La transdisciplinariedad y el activismo científico como cuñas para acelerar el desarrollo amazónico

DOI: ESTE ARTIGO AINDA NÃO POSSUI DOI
SOLICITAR AGORA!
Rate this post
Facebook
Twitter
LinkedIn
Pinterest
WhatsApp
Email

CONTEÚDO

ENSAYO ACADÉMICO

FONSECA, Claudio Ruy Vasconcelos da [1], SANTIAGO, Sandro Breval [2], PAULA, Estevão Vicente Cavalcante Monteiro de [3] 

FONSECA, Claudio Ruy Vasconcelos da. SANTIAGO, Sandro Breval. PAULA, Estevão Vicente Cavalcante Monteiro de. La transdisciplinariedad y el activismo científico como cuñas para acelerar el desarrollo amazónico. Revista Científica Multidisciplinar Núcleo do Conhecimento. Año. 07, Ed. 01, Vol. 04, págs. 254-278. Enero 2022. ISSN: 2448-0959, Enlace de acceso: https://www.nucleodoconhecimento.com.br/biologia-es/desarrollo-amazonico

RESUMEN

Estudiar y conocer la Amazonía en el escenario socioeconómico actual lleva a la reflexión sobre la efectividad de las metodologías científicas adoptadas. ¿El diálogo entre los grupos de investigación y los tomadores de decisiones permite la producción de conocimiento robusto y adecuado a las demandas del sector productivo amazónico, y articulado con el fin de sensibilizar a la academia para que se centre en los cuellos de botella tecnológicos existentes, así como en las nuevas oportunidades para el uso de la riqueza natural? Se realizó un análisis sobre los requerimientos de los avisos de desarrollo científico producidos por las principales instituciones de promoción y desarrollo en la Amazonía en los últimos dos años, y se encontró que la epistemología predominante es la disciplinariedad, hecho que hace más restringida la aplicación de resultados. La escala temporal de la producción científica, la velocidad de impacto en la sociedad en relación con su aplicación, el lenguaje adecuado y la falta de percepción de la sociedad sobre la incertidumbre de la política, son factores importantes que afectan la relación entre la academia y los formadores de opinión y las políticas públicas, y es necesario intensificar un cierto activismo científico, aplicación de la epistemología traslacional. Paralelamente, la gestión de la gobernanza del conocimiento científico sería, en algunos casos, más susceptible de tener éxito con el uso de algoritmos que aún se adoptan tímidamente en el entorno académico de la Amazonía.

Palabras clave: Transdisciplinariedad, Sociedad, Ciencia amazónica, Transferencia tecnológica.

1. INTRODUCCIÓN

La ciencia busca responder a preguntas formuladas para resolver las dudas de la sociedad. Las preguntas bien formuladas tienen enfoques bien definidos. Irónicamente, a menudo los resultados de las encuestas plantean nuevas preguntas. Sin embargo, aún existen complejas marañas de situaciones relacionadas con el comportamiento del científico, la relación de la ciencia con la sociedad, sus protocolos y métodos científicos que necesitan ser analizados para entender qué se produce y cómo se produce el conocimiento, específicamente en el Estado de Amazonas. Este trabajo tiene como objetivo verificar la razón por la cual el conocimiento producido en la academia amazónica ha sido poco útil para apoyar las soluciones requeridas por problemas complejos. La pregunta principal es: ¿el diálogo entre los grupos de investigación y los tomadores de decisiones permite la producción de conocimiento robusto adecuado a las demandas del sector productivo amazónico, y articulado con el fin de sensibilizar a la academia para abordar los cuellos de botella tecnológicos existentes, así como las nuevas oportunidades para el uso de la riqueza natural? La metodología utilizada fue un análisis de los últimos dos años, de avisos de desarrollo científico, producidos en las principales instituciones de promoción amazónicas, para verificar si la epistemología traslacional ya se está consolidando, considerando la complejidad amazónica que requiere respuestas más holísticas a las demandas regionales paradigmáticas y a los sectores más aplicados.

2. ¿SON SUFICIENTES LOS PROTOCOLOS CIENTÍFICOS PARA RESOLVER PROBLEMAS?

Los científicos son generalmente vistos como individuos separados de la sociedad, que viven en laboratorios aislados, buscando conocimientos que no son relevantes para la vida cotidiana de la sociedad. A menudo son satirizados por los presentadores de programas de entrevistas que informan títulos de investigación completamente borrosos de sesgo de utilidad, como “Variación de la temperatura rectal de los loros del lago X”, lo que lleva a la audiencia a crear un concepto de excentricidad académica. Sin embargo, existen diferentes perspectivas, al menos en lo que respecta a la relevancia práctica de la investigación académica (BASSETT, 2020). Es el caso, por ejemplo, de las sinergias y repercusiones entre universidades y desarrollos en investigación de alta tecnología, como Silicon Valley en California, la Ruta 128 alrededor de Boston y el triángulo Raleigh-Durham, Embraer, Fundación Boticário[4], Embrapa[5] y Fiocruz. Estas sinergias, sin embargo, están relacionadas con desarrollos prácticos en áreas como la tecnología de la información y la investigación de biomateriales, la biotecnología y los productos farmacéuticos. En el ámbito del desarrollo de políticas sociales y públicas, rara vez se establecen vínculos entre la investigación académica y el desarrollo de políticas.

Si bien las preguntas y problemas instantáneos pueden cambiar con el tiempo, la necesidad de investigación sobre temas clave está en curso. Aunque los responsables de la formulación de políticas individuales a menudo tienen horizontes de tiempo cortos, el proceso de investigación requiere escalas de tiempo más amplias, una circunstancia poco acogedora, ya que la producción académica no puede responder de inmediato a los políticos.

Las cuestiones clave son de suma importancia para resolver los problemas emergentes. Actualmente, con las bases de conocimiento sobre virus, investigadores de diversos lugares del mundo están desarrollando soluciones clínicas para combatir este nuevo tipo de coronavirus (COVID-19) (BASSETT, 2020). Sin embargo, en el caso amazónico, los edictos no están estimulando la investigación en grupos transdisciplinarios, hecho que se abordará a continuación.

3. ¿AFECTA LA INVESTIGACIÓN ACADÉMICA A LAS DECISIONES POLÍTICAS? ¿DEBERÍAN LOS ACADÉMICOS CONSENTIR EN CIERTO ACTIVISMO PARA TENER UN IMPACTO EN LOS TOMADORES DE DECISIONES?

Las palabras utilizadas por cierto ministro de salud haciendo hincapié en la espera de la respuesta científica a la toma de decisiones políticas por parte del Estado, se convierten en un recurso a reducir los conflictos secularmente conocidos. Según Mitre (2016), Maquiavel advierte que “los consejos basados en ideales normativos debilitarán al príncipe” y “los consejos realistas [….] los fortalecerán”.

