<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Gabriela Momberg on Medium]]></title>
        <description><![CDATA[Stories by Gabriela Momberg on Medium]]></description>
        <link>https://medium.com/@gabrielamomberg?source=rss-9bb91e8d73a5------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*j1_Kva25OuXKTBkSkel4jw.jpeg</url>
            <title>Stories by Gabriela Momberg on Medium</title>
            <link>https://medium.com/@gabrielamomberg?source=rss-9bb91e8d73a5------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 07:34:43 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@gabrielamomberg/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Como fazer um mapa de origem e destino no QGIS]]></title>
            <link>https://medium.com/@gabrielamomberg/como-fazer-um-mapa-de-origem-e-destino-no-qgis-2e4c6bded06d?source=rss-9bb91e8d73a5------2</link>
            <guid isPermaLink="false">https://medium.com/p/2e4c6bded06d</guid>
            <category><![CDATA[qgis]]></category>
            <category><![CDATA[maps]]></category>
            <category><![CDATA[dataviz]]></category>
            <category><![CDATA[cartografia]]></category>
            <category><![CDATA[mapas]]></category>
            <dc:creator><![CDATA[Gabriela Momberg]]></dc:creator>
            <pubDate>Sun, 03 May 2026 15:09:10 GMT</pubDate>
            <atom:updated>2026-05-03T15:09:10.691Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5V_jCAwNYHX1B8rvraXFfw.png" /></figure><p>Organizei esse guia a partir da leitura e revisão de alguns materiais disponíveis pela internet, com o objetivo de facilitar o entendimento dos princípios de um mapa de fluxo (ou mapa de origem-destino).</p><p>Para tornar o aprendizado mais concreto, vou utilizar como exemplo um mapa que eu criei em 2020, na ocasião do meu trabalho final de graduação, <a href="https://gableria.github.io/dadosamesa/">Dados à Mesa: visualização de sistemas alimentares no território</a>. A <a href="https://aliancabike.org.br/pesquisa-de-perfil-dos-entregadores-ciclistas-de-aplicativo/">fonte dos dados</a> utilizados é uma pesquisa que traçou o perfil dos entregadores de aplicativo que utilizavam a bicicleta como meio de transporte (e de trabalho).</p><p>Nesse mapa de origem e destino, cada linha representa uma pessoa, então todas as linhas tem pesos iguais. Em um próximo artigo, pretendo abordar a criação de linhas cuja espessura representa a quantidade de pessoas que fazem um mesmo caminho. Por ora, o exercício proposto aqui é o de criar uma linha para cada pessoa.</p><h4>Etapa 1: Coletando os dados necessários</h4><p>Um mapa de fluxo precisa ter pontos de <strong>origem</strong> e pontos de <strong>destino</strong>. Recomendo que você tenha uma planilha contendo endereço, latitude e longitude de cada ponto que vai fazer parte desse mapa.</p><p>No caso do mapa de origem e destino de entregadores, eu parti de uma base de microdados em que havia diversas colunas com todas as respostas coletadas pelo questionário da organização.</p><p>As linhas nessa coluna representam cada pessoa entrevistada. Isso quer dizer que cada caminho de origem e destino é representado por uma linha na planilha, e nessa mesma linha havia células de origem e de destino.</p><p>O que fiz, então, foi selecionar as colunas que me interessavam: endereços de origem, endereços de destino, e suas respectivas coordenadas.</p><h4>Etapa 2: Criando uma planilha de referência</h4><p>Com os dados em mãos, criei uma tabela chamada <strong>&#39;Matriz&#39;</strong>, a qual usei como referência para criar as 2 tabelas que iria importar para o QGIS. Copiei para &#39;Matriz&#39; as colunas de &#39;Origem&#39;, &#39;Latitude&#39; e &#39;Longitude&#39;, e de &#39;Destino&#39;, &#39;Latitude&#39; e &#39;Longitude&#39;, e criei uma &#39;ID&#39; para cada um desses itens. Escolhi criar essa nomenclatura composta por sigla e número para poder utilizar o mesmo número para cada caminho. Assim, o primeiro caminho será feito a partir da ligação entre orig01 e dest01, o segundo caminho será feito a partir da ligação entre orig02 e dest02, e daí em diante.