ABSTRACT OBJECTIVE Assess the correlation between the sales of two drugs with no proven efficacy against covid-19, ivermectin and chloroquine, and other relevant variables, such as Google® searches, number of tweets related to these drugs, number of cases and deaths resulting from covid-19. METHODS The methodology adopted in this study has four stages: data collection, data processing, exploratory data analysis, and correlation analysis. Spearman’s method was used to obtain cross-correlations between each pair of variables. RESULTS The results show similar behaviors between variables. Peaks occurred in the same or near periods. The exploratory data analysis showed shortage of chloroquine in the period corresponding to the beginning of advertising for the application of these drugs against covid-19. Both drugs showed a high and statistically significant correlation with the other variables. Also, some of them showed a higher correlation with drug sales when we employed a one-month lag. In the case of chloroquine, this was observed for the number of deaths. In the case of ivermectin, this was observed for the number of tweets, cases, and deaths. CONCLUSIONS The results contribute to decision making in crisis management by governments, industries, and stores. In times of crisis, as observed during the covid-19 pandemic, some variables can help sales forecasting, especially Google® and tweets, which provide a real-time analysis of the situation. Monitoring social media platforms and search engines would allow the determination of drug use by the population and better prediction of potential peaks in the demand for these drugs. covid19, covid19 covid 19, 19 Google searches covid19. 19. stages collection processing Spearmans Spearman s crosscorrelations cross correlations periods Also onemonth one month lag governments industries stores covid-1 pandemic forecasting realtime real time situation covid1 1 covid-

RESUMO OBJETIVO Investigar a correlação entre as vendas de dois medicamentos sem eficácia comprovada no tratamento de covid-19, ivermectina e cloroquina, e outras variáveis relevantes: pesquisas no Google®, número de tweets relacionados aos medicamentos, casos e óbitos decorrentes da covid-19. MÉTODOS A metodologia adotada neste estudo se divide em quatro partes: coleta de dados; processamento dos dados; análise exploratória; e análise de correlação. Foi utilizado o método de Spearman para obter as correlações cruzadas entre cada par de variáveis. RESULTADOS Os resultados mostram similaridade entre os comportamentos das variáveis. Os picos ocorreram em períodos iguais ou próximos. A análise exploratória dos dados apontou que houve falta de cloroquina no período correspondente ao início das divulgações sobre a aplicação desses medicamentos para o tratamento da covid-19. Ambos os medicamentos apresentaram correlação alta e estatisticamente significativa com as demais variáveis analisadas. Também foi observado que algumas delas apresentaram maior correlação com as vendas de medicamentos quando assumiram defasagem temporal de um mês. No caso da cloroquina, isso ocorreu com a variável óbitos. No caso da ivermectina, ocorreu com as variáveis número de tweets, casos e óbitos. CONCLUSÕES Os resultados observados contribuem para a tomada de decisão durante a gestão de crises por parte de governo, indústrias e comércios. Em momentos de crises, como observado durante a pandemia, as variáveis mostraram que são capazes de auxiliar na previsão de vendas, em especial o Google® e os tweets, que proporcionam uma análise em tempo real da situação. Acompanhar as redes sociais e mecanismos de busca permitiria detecção de uso pela população e melhor previsão de potenciais picos de demanda desses medicamentos. covid19, covid19 covid 19, 19 covid-19 relevantes Google covid19. 19. partes próximos analisadas mês governo comércios pandemia situação covid1 1 covid-1 covid-

Resumen Investigaciones académicas sobre Inteligencia Artificial (IA) aún son incipientes en las investigaciones en Turismo realizadas en Brasil. La literatura científica de Turismo identifica la difusión del uso de la IA en diversas aplicaciones de mercado, como para la previsión de demanda, análisis de Big Data, automatización y robótica en la hotelería. Sin embargo, el uso de la IA para investigación científica en Turismo es un tema poco explorado de acuerdo con las búsquedas realizadas en el Portal de Revistas de la Capes que reúne las bases de datos para el Turismo. El objetivo del estudio es comprender lo que representa el uso de la IA para la investigación científica investigando la percepción de los estudiantes de los programas de posgrado en Turismo a nivel de doctorado. Metodológicamente, se constituye un estudio de naturaleza cualitativa con soporte en la investigación empírica, en el que se realizaron 31 entrevistas estructuradas con posgraduados en eventos académicos y remotamente, respaldado por el análisis de contenido. Se utilizó como criterio el método de muestreo no probabilístico de bola de nieve teniendo en cuenta el alcance de saturación de los datos. Los resultados ratifican los beneficios de estimular la creatividad y la imaginación, y el ahorro de tiempo y esfuerzo en investigaciones científicas, identifican las principales herramientas utilizadas para la investigación, demuestran sugerencias para el uso ético y responsable de la IA en la investigación. y evidencian que la investigación científica es una de las áreas más sensibles para la adopción de la IA, en que criterio y rigor son indispensables. Se evidenció el factor aprensión en relación a la academia sobre el uso ético y responsable de esos mecanismos, además de la incipiencia de debate científico en el campo del Turismo y regulación sobre el tema. Se sugiere que estudios futuros mapeen las implicaciones legales del uso de la IA en investigaciones y expandan la investigación con posgraduados de Estados Unidos y Europa a fin de comparar el nivel de uso de esas herramientas en relación a Brasil. (IA Brasil mercado demanda Data hotelería embargo doctorado Metodológicamente empírica 3 remotamente contenido imaginación científicas indispensables mecanismos