La aproximación entre hechos citados por Mitre (2016) como materia prima de las ciencias, y valores considerados por el mismo autor como la sustancia del conflicto político es el desafío de la sociedad actual que comenzó a entender que, dados los avances tecnológicos, los conflictos sociales y económicos con gran adhesión global solo se resolverán con la ciencia. Por lo tanto, esa ciencia que no participa en la discusión de políticas públicas está destinada a morir para la sociedad en general.

Esta participación se llevará a cabo con la ganancia de respetabilidad como consecuencia de la producción de trabajos científicos de alta calidad que sean un apoyo efectivo en el área política. La investigación debe ser sintetizada y traducida a un lenguaje que sea entendido por los responsables políticos, el público en general y los medios de comunicación (GUNDERSON, 2007).

La sociedad científica también debe estar preparada para rescatar la recopilación de información y conocimiento producido a lo largo del tiempo para responder a las demandas emergentes. Se cita aquí como el hecho de que actualmente vivimos con el nuevo COVID-19. Aunque nuevo, ya existe una masa crítica con información y conocimiento que permiten desentrañar, a grandes pasos, sus secretos creando así una expectativa positiva de que pronto habrá un remedio que tratará eficientemente el COVID-19 (OGBURN et.al., 2020).

Esto trae la explicación de lo que Kuhn (2012) llama ciencia normal, es decir, investigación firmemente basada en uno o más logros pasados y que son reconocidos durante algún tiempo por la comunidad científica como las bases para prácticas posteriores. Es precisamente esta base la que promueve los avances, forma la actividad de los laboratorios en tiempos menos conflictivos.

Más importante aún, hay ejemplos de cómo las acumulaciones de resultados pueden producir avances significativos. Una nueva disciplina llamada Cienciometría analiza cómo los diversos resultados publicados por diferentes investigadores e instituciones pueden agruparse para producir conocimiento sobre constantes y algoritmos que estaban ocultos, pero que son importantes para la academia, para la economía, entre otros (SILVA et al., 2001).

Sin embargo, queda por ver estrategias precisas que ayuden a aumentar el valor de la investigación dando más visibilidad al investigador y a su trabajo (ZULUAGA, 2017). Lo que se pretende es sistematizar resultados, organizar la producción de conocimiento, temas que abran posibilidades para innovaciones que causen impacto económico y político. Sin embargo, el ejercicio cienciométrico ha motivado la valorización de ciertas ciencias que garantizan el beneficio empresarial, en detrimento de otras que pavimentan discretamente el conjunto de conocimientos necesarios para comprender y gestionar aspectos de la experiencia humana que son complejos y requieren la llamada investigación básica.

La interacción entre el entorno científico y los formadores de opinión y políticos construye un diálogo de extrema importancia para el éxito de un país desarrollado y tecnológicamente avanzado, y esto tiene lugar dentro de peculiaridades y características así sintetizadas:

a) Los horizontes temporales en el proceso de investigación son diferentes de los de la política. Las encuestas que están motivadas por la preocupación política pueden llegar al dominio público sólo después del interés político. Obviamente, la aceptación política es un ingrediente clave. Simplemente hay momentos y condiciones en los que el proceso político no será cambiado por los resultados de la encuesta, y otros momentos en que estará abierto a cambios que puedan verse afectados por esta investigación (GUNDERSON, 2007). Aaron (1978) dice que la investigación, en momentos de datos, refleja los estados de ánimo políticos dominantes, pero también influye políticamente. Heineman et al. (1997) plantean la preocupación de que la investigación pueda perder su credibilidad si se considera una “mercancía para comprar y vender” y que, en este caso, “el análisis principalmente para el refuerzo de las elecciones ya tomadas parece ser una característica común de la realidad política”. Los autores enfatizan la fuerza coercitiva que puede sufrir la investigación académica cuando se financia para apoyar políticas específicas. Tal es el peligro al que pueden estar expuestas las instituciones de investigación en la actualidad, cuando una pandemia exacerba las creencias políticas.

La corrección del problema anterior parece estar vinculada a la necesidad de que los propios investigadores participen a menudo en el proceso de formulación de políticas en algún momento de sus carreras. Este tema fue repetido por otros investigadores como Lynch (2005), un académico que se desempeñó como economista jefe en el Departamento de Trabajo de los Estados Unidos de 1995 a 1997. Sin embargo, existe un cierto consenso de que los científicos importantes que ocupan mucho interés en la comunidad académica no pierden el tiempo en la formulación de políticas. Quizás, esta es una de las razones de un déficit en el impacto de los resultados científicos en la toma de decisiones.

b) La investigación cuyo resultado impacta directamente en la sociedad se vuelve mucho más fácil de convertir en una política pública que aquella cuyo beneficio social es indirecto (CARNEIRO et al., 2018). La percepción de la sociedad sobre la contribución de la ciencia a las políticas públicas generadas en el área ambiental es mucho más difícil que la generada para la salud y la ingeniería en general, incluso porque en el área ambiental existen diferentes intereses entre los segmentos sociales y económicos.

c) Existe dificultad de la sociedad para entender que el tiempo de respuesta para la resolución de problemas está asociado a las variables involucradas en el análisis de la investigación, la escala de tiempo que debe considerarse y la multidisciplinariedad necesaria para producir información y generar conocimiento robusto que aporte soluciones confiables.

d) Existe una falta de percepción de la sociedad sobre la incertidumbre de la ciencia y que la investigación busca reducir el nivel de incertidumbre tanto como sea posible (LOMBARDI et al., 2010). Actualmente, el drama de la cloroquina está experimentando, porque la angustia de la población al recibir respuestas positivas de la acción del medicamento contra el COVID-19 hace que el público presione a los investigadores para una respuesta rápida. Resulta que hay tantas variables involucradas en el proceso de desarrollo de un remedio, que lleva un poco de tiempo obtener un resultado con un nivel de incertidumbre dentro de un intervalo de confianza estadísticamente aceptable.

e) En la sociedad de la información el público sigue prácticamente, en tiempo real, el desarrollo de trabajos científicos y es informado de las dificultades naturales de un proceso de investigación, así como de los resultados parciales (FACULDADE DE MEDICINA DA UNIVERSIDADE FEDERAL DE MINAS GERAIS, 2020). Tal transparencia crea incertidumbre sobre lo que se está descubriendo.

f) La polarización de la política está tratando de ideologizar la ciencia poniendo en línea con el dominio del entorno político en el que se encuentra el país (INSTITUTO PARA O DESENVOLVIMENTO DO JORNALISMO, 2015).