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*j6TWA_OTJKlK5DZ5oockGA.png" /><figcaption>Figura 1: Tabela &#39;Matriz&#39;</figcaption></figure><h4>Etapa 3: Criando as tabelas que irão para o QGIS</h4><p>O primeiro arquivo que você vai precisar é o que vai trazer as coordenadas para o QGIS, para gerar uma camada de pontos geolocalizados. Para isso, eu criei a planilha chamada Pontos, com os campos<strong> &#39;ID&#39;, &#39;Ref&#39;, &#39;Latitude&#39; e &#39;Longitude&#39;</strong>. O campo Ref serve apenas como referência do endereço ou lugar que originou as coordenadas.</p><p>Para trazer os dados da tabela <strong>&#39;Matriz&#39;</strong> para a tabela &#39;<strong>Pontos&#39;</strong>, eu copiei todos os dados de origem, e colei todos os dados de destino na sequência, como mostra a imagem:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*rSAIgz5VTlgT1GhQNLk-Fg.png" /><figcaption>Figura 2: Tabela &#39; Pontos&#39;</figcaption></figure><p>O segundo arquivo é o que faz a relação entre os pontos de origem e destino, e para isso ele utiliza os &#39;<strong>ID&#39;</strong>s. Portanto, criei a planilha &#39;<strong>Linhas&#39;</strong>, em que estão presentes . Copiei da &#39;Matriz&#39; apenas as colunas ‘<strong>OrigID’</strong> e ‘<strong>DestID&#39; (</strong>mantendo a ordem vertical de cada uma). Como pode ver, essa planilha é bem simples e serve apenas para criar as conexões. Um dos motivos de sua simplicidade nesse exemplo é termos feito o trabalho de atribuir uma ID numérica para cada endereço.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bVcdNKwAJwK8Oyv8iHEgjg.png" /><figcaption>Figura 3: Tabela &#39;Linhas&#39;</figcaption></figure><p>Como mencionei no início, em um próximo artigo faremos um mapa atribuindo espessuras diferentes a cada linha. Nesse caso, a planilha <strong>&#39;Linhas&#39;</strong> fica um pouco mais complexa. Mas isso fica para o próximo artigo.</p><p>Feitas as duas tabelas, <strong>&#39;Pontos&#39;</strong> e <strong>&#39;Linhas&#39;</strong>, exporte ambas no formato .csv.</p><h4>Etapa 4: Criando a camada de pontos no QGIS</h4><p>Abra um novo projeto no QGIS e, se desejar, adicione uma camada de referência. Eu adicionei a de distritos de São Paulo.</p><p>Vá até o menu superior e selecione <strong>Camada &gt; Adicionar Camada &gt; Adicionar Camada de Texto Delimitado</strong>. Selecione o arquivo &#39;<strong>pontos.csv&#39;</strong>, e configure da seguinte forma:<br>1. Formato do arquivo: selecione &quot;CSV&quot;<br>2. Opções de Gravação e Campos: marque &quot;Separador decimal é a vírgula&quot;<br>3. Definição de geometria: marque &quot;Coordenadas de ponto&quot;; relacione Longitude ao Campo X, e Latitude ao Campo Y.<br>4. Amostra de dados: verifique se a tabela está configurada corretamente<br>5. Clique em Adicionar e feche a janela</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jluTtoE8BJR7vM-XvzDjwg.png" /><figcaption>Figura 4: Janela de &#39;Adicionar Camada de Texto Delimitado&#39;</figcaption></figure><p>Agora, você precisa adicionar o arquivo de Linhas. Faça o mesmo procedimento indo até <strong>Camada &gt; Adicionar Camada &gt; Adicionar Camada de Texto Delimitado</strong>, e na janela de seleção escolha o arquivo<strong> &#39;linhas.csv&#39;</strong>. Nas configurações, a única diferença será na área Definição de Geometria, em que você deve selecionar &quot;Sem geometria&quot;.</p><p>Adicione a camada, e você deve ver na interface algo parecido com a imagem a seguir (lembre-se que, no exemplo, eu adicionei a camada de distritos em amarelo). A camada <strong>&#39;pontos&#39;</strong> espacializada no mapa, e a camada de <strong>&#39;linhas&#39;</strong> com um ícone de tabela, pois esse arquivo ainda é apenas uma tabela.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3VWlZ_HHQDb-nHonnVzF_Q.png" /><figcaption>Figura 5: Mapa exibindo a camada &#39;pontos&#39;</figcaption></figure><h4>Etapa 5: Criando as linhas de fluxo</h4><p>Chegamos ao momento mais esperado do processo: a criação das conexões entre origem e destino.