SAGGIO TEORICO
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. Transdisciplinarietà e attivismo scientifico come cunei per accelerare lo sviluppo amazzonico. Revista Científica Multidisciplinar Núcleo do Conhecimento. Anno. 07, Ed. 01, Vol. 04, pp. 254-278. Gennaio 2022. ISSN: 2448-0959, Link di accesso: https://www.nucleodoconhecimento.com.br/biologia-it/sviluppo-amazzonico
RIEPILOGO
Studiare e conoscere l’Amazzonia nell’attuale scenario socioeconomico porta a riflettere sull’efficacia delle metodologie scientifiche adottate. Il dialogo tra gruppi di ricerca e decisori consente la produzione di conoscenza robusta e adeguata alle esigenze del settore produttivo amazzonico, e articolato al fine di sensibilizzare l’accademia a concentrarsi sui colli di bottiglia tecnologici esistenti, nonché sulle nuove opportunità per l’uso della ricchezza naturale? È stata effettuata un’analisi sui requisiti degli avvisi di sviluppo scientifico prodotti dalle principali istituzioni di promozione e sviluppo in Amazzonia negli ultimi due anni, e si è riscontrato che l’epistemologia predominante è la disciplinarità, un fatto che rende più limitata l’applicazione dei risultati. La scala temporale della produzione scientifica, la velocità di impatto sulla società in relazione alla sua applicazione, il linguaggio adeguato e la mancanza di percezione della società sull’incertezza della politica, sono fattori importanti che influenzano il rapporto tra il mondo accademico e gli opinion leader e le politiche pubbliche, ed è necessario intensificare un certo attivismo scientifico, applicazione dell’epistemologia traslazionale. Parallelamente, la gestione della governance della conoscenza scientifica sarebbe, in alcuni casi, più probabile che abbia successo con l’uso di algoritmi che sono ancora timidamente adottati nell’ambiente accademico dell’Amazzonia.
Parole chiave: Transdisciplinarità, Società, Scienza amazzonica, Trasferimento tecnologico.
1. INTRODUZIONE
La scienza cerca di rispondere a domande ben formulate per risolvere i dubbi della società. Le domande ben formulate hanno obiettivi ben definiti. Ironia della sorte, spesso i risultati dei sondaggi pongono nuove domande. Tuttavia, ci sono ancora complessi grovigli di situazioni legate al comportamento dello scienziato, al rapporto della scienza con la società, ai suoi protocolli e metodi scientifici che devono essere analizzati per capire cosa viene prodotto e come viene prodotta la conoscenza, in particolare nello Stato di Amazonas. Questo lavoro mira a verificare il motivo per cui la conoscenza prodotta nell’accademia di Amazon è stata poco utile per supportare le soluzioni richieste da problemi complessi. La domanda principale è: il dialogo tra gruppi di ricerca e decisori consente la produzione di conoscenze solide adeguate alle esigenze del settore produttivo amazzonico e articolato al fine di sensibilizzare l’accademia ad affrontare i colli di bottiglia tecnologici esistenti, nonché le nuove opportunità per l’uso della ricchezza naturale? La metodologia utilizzata è stata un’analisi degli ultimi due anni, di avvisi di sviluppo scientifico, prodotti nelle principali istituzioni di finanziamento amazzoniche, per verificare se l’epistemologia traslazionale si stia già consolidando, considerando la complessità amazzonica che richiede risposte più olistiche alle esigenze regionali paradigmatiche e ai settori più applicati.
2. I PROTOCOLLI SCIENTIFICI SONO SUFFICIENTI PER RISOLVERE I PROBLEMI?
Gli scienziati sono generalmente visti come individui separati dalla società, che vivono in laboratori isolati, alla ricerca di conoscenze non rilevanti per la vita quotidiana della società. Sono spesso derisi dai presentatori di talk show che riportano i titoli di ricerca completamente fuori fuoco sulla distorsione dell’utilità, come ad esempio “Variazione della temperatura rettale dei pappagalli dal Lago X”, portando il pubblico a creare un concetto di eccentricità accademica. Tuttavia, ci sono prospettive diverse, almeno per quanto riguarda la rilevanza pratica della ricerca accademica (BASSETT, 2020). È il caso, ad esempio, delle sinergie e delle ripercussioni tra università e sviluppi nella ricerca high-tech, come la Silicon Valley in California, la Route 128 intorno a Boston e il triangolo Raleigh-Durham, Embraer, Boticario Foundation[4], Embrapa[5] e Fiocruz. Queste sinergie, tuttavia, riguardano sviluppi pratici in settori quali la tecnologia dell’informazione e la ricerca sui biomateriali, la biotecnologia e i prodotti farmaceutici. Nel settore dello sviluppo delle politiche sociali e pubbliche, raramente vengono creati collegamenti tra ricerca accademica e sviluppo delle politiche.
Sebbene le domande e i problemi immediati possano cambiare nel tempo, la necessità di ricerca su questioni fondamentali è in corso. Sebbene i singoli responsabili politici abbiano spesso orizzonti temporali brevi, il processo di ricerca richiede scale temporali più ampie, una circostanza poco accogliente, dal momento che la produzione accademica non può rispondere immediatamente ai politici.
Le questioni chiave sono della massima importanza per risolvere i problemi emergenti. Attualmente, con le basi di conoscenza sui virus, ricercatori provenienti da vari luoghi del mondo stanno sviluppando soluzioni cliniche per combattere questo nuovo tipo di coronavirus (COVID-19) (BASSETT, 2020). Tuttavia, nel caso amazzonico, gli editti non stanno stimolando la ricerca nei gruppi transdisciplinari, un fatto che verrà affrontato di seguito.
