Lucas Praxedes
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Lucas Praxedes has a total of 17 co-authors. Here are the top co-authors by number of shared publications:
- Lenardo Chaves E. Silva
Universidade Federal Rural do Semi-Árido (UFERSA)
4 shared publications - Breno Duarte
Center of Excellence for Social Technologies (NEES), Institute of Computing, Federal University of Alagoas (UFAL), Maceió 57072-900, AL, Brazil
3 shared publications - Rafael de Amorim Silva
Universidade Federal de Alagoas (UFAL)
3 shared publications Bruno Almeida Pimentel
2 shared publications- Nicholas Joseph Tavares da Cruz
Universidade Federal de Alagoas (UFAL)
2 shared publications Breno Jacinto Duarte da Costa
Universidade Federal de Alagoas (UFAL)
1 shared publication
Latest Publications
- Open Access
- 29 October 2026
- Published by MDPI AG in Computer Sciences & Mathematics Forum
- Vol. 16 (1) , 27
School Demand Forecasting System Based on Gradient Boosting with Walk-Forward Validation
Efficient resource allocation in public education intrinsically depends on accurate enrollment demand forecasting. This work proposes a Data Science approach to forecast enrollments in Brazilian basic education, using microdata from the School Census from 2011 to 2021. GPU-accelerated Machine Learning techniques were employed, specifically Gradient Boosting (XGBoost and LightGBM) combined via Voting Ensemble with hyperparameter optimization via Optuna. The study applied rigorous temporal cross-validation (Walk-Forward Validation) to minimize data-leakage problems, utilizing context-specific feature engineering, including student–teacher ratios and demand acceleration. The results demonstrated high precision in regular teaching stages ( ) but revealed high hidden volatility in vocational education (IN_PROF_TEC: ) when subjected to honest temporal validation. Interpretation via SHAP values indicated that historical inertia dominates in stable grades (e.g., lags represent 65% of importance in IN_FUND), while exogenous factors predominate in elective series, offering public managers a transparent tool to differentiate between structural demands and conjunctural fluctuations.- 29 October 2026
- Published by MDPI AG in Computer Sciences & Mathematics Forum
- Vol. 16 (1) , 27
Open AccessSchool Demand Forecasting System Based on Gradient Boosting with Walk-Forward Validation
Efficient resource allocation in public education intrinsically depends on accurate enrollment demand forecasting. This work proposes a Data Science approach to forecast enrollments in Brazilian basic education, using microdata from the School Census from 2011 to 2021. GPU-accelerated Machine Learning techniques were employed, specifically Gradient Boosting (XGBoost and LightGBM) combined via Voting Ensemble with hyperparameter optimization via Optuna. The study applied rigorous temporal cross-validation (Walk-Forward Validation) to minimize data-leakage problems, utilizing context-specific feature engineering, including student–teacher ratios and demand acceleration. The results demonstrated high precision in regular teaching stages ( ) but revealed high hidden volatility in vocational education (IN_PROF_TEC: ) when subjected to honest temporal validation. Interpretation via SHAP values indicated that historical inertia dominates in stable grades (e.g., lags represent 65% of importance in IN_FUND), while exogenous factors predominate in elective series, offering public managers a transparent tool to differentiate between structural demands and conjunctural fluctuations. - 19 September 2026
- Published by Springer Nature
- p. 235-251
Investigating the Impact of API Design Techniques for Tools in Agentic Applications
- 19 September 2026
- Published by Springer Nature
- p. 235-251
Investigating the Impact of API Design Techniques for Tools in Agentic Applications
- 1 March 2026
- Published by IATED Academy in INTED Proceedings
- Vol. 1, 2269
IMPACT OF BRAZIL EXTREME CLIMATE EVENTS ON SCHOOL ENROLLMENT PREDICTION USING GRADIENT BOOSTING
- 1 March 2026