</p><p>Vá até o menu superior e clique em <strong>Camada &gt; Criar Nova Camada &gt; Nova Camada Virtual</strong>. Uma janela vai aparecer (Figura 6), e você precisa importar os dois arquivos na área de Camadas incorporadas. Clique em <strong>Importar</strong> e selecione as camadas linhas e pontos.</p><p>Em Consulta, você precisa escrever o seguinte código:</p><pre>SELECT OrigID, DestID,<br>  make_line(a.geometry, b.geometry)<br>FROM linhas<br>JOIN pontos a ON linhas.OrigID = a.ID<br>JOIN pontos b ON linhas.DestID = b.ID<br>WHERE a.ID != b.ID</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*X7RsmNhK0MISz9W8wxjE3g.png" /><figcaption>Figura 6: Janela de &#39;Nova Camada Virtual&#39;</figcaption></figure><p>Clique em &#39;Teste&#39;, e o que deve aparecer é uma mensagem &#39;Sem erro&#39;. Clique então em Adicionar, e uma camada chamada &#39;<strong>virtual_layer&#39;</strong> será criada (esse nome pode ser configurado na janela de Camada Virtual, se desejar).</p><p>As linhas devem aparecer no mapa, mas se não aparecerem, como aconteceu comigo, pode ser necessário alterar o SRC (<a href="https://docs.qgis.org/2.18/pt_BR/docs/gentle_gis_introduction/coordinate_reference_systems.html#coordinate-reference-system-crs-in-detail">sistema de referência de coordenadas</a>) da camada &#39;<strong>virtual_layer&#39;</strong> para o mesmo SRC definido para a camada <strong>&#39;pontos&#39;</strong>. No caso desse mapa, as coordenadas que obtive foram criadas com referência em EPSG 4326 — WGS 84.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zVjGNGisiGJ3CYL71aBlBw.png" /><figcaption>Figura 7: Janela de propriedades da camada</figcaption></figure><p>Uma vez modificado o SRC da camada &#39;<strong>virtual_layers&#39;</strong> para o mesmo SRC da camada &#39;<strong>pontos&#39;</strong>, as linhas de origem e destino devem ficar visíveis no mapa.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-zW9u3dmQPm2gNLImasTwg.png" /><figcaption>Figura 8: Mapa completo</figcaption></figure><p>A partir daí, vale trabalhar nas propriedades de representação gráfica para comunicar visualmente os dados que fazem parte da sua pesquisa.</p><p>Boa sorte e compartilhe nos comentários se funcionou para você!</p><p>Agradeço ao Pedro Vada pelo convite para colaborar com a disciplina Sociodemografia Geoprocessada na Escola da Cidade, espaço motivador do meu esforço em organizar essas informações com o objetivo de auxiliar os graduandos no desenvolvimento de seus trabalhos.</p><h4>Referências</h4><p><strong>CESAD FAU-USP — YouTube</strong>. Disponível em: &lt;<a href="https://www.youtube.com/">https://www.youtube.com/</a>&gt;. Acesso em: 4 dez. 2024.</p><p>GRASER, ANITA. <strong>Flow maps in QGIS — no plugins needed!</strong> <strong>Free and Open Source GIS Ramblings</strong>, 3 maio 2019. Disponível em: &lt;<a href="https://anitagraser.com/2019/05/04/flow-maps-in-qgis-no-plugins-needed/">https://anitagraser.com/2019/05/04/flow-maps-in-qgis-no-plugins-needed/</a>&gt;. Acesso em: 4 dez. 2024</p><p><strong>Urbanidades</strong>. Disponível em: &lt;<a href="https://www.youtube.com/channel/UCGlpO0q6dDf4TlhE4Hl_ESQ">https://www.youtube.com/channel/UCGlpO0q6dDf4TlhE4Hl_ESQ</a>&gt;. Acesso em: 4 dez. 2024.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=2e4c6bded06d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Dados à Mesa: visualizando o sistema alimentar da cidade de São Paulo]]></title>
            <link>https://medium.com/datavizbr/dados-%C3%A0-mesa-visualizando-o-sistema-alimentar-da-cidade-de-s%C3%A3o-paulo-d4e898049f5?source=rss-9bb91e8d73a5------2</link>
            <guid isPermaLink="false">https://medium.com/p/d4e898049f5</guid>
            <category><![CDATA[estamparia]]></category>
            <category><![CDATA[cartography]]></category>
            <category><![CDATA[dataviz]]></category>