3. LA RICERCA ACCADEMICA INFLUISCE SULLE DECISIONI POLITICHE? GLI ACCADEMICI DOVREBBERO ACCONSENTIRE IN UN CERTO ATTIVISMO PER AVERE UN IMPATTO SUI DECISORI?
Le parole usate da un certo Ministro della Salute, sottolineando l’attesa di una risposta scientifica alle decisioni politiche da parte dello Stato, diventano una risorsa per ridurre conflitti noti da secoli. Secondo Mitre (2016), Machiavelli avverte che “i consigli basati su ideali normativi indeboliscono il principe” e “i consigli realistici […] lo rafforzano”.
L’approssimazione tra fatti citati da Mitre (2016) come materia prima delle scienze, e valori considerati dallo stesso autore come sostanza del conflitto politico è la sfida della società attuale che ha iniziato a capire che, dati i progressi tecnologici, i conflitti sociali ed economici con grande adesione globale saranno risolti solo con la scienza.Quindi, quella scienza che non partecipa alla discussione sulle politiche pubbliche è destinata a morire per la società in generale.
Tale partecipazione avverrà con il guadagno di rispettabilità grazie alla produzione di opere scientifiche di alta qualità che siano un efficace supporto nell’area politica. La ricerca dovrebbe essere sintetizzata e tradotta in un linguaggio che sia compreso dai responsabili politici, dal pubblico in generale e dai media (GUNDERSON, 2007).
La società scientifica deve anche essere pronta a salvare la raccolta di informazioni e conoscenze prodotte nel tempo per rispondere alle richieste emergenti. È citato qui come il fatto che attualmente viviamo con il nuovo COVID-19. Sebbene nuovo, esiste già una massa critica con informazioni e conoscenze che consentono di svelare, a grandi passi, i suoi segreti creando così un’aspettativa positiva che presto ci sarà un rimedio che tratterà efficacemente COVID-19 (OGBURN et.al., 2020).
Questo fa emergere la spiegazione di ciò che Kuhn (2012) chiama scienza normale, cioè ricerca saldamente radicata in uno o più risultati passati e che sono riconosciuti per qualche tempo dalla comunità scientifica come le basi per pratiche successive. È proprio questa base che promuove i progressi, forma l’attività dei laboratori in tempi meno difficili.
Ancora più importante, ci sono esempi di come l’accumulo di risultati possa produrre progressi significativi. Una nuova disciplina chiamata Scientometrics analizza come i vari risultati pubblicati da diversi ricercatori e istituzioni possono essere raggruppati insieme per produrre conoscenze su costanti e algoritmi che erano nascosti, ma che sono importanti per il mondo accademico, per l’economia, tra gli altri (SILVA et al., 2001).
Resta comunque da vedere delle strategie precise che aiutano ad aumentare il valore della ricerca dando maggiore visibilità al ricercatore e al suo lavoro (ZULUAGA, 2017). Ciò che si intende è sistematizzare i risultati, organizzare la produzione di conoscenza, questioni che aprono possibilità di innovazioni che causano un impatto economico e politico. Tuttavia, l’esercizio scientometrico ha motivato la valorizzazione di alcune scienze che garantiscono il profitto aziendale, a scapito di altre che spianano discretamente l’insieme delle conoscenze necessarie per comprendere e gestire aspetti dell’esperienza umana che sono complessi e richiedono la cosiddetta ricerca di base.
L’interazione tra l’ambiente scientifico e l’opinione e i formatori politici costruisce un dialogo di estrema importanza per il successo di un paese sviluppato e tecnologicamente avanzato, e questo avviene all’interno di peculiarità e caratteristiche così sintetizzate:
a) Gli orizzonti temporali nel processo di ricerca sono diversi da quelli della politica. I sondaggi motivati da preoccupazioni politiche possono raggiungere il dominio pubblico solo dopo l’interesse politico. Ovviamente, l’accettazione politica è un ingrediente chiave. Ci sono semplicemente tempi e condizioni in cui il processo politico non sarà cambiato dai risultati del sondaggio, e altre volte in cui sarà aperto a cambiamenti che potrebbero essere influenzati da questa ricerca (GUNDERSON, 2007). Aaron (1978) afferma che la ricerca, a volte, riflette gli stati d’animo politici dominanti, ma influenza anche politicamente. Heineman et al. (1997) sollevano la preoccupazione che la ricerca possa perdere la sua credibilità se viene considerata una “merce da comprare e vendere” e che, in questo caso, “l’analisi principalmente per il rafforzamento delle scelte già fatte sembra essere una caratteristica comune della realtà politica”. Gli autori sottolineano la forza coercitiva che la ricerca accademica può soffrire quando finanziata per sostenere politiche specifiche. Tale è il pericolo a cui gli istituti di ricerca possono essere esposti in questo momento, quando una pandemia esacerba le convinzioni politiche.