Abstract Academic research on Artificial Intelligence (AI) remains incipient in the context of tourism studies in Brazil. The scientific literature in tourism acknowledges the widespread adoption of AI across various market applications, such as demand forecasting, big data analysis, and automation and robotics in the hotel industry. However, the application of AI specifically for scientific research in tourism is an underexplored theme, as evidenced by searches conducted on Capes Periodicals Portal, which aggregates relevant databases to tourism. The objective of this study is to comprehend the implications of employing AI in scientific research by investigating the perceptions of doctoral-level postgraduate students in tourism programs. Methodologically, it constitutes a qualitative study supported by empirical research, involving 31 structured interviews with postgraduate students conducted at academic events and remotely, guided by content analysis. The non-probabilistic snowball sampling method was employed, with data saturation as the criterion. The findings validate the benefits of stimulating creativity and imagination, as well as the efficiency gains in time and effort allocation for scientific investigations. They identify the primary tools employed in research, offer suggestions for the ethical and responsible use of AI in research, and highlight the nuanced nature of scientific research as a particularly sensitive domain for the integration of AI, where criteria and rigor are indispensable. Apprehensions within the academic community regarding the ethical and responsible use of AI are highlighted, emphasizing the incipient stage of scientific discourse and regulation in the field of tourism. Future studies are suggested to map the legal implications of AI use in research and to expand the research scope by including postgraduate students from the United States and Europe, facilitating a comparative analysis of the utilization of these tools in comparison to Brazil. (AI Brazil applications forecasting industry However theme Portal doctorallevel doctoral level programs Methodologically 3 remotely nonprobabilistic non probabilistic criterion imagination investigations indispensable highlighted Europe

Resumo Pesquisas acadêmicas sobre Inteligência Artificial (IA) ainda são incipientes nas pesquisas em Turismo realizadas no Brasil. A literatura científica de Turismo identifica a difusão do uso da IA em diversas aplicações de mercado, como para a previsão de demanda, análise de Big Data, automação e robótica na hotelaria. No entanto, o uso da IA para pesquisa científica em Turismo é um tema pouco explorado de acordo com as buscas realizadas no Portal de Periódicos da Capes que reúne as bases de dados para o Turismo. O objetivo do estudo é compreender o que representa o uso da IA para pesquisa científica investigando a percepção de discentes de programas de pós-graduação em Turismo em nível de doutorado. Metodologicamente, constitui-se um estudo de natureza qualitativa com suporte na pesquisa empírica, em que se realizou 31 entrevistas estruturadas com pós-graduandos em eventos acadêmicos e remotamente, respaldado pela análise de conteúdo. Utilizou-se o método de amostragem não-probabilístico bola de neve considerando o alcance de saturação dos dados como critério. Os resultados ratificam os benefícios de estímulo da criatividade e da imaginação, e economia de tempo e esforço em investigações científicas, identificam as principais ferramentas utilizadas para pesquisa, demonstram sugestões para o uso ético e responsável da IA na pesquisa. e evidenciam que a pesquisa científica é uma das áreas mais sensíveis para a adoção da IA, em que critério e rigor são indispensáveis. Evidenciou-se o fator apreensão em relação à academia sobre o uso ético e responsável desses mecanismos, além da incipiência de debate científico no campo do Turismo e regulamentação sobre o tema. Sugere-se que estudos futuros mapeiem as implicações legais do uso da IA em pesquisas e expandam a pesquisa com pós-graduandos dos Estados Unidos e Europa a fim de comparar o nível de uso dessas ferramentas em relação ao Brasil. (IA Brasil mercado demanda Data hotelaria entanto pósgraduação pós graduação doutorado Metodologicamente constituise constitui empírica 3 pósgraduandos graduandos remotamente conteúdo Utilizouse Utilizou nãoprobabilístico não probabilístico imaginação científicas indispensáveis Evidenciouse Evidenciou mecanismos Sugerese Sugere

Resumo As previsões sazonais de precipitação são essenciais para a gestão dos recursos hídricos, a atividade agrícola e o planejamento operacional de sistemas hidroelétricos. Avanços metodológicos capazes de aprimorar a acurácia das previsões de precipitação geram benefícios significativos para a sociedade. Diante desse contexto, este estudo propõe e avalia duas abordagens para o refinamento das previsões sazonais de precipitação no Brasil, utilizando modelos matemáticos simples e baseados em dados, como a regressão linear múltipla (MLR) e a máquina de vetores de suporte não linear (SVM). Nas abordagens propostas, os modelos MLR e SVM são alimentados com índices climáticos relacionados a diferentes padrões de teleconexão que afetam a precipitação sazonal no Brasil, dados da análise de precipitação diária global do Climate Prediction Center (CPC) e previsões de precipitação do Seasonal Forecast System 5 (SEAS5). Ambos os modelos MLR e SVM foram validados de janeiro de 2017 a dezembro de 2020, usando a precipitação do CPC como referência. Os resultados sugerem que, em comparação com o SEAS5, os modelos MLR e SVM melhoram a precisão e reduzem o viés nas previsões de precipitação para as regiões Sudeste, Centro-Oeste e Norte do Brasil durante o verão austral. No entanto, o desempenho dos modelos em consideração foi equivalente ao do SEAS5 nas regiões Nordeste e Sul, setores do Brasil onde o clima é significativamente influenciado pelo El Niño-Oscilação Sul. hídricos hidroelétricos sociedade contexto (MLR SVM. . (SVM) propostas (CPC SEAS5. SEAS (SEAS5) 201 2020 referência Sudeste CentroOeste Centro Oeste austral entanto Sul NiñoOscilação Niño Oscilação (SVM (SEAS5 20 202 (SEAS 2

Abstract Seasonal precipitation forecasts are essential for water resource management, agricultural activities, and the operational planning of hydropower systems. Any methodological advancement that enhances the accuracy of precipitation predictions will yield considerable societal benefits. In this context, this study proposes and evaluates two approaches for refining seasonal precipitation forecasts in Brazil, using simple data-based models, such as multiple linear regression (MLR) and nonlinear support vector machine (SVM). These models employ climate indices related to different teleconnection patterns that affect seasonal precipitation in Brazil, the unified gauge-based analysis of global daily precipitation from the Climate Prediction Center (CPC), and the precipitation forecasts from the Seasonal Forecast System 5 (SEAS5) as input variables. Both MLR and SVM models were validated from Jan-2017 to Dec-2020 using precipitation from the CPC as ground truth. The results suggest that, compared to SEAS5, MLR and SVM models enhance predictive accuracy and reduce bias in precipitation forecasts for the Southeast, Midwest, and North regions of Brazil during the austral summer. However, the performance of the models was found to be on par with the original predictions of SEAS5 in the Northeast and South regions, sectors of Brazil where the climate is significantly influenced by the El Niño-Southern Oscillation. management activities systems benefits context databased data based (MLR SVM. . (SVM) gaugebased gauge CPC, , (CPC) SEAS (SEAS5 variables Jan2017 Jan 2017 Jan-201 Dec2020 Dec 2020 Dec-202 truth Southeast Midwest summer However NiñoSouthern Niño Southern Oscillation (SVM (CPC (SEAS Jan201 201 Jan-20 Dec202 202 Dec-20 Jan20 20 Jan-2 Dec20 Dec-2 Jan2 2 Jan- Dec2 Dec-