            <category><![CDATA[infovis]]></category>
            <category><![CDATA[alimentação]]></category>
            <dc:creator><![CDATA[Gabriela Momberg]]></dc:creator>
            <pubDate>Wed, 05 Jan 2022 14:26:42 GMT</pubDate>
            <atom:updated>2022-01-05T14:26:42.262Z</atom:updated>
            <content:encoded><![CDATA[<p>Acredito que para começar um projeto de design da informação seja necessário o envolvimento com múltiplos campos do conhecimento. Desde que tenho discutido sobre segurança alimentar com pessoas à minha volta, não conheço alguém que não tenha se inspirado diante da ideia de transmitir e visibilizar dados relacionados ao tema, pelas mais diversas motivações: planejamento de políticas públicas, conscientização para o consumo responsável, mobilização política, articulação de ações sociais, entre outras possibilidades. Com isso em mente, desenvolver o projeto Dados à Mesa foi um percurso dotado de pesquisa e experimentação de caráter interdisciplinar, os quais pretendo abordar neste artigo.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XGWTvKzaOyy-ByUZQP6h4Q.jpeg" /><figcaption>Imagem produzida pela autora</figcaption></figure><p><a href="https://gableria.github.io/dadosamesa/">Dados à Mesa</a> é um trabalho final de graduação apresentado em 2020 na Faculdade de Arquitetura e Urbanismo da USP, orientado pelo Prof. Dr. Leandro Velloso. A partir de metodologias do Design da Informação (DI), da Design Research e do Design Centrado no Humano (DCH), foi elaborada uma coleção de estamparia para guardanapos e panos de prato, baseada em dados relacionados ao sistema alimentar na cidade de São Paulo. O objetivo principal era criar uma experiência de contato do cidadão paulistano com a informação disponível em dados abertos.</p><p>O projeto foi, desde o princípio, orientado pelo DI[1]. No entanto, também foram utilizadas outras abordagens de design ao longo do processo. O desenho da pesquisa incluiu uma fase preliminar de revisão exploratória de fontes e de imersão no universo do usuário. Desta introdução, seguiu-se para uma modelagem de dados e visualizações. Estas fontes — a análise exploratória de dados e a pesquisa de usuário — alimentaram a etapa de ideação, cuja sequência foi dada pela prototipagem das alternativas geradas. Por meio de um processo iterativo entre ideação, prototipagem e modelagem, desenvolveu-se o desenho final do projeto.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Z7R5go49uyIvLFR5NAmnYw.png" /><figcaption>Diagrama da metodologia</figcaption></figure><p>O contexto que mobilizou as primeiras pesquisas bibliográficas é dado pelo cenário de oferta e consumo em São Paulo. Estar em contato com projetos de desenvolvimento sustentável para a cidade, ao mesmo tempo vivenciando um centro urbano onde a predominância de ultraprocessados é ostensiva diante da classe trabalhadora, suscitou o interesse pela visualização de informação sobre o ambiente alimentar[2] que se estabelece no território e as condições sociais que se relacionam a isso. Estávamos tratando, portanto, de sistema alimentar.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*TTWH5Y4XayPBVrbZdrptYw.jpeg" /><figcaption>Imagem produzida pela autora</figcaption></figure><p>Em uma abordagem inicial com a visualização de dados, foi realizada uma análise exploratória de dados abertos, coletados de plataformas de instituições públicas e de órgãos independentes que disponibilizaram informações recentes relacionadas ao sistema alimentar — infraestrutura de abastecimento, estabelecimentos comerciais, mercado de trabalho, cobertura vegetal, unidades de produção agrícola, entre outros dados. A modelagem de visualizações em softwares como Tableau e QGIS caracterizou um momento de descoberta e familiarização com aspectos dos dados como amplitude, granularidade, outliers, tendências, clusters e demais parâmetros[3]. A visualização de dados foi associada, nessa etapa, a uma postura de observação por parte da designer.