La correzione del problema di cui sopra sembra essere legata alla necessità per i ricercatori stessi di essere spesso coinvolti nel processo di elaborazione delle politiche ad un certo punto della loro carriera. Questo tema è stato ripreso da altri ricercatori, come Lynch (2005), un accademico che ha lavorato come capo economista presso il Dipartimento del Lavoro degli Stati Uniti dal 1995 al 1997. Tuttavia, c’è un certo consenso sul fatto che importanti scienziati che occupano alte quote nella comunità accademica non perdono tempo nel processo decisionale. Forse, questa è una delle ragioni di un deficit nell’impatto dei risultati scientifici sul processo decisionale.
b) La ricerca il cui risultato ha un impatto diretto sulla società diventa molto più facile da diventare una politica pubblica rispetto a quella il cui beneficio sociale è indiretto (CARNEIRO et al., 2018). La percezione della società del contributo della scienza alle politiche pubbliche generate in ambito ambientale è molto più difficile di quella generata per la salute e l’ingegneria in generale, anche perché in ambito ambientale ci sono interessi diversi tra segmenti sociali ed economici.
c) C’è difficoltà della società nel comprendere che il tempo di risposta per la risoluzione dei problemi è associato alle variabili coinvolte nell’analisi della ricerca, alla scala temporale che deve essere considerata e alla multidisciplinarietà necessaria per produrre informazioni e generare solide conoscenze che portano soluzioni affidabili.
d) C’è una mancanza di percezione della società sull’incertezza della scienza e che la ricerca cerca di ridurre il più possibile il livello di incertezza (LOMBARDI et al., 2010). Attualmente, il dramma della clorochina sta vivendo, perché l’angoscia della popolazione nel ricevere risposte positive dall’azione del farmaco contro COVID-19 induce il pubblico a premere i ricercatori per una risposta rapida. Si scopre che ci sono così tante variabili coinvolte nel processo di sviluppo di un rimedio, ci vuole un po ‘di tempo per ottenere un risultato con livello di incertezza all’interno di un intervallo di confidenza statisticamente accettabile.
e) Nella società dell’informazione il pubblico segue praticamente, in tempo reale, lo sviluppo di lavori scientifici ed è informato delle difficoltà naturali di un processo di ricerca, nonché dei risultati parziali (FACULDADE DE MEDICINA DA UNIVERSIDADE FEDERAL DE MINAS GERAIS, 2020). Tale trasparenza crea incertezza su ciò che viene scoperto.
f) La polarizzazione della politica sta cercando di ideologizzare la scienza mettendo l’idea assurda che la scoperta scientifica sia rivelata in linea con il dominio dell’ambiente politico in cui si trova il paese (INSTITUTO PARA O DESENVOLVIMENTO DO JORNALISMO, 2015).
4. NEUTRALITÀ DELLA SCIENZA
Sebbene possa essere un tema ricorrente, va sottolineato che la neutralità della scienza è leggenda. Lo scienziato è un essere umano e, come tale, un essere sociale che è influenzato dalle sue relazioni umane, sociali e politiche. L’azione politica nel mezzo dell’attività scientifica è fortemente risonante nel finanziamento e nella diffusione scientifica.
I problemi contemporanei diventano la ricerca dominante per le istituzioni educative, di ricerca e di istruzione. A volte, le richieste scientifiche provenienti da paesi più avanzati, con diversi stili di vita e con diverse strutture operative, diventano priorità scientifiche internazionali.
Nel corso del tempo, ci sono concentrazioni di gruppi di ricerca provenienti da diverse aree su temi rilevanti del tempo. Ciò è dovuto al fatto che le agenzie di finanziamento danno la priorità alla ricerca rilevante per il momento sociale, politico ed economico di un determinato periodo. Pertanto, i cambiamenti nelle aree di ricerca non sono sempre dovuti alla saturazione della ricerca su un determinato oggetto di ricerca, ma all’opportunità di risorse offerte dagli agenti di finanziamento. Ciò causa vuoti all’interno della catena di conoscenza di una ricerca.
È importante sottolineare l’effetto della società dell’informazione sulla scienza, la ricerca e l’innovazione. Maffesoli (1998) spiega che la società postmoderna è costituita da costellazioni di tribù, i cui membri cercano la loro sopravvivenza formando in massa per combattere ciò in cui credono. A volte, sono villaggi globali in cui i loro membri generalmente non si conoscono, ma militano per il proprio bene senza conoscere profondamente le cause che difendono, ma che sono principalmente influenzati dai media. Ciò li induce a fare pressione sui poteri legislativi, giudiziari ed esecutivi locali in modo organizzato, mettendo a rischio la ricerca di interessi rilevanti per la scienza e il paese. Vale la pena ricordare che alle Accademie delle Scienze degli Stati Uniti e dell’Inghilterra è stato quasi proibito di sviluppare la ricerca sulle cellule staminali dai loro membri del Congresso (FALCÃO, 2005). Da allora in poi il segmento scientifico si rese conto che non funziona per la società, ma con la società, e decise di investire nella divulgazione della scienza.
Allo stesso tempo, la società odierna tecnologicamente evoluta ha cominciato a credere, sempre di più, nella scienza. Questo crescente consenso della società pone la scienza come un attore importante a sostegno delle decisioni politiche, causando impatti sociali in grado di generare polemiche nazionali e persino globali. Questo ricorda un po’ l’espressione di Leff (2002), nel suo lavoro sull’epistemologia ambientale, che “L’ambiente non è ecologia […], ma il rapporto tra poteri nella forma dominante di conoscenza…”. La conoscenza approfondita dell’oggetto in discussione è importante nei dibattiti globali tra le nazioni, in modo che gli accordi abbiano una migliore equità sociale ed economica tra i paesi.
Questa aspettativa positiva della società postmoderna in relazione alla scienza mette sotto pressione il mondo accademico e gli istituti di ricerca per ottenere risposte, il più rapidamente possibile, ai problemi sociali ed economici di oggi. Le questioni relative alla produzione di conoscenza per la salute, l’ambiente e le imprese fanno parte delle grida quotidiane della società postmoderna. Ironia della sorte, gli errori dei ricercatori non sono accettati, come se le loro ipotesi fossero sempre accuratamente corrette, e quando i risultati di una ricerca vengono pubblicati, subiscono un’estrema pressione da parte di quelle “tribù” la cui percezione dell’oggetto di studio è distinta.