ABSTRACT Hospitals are large consumers of water. A detailed understanding of how water is used in hospital buildings allows greater precision evaluating water conservation strategies, sizing building plumbing systems, forecasting urban water demand and, consequently, managing water demand and creating public policies for water conservation in hospitals. However, there is a lack of specific data on water use in health care buildings. In order to contribute to knowledge, this research aimed to analyse water end-use consumption in a public hospital in Brasilia, Brazil. With this in mind, a method was designed that was capable of collecting information on consumption, flow, frequency and duration of water use per fixture device, understanding water use habits and building maintenance routines, in addition to identifying plumbing inefficiency in hospitals. The method proved to be capable of generating building consumption indicators (per capita, per area and per bed), sectorized consumption and end uses of water, based on the main variables that affect water consumption in hospitals. Overall, the hospital presented building consumption indicators equivalent to 113.46 litres per person per day, 11.16 litres per built area per day and 854.81 litres per bed per day. Results indicate that toilet flushing had the highest water consumption rate (23%), followed by general purpose sinks (18%), washing machines (18%) and kitchen sinks (15%), due to high frequency of daily use and fixture/appliance flow-rates. Elevated fixture flow-rates and leakage rates (10%) are associated with an out-dated and worn-out plumbing system, suggesting that public investments are needed for building retrofit in order to promote water saving and conservation. strategies systems consequently hospitals However knowledge enduse Brasilia Brazil mind flow device routines capita bed, , bed) Overall 11346 113 46 113.4 1116 11 16 11.1 85481 854 81 854.8 23%, 23 23% (23%) 18%, 18 18% (18% 15%, 15 15% (15%) fixtureappliance appliance flowrates. flowrates rates. 10% 10 (10% outdated out dated wornout worn system 1134 4 113. 111 1 11. 8548 85 8 854. 2 (23% (18 (15% (10 (23 (1 (15 (2 (

RESUMO Hospitais são grandes consumidores de água. A compreensão detalhada dos usos finais de água em edificações hospitalares abre o caminho para uma maior precisão na avaliação de diferentes estratégias de conservação de água, dimensionamento de sistemas prediais, previsão da demanda urbana de água e, consequentemente, na gestão da demanda de água e criação de políticas públicas voltadas à conservação de água em hospitais. Entretanto, observa-se uma carência de dados específicos sobre o uso de água em edificações hospitalares. Com o intuito de contribuir para o conhecimento, esta pesquisa teve como objetivo analisar os usos finais de água em um hospital público de Brasília/DF. Para tanto, foi delineado um método capaz de coletar informações de consumo, vazão, frequência e duração de uso da água por aparelho hidrossanitário, compreender os hábitos de uso de água e rotinas de manutenção predial, além de identificar vazamentos e ineficiência hidráulica em hospitais. O método demonstrou ser capaz de gerar indicadores de consumo predial diário (por pessoa, por área e por leito), de consumo setorizado e de usos finais de água, com base nas principais variáveis que afetam o consumo de água em hospitais. Em geral, o hospital apresentou indicadores de consumo predial equivalentes a 113,46 litros por pessoa por dia, 11,16 litros por área construída por dia e 854,81 litros por leito por dia. Resultados mostram que as bacias sanitárias apresentaram os maiores índices de consumo de água (23%), seguidas pelas pias de uso geral (18%), máquinas de lavar roupas (18%) e pias de cozinha (15%), em função de elevada frequência de uso diário e vazão dos equipamentos. Elevada vazão de aparelhos hidrossanitários e altos índices de vazamento (10%) estão associados a um sistema predial datado e desgastado, o que sugere a necessidade de investimentos públicos para uma readequação dos sistemas hidráulicos prediais a fim de promover economias e conservação da água. consequentemente hospitais Entretanto observase observa se conhecimento BrasíliaDF Brasília DF Brasília/DF tanto hidrossanitário leito, , leito) 11346 113 46 113,4 1116 11 16 11,1 85481 854 81 854,8 23%, 23 23% (23%) 18%, 18 18% (18% 15%, 15 15% (15%) equipamentos 10% 10 (10% desgastado 1134 4 113, 111 1 11, 8548 85 8 854, 2 (23% (18 (15% (10 (23 (1 (15 (2 (

Abstract This document aims to predict the level of innovation in manufacturing companies in Colombia between the years 2017-2018. A forecasting mechanism for innovation performance has been constructed using Neural Networks (NNs). This model considers the objectives of innovation, the obstacles to innovation, the knowledge networks, and the technical information of each one of the firms. Results show that demand push, vertical sources, financial obstacles, and, qualified personnel are the most important variables in predicting innovative performance. Our empirical analysis uses firm-level innovation survey data from the EDIT (Encuesta de Desarrollo e Innovación Tecnológica in Spanish, Technological Development, and Innovation Survey in English) for Colombia for the years 2017-2018.

