<p>A Organização para a Cooperação e Desenvolvimento Econômico (OCDE) publica anualmente dados sobre os indicadores de Crescimento Verde de todos os países. Em geral, essa base é discutida na literatura usando estatísticas descritivas, as quais fornecem uma visão geral sobre o desempenho sustentável dos países. No entanto, não há trabalhos que relatem a aplicação de técnicas de agrupamento associadas aos algoritmos de mineração de dados com o intuito de encontrar fatores que explicam as semelhanças e diferenças entre os países avaliados por esses indicadores. Por essa razão, este trabalho relata a aplicação de técnicas de agrupamento <em>k-means</em> e clusterização hierárquica para encontrar grupos de países com desempenhos semelhantes com relação aos indicadores sustentáveis e demográficos avaliados pela OCDE. Para essa aplicação, foram usados os dados do ano de 2019 considerando todos os países de forma individual, excluindo os dados sobre blocos econômicos. Após a limpeza e preparação dos dados, 153 países e 15 indicadores foram avaliados, resultando em 5 grupos de países. Alguns grupos apresentaram características dominantes entre os países nele incluídos. O <em>cluster</em> 3 foi o maior grupo, englobando 96 países subdesenvolvidos ou em desenvolvimento, com economia agroexportadora. O <em>cluster</em> 0 agrupou países com grande crescimento populacional, e o <em>Cluster</em> 1 destacou países com altas taxas de mortalidade por exposição ao radônio. Por fim, o <em>cluster</em> 2 teve como destaque as variáveis demográficas referentes à idade e gênero e o <em>cluster</em> 4 agrupou países com baixas taxas de exposição a poluição decorrente de materiais particulados.</p>

Este artigo teve como objetivo a realização de uma revisão sistemática, seguida de uma bibliometria, para analisar quantitativamente e qualitativamente as publicações sobre machine learning (ML) no período de 2015 a 2020, contidas nos principais eventos da Engenharia de Produção (EP) no Brasil. Foi desenvolvido um protocolo de pesquisa e critérios de elegibilidade para identificar pesquisas que continham aplicações das técnicas de ML, resultando em 71 artigos elegíveis para a etapa de bibliometria. Em seguida, analisou-se a quantidade de artigos por evento, publicações por instituição, autores mais frequentes, rede de cooperação, áreas da EP mais exploradas, principais tarefas e técnicas de ML. Os resultados mostraram que as áreas mais exploradas foram a Gestão da Qualidade e a Engenharia Econômica, enquanto que as tarefas voltadas à classificação e os algoritmos baseados em Redes Neurais e Árvores de Decisão, foram os mais frequentes nas pesquisas. Quanto às instituições de ensino, a Universidade Tecnológica Federal do Paraná (UTFPR) foi a que mais publicou neste período, e em conjunto com a Pontifícia Universidade Católica do Paraná (PUC-PR) e a Universidade Federal Fluminense, foram as instituições que mais participaram de artigos em parceria com outras universidades. A pesquisadora que mais publicou, participou de seis artigos e pertence ao programa de Pós-Graduação em Engenharia de Produção e Sistemas (PPGEPS), da PUC-PR.