5. I METODI TRASLAZIONALI SONO MIGLIORI DEI METODI DISCIPLINARI?
Gli scienziati formatisi nella seconda metà del 20 ° secolo hanno imparato, per la maggior parte, a costruire la conoscenza in modo quasi solitario. Era il metodo disciplinare di sottospecializzazione, in cui venivano affrontati problemi molto focalizzati e potevano essere successivamente aggiunti al corpo di conoscenze esistente. Per questo motivo, ci sono un gran numero di editti che consentono la ricerca individuale e, di conseguenza, le pubblicazioni in paternità solitaria. Tuttavia, con la costruzione della globalizzazione e del commercio multinazionale, i problemi ambientali e sociali hanno lasciato “i villaggi” e sono diventati ampi e complessi, richiedendo discipline isolate da avvicinare, contribuendo all’emergere di una metodologia interdisciplinare. Così, la ricerca scientifica ha iniziato un nuovo modus operandi in cui un certo numero di discipline avrebbero dovuto operare insieme, pur mantenendo i loro metodi e le proprie domande. Questo nuovo modo di creare conoscenza ha iniziato a permeare altre attività professionali. (CENTRE FOR EDUCATIONAL RESEARCH – CERI, 1972).
Balsiger (2004) stabilisce che il metodo interdisciplinare copre una serie di discipline e che non si limita alla ricerca scientifica, ma all’insegnamento e alle pratiche professionali. Tuttavia, l’approccio interdisciplinare non è sufficiente per una comprensione più affidabile della realtà, perché è limitato a una miscela di discipline che rimane quasi senza articolazione, non fornendo la coerenza desiderata per osservazioni più ampie della complessità. Questa prospettiva ha dato origine al metodo transdisciplinare, in cui la conoscenza finale è più della somma delle sue discipline, ma la fusione delle discipline (LAWRENCE, 2004). La transdisciplinarità implica una tensione tra le discipline, poiché la multidisciplinarietà o l’interdisciplinarità implicano semplicemente la combinazione di diversi tipi di conoscenze. La transdisciplinarità non dovrebbe semplificare la realtà trattando solo parti di essa che sono compatibili nell’intersezione di più prospettive disciplinari, come è, in molti casi, la ricerca interdisciplinare. La transdisciplinarità agisce contemporaneamente tra le discipline superandole, componendo così tutti i processi di multidisciplinarietà e interdisciplinarietà (RAMADIER, 2004).
Nella transdisciplinarietà, le azioni mirano a trasformare l’ambiente costruito in un problem solving multidimensionale. Pertanto, la capacità di risolvere problemi complessi è direttamente proporzionale all’effettiva compartecipazione tra scienziati, professionisti, decisori, nel tentativo di colmare un divario di applicabilità nei settori che si occupano dell’ambiente naturale e dell’ambiente umano. Si tratta di un urgente bisogno di sforzi innovativi, al fine di progettare una società in cui il benessere sociale sia accessibile a tutti (LAWRENCE et al., 2004).
La transdisciplinarità si occupa delle difficoltà nella ricerca e nelle organizzazioni che si occupano di sfere complesse ed eterogenee. Questa modalità di produzione della conoscenza è anche caratterizzata dalla sua natura ibrida, la non linearità con una grande quantità di riflessività, che trascende qualsiasi struttura disciplinare accademica (BALSIGER, 2004). Secondo Lawrence et al. (2004) la transdisciplinarietà sfida la frammentazione delle conoscenze, accetta i contesti e le incertezze locali, implica un’azione intercomunicativa che richiede una stretta e continua collaborazione durante tutte le fasi di un progetto di ricerca; è spesso orientato all’azione. Ciò implica articolare i vari limiti disciplinari, ma anche articolare lo sviluppo teorico con le pratiche professionali. I contributi transdisciplinari spesso si occupano del mondo reale e generano conoscenza che non solo affronta i problemi sociali, ma contribuisce anche alla sua soluzione.
Al giorno d’oggi, dove pandemie e disastri si verificano sempre più frequentemente, le istituzioni di ricerca e sviluppo, comprese le istituzioni nazionali, dovranno tracciare un futuro più consolidato nella transdisciplinarità. La resistenza organica delle istituzioni che perpetuano i loro dipartimenti potrebbe non essere sufficiente per aiutare nella produzione di conoscenza coerente con la complessità dei problemi, siano essi naturali o derivati dall’attività umana.
6. AMAZZONIA: RICERCA DI BASE E APPLICATA, SERVIZI TECNICO SCIENTIFICI, SVILUPPO TECNOLOGICO O RICERCA TRASLAZIONALE?
Al giorno d’oggi, con le sfide della società, la ricerca di risposte attraverso la scienza ai principali problemi nazionali e internazionali, è necessario chiedersi quale sia il modo migliore per fornire ai vari segmenti sociali ed economici di informazioni e conoscenze per migliorare la qualità della vita delle popolazioni locali.
Nel caso amazzonico, nonostante gli sforzi, la conoscenza disciplinare è ancora prodotta in quantità maggiore rispetto a quella transdisciplinare, e gli avvisi di promozione non comportano alcun requisito per i progetti traslazionali.