Resumen Objetivo: Clasificar el tipo de demanda de los productos colocados en el mercado por empresas de autopartes en México, enfocadas al ensamble y venta de autopartes a nivel nacional e internacional, lo cual es la base para el adecuado abastecimiento de los insumos en la cadena de suministro de estudio. Diseño metodológico: De un total de 14,895 productos fueron seleccionados a través del método ABC 326 componentes, para realizar el análisis de patrones de demanda. El análisis de patrones de demanda se realizó de acuerdo con el intervalo promedio entre demandas y el coeficiente de variación cuadrada, utilizando las demandas mensuales de cada producto. Resultados: El análisis probabilístico de la demanda de los 14 895 productos, muestra patrones de demanda suavizados (63.80%), erráticos (19.94%), irregulares (11.35%) e intermitentes (4.91%), de lo cual se concluye que los patrones de demanda para estas empresas son principalmente de tipo suavizado. Limitaciones de la investigación: El análisis probabilístico realizado se basa en los datos proporcionados por tres empresas de la industria de venta de autopartes en México, de los cuales después del análisis ABC solo se consideraron los artículos de la categoría A para los resultados obtenidos. Proponer una técnica diferente al análisis ABC queda limitado por el tipo de datos proporcionados por las empresas. Hallazgos: Debido a la cantidad de factores que intervienen en la variabilidad de la demanda, es de suma importancia apoyarse de herramientas que ayuden a alcanzar pronósticos de demanda confiables, manteniendo a las empresas competitivas en la calidad del servicio al cliente. Además, la complejidad en la predicción de repuestos automotriz es un reto que en la actualidad enfrenta la industria automotriz. La clasificación de los patrones de demanda resultantes del estudio, permiten seleccionar un método de pronóstico adecuado para cada patrón y mejorar las condiciones de la cadena de suministro de las diferentes empresas. Este tipo de estudios y análisis de datos permite mejorar la toma de decisiones de los encargados del suministro de los componentes.

Abstract Purpose: To classify the type of product demand placed on the market by auto parts companies in Mexico focusing on the assembly and sale of auto parts at national and international level, which is the basis for the adequate provision of materials in the studied supply chain. Methodologyical design: From a total of 14,895 products, 326 components were selected through the ABC method to perform the demand pattern analysis which was carried out according to the average demand interval and the square coefficient of variation using the monthly demands of each product. Results: The probabilistic analysis of the demand for the 14,895 products shows smoothed (63.80%), erratic (19.94%), lumpy (11.35%) and intermittent (4.91%) demand patterns from which it is concluded that the demand patterns for these companies are mainly of the smoothed type. Research limitations: The probabilistic analysis conducted is based on the data provided by three autoparts companies in México, of which, after the ABC analysis, only the articles of category A were considered for the results obtained. Proposing a different technique other than ABC analysis is limited by the type of data provided by companies. Findings: Due to the number of factors involved in demand variability, it is vital to rely on tools that aid in reaching trustworthy demand forecasts, maintaining companies competitive in customer service quality. Further, the complexity of forecasting automotive spare parts is a challenge which the automotive industry is currently facing. The classification of demand patterns resulting from the study allows for the selection of an appropriate forecasting method for each pattern and improvement of supply conditions of the different companies. This type of study and data analysis permits better decision-making by those responsible for the supply components.

RÉSUMÉ : La prévision de la demande est une méthodologie de gestion d'entreprise permettant d'estimer la valeur future d'une quantité d'intérêt. La prévision de la demande consiste à reconnaître les normes de comportement dans les séries historiques et à prédire le comportement ou, même, à identifier les facteurs causaux qui affectent le comportement et à l'extrapoler. L'objectif de l'article est de passer en revue la littérature sur les méthodes de prévision de la demande afin de rassembler les méthodes et les modèles disponibles sur les concepts actuellement utilisés dans la gestion des affaires liées à la consommation et à la production de produits et de services. La méthodologie utilisée est une revue de la littérature avec une approche qualitative, dans le but de donner un aperçu descriptif des méthodes dominantes utilisées dans la prévision de la demande. On a réalisé une cartographie de la littérature pour identifier l'état de la science au moyen de la production scientifique disponible dans les bases de données Scopus et Google Scholar. L'analyse des séries temporelles, ainsi que les méthodes des différents types de médianes et du lissage exponentiel sont indiquées comme les plus appropriées pour les prédictions à court terme. Une ressource utilisée dans diverses réalités est la construction d'un modèle propre de prévision de la demande, qui utilise des techniques, des aspects, des concepts et des caractéristiques de différentes méthodes et modèles. Il est essentiel de surveiller le modèle adopté, de garder sous contrôle les données de terrain et de prévision et, en cas d'écarts, de corriger le modèle.

RESUMO: A previsão de demanda é uma metodologia da administração de empresas para estimar um valor futuro de uma grandeza de interesse. Realizar previsões de demanda significa reconhecer padrões de comportamento em séries históricas e predizer o comportamento futuro ou, ainda, identificar fatores causais que afetam o comportamento e extrapolá-lo. Este artigo tem por objetivo realizar uma revisão da literatura dos métodos de previsão de demanda com o propósito de reunir os métodos e modelos disponíveis acerca dos conceitos utilizados atualmente na administração de empresas relacionados ao consumo e produção de produtos e serviços. A metodologia utilizada é a revisão da literatura com abordagem qualitativa, com o propósito de dar uma visão descritiva geral dos métodos dominantes utilizados em previsão de demanda. Foi realizado o mapeamento da literatura para identificar o estado da ciência por meio da produção científica disponível nos bancos de dados Scopus e Google Scholar. Os métodos qualitativos e os causais estão mais bem associados a previsões de médio e longo prazos. A análise de séries temporais bem como os métodos dos diversos tipos de médias e de suavização exponencial são indicados como os mais adequados para previsões de curto prazo. Um recurso utilizado em diversas realidades é a construção de um modelo próprio de previsão de demanda, o qual utilize técnicas, aspectos, conceitos e características de diferentes métodos e modelos. É fundamental monitorar o modelo adotado, manter os dados de campo e de previsão sob controle e, se houver desvios, corrigir o modelo.

RESUMEN: La predicción de demanda es una metodología de la administración de empresas para estimar un valor futuro de una grandeza de interés. Realizar predicción de demanda significa reconocer estándares de conducta en series históricas y predecir la conducta o, aun, identificar factores causales que afectan la conducta y extrapolarla. El artículo tiene el propósito realizar una revisión de la literatura de los métodos de predicción de demanda con el fin de reunir los métodos y modelos disponibles acerca de los conceptos utilizados actualmente en la administración de empresas relacionados al consumo y producción de productos y servicios. La metodología utilizada es la revisión de la literatura con enfoque cualitativo, con el propósito de dar una visión descriptiva general de los métodos dominantes utilizados en predicción de demanda. Se realizó el mapeo de la literatura para identificar el estado de la ciencia por medio de la producción científica disponible en los bancos de datos Scopus y Google Scholar. El análisis de series temporales, así como los métodos de los diversos tipos de medianas y suavización exponencial se indican como los más adecuados para predicciones de corto plazo. Un recurso utilizado en diversas realidades es la construcción de un modelo propio de predicción de demanda, que utilice técnicas, aspectos, conceptos y características de diferentes métodos y modelos. Es fundamental monitorear el modelo adoptado, mantener los datos de campo y predicción bajo control y, si hubo desviaciones, corregir el modelo.