4. NEUTRALIDAD DE LA CIENCIA

Aunque puede ser un tema recurrente, hay que destacar que la neutralidad de la ciencia es una leyenda. El científico es un ser humano y, como tal, un ser social que se ve afectado por sus relaciones humanas, sociales y políticas. La acción política en medio de la actividad científica está resonando fuertemente en la financiación y la divulgación científica.

Los problemas contemporáneos se convierten en la investigación dominante para las instituciones educativas, de investigación y educativas. A veces, las demandas científicas de los países más avanzados, con diferentes formas de vida y con diferentes instalaciones operativas, se convierten en prioridades científicas internacionales.

Con el tiempo, hay concentraciones de grupos de investigación de diferentes áreas sobre temas relevantes de la época. Esto se debe al hecho de que las agencias de financiación priorizan la investigación relevante para el momento social, político y económico de una época determinada. Por lo tanto, los cambios en las áreas de investigación no siempre se deben a la saturación de la investigación sobre un objeto de investigación determinado, sino a la oportunidad de recursos que ofrecen los agentes de financiación. Esto causa vacíos dentro de la cadena de conocimiento de una búsqueda.

Es importante destacar el efecto de la sociedad de la información en la ciencia, la investigación y la innovación. Maffesoli (1998) explica que la sociedad posmoderna consiste en constelaciones de tribus, cuyos miembros buscan sus supervivencias formándose en masa para luchar contra lo que creen. A veces, son aldeas globales en las que sus miembros generalmente no se conocen, pero militan por su propio bien sin conocer profundamente las causas que defienden, pero que están influenciadas principalmente por los medios de comunicación. Esto hace que presionen a los poderes legislativos, judiciales y ejecutivos locales de manera organizada, poniendo en riesgo la investigación sobre intereses relevantes para la ciencia y el país. Vale la pena recordar que las Academias de Ciencias de los Estados Unidos e Inglaterra casi tenían prohibido desarrollar investigaciones con células madre por parte de sus congresistas (FALCÃO, 2005). A partir de entonces el segmento científico se dio cuenta de que no funciona para la sociedad, sino con la sociedad, y decidió invertir en la popularización de la ciencia.

Al mismo tiempo, la sociedad tecnológicamente evolucionada de hoy ha comenzado a creer, cada vez más en la ciencia. Este creciente consenso de la sociedad coloca a la ciencia como un actor importante para apoyar las decisiones políticas, provocando impactos sociales capaces de generar polémicas nacionales e incluso globales. Esto recuerda un poco a la expresión de Leff (2002), en su trabajo sobre epistemología ambiental, de que “El medio ambiente no es ecología […], sino la relación entre los poderes sobre la forma dominante de conocimiento…”. El conocimiento profundo del objeto en discusión es importante en los debates globales entre las naciones, para que los acuerdos tengan una mejor equidad social y económica entre los países.

Esta expectativa positiva de la sociedad posmoderna en relación con la ciencia ejerce presión sobre la academia y las instituciones de investigación para que respondan, lo más rápido posible, a los problemas sociales y económicos de hoy. Los temas relacionados con la producción de conocimiento para la salud, el medio ambiente y los negocios forman parte de los gritos diarios de la sociedad posmoderna. Irónicamente, los errores de los investigadores no son aceptados, como si sus hipótesis fueran siempre correctas, y cuando se publican los resultados de una investigación, sufren una presión extrema por parte de aquellas “tribus” cuya percepción del objeto de los estudios es distinta.

5. ¿SON LOS MÉTODOS TRASLACIONALES MEJORES QUE LOS MÉTODOS DISCIPLINARIOS?

Los científicos formados en la segunda mitad del siglo 20 aprendieron, en su mayor parte, a construir conocimiento de una manera casi solitaria. Era el método disciplinario de subespecialización, donde se enfrentaban problemas muy enfocados y que luego podían agregarse al cuerpo de conocimiento existente. Por esta razón, hay un gran número de edictos que permiten la investigación individual y, en consecuencia, las publicaciones en autoría solitaria. Sin embargo, con la construcción de la globalización y el comercio multinacional, los problemas ambientales y sociales abandonaron “las aldeas” y se volvieron amplios y complejos, requiriendo disciplinas aisladas para acercarse, contribuyendo al surgimiento de la metodología interdisciplinaria. Así, la investigación científica inició un nuevo modus operandi donde una serie de disciplinas tendrían que operar juntas, manteniendo sus métodos y sus propias preguntas. Esta nueva forma de crear conocimiento comenzó a permear otras actividades profesionales. (CENTRE FOR EDUCATIONAL RESEARCH – CERI, 1972).

Balsiger (2004) establece que el método interdisciplinario abarca una serie de disciplinas y que no se limita a la investigación científica, sino a la docencia y las prácticas profesionales. Sin embargo, el enfoque interdisciplinario no es suficiente para una comprensión más confiable de la realidad, porque se limita a una mezcla de disciplinas que permanece casi sin articulación, no proporcionando la coherencia deseada para observaciones más amplias de la complejidad. Esta perspectiva dio origen al método transdisciplinario, en el que el conocimiento final es más que la suma de sus disciplinas, sino la fusión de disciplinas (LAWRENCE, 2004). La transdisciplinariedad implica una tensión entre disciplinas, ya que la multidisciplinariedad o interdisciplinariedad simplemente implica la combinación de diferentes tipos de conocimiento. La transdisciplinariedad no debe simplificar la realidad tratando solo partes de ella que son compatibles en la intersección de múltiples perspectivas disciplinarias, como lo es, en muchos casos, la investigación interdisciplinaria. La transdisciplinariedad actúa al mismo tiempo entre disciplinas superándolos, componiendo así todos los procesos de multidisciplinariedad e interdisciplinariedad (RAMADIER, 2004).

En la transdisciplinariedad, las acciones están diseñadas para transformar el entorno construido en resolución de problemas multidimensionales. Por lo tanto, la capacidad de resolver problemas complejos es directamente proporcional a la coparticipación efectiva entre científicos, profesionales, tomadores de decisiones, en un intento de cerrar una brecha de aplicabilidad en sectores que se ocupan del medio ambiente natural y el entorno humano. Se habla de una necesidad apremiante de ataques innovadores para diseñar una sociedad donde el bienestar social sea accesible para todos (LAWRENCE et al., 2004).