C’è un urgente bisogno di creare un ambiente transdisciplinare, pena perdite mostruose in futuro. Gli enti di finanziamento della ricerca in Amazzonia non hanno ancora visto la necessità, più che urgente, di avviare discussioni e formazione per l’emergere di gruppi transdisciplinari. Manca una visione contemporanea della scienza e delle opportunità.
Tuttavia, c’è un primo tentativo di sviluppare la ricerca traslazionale in Amazzonia, con l’iniziativa dei tecnici del Segretariato esecutivo della scienza, della tecnologia e dell’innovazione dello Stato di Amazonas (SECTI[6]) nel 2008. In quell’anno, SECTI propose l’istituzione della Piattaforma di Traduzione per P, D&I con l’obiettivo di consolidare un sistema di conversione della conoscenza in un prodotto o processo. Pertanto, si prevede di invertire la situazione attuale in termini di tecnologia per aggiungere valore alle risorse naturali di amazonas. Nella progettazione di questa proposta, alla luce degli studi condotti dalla SECTI sulla competenza, la formazione e la tecnicità esistenti nello Stato, sono state proposte due azioni immediate: a) Induzione di Politiche Pubbliche di Formazione per lo Sviluppo Tecnologico; b) Promozione di un insieme di solidi processi tecnici e gestionali, che portino agilità e tracciabilità al percorso della scienza di base, della tecnologia e quindi allo sviluppo del prodotto e del mercato.
La piscicoltura è stata una delle aree in cui è stato dato risalto allo studio sopra citato, con l’obiettivo di aumentare la produzione e la qualità dei prodotti per ampliare nuovi mercati. Dal punto di vista della ricerca traslazionale, è stato tracciato l’intero percorso della scienza e dello sviluppo tecnologico sui mangimi per pesci prodotti nello Stato. Questo studio ha coinvolto la massa critica, la capacità tecnologica, i segmenti esistenti e si è concluso che lo Stato non ha una massa critica per lo sviluppo tecnologico in relazione all’uso economico di ciò che è stato generato scientificamente.La valutazione traslazionale ha permesso di osservare i vuoti nella catena della conoscenza, un fatto che rende impossibile la disponibilità di informazioni sul mercato.
L’applicazione della ricerca traslazionale presentata come proposta per accelerare lo sviluppo socioeconomico dello Stato di Amazonas, nell’ambito del progetto Matrix prodotto dal team tecnico della Segreteria di Stato per lo sviluppo economico, la scienza, la tecnologia e l’innovazione (SEPLANCTI[7]), si basa su un ampio studio sul profilo della produzione di conoscenza nel mondo accademico e negli istituti di ricerca locali. Questo studio ha rivelato una malinconica triste realtà legata alla produzione di ricerca nello Stato; concentrazione sulla ricerca di base e/o esplorativa con pochissima azione nella ricerca applicata e nello sviluppo tecnologico. Al fine di superare l’attuale inerzia della produzione scientifica, convertendo le conoscenze il più rapidamente possibile in fatture, si suggerisce di utilizzare il metodo traslazionale. Per una semplice comprensione della ricerca, i tecnici hanno presentato la piattaforma di traduzione per P, D & I per lo sviluppo della bioeconomia nello Stato dell’Amazonas (Fig. 1).
Figura 1 – Piattaforma di traduzione per ricerca, sviluppo e innovazione
7. MODELLI CON MESSA A TERRA
È interessante rendersi conto che nella storia dello sviluppo della scienza, le analisi e i processi scientifici si sono evoluti secondo l’innovazione tecnologica. Prima che fosse un processo empirico, è nata l’idea cartesiana, e con l’avvento di apparecchiature che facilitano la gestione delle informazioni, è apparsa la modellazione e ora eScience, che si basa sull’uso di volumi significativi di dati ottenuti in tempo reale, rendendo possibile ottenere conoscenze su un oggetto di studio nel modo più reale possibile.
Ma, a differenza di quanto si può immaginare, la scienza non si fa senza applicare una metodologia appropriata che ha adottato una razionalità logica cercando di rispondere a domande ben definite.D’altra parte, la natura non è dipartimentalizzata, ma è il risultato di una serie di fenomeni fisici, chimici, biologici che si verificano contemporaneamente all’interno di una complessità difficile da teorizzare. Quindi, si deve cercare una connessione, il più vicino possibile, tra teoria e realtà; pertanto, è necessaria una visione più olistica della natura e della conoscenza. In questo contesto, la modellizzazione, alla luce degli strumenti attualmente esistenti per la sperimentazione e l’analisi dei dati, è il meccanismo più appropriato per trovare la risposta più accurata possibile sul mondo in cui viviamo.
Attraverso l’attività scientifica è possibile costruire concettualmente il mondo attraverso rappresentazioni semplificate e idealizzate di sistemi accettati dalle comunità scientifiche.
La scienza come attività investigativa è essenzialmente sociale, si applica al miglioramento dell’ambiente che ci circonda, naturale o artificiale, attraverso l’invenzione e la fabbricazione di beni materiali o culturali, diventando tecnologia, e può essere considerata un’attività che produce nuove idee. Le caratteristiche fondamentali del lavoro scientifico sono la razionalità e l’obiettività.
La razionalità corrisponde a concetti, interpretazioni e ragionamenti, che possono essere combinati obbedendo a un insieme di regole logiche che consentono di raggiungere nuove idee, mentre l’obiettività cerca di raggiungere la verità; verifica l’adattamento delle idee ai fatti utilizzando un’opera composta da osservazione, controllabile, e sperimentazione che, in una certa misura, è riproducibile. Pertanto, la conoscenza scientifica razionalizza l’esperienza non solo descrivendola, cioè non è sufficiente inventariare i fatti, ma spiegarli attraverso ipotesi e sistemi di leggi chiamati teorie.