ABSTRACT: Demand forecasting is a business management methodology for estimating the future value of customer demand. Making this type of forecast means recognizing behavior patterns in historical series and predicting future behaviors, or even identifying and extrapolating causal factors that affect market behavior. Hence, this article aims to review the literature on demand forecasting methods in order to gather the methods and models currently used in business administration related to the consumption and production of goods and services. A qualitative literature review was implemented with the purpose of providing a general descriptive view of the dominant methods used in demand forecasting. A mapping of the available literature was conducted to build the state of the art on the topic through the scientific production included in Scopus and Google Scholar databases. Results show that qualitative and causal methods are better associated with medium and long-term forecasts. In addition, the analysis of time series and the methods of the diverse types of averages and exponential smoothing are mentioned as the most suitable for short-term forecasts. A resource that is commonly deployed is the construction of specific demand forecast models, using techniques, aspects, concepts and characteristics from different methods and models. However, it is important to monitor the adopted model, keep field and forecast data under control, and, in case of deviations, correct the model.

Abstract In inferential statistics, forecasting is a mathematical process by which the future value of one or more variables, such as demand, is estimated. The objective of this paper was to define the classification of the main types of forecasts. In addition, to propose some of the most representative models currently used to be implemented by small and medium-sized companies, those that, based on the literature consulted, have the greatest potential to achieve a successful demand forecast. It was found that forecasts could be univariate or multivariate; however, in order to find the alternatives that would require lower cost for the enterprise by data processing, only univariate time series forecast models were recommended, as they require only historical sales data of the company. Time series forecasting models were classified into three approaches: 1) statistical or traditional, of which the Holt-Winters or triple exponential smoothing model and the autoregressive integrated moving average (Arima) model were recommended, 2) machine learning, of which the random forest model and the large short-term memory (LSTM) recurrent neural network model stood out, 3) hybrids, of which the Arima-LSTM model and the Facebook Prophet model were suggested.

Resumen En estadística inferencial, el pronóstico es un proceso matemático mediante el cual se hace una estimación del valor futuro de una o más variables, como puede ser la demanda. El objetivo de este presente trabajo de investigación documental fue definir la clasificación de los principales tipos de pronósticos. Además, proponer algunos de los modelos más representativos utilizados actualmente para ser implementados por pequeñas y medianas empresas, aquellos que, con base en la literatura consultada, tienen mayor potencial para lograr un pronóstico de demanda exitoso. Se encontró que los pronósticos pueden ser univariados o multivariados; sin embargo, a fin de encontrar las alternativas que impliquen menor costo para la empresa por procesamiento de datos, se consideraron exclusivamente modelos de pronósticos de series de tiempo univariados, ya que requieren únicamente los datos históricos de las ventas de la empresa. Los modelos de pronósticos de serie de tiempo se clasificaron en tres enfoques: 1) estadísticos o tradicionales, de los cuales se recomendaron el modelo de suavización exponencial triple o de Holt-Winters y el modelo de promedios móviles autorregresivos integrados (Arima), 2) de aprendizaje automático, de los cuales se destacaron el modelo bosque aleatorio y el modelo de redes neuronales recurrentes de gran memoria a corto plazo (LSTM), 3) híbridos, de los cuales se sugirieron el modelo Arima-LSTM y el modelo Facebook Prophet.

Resumo Na estatística inferencial, a previsão é um processo matemático pelo qual é feita uma estimativa do valor futuro de uma ou mais variáveis, como a demanda. O objetivo do presente trabalho de pesquisa documental foi definir a classificação dos principais tipos de previsões. Além disso, propor alguns dos modelos mais representativos atualmente utilizados para serem implementados por pequenas e médias empresas, aqueles que, com base na literatura consultada, possuem maior potencial para alcançar uma previsão de demanda bem-sucedida. Constatou-se que as previsões podem ser univariadas ou multivariadas; no entanto, para encontrar as alternativas que implicam no menor custo para a empresa para o processamento dos dados, foram considerados apenas modelos de previsão de séries temporais univariadas, uma vez que requerem apenas os dados históricos de vendas da empresa. Os modelos de previsão de séries temporais foram classificados em três abordagens: 1) estatística ou tradicional, sendo recomendado o modelo de Holt-Winters ou suavização exponencial tripla e o modelo integrado de médias móveis autorregressivas (Arima), 2) aprendizado de máquina, dos quais a floresta aleatória e o modelo de rede neural recorrente de grande memória de curto prazo (LSTM), 3) híbridos, dos quais foram sugeridos o modelo Arima-LSTM e o modelo Facebook Prophet.

ABSTRACT This paper aims to present a procedure that allows finding a set of relevant variables related to the housing construction and other constructive actions. Starting from a literature study it is demonstrated the link of the local socio-economic dynamic with the behavior of housing construction demand and a set of 41 variables are identified. Through the designed procedure which combines expert work with statistics and social network analysis tools, eight variables and four set of those variables related that may conform forecasting models for the demand of housing construction, are found.

RESUMEN El objetivo de la investigación consistió en el diseño de un procedimiento que permita identificar aquellas variables relevantes que influyen en la demanda de construcción de nuevas viviendas y otras acciones constructivas. A partir de un estudio bibliográfico se demuestra el vínculo socioeconómico territorial al comportamiento de la demanda de viviendas y se logra seleccionar un conjunto de 41 variables. Mediante un procedimiento diseñado que incluye el trabajo con grupo de expertos, técnicas estadísticas y herramientas de análisis de redes sociales se encuentran ocho variables y cuatro conjuntos relacionados de ellas, que pueden ser utilizados para conformar modelos de pronósticos de demanda de construcción de viviendas.