La transdisciplinariedad se ocupa de las dificultades en la investigación y las organizaciones que se ocupan de esferas complejas y heterogéneas. Este modo de producción de conocimiento también se caracteriza por su naturaleza híbrida, no linealidad con mucha reflexividad, trascendiendo cualquier estructura disciplinaria académica (BALSIGER, 2004). Según Lawrence et al. (2004) la transdisciplinariedad desafía la fragmentación del conocimiento, acepta contextos locales e incertidumbres, implica una acción intercomunicativa que requiere una colaboración estrecha y continua durante todas las fases de un proyecto de investigación; a menudo está orientado a la acción. Esto implica articular los diversos límites disciplinarios, pero también articular el desarrollo teórico con las prácticas profesionales. Las contribuciones transdisciplinarias a menudo se ocupan del mundo real y generan conocimiento que no solo aborda los problemas sociales, sino que también contribuye a su solución.

En la corriente del orbi, donde las pandemias y los desastres ocurren cada vez con más frecuencia, las instituciones de investigación y desarrollo, incluidas las instituciones nacionales, tendrán que trazar un futuro más consolidado en la transdisciplinariedad. La resistencia orgánica de las instituciones que perpetúan sus departamentos puede no ser suficiente para ayudar en la producción de conocimiento coherente con la complejidad de los problemas, ya sean naturales o derivados de la actividad humana.

6. AMAZONÍA: ¿INVESTIGACIÓN BÁSICA Y APLICADA, SERVICIOS TÉCNICOS CIENTÍFICOS, DESARROLLO TECNOLÓGICO O INVESTIGACIÓN TRASLACIONAL?

Hoy en día, con los desafíos de la sociedad, la búsqueda de respuestas a través de la ciencia a los principales problemas nacionales e internacionales, es necesario preguntarse cuál es la mejor manera de proporcionar a los diversos segmentos sociales y económicos de información y conocimiento para mejorar la calidad de vida de las poblaciones locales.

En el caso amazónico, a pesar de los esfuerzos, el conocimiento disciplinario todavía se produce en mayor cantidad que el transdisciplinario, y los avisos de promoción no traen ningún requisito para los proyectos traslacionales.

Existe una necesidad apremiante de crear un entorno transdisciplinario, bajo pena de pérdidas monstruosas en el futuro. Las entidades financiadoras de la investigación en la Amazonía aún no han visto la necesidad, más que urgente, de iniciar discusiones y capacitaciones para el surgimiento de grupos transdisciplinarios. Hay una falta de visión contemporánea de la ciencia y las oportunidades.

Sin embargo, existe un primer intento de desarrollar investigación traslacional en la Amazonía, con la iniciativa de técnicos de la Secretaría Ejecutiva de Ciencia, Tecnología e Innovación del Estado de Amazonas (SECTI[6]) en 2008. En ese año, SECTI propuso el establecimiento de la Plataforma de Traducción de P, D & I con el objetivo de consolidar un sistema de conversión del conocimiento en un producto o proceso. Por lo tanto, se espera revertir la situación actual en términos de tecnología para agregar valor a los recursos naturales de amazonas. En el diseño de esta propuesta, en vista de los estudios realizados por la SECTI sobre la competencia, capacitación y tecnicismo existentes en el Estado, se propusieron dos acciones inmediatas: a) Inducción de Políticas Públicas de Capacitación para el Desarrollo Tecnológico; b) Promoción de un conjunto de procesos técnicos y de gestión robustos, que aporten agilidad y trazabilidad al camino de la ciencia básica, la tecnología y luego al desarrollo de productos y al mercado.

La piscicultura fue una de las áreas en las que se puso énfasis en el estudio antes mencionado, con el objetivo de aumentar su producción, la calidad del producto para aumentar los nuevos mercados. Desde la perspectiva de la investigación traslacional, se trazó todo el camino de la ciencia y el desarrollo tecnológico sobre los alimentos para peces producidos en el Estado. Este estudio involucró masa crítica, capacidad tecnológica, segmentos existentes y se concluyó que el Estado no tiene masa crítica para el desarrollo tecnológico en relación con el uso económico de lo generado científicamente. La evaluación traslacional permitió observar los vacíos en la cadena de conocimiento, hecho que imposibilita la disponibilidad de información para el mercado.

La aplicación de la investigación traslacional presentada como una propuesta para acelerar el desarrollo socioeconómico del Estado de Amazonas, en el marco del proyecto Matrix producido por el equipo técnico de la Secretaría de Estado de Desarrollo Económico, Ciencia, Tecnología e Innovación (SEPLANCTI[7]), se basa en un amplio estudio sobre el perfil de la producción de conocimiento en la academia y las instituciones de investigación locales. Este estudio reveló una triste realidad melancólica relacionada con la producción de investigación en el Estado; concentración en la investigación básica y/o exploratoria con muy poca acción en investigación aplicada y desarrollo tecnológico. Para superar la inercia actual de la producción científica, convirtiendo el conocimiento lo más rápido posible en facturas, se sugiere utilizar el método traslacional. Para una comprensión simple de la investigación, los técnicos presentaron la plataforma de traducción de P, D & I para el desarrollo de la bioeconomía en el Estado de Amazonas (Fig. 1).

Figura 1 – Plataforma de traducción para investigación, desarrollo e innovación

Fuente: SEPLACTI, 2008.

7. MODELOS CONECTADOS A TIERRA

Es interesante darse cuenta de que en la historia del desarrollo de la ciencia, los análisis y procesos científicos han evolucionado de acuerdo con la innovación tecnológica. Antes era un proceso empírico, surgió la idea cartesiana, y con la llegada de equipos que facilitan el manejo de la información, apareció el modelado y ahora eScience, que se basa en el uso de importantes volúmenes de datos obtenidos en tiempo real, posibilitando obtener conocimiento sobre un objeto de estudio de la forma más real posible.

Pero, a diferencia de lo que se puede imaginar, la ciencia no se hace sin aplicar una metodología adecuada que adopte una racionalidad lógica que busque responder a preguntas bien definidas. Por otro lado, la naturaleza no está departamentalizada, sino que es el resultado de una serie de fenómenos físicos, químicos, biológicos que ocurren concomitantemente dentro de una complejidad difícil de teorizar. Por lo tanto, uno debe buscar una conexión, lo más cercana posible, entre la teoría y la realidad; por lo tanto, se necesita una visión más holística de la naturaleza y el conocimiento. En este contexto, el modelado, en vista de los instrumentos existentes actualmente para la experimentación y el análisis de datos, es el mecanismo más adecuado para encontrar la respuesta más precisa posible sobre el mundo en el que se vive.

A través de la actividad científica es posible construir conceptualmente el mundo a través de representaciones simplificadas e idealizadas de sistemas aceptados por las comunidades científicas.

La ciencia como actividad investigadora es esencialmente social, aplicándose a la mejora del entorno que nos rodea, ya sea natural o artificial, a través de la invención y fabricación de bienes materiales o culturales, convirtiéndose en tecnología, y puede considerarse una actividad productora de nuevas ideas. Las características fundamentales del trabajo científico son la racionalidad y la objetividad.