Brandão et al. (2011) spiegano che gli scienziati non inseguono ricette infallibili per costruire modelli basati sulla realtà e che riflettono i fatti, in un contesto di validità, con un grado desiderabile di precisione. Justi et al. (2002) mostrano che imparare la scienza significa conoscere i modelli idealizzati dagli scienziati, così come le teorie, le leggi che basano i principi e i concetti utilizzati nelle loro strutture logiche. Pertanto, è necessario riflettere sui modelli scientifici che cercano di comprenderne le funzioni e i limiti, un processo che consente di testare ed esprimere nuovi modelli, qualcosa che è alla base della formazione della conoscenza nelle scienze della natura. In altre parole, la scienza mira a comprendere la realtà attraverso il ragionamento (BUNGE, 1960).
Brandão et al. (2011, p. 513) affermano che:
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.
L’attività di costruzione di modelli teorici dipende dalle conoscenze disponibili e dalle competenze dello scienziato. In Bunge’s (1989) i modelli teorici sono schemi che dovrebbero essere innestati su una teoria, che dovrebbe essere confrontata con i fatti.
Un’indagine sulla letteratura scientifica nazionale ci permetterà di vedere che ci sono pochi che lavorano sulla modellazione degli scenari. Tale assenza compromette la nostra capacità creativa di fronte a circostanze impreviste. Questo problema è legato all’assenza di gruppi transdisciplinari in grado di cercare modelli, anticipando probabili disturbi. Indubbiamente, esiste un considerevole corpus di conoscenze generate da decenni di investimenti, ma sarà importante che siano sistematizzati dando origine alla modellazione predittiva.
Il cambiamento della realtà nazionale, e in particolare dell’Amazzonia, rispetto al punto di vista della modellazione, richiede il ritorno alle banche dell’università e il rafforzamento dei corsi tra cui matematica, fisica e statistica. La didattica dovrebbe essere aggiornata, contestualizzando le prestazioni di queste conoscenze alle realtà attuali, dove le conoscenze rappresentate da una modellazione coerente devono essere sviluppate con un corpo di ricercatori provenienti da diverse aree di conoscenza.
In alcuni casi, in alcuni casi, c’è anche risentimento nello sviluppo di progetti di ricerca, una progettazione scientificamente appropriata di un esperimento, incorporando le variabili coinvolte e i contributi di altre aree di conoscenza. Sfortunatamente ancora oggi, ci sono ricercatori che insistono nello sviluppare il loro lavoro scientifico in isolamento, il che ovviamente si tradurrà in un prodotto a scaffale. Attualmente, il mondo scientifico e i segmenti pubblici e privati apprezzano la scienza prodotta da gruppi di scienziati transdisciplinari e traslazionali.
In questo contesto, vale anche la pena notare l’aumento esponenziale della produzione di dati scientifici nelle diverse aree della conoscenza, trasformando la comunicazione accademica. Dai luoghi più remoti del mondo è possibile accedere a dati, scambiare informazioni e conoscenze in tempo reale, in modo che la conoscenza prodotta sia snella e la risposta del tuo sforzo di ricerca abbia più coerenza.
I governi e le agenzie di finanziamento della ricerca hanno già aumentato l’accesso ai dati e alle pubblicazioni come mezzo per aumentare il ritmo della ricerca. Ciò che spaventa, nel caso amazzonico, e che serve da avvertimento per i giovani scienziati, è che il mondo della scienza sta cambiando. È una scienza ad alta intensità di dati, in cui migliaia di dati sono ottenuti da strumenti o generati attraverso simulazioni prodotte da software e resi disponibili in database. La tecnica e la tecnologia per questa scienza ad alta intensità di dati richiede allo stato di incoraggiare sviluppatori, progettisti e ricercatori a costruire applicazioni multimodali e incentrate sull’utente in modo che possano essere assistiti nelle loro attività di ricerca. Senza dubbio, dopo la crisi sanitaria in cui viviamo oggi, dove la comunicazione virtuale è cresciuta spontaneamente in modo significativo, e dovrebbe consolidarsi in tutto il mondo, il nuovo ricercatore dovrebbe avere accesso a questi nuovi strumenti, imparando anche a raccogliere dati per introdurli nel database. Tali dati sono considerati dagli agenti di finanziamento pubblico come informazioni che possono essere rese disponibili nei database per la società, perché sono stati ottenuti con risorse pubbliche, ma la conoscenza, questo sì, è il ricercatore.
8. ALGORITMI
L’essere umano nei prossimi anni può essere controllato da una serie di algoritmi secondo il famoso storico e scrittore Harari (2018). È comune negli affari, nell’amministrazione e in altre attività affrontare ciò che chiamiamo il sistema. A volte ci imbattiamo di fronte a un cassiere in un negozio con il sistema che non funziona e tutto è fermato. Arrabbiato, sia l’acquirente che il venditore, ma nulla può fare fino a quando il sistema non funziona di nuovo. La situazione peggiora quando questo sistema, che ora si sta trasformando in Intelligenza Artificiale (IA), può attraverso i biosensori avere la capacità di manifestarsi secondo le emozioni dell’essere umano o condurlo ad una situazione desiderata dall’operatore IA. Il sistema è infatti un insieme interattivo di algoritmi, sensori, computer e operatori.
