Evolução e tendências das Técnicas de Machine Learning aplicadas à Fiscalização Tributária: Uma Análise Bibliométrica
DOI:
https://doi.org/10.22279/navus.v16.2037Resumo
Este artigo propõe uma abordagem bibliométrica para analisar a evolução e tendências sobre as técnicas de machine learning aplicadas à fiscalização tributária. O estudo se baseia em uma revisão bibliográfica de documentos científicos disponíveis na base Scopus. A metodologia adotada emprega ferramentas de análise bibliométrica implementadas pelo pacote Bibliometrix para extrair métricas bibliográficas e estatísticas descritivas. Além disso, o VOSviewer foi utilizado para a visualização da rede de coocorrência de palavras-chave do autor, proporcionando uma compreensão mais profunda das relações entre as diversas áreas do conhecimento e os trabalhos publicados. Para se ter algumas métricas da rede de coocorrência, utilizou-se o software Gephi. Também se fez uso da ferramenta Loglet Lab 4 para a análise temporal das publicações, permitindo identificar padrões de crescimento e projeção de saturação no interesse acadêmico sobre o tema ao longo do tempo. Os resultados obtidos revelam insights sobre as principais áreas de foco, contribuições mais influentes, colaborações entre pesquisadores e a dinâmica temporal da produção científica relacionada à aplicação de técnicas de Machine Learning na Fiscalização Tributária. Essa abordagem bibliométrica não apenas destaca o estado atual da pesquisa nesse campo, mas também oferece direcionamentos para futuros estudos e aplicações mais aprofundadas na área tributária.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2025 Navus - Gestão e Tecnologia
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
O conteúdo da revista é de acesso público e gratuito, podendo ser compartilhado de acordo com os termos da Creative Commons Atribuição-Uso não-comercial-Vedada a criação de obras derivadas 4.0 Brasil. Você tem a liberdade de compartilhar — copiar, distribuir e transmitir a obra, sob as seguintes condições:
a) Atribuição — a atribuição deve ser feita quando alguém compartilhar um de seus artigos e deve sempre citar o nome da revista e o endereço do conteúdo compartilhado.
b) Uso não-comercial — você não pode usar esta obra para fins comerciais.
c) Vedada à criação de obras derivadas — você não pode alterar, transformar ou criar em cima desta obra.
Ficando claro que:
Renúncia — qualquer das condições acima pode ser renunciada se você obtiver permissão do titular dos direitos autorais. Domínio Público — onde a obra ou qualquer de seus elementos estiver em domínio público sob o direito aplicável, esta condição não é, de maneira alguma, afetada pela licença.
Outros Direitos — os seguintes direitos não são, de maneira alguma, afetados pela licença:
- Limitações e exceções aos direitos autorais ou quaisquer usos livres aplicáveis;
- os direitos morais do autor;
- direitos que outras pessoas podem ter sobre a obra ou sobre a utilização da obra, tais como direitos de imagem ou privacidade.
Aviso — para qualquer reutilização ou distribuição, você deve deixar claro a terceiros os termos da licença a que se encontra submetida esta obra.
A revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores.
Os trabalhos publicados passam a ser propriedade da revista Navus: Revista de Gestão e Tecnologia que deve ser consignada a fonte de publicação original. Os originais não serão devolvidos aos autores.
As opiniões emitidas pelos autores nos artigos são de sua exclusiva responsabilidade.
Esta obra está licenciada sob uma Creative Commons Atribuição-Uso não-comercial-Vedada a criação de obras derivadas 4.0 Brasil.