La racionalidad corresponde a conceptos, interpretaciones y razonamientos, que pueden combinarse obedeciendo a un conjunto de reglas lógicas que permiten alcanzar nuevas ideas, mientras que la objetividad busca alcanzar la verdad; verifica la adaptación de las ideas a los hechos utilizando un trabajo compuesto por la observación, que es controlable, y la experimentación que, en cierta medida, es reproducible. Por lo tanto, el conocimiento científico racionaliza la experiencia no limitándose a describirla, es decir, no basta con inventariar hechos, sino con explicarlos a través de hipótesis y sistemas de leyes llamados teorías.

Brandão et al. (2011) explican que los científicos no persiguen recetas infalibles para construir modelos basados en la realidad y que reflejen los hechos, dentro de un contexto de validez, con un grado deseable de precisión. Justi et al. (2002) muestran que aprender ciencia significa conocer los modelos idealizados por los científicos, así como las teorías, leyes que van basando los principios y conceptos utilizados en sus estructuras lógicas. Por lo tanto, es necesario reflexionar sobre modelos científicos que buscan comprender sus funciones y limitaciones, un proceso que permite probar y expresar nuevos modelos, algo que es la base de la formación del conocimiento en las ciencias de la naturaleza. En otras palabras, la ciencia tiene como objetivo aprehender la realidad a través del razonamiento (BUNGE, 1960).

Brandão et al. (2011, p. 513) dicen que:

Em suma, o processo de modelagem científica reside no fato de que teorias gerais, que em princípio não se pronunciam diretamente sobre a realidade, ao acolherem modelos conceituais, produzem representações de parte da realidade, ou seja, modelos teóricos que fornecem soluções a situações-problema particulares.

La actividad de construcción de modelos teóricos depende del conocimiento disponible y las habilidades del científico. En Bunge (1989) los modelos teóricos son esquemas que deben ser injertados en una teoría, que debe ser confrontada con los hechos.

Un relevamiento de la literatura científica nacional nos permitirá ver que son pocos los que trabajan en el modelado de escenarios. Tal ausencia compromete nuestra capacidad creativa cuando nos enfrentamos a circunstancias inesperadas. Este problema está ligado a la ausencia de grupos transdisciplinarios que puedan buscar modelos, anticipando probables trastornos. Sin duda, existe un considerable cuerpo de conocimiento generado por décadas de inversión, pero será importante que se sistematicen dando lugar a modelos predictivos.

El cambio de la realidad nacional, y especialmente de la Amazonía, en relación con el punto de vista del modelaje, requiere volver a los bancos de la universidad y fortalecer cursos que incluyen matemáticas, física y estadística. La didáctica debe actualizarse, contextualizando el desempeño de este conocimiento a las realidades actuales, donde el conocimiento representado por el modelado consistente debe desarrollarse con un cuerpo de investigadores de diferentes áreas del conocimiento.

Todavía resentido, en algunos casos, en desarrollo de proyectos de investigación, un diseño científicamente apropiado de un experimento, incorporando las variables involucradas y las contribuciones de otras áreas del conocimiento. Desafortunadamente, incluso hoy en día, hay investigadores que insisten en desarrollar su trabajo científico de forma aislada, lo que, por supuesto, resultará en un producto de estante. Actualmente, el mundo científico y los segmentos públicos y privados valoran la ciencia producida por grupos de científicos transdisciplinarios y traslacionales.

En este contexto, también cabe destacar el aumento exponencial de la producción de datos científicos en las diferentes áreas del conocimiento, transformando la comunicación académica. Desde los lugares más lejanos del mundo es posible acceder a datos, intercambiar información y conocimiento en tiempo real, para que el conocimiento producido se agilice y la respuesta de su esfuerzo de investigación tenga más consistencia.

Los gobiernos y los organismos de financiación de la investigación ya han aumentado el acceso a los datos y las publicaciones como medio de aumentar el ritmo de la investigación. Lo que asusta, en el caso amazónico, y que sirve de advertencia a los jóvenes científicos, es que el mundo de la ciencia está cambiando. Es una ciencia intensiva en datos, donde miles de datos se obtienen mediante instrumentos o se generan a través de simulación producida por software y se ponen a disposición en bases de datos. La técnica y la tecnología para esta ciencia intensiva en datos requiere que el estado aliente a los desarrolladores, diseñadores e investigadores a construir aplicaciones multimodales centradas en el usuario para que puedan ser asistidos en sus actividades de investigación.Sin duda, tras la crisis sanitaria en la que vivimos hoy en día, donde la comunicación virtual ha crecido espontáneamente de forma significativa, y debería consolidarse a nivel mundial, el nuevo investigador debería tener acceso a estos nuevos instrumentos, aprendiendo incluso a recopilar datos para introducirlos en la base de datos. Dichos datos están siendo considerados por los agentes de financiación pública como información que se puede poner a disposición en bases de datos para la sociedad, porque se obtuvieron con recursos públicos, pero el conocimiento, esto sí, es del investigador.

8. ALGORITMOS

El ser humano en los próximos años puede ser controlado por un conjunto de algoritmos según el famoso historiador y escritor Harari (2018). Es común en los negocios, la administración y otras actividades enfrentar lo que llamamos el sistema. A veces nos encontramos frente a un cajero en una tienda con el sistema que no funciona y todo está parado. Enojados, tanto el comprador como el vendedor, pero nada puede hacer hasta que el sistema vuelva a funcionar. La situación empeora cuando este sistema, ahora transformándose en Inteligencia Artificial (IA), puede a través de biosensores tener la capacidad de manifestarse de acuerdo con las emociones del ser humano o llevarlo a una situación deseada por el operador de IA. El sistema es de hecho un conjunto interactivo de algoritmos, sensores, computadoras y operadores.

El algoritmo es el “modelado” de procedimientos perfectamente definidos que conducen a la solución de un problema o situación en número de pasos finitos. Estos algoritmos no están necesariamente representados por modelos matemáticos, sino por procedimientos bien definidos para lograr un objetivo (MEDEIROS et al., 2019). Por ejemplo, el camino de casa a la universidad se puede establecer como rutas a recorrer que se pueden escribir simplemente; sin embargo, sí existen alternativas considerando tráfico, costo, etc., la solución es más fácil modelando matemáticamente y ponderando todas las variables para finalmente tomar la decisión de lograr el objetivo de manera más rápida y con menor costo. Para ello, se utilizan algoritmos con el uso de recursos matemáticos no utilizados comúnmente en clases, es decir, teoría de grafos que estudia la relación entre objetos de un conjunto dado. Los objetos considerados en esta teoría se llaman vértices, y la relación que los conecta y su trayectoria pesa. Por ejemplo: El desarrollo de soluciones en un algoritmo científico, buscando de forma iterativa e interoperable mejorar el conjunto de hipótesis y posibles soluciones, considerando los aspectos cíclicos y continuos. Para Goodman (2016), la iteración del algoritmo consiste en seleccionar conjuntos de variables del problema y optimizarlas en las soluciones de la población, de hecho se trata de un cierto paralelismo procedimental.

El modelado influye en el proceso de optimización, donde dicho proceso es una búsqueda estocástica con sesgo, por su enfoque inicialmente cíclico (bucle) o en su enfoque en el problema incluso con restricciones de dimensiones de resultados (efectividad).

Veamos el problema del vendedor ambulante (TSP), la resolución de problemas se embarca en los aspectos de la forma cuantitativa de las soluciones, ya sea entendiendo las ponderaciones de los grafos o por el costo de las conexiones (caminos) de los vértices.

En Ottoni et al. (2018) una solución para TSP se puede demostrar por la secuencia de vértices visitada en el gráfico, vale la pena mencionar que se puede utilizar cualquier método constructivo para generar las soluciones iniciales, incluida la generación aleatoria, pero en general, hay respuestas basadas en dos paradigmas, simétrico y asimétrico. El primero está relacionado con el costo del viaje, y la segunda dirección de realización de la ruta puede cambiar el valor de la distancia total recorrida.

¿Cómo está interesado el TSP en discutir la mejor manera de ser seguido por la ciencia? Es que las posibles soluciones están en forma de redes sociales y técnicas (graduados científicos). La noción de red de actores contempla un plan de conexiones heterogéneas de las que surgen tanto las ciencias como las creencias, etc. Una red se construye mediante múltiples conexiones, múltiples entradas y múltiples resultados, lo que anula las rutas restrictivas y se vuelve más eficiente.

Lo que está en juego no es la resolución del problema, sino el punto de vista del observador y todas las consecuencias inherentes a su decisión. La otra cara es la forma de indexación que nos permite organizar reflexiones y asimetrías, ya sea del problema o de los caminos a tomar, y este hecho es muy importante para evitar procesos continuos no efectivos.

En el ámbito científico, la inducción no siempre tiene un paso en el proceso de observación, indexación y sobre todo resolución. Y la evidencia de esta afirmación está en los hechos de la ineptitud del análisis de contenido de los modelos de datos, en la insignificancia nomológica y en la estricta falta de fiabilidad (alpha de Cronbach o Dillon), y, por tanto, desigualdad el papel de la objetividad, en detrimento del proceso y no de la resolución en sí. Vale la pena registrar la necesidad latente de validaciones discriminatorias y convergentes.

Además, la ocurrencia de recursión algorítmica que se inserta en la baja efectividad de los proyectos, y que dicha anomalía circunscribe dos aspectos: el primero, relacionado con la falta de institucionalización y sus consecuencias; la segunda, por excesiva disfunción burocrática. Podemos percibir que la lógica del TSP, o su morfología, llega a las estructuras de la ciencia, que dependiendo del contexto no encontrará modelos adecuados, e infalibles, de generación de conocimiento, impregnando modelos con indicadores Cohen (f2) extremadamente bajos.

Una consecuencia nociva es la baja interoperabilidad de la ciencia, no solo con los actores sociales, sino principalmente con la red de investigación institucional, dando como resultado la baja semántica de los datos generados, poniendo en primer plano proyectos de investigación descontentos al problema local y de bajo impacto, y así como el TSP, se pierden en la discusión de la simetría, que de cierta manera sería simple ya que un grafo tiene 4 vértices y 6 aristas invariablemente.

El análisis de la interoperabilidad se puede hacer a través de una analogía de gráficos para problemas científicos. A modo de ejemplo, hay varios senderos que se pueden hacer para crear una red entre actores que pueda responder de manera más eficiente a la demanda de investigación. Los actores involucrados parten del concepto de triple hélice a un ecosistema de innovación, sumando más actores que necesitan participar en el proceso, siendo la investigación en la Amazonía (Fig.2).

Figura 2 – Plan de utilización de recursos para investigación, desarrollo e innovación

Fuente: autores.

El gráfico presentado permite realizar una matriz de adyacencia y ponderar a cada uno de los actores en función del objetivo de la investigación a desarrollar. Por ejemplo: En el desarrollo de investigaciones de carácter más social es posible que no se contemple la empresa. Es permisible, por tanto, conocer a los actores más pertinentes al proyecto y la derivación más adecuada para que la investigación tenga un resultado más efectivo.

En la ciencia con la innovación tecnológica de sensores y biosensores, que proporcionan un gran volumen de datos de diversas variables en tiempo real, cuyo análisis y ponderaciones de estos datos, realizados sistemáticamente, pueden ser manipulados por algoritmos científicos que, colocados en lenguaje máquina, facilitan el procesamiento de datos y ponen a disposición de los usuarios la información necesaria para la toma de decisiones.

Actualmente, sin darse cuenta, este es el camino adoptado por la meteorología, los estudios climáticos, los cuerpos de agua y algunas áreas de la salud. Esto tiene algunos aspectos extremadamente positivos:

a) Los datos y la información comienzan a tener “diálogo” con el investigador o el usuario del sistema;

b) Es posible en los estudios incorporar muchas más variables, es decir, ampliar el universo de la investigación, permitiendo obtener resultados más robustos;

c) La investigación realizada por los seres humanos será mucho menos invasiva para el medio ambiente, incluida la fauna, de lo que es hoy;

d) En el ámbito de la salud es posible que cada ser humano disponga de su propio algoritmo para monitorizar su salud en tiempo real en previsión de posibles enfermedades graves.

e) Finalmente, es probable que el ser humano en los próximos años pueda superar fácilmente los 80 años de edad, siendo seguido en tiempo real, y siendo guiado sobre qué comer y qué comportamiento debe tener para lograr la longevidad.

9. EL PAPEL DE LOS CENTROS INSTITUCIONALES DE INNOVACIÓN TECNOLÓGICA (CIT)

Una de las dificultades académicas más limitantes se refiere a la visibilidad de lo que se está logrando en las instituciones de investigación. En los países desarrollados, las instituciones cuentan con organismos de difusión muy activos, que dan visibilidad a las publicaciones, hecho que plantea el encuentro de posibilidades innovadoras para las empresas, generando dinámicas económicas. En este escenario, la cooperación entre la universidad, la empresa y el gobierno corrobora la forma en que las tecnologías salen de las bibliotecas de las instituciones y llegan a la sociedad (AGUSTINHO et al., 2018).