L’algoritmo è la “modellazione” di procedure perfettamente definite che portano alla soluzione di un problema o di una situazione in numero di passaggi finiti. Questi algoritmi non sono necessariamente rappresentati da modelli matematici, ma da procedure ben definite per raggiungere un obiettivo (MEDEIROS et al., 2019). Ad esempio, il percorso da casa al college può essere stabilito come percorsi da percorrere che possono essere semplicemente scritti; tuttavia, se ci sono alternative considerando traffico, costi, ecc., la soluzione è più semplice modellando matematicamente e ponderando tutte le variabili per prendere finalmente la decisione di raggiungere l’obiettivo più rapidamente e con costi inferiori. Per questo, gli algoritmi vengono utilizzati con l’uso di risorse matematiche non comunemente utilizzate nelle classi, cioè la teoria dei grafi che studia la relazione tra gli oggetti di un dato insieme. Gli oggetti considerati in questa teoria sono chiamati vertici e la relazione che li collega e il loro percorso pesa. Ad esempio: lo sviluppo di soluzioni in un algoritmo scientifico, cercando in modo iterativo e interoperabile di migliorare l’insieme di ipotesi e possibili soluzioni, considerando gli aspetti ciclici e continui. Per Goodman (2016), l’iterazione dell’algoritmo consiste nel selezionare insiemi di variabili del problema e ottimizzarle nelle soluzioni della popolazione, infatti si tratta di un certo parallelismo procedurale.
La modellazione influenza il processo di ottimizzazione, dove tale processo è una ricerca stocastica con bias, con il suo approccio inizialmente ciclico (loop) o nella sua attenzione al problema anche con restrizioni di dimensioni dei risultati (efficacia).
Diamo un’occhiata al problema del venditore ambulante (TSP), la risolvibilità coinvolge aspetti della forma quantitativa delle soluzioni, sia attraverso la comprensione dei pesi dei grafici che del costo delle connessioni (percorsi) dei vertici.
In Ottoni et al. (2018) una soluzione per TSP può essere dimostrata dalla sequenza di vertici visitati nel grafico, vale la pena ricordare che qualsiasi metodo costruttivo può essere utilizzato per generare le soluzioni iniziali, compresa la generazione casuale, ma in generale, ci sono risposte basate su due paradigmi, simmetrico e asimmetrico. Il primo è legato al costo del viaggio, e la seconda direzione di realizzazione del percorso può modificare il valore della distanza totale percorsa.
In che modo il TSP è interessato a discutere il modo migliore per essere seguito dalla scienza? È che le possibili soluzioni sono sotto forma di social network e tecniche (laureati scientifici). La nozione di rete di attori contempla un piano di connessioni eterogenee da cui emergono sia le scienze che le credenze, ecc. Una rete è costruita da più connessioni, più input e più risultati, annullando così i percorsi restrittivi e diventando più efficiente.
La posta in gioco non è la risoluzione del problema, ma il punto di vista dell’osservatore e tutte le conseguenze inerenti alla sua decisione. L’altro lato è la forma di indicizzazione che ci permette di organizzare riflessioni e asimmetrie, sia del problema che dei percorsi da intraprendere, e questo fatto è molto importante per evitare continui processi non efficaci.
In ambito scientifico, l’induzione non sempre ha un passo nel processo di osservazione, indicizzazione e soprattutto risoluzione. E l’evidenza di questa affermazione è nei fatti dell’inettitudine all’analisi dei contenuti dei modelli di dati, nell’insignificanza nomologica e nella stretta mancanza di affidabilità (alpha di cronbach o dillon), e, quindi, inibire il ruolo dell’oggettività, a scapito del processo e non della risoluzione stessa. Vale la pena notare la latente necessità di convalide discriminanti e convergenti.
Inoltre, il verificarsi di ricorsione algoritmi che si inserisce nella bassa efficacia dei progetti, e che tale anomalia circoscrive due aspetti: il primo, legato alla mancanza di istituzionalizzazione e alle sue conseguenze; il secondo, a causa di un’eccessiva disfunzione burocratica. Possiamo percepire che la logica del TSP, o la sua morfologia, raggiunge le strutture della scienza, che a seconda del contesto non troverà adeguati, e infallibili, modelli di generazione di conoscenza, permeando modelli con indicatori di cohen (f2) estremamente bassi.
Una conseguenza dannosa è la scarsa interoperabilità della scienza, non solo con gli attori sociali, ma soprattutto con la rete di ricerca istituzionale, con conseguente bassa semantica dei dati generati, portando alla ribalta progetti di ricerca disaffezionati dal problema locale e a basso impatto, e così come il TSP, si perdono nella discussione della simmetria, che sarebbe in un certo senso semplice poiché un grafo ha 4 vertici e 6 bordi invariabilmente.
L’analisi dell’interoperabilità può essere fatta attraverso un’analogia di grafici per problemi scientifici. Ad esempio, ci sono diversi percorsi che possono essere fatti per creare una rete tra attori in grado di rispondere in modo più efficiente alla domanda di ricerca. Gli attori coinvolti partono dal concetto di tripla elica per un ecosistema di innovazione, aggiungendo più attori che hanno bisogno di partecipare al processo, essendo la ricerca in Amazzonia (Fig.2).
Figura 2 – Piano di utilizzo delle risorse per la ricerca, lo sviluppo e l’innovazione
Il grafico presentato permette di fare una matrice di adiacenza e ponderare ciascuno degli attori a seconda dell’obiettivo della ricerca da sviluppare. Ad esempio: nello sviluppo di ricerche di natura più sociale è possibile che non sia contemplata l’azienda. È lecito, quindi, conoscere gli attori più pertinenti al progetto e il rinvio più appropriato in modo che la ricerca abbia un risultato più efficace.