Resumo O entendimento do processo de evolução das metodologias e do uso das variáveis que explicam a demanda turística é fundamental para compreender seus determinantes. Alguns estudos bibliométricos procuraram entender esse processo de evolução: Johnson e Ashworth (1990); Li, Song e Witt (2005) e Song, Qui e Park (2019). A maioria desses estudos tem se concentrado na discussão da evolução e eficiência dos modelos utilizados na análise e na previsão da demanda, dedicando pouca atenção às variáveis. Este artigo contribui para essa discussão avaliando a relação entre os modelos e as variáveis utilizadas na análise da demanda turística. Para isso, foi realizado um estudo bibliométrico nas principais bases de pesquisa internacional: Web of Science, Redalyc, Scielo, Spell e Publicações de Turismo, entre 2000 e 2020 (março) procurando responder duas perguntas: 1. Existe alguma relação entre a seleção dos modelos e o conjunto de variáveis utilizadas na demanda turística? 2. Existe alguma tendência na utilização de novas variáveis? O estudo constatou que, independente do modelo utilizado, a variável número de chegadas tem sido a mais utilizada para representar a demanda turística. Também foi observado que as variáveis independentes renda, preço e taxa de câmbio foram as mais recorrentes na literatura, havendo uma tendência para a incorporação de novas variáveis.

Abstract Understanding the evolution process of methodologies and the use of variables that explain tourism demand has been a relevant concern in the specialized literature. Some bibliometric studies sought to understand this evolution process: Johnson and Ashworth (1990); Li, Song and Witt (2005) and Song, Qui and Park (2019). Most of these studies have focused on discussing the evolution and efficiency of the models used in the analysis and forecasting of demand, paying little attention to the variables. This article contributes to this discussion, evaluating the relationship between the models used in the literature and variables used in the analysis of tourism demand. For this, a bibliometric study was carried out in the main international research bases: Web of Science, Redalyc, Scielo, Spell and Publicações de Turismo, between 2000 and 2020 (March) seeking to answer two questions: 1. Is there any relationship between the selection of models and the set of variables used in the analysis of tourism demand? 2. Are there any trends in using new variables? The study found that, regardless of the model used, the variable number of arrivals has been more used to represent tourism demand. It was also observed that the independent variables income, price and exchange rate were the most used and that there is a tendency to incorporate new variables.

Resumen Comprender el proceso de evolución de las metodologías y el uso de variables que explican la demanda turística ha sido una preocupación recurrente en la literatura especializada. Algunos estudios bibliométricos buscaron comprender este proceso de evolución: Johnson y Ashworth (1990); Li, Song y Witt (2005) y Song, Qui y Park (2019). La mayoría de estos estudios se han centrado en discutir la evolución y eficiencia de los modelos utilizados en el análisis y pronóstico de la demanda, prestando poca atención a las variables. Este artículo contribuye a esta discusión, evaluando la relación entre los modelos utilizados en la literatura y las variables utilizadas en el análisis de la demanda turística. Para ello, se realizó un estudio bibliométrico en las principales bases de investigación internacionales: Web of Science, Redalyc, Scielo, Spell y Tourism Publications entre 2000 y 2020 (marzo) buscando dar respuesta a dos preguntas: 1. ¿Existe alguna relación entre la selección de modelos y el conjunto de variables utilizadas em el análisis de la demanda turística? 2. ¿Existe alguna tendencia en el uso de nuevas variables? El estudio encontró que, independientemente del modelo utilizado, la variable número de llegadas se ha utilizado más para representar la demanda turística. También se observó que las variables independientes ingreso, precio y tipo de cambio fueron las más utilizadas y que existe una tendencia a incorporar nuevas variables.

Abstract It is of great interest for establishments that offer a product or service, for example museums, to know the number of possible visits as a function of other variables that customers will make in a specific period. This to evaluate the degree of demand that exists and at the same time, evaluate if the dissemination strategies are working or otherwise, make more appropriate decisions to improve the quality of attention and satisfaction with visitors. To implement the generalized linear model to estimate the number of annual visits to museums in Mexican territory as a function of predictive variables, a database of 110 museums taken from the Instituto Nacional de Estadística y Geografía (INEGI) for the years 2017 and 2018 was used. The models used were regression ordinary linear (RLO) and Poisson regression (RP) and these were applied to all the principal components of eleven predictor variables (web page, reception and service capacity, main theme, permanent collection, ownership, entry, adult fee, discounts, type of visits, open days of the year and temporary exhibitions) to counteract multicollinearity. Besides, the coefficient of determination ( R 2) was measured between the observed and estimated data to determine the method with the best fit. The functions were used to estimate the number of visits for the years 2019 and 2020. With the model that best fit, an analysis of estimation errors was performed. Comparing the observed data for the years 2017 and 2018 with the results estimated with the characteristic functions of each model, the determination coefficients were R 2 = 0.61 for the RLO and R 2 = 0.86 for the PR, respectively. For the years 2019 and 2020, the coefficients of determination obtained were R 2 = 0.68 and R 2 = 0.31 for the RLO, and R 2 =0.87 and R 2 = 0.84 for the RP, respectively. The maximum error of estimation registered was between 10 001 and 20 000 annual visits. It is shown that the most suitable model to forecast future annual visits to any museum in Mexico is the Poisson regression. It is believed that the high adjustment to the data observed with the PR method is because these did not have an excess of zeros and fulfilled the assumption of equidispersion. Finally, with the proposed characteristic function, the number of annual visits can be estimated with a maximum error of around 10 %, which is low compared to the maximum number of annual visits that a museum receives.