- Published by IATED Academy in INTED Proceedings
- Vol. 1, 2269
IMPACT OF BRAZIL EXTREME CLIMATE EVENTS ON SCHOOL ENROLLMENT PREDICTION USING GRADIENT BOOSTING
- 1 November 2025
- Published by IATED Academy in ICERI Proceedings
- Vol. 1, 6890-6899
AN EXPERIMENTAL ANALYSIS OF PREDICTIVE MODELS TO FORECAST SCHOOL ENROLLMENT DEMAND IN PUBLIC EDUCATION
- 1 November 2025
- Published by IATED Academy in ICERI Proceedings
- Vol. 1, 6890-6899
AN EXPERIMENTAL ANALYSIS OF PREDICTIVE MODELS TO FORECAST SCHOOL ENROLLMENT DEMAND IN PUBLIC EDUCATION
- Open Access
- 29 September 2025
- Published by Sociedade Brasileira de Computação
- p. 344-351
Desempenho Logístico no Brasil: Análise Geoespacial sobre Prazos de Entrega, Custos de Frete e Satisfação do Cliente no E-commerce
Este estudo realiza uma análise quantitativa do desempenho logístico no e-commerce brasileiro, utilizando um grande conjunto de dados transacionais. Por meio de análise geoespacial, testes estatísticos e machine learning, foram identificadas rotas de entrega críticas, quantificado o impacto negativo e significativo dos atrasos na satisfação do cliente, e desenvolvido um modelo preditivo para o custo do frete. Os resultados demonstram que o peso do produto é um fator mais decisivo que a distância na determinação do custo, fornecendo informações importantes para a otimização de estratégias logísticas e para a melhoria da experiência do consumidor.
- 29 September 2025
- Published by Sociedade Brasileira de Computação
- p. 344-351
Open AccessDesempenho Logístico no Brasil: Análise Geoespacial sobre Prazos de Entrega, Custos de Frete e Satisfação do Cliente no E-commerce
Este estudo realiza uma análise quantitativa do desempenho logístico no e-commerce brasileiro, utilizando um grande conjunto de dados transacionais. Por meio de análise geoespacial, testes estatísticos e machine learning, foram identificadas rotas de entrega críticas, quantificado o impacto negativo e significativo dos atrasos na satisfação do cliente, e desenvolvido um modelo preditivo para o custo do frete. Os resultados demonstram que o peso do produto é um fator mais decisivo que a distância na determinação do custo, fornecendo informações importantes para a otimização de estratégias logísticas e para a melhoria da experiência do consumidor.
- Open Access
- 29 September 2025
- Published by Sociedade Brasileira de Computação
- p. 129-136
Análise Experimental de Modelos Preditivos para a Previsão da Demanda por Vagas na Rede Pública de Ensino
Este estudo foca na validação de modelos de machine learning para a previsão de demanda na educação básica, através de uma análise de erro em várias dimensões diferentes. Comparando algoritmos lineares e de comitês, a avaliação não se limitou a simples acurácia, concentrando também na magnitude dos erros por meio de um conjunto de métricas (MAE, RMSE, MAPE). Os resultados comprovam que o LightGBM possui não apenas alta precisão, mas também erros consistentemente baixos, o que atesta sua confiabilidade. Conclui-se que esta metodologia de avaliação rigorosa do erro é importante para transformar modelos preditivos em ferramentas práticas para a tomada de decisão na gestão educacional.
- 29 September 2025
- Published by Sociedade Brasileira de Computação
- p. 129-136
Open AccessAnálise Experimental de Modelos Preditivos para a Previsão da Demanda por Vagas na Rede Pública de Ensino
Este estudo foca na validação de modelos de machine learning para a previsão de demanda na educação básica, através de uma análise de erro em várias dimensões diferentes. Comparando algoritmos lineares e de comitês, a avaliação não se limitou a simples acurácia, concentrando também na magnitude dos erros por meio de um conjunto de métricas (MAE, RMSE, MAPE). Os resultados comprovam que o LightGBM possui não apenas alta precisão, mas também erros consistentemente baixos, o que atesta sua confiabilidade. Conclui-se que esta metodologia de avaliação rigorosa do erro é importante para transformar modelos preditivos em ferramentas práticas para a tomada de decisão na gestão educacional.