Use este identificador para citar ou linkar para este item: https://repositorio.uema.br/jspui/handle/123456789/6526
Registro completo de metadados
Campo DCValorIdioma
dc.creatorRabelo, João Victor de Souza-
dc.date.accessioned2026-08-31T17:49:50Z-
dc.date.available2026-08-31-
dc.date.available2026-08-31T17:49:50Z-
dc.date.issued2026-
dc.identifier.citationRABELO, João Victor de Souza. Avaliação agronômica de recomendações de inteligências artificiais para o manejo da compactação em solos agrícolas . 2026. 53f. Monografia (Graduação em Engenharia Agronômica) - Centro de Ciências Agrárias, Universidade Estadual do Maranhão, São Luís, 2026. Disponível em: https://repositorio.uema.br/jspui/handle/123456789/6526pt_BR
dc.identifier.urihttps://repositorio.uema.br/jspui/handle/123456789/6526-
dc.description.abstractSoil compaction represents one of the main constraints to agricultural productivity in Brazil, particularly in regions of intensive agriculture such as the state of Maranhão. Caused by the use of heavy machinery and inadequate soil management practices, this physical degradation affects key soil attributes, including bulk density, total porosity, water infiltration capacity, penetration resistance (PR, expressed in MPa), nutrient transport, and biological activity within the soil profile. At the same time, advances in artificial intelligence (AI) technologies based on Transformer architecture, especially large language models such as ChatGPT (OpenAI), Gemini (Google DeepMind), and Claude (Anthropic), have enabled the development of tools with potential to support agronomic decision-making. In this context, this study aimed to evaluate the performance of three artificial intelligence systems in diagnosing and recommending management practices for compacted soils under the edaphoclimatic conditions of Maranhão. Five simulated scenarios were developed based on real situations reported in the literature, including four scenarios involving soils with different degrees of compaction and one control scenario without evident physical limitations. A single standardized prompt, structured around four thematic axes — physical diagnosis of compaction, immediate actions, medium-term management, and operational precautions — was submitted simultaneously and identically to the three AI systems, in independent sessions with no previous history, on the same day, and without iterative refinement. The generated responses were analyzed according to predefined criteria, allowing discussion of the technical coherence, practical applicability, depth of recommendations, and limitations of each model. Thus, this study seeks to contribute to the debate on the responsible use of these technologies as support tools for agronomic consulting and rural extension in conservation-oriented soil managementpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Estadual do Maranhãopt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectCompactação do solopt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectManejo do solopt_BR
dc.subjectRecomendação técnicapt_BR
dc.titleAvaliação agronômica de recomendações de inteligências artificiais para o manejo da compactação em solos agrícolaspt_BR
dc.title.alternativeAgronomic evaluation of artificial intelligence recommendations for compaction management in agricultural soilspt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.creator.Latteshttp://lattes.cnpq.br/4806926830994194pt_BR
dc.contributor.advisor1Fernandes, Francisco Ronaldo Belém-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1775219184582439pt_BR
dc.contributor.referee1Cândido, Clebson Santos-
dc.contributor.referee2Menezes, Ronaldo Haroldo N. de-
dc.description.resumoA compactação do solo representa um dos principais entraves à produtividade agrícola no Brasil, especialmente em regiões de agricultura intensiva como o estado do Maranhão. Causada pelo uso de maquinário pesado e pelo manejo inadequado do solo, essa degradação física compromete atributos como densidade do solo, porosidade total, capacidade de infiltração de água e resistência à penetração (RP, expressa em MPa), além de afetar o transporte de nutrientes e a atividade biológica do perfil. Paralelamente, o avanço das tecnologias de inteligência artificial (IA) baseadas em arquitetura Transformer, especialmente os modelos de linguagem de grande escala como ChatGPT (OpenAI), Gemini (Google DeepMind) e Claude (Anthropic), tem possibilitado o desenvolvimento de ferramentas com potencial de apoio à tomada de decisão agronômica. Diante desse contexto, o presente trabalho teve como objetivo avaliar o desempenho de três inteligências artificiais no diagnóstico e na recomendação de manejo de solos compactados em condições edafoclimáticas do Maranhão. Foram elaborados cinco cenários simulados baseados em situações reais descritas na literatura, sendo quatro com solos apresentando diferentes graus de compactação e um cenário controle sem problemas físicos evidentes. Um prompt padronizado e único, estruturado em quatro eixos temáticos — diagnóstico físico da compactação, ações imediatas, manejo de médio prazo e cuidados operacionais — foi submetido simultaneamente e de forma idêntica às três IAs, em sessões independentes sem histórico prévio, no mesmo dia, sem refinamento iterativo. As respostas geradas foram analisadas com base em critérios previamente definidos, permitindo discutir a coerência técnica, a aplicabilidade prática, a profundidade das recomendações e as limitações de cada modelo. Dessa forma, o estudo busca contribuir para a reflexão sobre o uso responsável dessas tecnologias como ferramentas de apoio à consultoria agronômica e à extensão rural no manejo conservacionista de solospt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus São Luis Centro de Ciências Agrárias – CCApt_BR
dc.publisher.initialsUEMApt_BR
dc.subject.cnpqAgronomiapt_BR
dc.identifier.rorhttps://ror.org/04ja5n907-
Aparece nas coleções:Curso de Bacharelado em Agronomia - CCA UEMA - Monografias

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC - JOÃO VICTOR DE SOUZA RABELO - ENG. AGRONOMICA - CCA UEMA - 2026.pdfPDF A2.59 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.