Resumen Es de gran interés para los establecimientos, que ofrecen un producto o servicio, por ejemplo los museos, conocer la cantidad de posibles visitas en función de otras variables que los clientes realizarán en un periodo de tiempo específico. Esto con la finalidad de evaluar el grado de demanda que se tiene y al mismo tiempo, evaluar si las estrategias de difusión están funcionando o de lo contrario, tomar decisiones más acertadas para mejorar la calidad de atención y satisfacción con los visitantes. Para implementar el modelo lineal generalizado para estimar el número de visitas anuales a museos en territorio mexicano, en función de variables predictoras se utilizó una base de datos de 110 museos tomados del Instituto Nacional de Estadística y Geografía (INEGI) de los años 2017 y 2018. Los modelos empleados fueron la regresión lineal ordinaria (RLO) y la regresión de Poisson (RP) y estos se aplicaron sobre todas las componentes principales de once variables predictoras (página web, capacidad de recepción y atención, temática principal, colección permanente, titularidad, entrada, cuota adulto, descuentos, tipo de visitas, días abiertos del año y exposiciones temporales) para contrarrestar la multiconlinealidad. Además, se midió el coeficiente de determinación (R2) entre los datos observados y estimados para determinar el modelo con el mejor ajuste. Las funciones se usaron para estimar el número de visitas de los años 2019 y 2020. Con el modelo que mejor ajuste dio, se realizó un análisis de errores de estimación. Comparando los datos observados de los años 2017 y 2018 con los resultados estimados con las funciones características de cada modelo, los coeficientes de determinación fueron R 2 = 0.61 para la RLO y R 2 = 0.86 para la RP, respectivamente. Para los años 2019 y 2020, los coeficientes de determinación que se obtuvieron fueron: R 2 = 0.68 y R 2 = 0.31 para la RLO, y R 2 = 0.87 y R 2 = 0.84 para la RP, respectivamente. El máximo error de estimación que se registró fue de entre 10 001 y 20 000 visitas anuales. Se muestra que el modelo más adecuado para el pronóstico de futuras visitas anuales a cualquier museo en México es la regresión de Poisson. Se cree que el alto ajuste a los datos observados con este modelo se debe a que estos no contaban con un exceso de ceros y además cumplían con el supuesto de equidispersión. Finalmente, con la función característica propuesta, se puede estimar el número de visitas anuales con un error máximo del alrededor del 10 %, lo cual es bajo en comparación al número máximo de visitas anuales que recibe un museo.

Resumen Chile Central (30° - 37°S), concentra cerca del 75% de la población total del país, lo cual se traduce en una enorme demanda hídrica. Gran parte del agua disponible del área en cuestión proviene de la nieve estacional y los glaciares ubicados en la alta cordillera. En este contexto, el cambio climático se emplaza como una amenaza para la seguridad hídrica, mediante la disminución en las precipitaciones y la aceleración del derretimiento de las nieves. Se hace necesario contar con robustos sistemas de monitoreo de la variabilidad espacio temporal de los patrones de nieve de manera de poder cuantificar efectos y zonificar áreas afectadas para desarrollar sistemas de pronósticos y preparar planes de contingencia. El presente trabajo establece la relación entre cobertura nival y el caudal, determinando la variabilidad espacio-temporal entre el año 2000-2020 de subcuencas de los Andes extratropicales de Chile (29°-37°S), mediante imágenes satelitales MODIS y variables climáticas utilizando Google Earth Engine. Los resultados, dan cuenta a la caracterización del régimen hidrológico y el patrón estacional de la nieve de las subcuencas estudiadas, siendo de régimen nival las ubicadas en la porción central del área de estudio (30,5°- 35° S), y las mixtas en los bordes (29° y 36° S). Esta configuración, repercute en la dinámica anual de los caudales en donde se aprecia un periodo de desfase entre el máximo de precipitación sólida y el máximo del caudal. Asimismo, se observó una disminución constante en la cobertura de nieves durante los últimos 20 años, siendo apreciable que en la porción central del área de estudio (i.e. 33° - 35°S) este proceso ocurre de forma más severa. La experiencia obtenida en función al análisis y resultados en este trabajo, indica la factibilidad de utilizar aproximaciones asociadas a la teledetección satelital a fin de estimar variaciones en el patrón de cobertura de nieve y caracterizar de mejor manera los regímenes hidrológicos de cuencas con datos meteorológicos limitados con el propósito de apoyar el monitoreo hídrico para la sustentabilidad de la criósfera y para la seguridad hídrica de los territorios.

Abstract Central Chile (30°- 37° S), concentrates about 75% of the population of the country which translates into a huge demand for water. Much of the available water in this area comes from seasonal snow and glaciers located in the high mountain. In this context, climate change is positioned as a threat to water security through the decrease in rainfall and the acceleration of the melting of snows. It is necessary to have robust systems to monitor the spatial-temporal variability of snow patterns in order to quantify effects and map affected areas and to develop forecasting systems and prepare contingency plans. The present work establishes the relationship between snow cover and flow determining the spatio-temporal variability of sub-basins of the extratropical Andes of Chile (29°- 37° S) between the years 2000-2020 using MODIS satellite images and climate variables through Google Earth Engine. The results account for the characterization of the hydrological regime and the seasonal pattern of the snow of the sub-basins studied, being those located in the central portion of the study area (30.5°- 35° S) of a snow regime, and at the edges (29° and 36° S) mixed regime. This configuration affects the annual flow dynamics where a lag period can be seen between the maximum continuous precipitation and the maximum flow rate. Likewise, there has been a constant decrease in snow cover during the last 20 years being appreciable that in the central portion of the study area (that is, 33°- 35° S) this process occurs more severely. The experience gained from the analysis and the results of this work indicate the feasibility of using approximations associated with satellite remote sensing to estimate variations in the snow cover pattern and better characterize the hydrological regimes of basins with limited meteorological data to support water monitoring for the sustainability of the cryosphere and for the water security of the territories.

