportuário no Brasil tem aumentado a competitividade entre os principais aeroportos, tornando essencial a compreensão dos fatores que influenciam a experiência dos passageiros. Este trabalho teve como objetivo identificar perfis de usuários nos 20 aeroportos mais movimentados do país, utilizando técnicas de aprendizado não supervisionado de máquina em uma base de dados da Secretaria Nacional de Aviação Civil. Foram aplicados métodos de clusterização, como KMeans e Método Hierárquico, combinados com Análise de Correspondência Múltipla (MCA), para segmentar os passageiros com base em características comportamentais e de satisfação. A definição dos clusters foi realizada com base no coeficiente de silhoueta, resultando em três grupos distintos para o método KMeans e dois para o método hierárquico. Os atributos considerados incluíram idade, escolaridade, renda familiar e variáveis de satisfação, como conforto, limpeza, disponibilidade de tomadas e qualidade dos sanitários. Os perfis identificados foram definidos principalmente pela satisfação geral dos passageiros, com destaque para fatores como conforto, limpeza e facilidade de deslocamento dentro do aeroporto. A análise evidenciou que variáveis relacionadas à experiência do usuário foram predominantes na formação dos clusters, permitindo direcionar ações voltadas à personalização e melhoria dos serviços nos aeroportos brasileiros. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Londrina | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia de Produção | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | - |
Palavras-chave: dc.subject | Aeroportos | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Análise de cluster | - |
Palavras-chave: dc.subject | Satisfação do consumidor | - |
Palavras-chave: dc.subject | Serviços ao cliente - Avaliação | - |
Palavras-chave: dc.subject | Airports | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Cluster analysis | - |
Palavras-chave: dc.subject | Consumer satisfaction | - |
Palavras-chave: dc.subject | Customer services - Evaluation | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO | - |
Título: dc.title | Identificação de perfis de usuários nos aeroportos no Brasil usando técnicas não supervisionadas de aprendizado de máquina | - |
Título: dc.title | Identification of user profiles in brazilian airports using unsupervised machine learning techniques | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: