A CONTRIBUIÇÃO DAS TECNOLOGIAS DA INFORMAÇÃO PARA A GESTÃO E O DESENVOLVIMENTO DO AGRONEGÓCIO:
UMA REVISÃO SISTEMÁTICA
DOI:
https://doi.org/10.47595/rcjs.v1i1.194Palavras-chave:
Tecnologia da Informação, Agronegócio, gestão agrícola, transformação digital.Resumo
O agronegócio brasileiro enfrenta desafios estruturais relacionados à organização da informação, integração de dados e uso estratégico de tecnologias, apesar do avanço da digitalização em outros setores produtivos. Diante desse cenário, este estudo busca analisar de que forma as Tecnologias da Informação (TI) podem contribuir para a melhoria da gestão, da eficiência operacional e do desenvolvimento sustentável do setor. Trata-se de uma pesquisa de natureza bibliográfica, qualitativa e exploratória que examina evidências presentes na literatura sobre os benefícios, limitações e oportunidades do uso de TI no contexto agrícola. Os resultados esperados envolvem a identificação de padrões e tendências relacionados à adoção tecnológica, bem como a compreensão de seu papel no apoio à tomada de decisão, na competitividade e na modernização do agronegócio.
Referências
DEDRICK, J.; GURBAXANI, V.; KRAEMER, K. Information technology and productivity. MIS Quarterly, v. 34, n. 1, p. 1–24, 2010.
EASTWOOD, C.; KLERKX, L.; NETTLE, R. The future of farm management: digital agriculture. Agricultural Systems, v. 153, p. 1–9, 2017.
ELGHANNAM, A. et al. Smart farming and big data analytics. Sustainable Computing, v. 25, 2020.
EMATER-RIO. Acompanhamento Sistemático da Produtividade Agrícola – ASPA. Rio de Janeiro: EMATER-Rio, 2024. Disponível em: https://www.emater.rj.gov.br. Acesso em: jan. 2026.
EMBRAPA SOLOS. Banco de Dados de Solos do Brasil – BDSolos. Brasília: Embrapa, 2024. Disponível em: https://www.bdsolos.cnptia.embrapa.br/consulta_publica.html. Acesso em: jan. 2026.
GEBBERS, R.; ADAMCHUK, V. I. Precision agriculture and food security. Science, v. 327, n. 5967, p. 828–831, 2010.
INSTITUTO NACIONAL DE METEOROLOGIA (INMET). Banco de Dados Meteorológicos para Ensino e Pesquisa. Brasília: INMET, 2025. Disponível em: https://portal.inmet.gov.br/dadoshistoricos/. Acesso em: jan. 2026.
KAMILARIS, A.; PRENAFETA-BOLDÚ, F. X. Deep learning in agriculture: a survey. Computers and Electronics in Agriculture, v. 147, p. 70–90, 2018.
LI, L. et al. Digital transformation of agriculture. Information Processing in Agriculture, v. 6, n. 4, p. 381–392, 2019.
MASSRUHA, S.; LEITE, M.; LUCHIARI, A.; EVANGELISTA, S. A transformação digital no campo rumo à agricultura sustentável e inteligente. Brasília: Embrapa, 2023. (Relatório técnico).
McBRATNEY, A. et al. Future directions of precision agriculture. Precision Agriculture, v. 6, p. 7–23, 2005.
MOHER, D.; LIBERATI, A.; TETZLAFF, J.; ALTMAN, D. G. Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement. PLoS Medicine, v. 6, n. 7, p. e1000097, 2009.
PORTER, M. E. Information technology and competitive advantage. Harvard Business Review, 2008.
ROSE, D. C.; CHILVERS, J. Smart farming: from technology adoption to digital agriculture. Sustainability, v. 8, n. 11, p. 1–17, 2016.
WOLFERT, S.; GE, L.; VERDOUW, C.; BOGAARDT, M. Big data in smart farming: a review. Agricultural Systems, v. 153, p. 69–80, 2017.
ZHANG, M.; WANG, K.; WANG, J. Application of data mining technology in precision agriculture. Procedia Computer Science, v. 122, p. 1063–1068, 2017
Downloads
Publicado
Licença
Copyright (c) 2026 Revista de Ciências Jurídicas e Sociais

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.