La promoción de sinergias beneficia a la sociedad en su conjunto; los gobiernos buscan el desarrollo con aumentos económicos para crear beneficios sociales, las universidades se ejecutan en la producción de conocimiento que se suman al cuerpo científico existente, pero, que a menudo permanecen en la propia academia sin ninguna contextualización, y las empresas necesitan sobrevivir en el mercado competitivo apuntando a la rentabilidad. Así, se puede facilitar el encuentro de estos aspectos a través de los Centros de Transferencia Tecnológica (CTT).

Agustinho et al. (2018) afirman que los economistas dividen el proceso de innovación en tres fases: invención (la idea potencialmente abierta a la explotación comercial), innovación (explotación comercial) y difusión (propagación de nuevos productos y procesos por el mercado). Obviamente, el trabajo realizado por CIT es central, porque la difusión tecnológica es la forma en que las innovaciones se propagan hacia el mercado. La difusión de la innovación proporcionada por CIT puede tener un impacto efectivo en el sistema económico.

Silva, et al. (2015) analizan el proceso de transferencia de tecnología entre Universidad-Industria en las universidades públicas del Estado de Paraná, donde destacan una serie de advertencias para mejorar el desempeño de esta instancia.

Uno de los ítems se refiere al aumento de la capacidad empresarial para hacer un seguimiento de los cambios provocados por las nuevas tecnologías, con el fin de mejorar los productos o incorporar innovaciones. Sin lugar a dudas, las CIT deben mejorar sus relaciones con las empresas, buscando ver qué cuellos de botella tecnológicos pueden abordarse en las instituciones de investigación; Los CIT carecen de la sensibilidad para realizar necesidades innovadoras, estimulando la creatividad de la academia que resultará en innovación beneficiando el bienestar socioeconómico.

También forma parte de la rutina de los CIT promover las interacciones institucionales en el ámbito académico, con miras a la formación de grupos especiales de investigación y desarrollo de innovaciones, cuyas dinámicas sean traslacionales. Por lo tanto, los estímulos intelectuales deben considerarse con la inclusión de jóvenes investigadores. El desarrollo de un entorno de cooperación requiere una atención especial, ya que necesariamente se ocupa de los intereses de la academia y las empresas. Sin embargo, corresponde a los CIT estimular la formación al entorno traslacional.

Agustinho et al. (2018) consideran que los investigadores de las universidades deben considerar la cooperación con la industria como una habilidad organizativa esencial. Ciertamente, los CIT podrán desarrollar mecanismos eficaces para consolidar dicha cooperación.

Por otro lado, los CIT deben buscar una mayor interacción con el gobierno, para facilitar la recaudación de fondos, especialmente dirigida a financiar la investigación derivada de las demandas de crisis. Una de las dificultades brasileñas es la carga burocrática relacionada con la protección intelectual y la transferencia tecnológica, tanto en el entorno nacional como internacional. Se debe buscar más agilidad burocrática, una acción política que pueda ser desencadenada por las CIT.

Los avances en innovación y patentes dentro del gobierno brasileño ocurrieron cuando, a principios del año 2000, el gobierno brasileño estructuró sus instituciones educativas y de investigación con la implementación del Centro de Innovación Tecnológica y la regulación de la ley de patentes. A pesar de estas iniciativas extremadamente importantes, faltaban algunos elementos para lograr el éxito, especialmente la investigación en el área de los recursos naturales. Acceso al patrimonio natural a través del Consejo de Gestión del Patrimonio Genético (CGen); el tiempo de obtención de patentes, que alcanza hasta los 10 años y finalmente la cuestión cultural de los investigadores mayores de 50 años.

10. CONSIDERACIONES FINALES

A pesar del esfuerzo amazónico en la producción de conocimiento científico robusto, las demandas complejas aún no pueden contar con respuestas categóricas, debido al muy tímido apoyo de la metodología traslacional, por parte de la academia local. Por otro lado, la influencia de los resultados científicos en los tomadores de decisiones podría ser más permanente si se adoptara un cierto activismo científico, con el fin de hacer más visibles las soluciones, que a menudo son de uso rápido, pero terminan encerradas en las bibliotecas de las universidades.

Uno de los indicadores de que los resultados persisten en la disciplinariedad es la escasez de edictos que fomenten la formación de grupos de investigación traslacional que, a su vez, permitan el modelado matemático, que son las formas más rápidas de ofrecer alternativas para la gestión de la gobernanza, especialmente en la Amazonía. Esta herramienta siempre ofrece escenarios con alta fiabilidad probabilística, siendo un apoyo importante a las decisiones políticas. Sin embargo, esta dimensión aún es embrionaria, y los programas amazónicos de pregrado y posgrado no vieron cuán apremiante es su adopción. Además, el diálogo entre los distintos grupos de investigación regionales sigue siendo tangencial. No existen programas de estructuración para la aproximación de instituciones y producción de resultados traslacionales, tarea que podría ser encabezada por Fundaciones Regionales de Apoyo a la Investigación[8].

Los espacios abiertos entre la academia y los sectores sociales deben intensificarse para que el diálogo se desarrolle ininterrumpidamente. Los Centros de Transferencia Tecnológica (CTT) que son las ventanas adecuadas para este diálogo actúan, en el caso amazónico, a velocidad reducida, pero podrían ser lugar de inducir innovaciones y atraer recursos a la investigación, con el fin de fomentar el surgimiento de parques tecnológicos y, en consecuencia, el progreso socioeconómico.

REFERENCIAS

AARON, H. J. Politics and the Professors: The Great Society in Perspective. Washington, Brookings Institution, 1978.

AGUSTINHO, E. O.; GARCIA, E. N. Inovação, Transferência De Tecnologia e Cooperação. Direito e Desenvolvimento, v. 9, n. 1, p. 223-239, 2018.

BALSIGER, P.W. Supradisciplinary research: history, objectives and rationale. Futures, v.36, n.4, 407-421, 2004.

BASSETT, M. T. Tired of science being ignored? Get political. Nature, v. 337, 2020.

BRANDÃO, R. V.; ARAUJO, I. S.; VEIT, E. A. A Modelagem Científica Vista como um Campo Conceitual. Caderno Brasileiro de Ensino de Física, v.28, n.3, 507-545, 2011.

BUNGE, M. La ciencia, su método y su filosofia. Buenos Aires: Ediciones Siglo Veinte, 1960.

BUNGE,M. La investigación científica: su estrategia y su filosofia. Barcelona: Editorial Ariel, 1989.

CARNEIRO, M. J. T.; SANDRONI, L. T. Ciência e política pública na perspectiva dos gestores: clivagens e confluências. Revista Sociedade e Estado, 41-61, 2018.

CENTRE FOR EDUCATIONAL RESEARCH AND INNOVATION (CERI). Interdisciplinarity: Problems of Teaching and Research in Universities. Paris: Organization for Economic Co-operation and Development, 1972.