</p><p>Com o objetivo de criar um projeto de DI que se comunicasse com o cidadão paulistano, foi essencial adotar metodologias do DCH. Dessa forma, o que caracterizamos como a etapa de imersão consistiu na realização de entrevistas com usuários que, de diferentes perspectivas, estavam envolvidos com a cadeia da alimentação na cidade de São Paulo. As conversas foram semiestruturadas a fim de observar relações que essas pessoas estabeleciam entre o espaço e a alimentação. Foram ouvidas pessoas ligadas à agricultura familiar, à mobilização social, ao movimento de cooperativismo e à agenda de segurança alimentar. Para processar e analisar a informação coletada, utilizamos o método do Diagrama de Afinidades.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ckUSo4QG_89OmNPVkN0Rvg.png" /><figcaption>Diagrama de Afinidades: método de processamento e análise da pesquisa de usuário</figcaption></figure><p>Da imersão resultaram oito categorias temáticas que orientaram um exercício de geração de soluções. Nesse processo, ideias abstratas foram traduzidas em alternativas visuais por meio do <em>sketching</em>. Adotar um método de ideação baseado na produção manual de esboços permitiu estabelecer uma abordagem experimental e flexível no processo criativo da visualização de dados. Por meio desta prática, foi possível refletir sobre as relações entre os tipos de visualização, os conjuntos de dados levantados e a interface gráfica[4]. As descobertas na ideação alimentavam, assim, novas buscas por dados e modelagens. Essa etapa foi, portanto, fundamental para embasar a execução do projeto posteriormente pelos softwares de visualização e de ilustração digital.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*KytUR0YtShZOHm8yDtHcFQ.jpeg" /><figcaption>Categorias resultantes do Diagrama de Afinidades</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9P-HkWpjo6XoTVpNvp20bQ.png" /><figcaption>Geração de alternativas por meio de esboços manuais</figcaption></figure><p>Por fim, as visualizações se estruturam da seguinte forma: três séries temáticas compostas por um mapa municipal e 96 combinações de gráficos que representam cada distrito de São Paulo. Os mapas possuem uma camada coroplética em que são apresentados dados relativos, e uma camada sobreposta de bolhas proporcionais, com dados absolutos. Os gráficos de distrito são uma combinação de preenchimento de área, como plano de fundo, ao qual é sobreposto um gráfico de pictogramas com dados quantitativos. Cada série se concentra sobre um tema apresentando um cruzamento específico de informações:</p><ul><li><strong>Série 1:</strong> mais relacionada à dimensão produtiva do uso do solo, apresenta a proporção de terrenos vagos e áreas livres, comparada à quantidade de estabelecimentos em que se pode consumir alimentos no modelo de circuito curto, e ainda à quantidade de famílias em extrema pobreza.</li><li><strong>Série 2:</strong> apresenta o cenário da oferta no mercado formal de alimentos, comparando estabelecimentos de oferta de ultraprocessados, <em>in natura </em>ou mistos, a áreas em vulnerabilidade social.</li><li><strong>Série 3:</strong> com um olhar sobre o mercado de trabalho informal ligado à tendência de precarização presente no sistema alimentar, tem-se a renda média domiciliar comparada ao número de microempreendedores individuais na categoria de entrega rápida, e a distância diária percorrida entre moradia e local de trabalho de entregadores ciclistas de aplicativo.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7L3YcffYJsTjH36lVDx__A.png" /></figure><p>Como resultado da ideação tivemos também a definição do suporte. A escolha por um projeto de estamparia se deve a um processo de análise das categorias temáticas, na qual se considerou o pano de prato e os guardanapos como potenciais veículos para a informação, uma vez que o artefato têxtil pode se ambientar em locais de consumo alimentar.