Resumo: Esta investigação comporta a questão básica de como a necessidade de uma vivência interdisciplinar é tratada nos projetos pedagógicos de ensino superior. A escolha se justifica pela necessidade de compreensão da interdisciplinaridade como demanda para as instituições. O objetivo geral é ampliar a compreensão do percurso institucional das proposituras gerais de interdisciplinaridade das Diretrizes Curriculares para o ensino superior. Especificamente, é descrever e interpretar aspectos das concepções de interdisciplinaridade contidas nos projetos pedagógicos dos cursos. A metodologia utilizada envolve a coleta de dados e sua interpretação. Os dados serão coletados em projetos pedagógicos disponíveis em sites de instituições universitárias situadas numa região delimitada. Para a interpretação, foram estabelecidas categorias preliminares de análise que englobam características específicas dos projetos pedagógicos, bem como as correspondências referentes às Diretrizes Curriculares, às diferenças e semelhanças entre projetos de diferentes modalidades de graduação, quanto à interdisciplinaridade. Tais categorias são: (i) correspondência em relação à respectiva Diretriz Curricular; (ii) fundamentação teórico / prática; (iii) consistência: coerência / contradição entre a proposta de interdisciplinaridade e demais concepções e proposituras do curso; (iv) previsão de grau e intensidade de envolvimento individual e institucional nas ações interdisciplinares; (v) similaridade / diferenciação das concepções de interdisciplinaridades entre projetos nas áreas de Ciências Humanas, Exatas e Tecnológicas, Biológicas; (vi) similaridade / diferenciação das concepções de interdisciplinaridade entre projetos das diferentes modalidades de graduação: bacharelado, licenciatura, formação de tecnólogos. Os resultados até o momento estão restritos à construção de um referencial teórico e ao instrumental para a análise dos dados.

Abstract: This investigation involves the basic question of how the need for an interdisciplinary experience is dealt with in higher education pedagogical projects. The choice is justified by the need to understand interdisciplinarity as a demand for institutions. The general objective is to broaden the understanding of the institutional path of the general interdisciplinarity propositions of the Curricular Guidelines until their concreteness in academic practices. Specifically, it is to describe and interpret aspects of the concepts of interdisciplinarity contained in the pedagogical projects of the courses. The methodology used involves data collection and interpretation. The data will be collected in pedagogical projects available on the websites of university institutions located in a defined region. For the interpretation, preliminary categories of analysis were established that encompass specific characteristics of the pedagogical projects, as well as the correspondences referring to the Curricular Guidelines, to the differences and similarities between projects of different graduation modalities, regarding the interdisciplinarity. Such categories are: (i) correspondence in relation to the respective Curricular Guideline; (ii) theoretical / practical basis; (iii) consistency: coherence / contradiction between the interdisciplinary proposal and other conceptions and propositions of the course; (iv) forecasting the degree and intensity of individual and institutional involvement in interdisciplinary actions; (v) similarity / differentiation of the concepts of interdisciplinarities between projects in the areas of Human Sciences, Exact and Technological, Biologica Sciences; (vi) similarity / differentiation of the concepts of interdisciplinarity between projects of different graduation modalities: bachelor’s degree, licentiate degree, training of technologists. The results so far are restricted to the construction of a theoretical framework and the instrumental for the analysis of the data.

Resumen Pronosticar la demanda eléctrica es de suma importancia para la planeación estratégica de una nación. La literatura ofrece múltiples acercamientos para el desarrollo de modelos de pronóstico enfocados principalmente en la demanda nacional agregada, dejando de lado los análisis sectoriales, en particular a los sectores no residenciales. En este artículo, utilizando la metodología de análisis de Series de Tiempo, se ajustan, validan y comparan tres diferentes modelos para pronosticar la demanda eléctrica del sector minas y canteras, uno de los más representativos en el consumo eléctrico colombiano. Los modelos ajustados incluyen un modelo de componentes aditivo, un SARIMA y un Holt Wiatednters. Los resultados indican que el modelo que presenta un menor error de pronóstico es el modelo Holt Winters.

Abstract Demand forecasting is of utmost importance for strategic decision making of a nation. Literature offers multiple approaches to the development of forecast models focused in aggregate demand, also, little attention has been paid to non-residential sector demand forecasts. In this paper, using Time Series Analysis approach, three different models are fitted, tested and compared to forecast electricity demand in mining and quarrying sector, one of the most representative non-residential sector for colombian electricity demand. Fitted models include an additive model, a SARIMA and a Holt Winters model. Results indicate that better accuracy is provided the by Holt Winters model.

Resumo Considerando que a demanda de passageiros é um dos principais riscos nos empreendimentos de infraestrutura de transporte de passageiros sobre trilhos, este trabalho objetiva propor um modelo de previsão de demanda, baseado em redes neurais artificiais, de forma a contribuir com a gestão de projetos ainda em sua fase de planejamento antecipado. Para isso, foi utilizado o delineamento do tipo expost facto, numa pesquisa do tipo descritiva com abordagem quantitativa, em que o grupo de investigação foi formado pelas estações de metrô e de trem da Região Metropolitana de São Paulo. Foram propostas 12 arquiteturas de RNA com 15 configurações diferentes, totalizando assim 180 processos de treinamento, teste e validação. Para cada uma das arquiteturas, foi identificado o menor erro médio quadrado percentual obtido; e para a melhor arquitetura, com uma camada oculta, foi realizada a análise de relevância, pelo método de Garson, das 4 variáveis de entrada do modelo: a população; o número de matrículas escolares; o número de empregos; e a renda per capita. Com o modelo proposto, espera-se contribuir à teoria ao somar aos modelos de previsão de demanda utilizando uma metodologia robusta e, para os gestores, servir como ferramenta de auxílio nos estudos de viabilidade econômico-financeiro desses empreendimentos, ainda em sua fase de planejamento antecipado, como uma ferramenta de tomada de decisão de investimento.

Abstract Whereas passenger demand is one of the main risks in passenger transport infrastructure projects on track, this paper aims to propose a demand forecasting model based on artificial neural networks (ANN) in order to contribute to the project management still in its early planning stages. For this, the design of ex post facto type was used in a descriptive research with quantitative approach, where the research group was composed by subway and train stations in the metropolitan region of São Paulo-Brazil. In total, 12 ANN were proposed architectures with 15 different configurations, totaling 180 training processes, testing and validation. For each architecture has been identified the lowest mean square error percentage obtained; and the best architecture, with a hidden layer, was performed relevance analysis by Garson method, the model 4 input variables: the population; the school enrolment; the number of jobs; and per capita income. With the proposed model, one expects to contribute to the theory by adding to demand forecasting models using a robust methodology and, for managers, serve as a tool in studies of economic and financial viability of these projects, still in its planning phase anticipated as an investment decision-making tool.