FACULDADE DE MEDICINA DA UNIVERSIDADE FEDERAL DE MINAS GERAIS. Belo Horizonte: Faculdade de Medicina, 2021. Disponível em: https://www.medicina.ufmg.br/nova-perspectiva-da-pesquisa-em-tempo-real/ acesso em 23 outubro 2021.

FACULDADE DE MEDICINA DA UNIVERSIDADE FEDERAL DE MINAS GERAIS. Nova perspectiva da pesquisa em tempo real. Belo Horizonte: Faculdade de Medicina da UFMG, 2020. Disponível em: https://www.medicina.ufmg.br/nova-perspectiva-da-pesquisa-em-tempo-real/ Acesso em 21 de outubro 2021.

FALCÃO, I. Entenda a evolução das pesquisas com células-tronco no mundo. Agência Brasil, 2005. Disponível em: http://memoria.ebc.com.br/agenciabrasil/noticia/2005-02-02/entenda-evolucao-das-pesquisas-com-celulas-tronco-no-mundo Acesso em 15 de outubro 2021.

GOODMAN, Bryce W. “A step towards accountable algorithms? Algorithmic discrimination and the European Union general data protection.” 29th Conference on Neural Information Processing Systems (NIPS 2016), Barcelona. NIPS Foundation. 2016.

GUNDERSON, M. How Academic Research Shapes Labor and Social Policy. Journal of Labour Research, 1-33, 2007.

HARARI, Y. N. Homo deus: uma breve história do amanhã. Rio de Janeiro: Editora Companhia das Letras, 2018.

HEINEMAN, R. A.; BLUHM, W. T.; PETERSON, S. A.; KEARNY, E. N. The World of the Policy Analyst: Rationality, Values and Politics. Chatham, NJ: Chatham House Publishers, 1997.

HEY, T.; TANSLEY, S.; TOLLE, K. (orgs.). O Quarto Paradigma: descobertas científicas na era da eScience. São Paulo: Oficina de Textos, 2011.

INSTITUTO PARA O DESENVOLVIMENTO DO JORNALISMO. A ideologização da ciência. Observatório da Imprensa, 2015. Disponível em: http://www.observatoriodaimprensa.com.br/ciencia/a-ideologizacao-da-ciencia/ Acesso em 15 de outubro 2021.

JUSTI, R. S.; GILBERT, J. K. Modelling, teachers’ views on the nature of modelling, and implications for the education of modellers. , v. 24, n. 4, p.  369-387, 2002.

KUHN, T. S. The Structure of Scientific Revolutions. Chicago: University of Chicago Press, 2012.

LAWRENCE, R.J. Housing and health: from interdisciplinary principles to transdisciplinary. Futures, v. 36, n. 4, p. 487-502, 2004.

LAWRENCE, R. J.; DESPRÉS, C. Futures of Transdisciplinarity. Futures, v. 36, n. 4, p.  397–405, 2004.

LEFF, E. Saber ambiental: sustentabilidade racionalidade, complexidade, poder. Rio de Janeiro: Vozes, 2002.

LOMBARDI, M. F. S.; BRITO, E. P. Z. Incerteza Subjetiva no Processo de Decisão Estratégica: uma Proposta de Mensuração. Revista de Administração Contemporânea, p. 990-1009, 2010.

LYNCH, Lisa. Job Loss: Bridging the Research and Policy Discussion. IZA Discussion Paper, p1518, 2005.

MAFFESOLI, Michel. O Tempo das Tribos. O Declinio do Individualismo nas Sociedades de Massa. Rio de Janeiro: Forense Universitária, 1998.

MEDEIROS, Dianne SV et al. Análise de dados em redes sem fio de grande porte: Processamento em fluxo em tempo real, tendências e desafios. Sociedade Brasileira de Computação, 2019.

MITRE, M. As relações entre ciência e política, especialização e democracia: a trajetória de um debate em aberto. Estudos Avançados, v.30, n.87, p. 279-298, 2016.

OGBURN, E. L.; BIERER, B. E.; BROOKMEYER, R.; CHOIRAT, C.; DEAN, N. E.; GRUTTOLA, V.; ELLENBERG, S. S.; HALLORAN, M. E.; HANLEY Jr, D. F.; LEE, J. K.; WANG, R.; SCHARFSTEIN, D.O. Aggregating data from COVID-19 trials. Science, v.368, n.6496, p.1198-1199, 2020.

OTTONI, A.L.C.; NEPOMUCENO, E.G.; OLIVEIRA, M.S. A response surface model approach to parameter estimation of reinforcement learning for the travelling salesman problem. Journal of Control, Automation and Electrical Systems, v.29, n.3, p. 350-359, 2018.

RAMADIER, J. Transdisciplinarity and its challenges: the case of urban studies. Futures, v. 36, n. 4, p. 423-439, 2004.

SILVA, J. A.; BIANCHI, M. L. P. Cientometria : A Métrica da Ciência. Paidéia, p. 5-10, 2001.

SILVA, L. C. S.; KOVALESKI, J. L.; GAIA, S.; SEGUNDO, G. S. A.; CATEN, C. S. T. Processo de transferência de tecnologia em universidades públicas brasileiras por intermédio dos núcleos de inovação tecnológica. Interciencia, v.40, p. 664-669, 2015.

ZULUAGA, C. G. La investigación como ejercicio para saber y para vivir. Perseitas, v.5, p. 272-275, 2017.

APÉNDICE – NOTA AL PIE

[4] Fundação Boticário.

[5] Empresa Brasileira de Pesquisa Agropecuária.

[6] Secretaria Executiva de Ciência, Tecnologia e Inovação do Estado do Amazonas.

[7] Secretaria de Estado de Desenvolvimento Econômico, Ciência, Tecnologia e Inovação.

[8] Fundações de Amparo à Pesquisa.

[1] Doctor. ORCID: 0000-0002-1955-288X.

[2] Doctorado. ORCID: 0000-0002-0184-9845.

[3] Doctorado. ORCID: 0000-0002-9913-2403.

Enviado: Julio de 2021.

Aprobado: Enero de 2022.

Rate this post

Leave a Reply

Your email address will not be published.

DOWNLOAD PDF
RC: 106275
POXA QUE TRISTE!😥

Este Artigo ainda não possui registro DOI, sem ele não podemos calcular as Citações!

Solicitar Registro DOI
Pesquisar por categoria…
Este anúncio ajuda a manter a Educação gratuita
WeCreativez WhatsApp Support
Temos uma equipe de suporte avançado. Entre em contato conosco!
👋 Hola, ¿Necesitas ayuda para enviar un artículo científico?