</p><p>Definida a estamparia como a técnica de reprodução das visualizações, o passo seguinte à ideação foi a prototipagem das estampas em tecido. Houve diversos níveis de fidelidade nesta produção, e conforme o avanço do detalhamento, foram necessárias adaptações na modelagem de visualizações, e consequentemente o recomeço de ciclos entre ideação, modelagem e prototipagem. Quando as estampas passaram a incorporar dados reais e as escalas pareceram estar adequadas à representação da granularidade dos dados, pôde-se traçar um projeto para os artefatos finais de serigrafia, <em>stencil</em> e imersão do tecido.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2_h_jUBSI08X7u2nw4_SQg.png" /><figcaption>Experimentação com técnicas de estamparia</figcaption></figure><p>A produção dos protótipos foi imbuída de caráter experimental, levando em consideração que se poderia recorrer a métodos de maior escala para a execução das estampas. No entanto, a prototipagem artesanal provou-se possível e interessante à medida em que institui uma dinâmica de cuidado e sensibilização para com os dados. O tempo que se leva para estampar cada ponto de dado no tecido pode ser entendido como uma dimensão da experiência sensorial para além da visualização. Nesse sentido, o envolvimento do designer com processos analógicos no tratamento dos dados pode oferecer uma importante contribuição para o resultado na <em>infovis</em>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*7Z0GikG_8gcvUuHJ5WZBWw.png" /><figcaption>Produção de protótipos de alta fidelidade em serigrafia, imersão e stencil</figcaption></figure><p>Uma das reflexões que este trabalho suscita é a de que visualizar dados pressupõe não apenas um sujeito[5], mas uma interface, e portanto, escolhas de projeto que poderão interferir em sua ambientação. Nesse sentido, a coleção se apresenta como um esforço de aproximação ao contexto do cidadão por meio do ponto mais recorrente do sistema alimentar — o consumo — para convocá-lo, por meio da interação com o artefato têxtil, a refletir sobre questões de interesse público que permeiam a alimentação na cidade. A visualização da informação na estamparia busca trazer à mesa novas camadas de percepção acerca do lugar e do sistema em que um ato cotidiano se situa.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*vaRIlu1xWwBHoFomjpVw8g.png" /><figcaption>Imagens produzidas pela autora</figcaption></figure><h4>Referências</h4><ol><li>ARAUJO, GABRIELA MOMBERG ; <strong>VELLOSO, LEANDRO MANUEL REIS</strong> . Dados à mesa: visualizando a alimentação na cidade de São Paulo. In: 10º Congresso Internacional de Design da Informação e 10º Congresso Nacional de Iniciação Científica em Design, 2021, Curitiba. Blucher Design Proceedings. São Paulo: Editora Blucher, 2021. v. 9. p. 1745–1752.</li><li>Machado, P., Claro, R., Martins, A., Costa, J., &amp; Levy, R. (2018). Is food store type associated with the consumption of ultra-processed food and drink products in Brazil? <em>Public Health Nutrition,</em> <em>21</em>(1), 201–209. doi:10.1017/S1368980017001410</li><li>TUFTE, Edward R. Envisioning information. 1990 Graphics Press.</li><li>LUPI, Giorgia. (2017), <a href="https://medium.com/@giorgialupi/data-humanism-the-revolution-will-be-visualized-31486a30dbfb">Data Humanism, the Revolution will be Visualized</a>.</li><li>DRUCKER, Johanna. Graphesis - Visual Forms of Knowledge. 2014 Harvard University Press.</li></ol><p><em>Para saber mais, acesse o caderno disponível na </em><a href="https://gableria.github.io/dadosamesa/"><em>página do projeto</em></a><em>.</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Q_3BHvjdF4DeuouZdv1dlw.jpeg" /><figcaption>Imagem produzida pela autora</figcaption></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d4e898049f5" width="1" height="1" alt=""><hr><p><a href="https://medium.com/datavizbr/dados-%C3%A0-mesa-visualizando-o-sistema-alimentar-da-cidade-de-s%C3%A3o-paulo-d4e898049f5">Dados à Mesa: visualizando o sistema alimentar da cidade de São Paulo</a> was originally published in <a href="https://medium.com/datavizbr">datavizbr</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>