Nella scienza con l’innovazione tecnologica di sensori e biosensori, che forniscono un grande volume di dati di varie variabili in tempo reale, le cui analisi e ponderazioni di questi dati, fatte sistematicamente, possono essere manipolate da algoritmi scientifici che, collocati in linguaggio macchina, facilitano l’elaborazione dei dati e mettono a disposizione degli utenti le informazioni necessarie per il processo decisionale.
Attualmente, senza rendersene conto, questo è il percorso adottato dalla meteorologia, dagli studi climatici, dai corpi idrici e da alcune aree della salute. Questo ha alcuni aspetti estremamente positivi:
a) I dati e le informazioni iniziano ad avere un “dialogo” con il ricercatore o l’utente del sistema;
b) È possibile negli studi incorporare molte più variabili, cioè espandere l’universo della ricerca, consentendo di ottenere risultati più robusti;
c) La ricerca svolta dall’uomo sarà molto meno invasiva per l’ambiente, compresa la fauna, di quanto non lo sia oggi;
d) Nell’ambito della salute è possibile che ogni essere umano abbia un proprio algoritmo per monitorare la propria salute in tempo reale in previsione di possibili gravi malattie.
e) Infine, è probabile che l’essere umano nei prossimi anni possa facilmente superare gli 80 anni di età, essere seguito in tempo reale ed essere guidato su cosa mangiare e quale comportamento dovrebbe avere per raggiungere la longevità.
9. IL RUOLO DEI NUCLEO ISTITUZIONALI DI INNOVAZIONE TECNOLOGICA (NIT)
Una delle difficoltà accademiche più limitanti riguarda la visibilità di ciò che viene realizzato negli istituti di ricerca. Nei paesi sviluppati, le istituzioni hanno organismi diffusi molto attivi, che danno visibilità alle pubblicazioni, un fatto che solleva l’incontro di possibilità innovative per le imprese, generando dinamiche economiche. In questo scenario, la cooperazione tra università, azienda e governo corrobora il modo in cui le tecnologie lasciano le biblioteche delle istituzioni e raggiungono la società (AGUSTINHO et al., 2018).
La promozione di sinergie va a vantaggio della società nel suo complesso; i governi cercano lo sviluppo con aumenti economici al fine di creare benefici sociali, le università corrono nella produzione di conoscenza che si aggiungono al corpo scientifico esistente, ma, che spesso rimangono nell’accademia stessa senza alcuna contestualizzazione, e le aziende devono sopravvivere nel mercato competitivo mirando alla redditività. Pertanto, l’incontro di questi aspetti può essere facilitato attraverso il Nucleo di Trasferimento Tecnologico (NTT).
Agustinho et al. (2018) affermano che gli economisti dividono il processo di innovazione in tre fasi: invenzione (l’idea potenzialmente aperta allo sfruttamento commerciale), innovazione (sfruttamento commerciale) e diffusione (propagazione di nuovi prodotti e processi da parte del mercato). Ovviamente, il lavoro svolto da NIT è centrale, perché la diffusione tecnologica è il modo in cui le innovazioni si diffondono verso il mercato. La diffusione dell’innovazione fornita da NIT può effettivamente avere un impatto sul sistema economico.
Silva, et al. (2015) analizzare il processo di trasferimento tecnologico tra Università-Industria in nits di università pubbliche dello Stato del Paraná, dove evidenziano una serie di avvertimenti per migliorare le prestazioni di questo caso.
Uno degli elementi riguarda l’aumento della capacità aziendale di tenere traccia dei cambiamenti causati dalle nuove tecnologie, al fine di migliorare i prodotti o incorporare innovazioni. Indubbiamente, le NIT dovrebbero migliorare le loro relazioni con le imprese, cercando di vedere quali strozzature tecnologiche possono essere affrontate negli istituti di ricerca; I NIT mancano della sensibilità per realizzare bisogni innovativi, stimolando la creatività dell’accademia che si tradurrà in innovazione a beneficio del benessere socioeconomico.
Fa anche parte della routine dei NIT promuovere interazioni istituzionali in campo accademico, in vista della formazione di gruppi di ricerca speciali e dello sviluppo di innovazioni, le cui dinamiche sono traslazionali. Pertanto, gli stimoli intellettuali dovrebbero essere considerati con l’inclusione di giovani ricercatori. Lo sviluppo di un ambiente di cooperazione richiede un’attenzione particolare, in quanto si occupa necessariamente degli interessi del mondo accademico e delle imprese. Tuttavia, spetta ai NIT stimolare la formazione nell’ambiente traslazionale.
Agustinho et al. (2018) ritiene che i ricercatori nelle università dovrebbero considerare la cooperazione con l’industria come una competenza organizzativa essenziale. Certamente, i NIT saranno in grado di sviluppare meccanismi efficaci per consolidare tale cooperazione.
D’altra parte, i NIT dovrebbero cercare una maggiore interazione con il governo, per facilitare la raccolta di fundraising, in particolare finalizzata a finanziare la ricerca derivante dalle richieste di crisi. Una delle difficoltà brasiliane è l’onere burocratico legato alla protezione intellettuale e al trasferimento tecnologico, sia in ambito nazionale che internazionale. Occorre cercare una maggiore agilità burocratica, un’azione politica che possa essere innescata dai NIT.
I progressi nell’innovazione e nei brevetti all’interno del governo brasiliano si sono verificati quando, all’inizio dell’anno 2000, il governo brasiliano ha strutturato le sue istituzioni educative e di ricerca con l’attuazione del Centro di innovazione tecnologica e la regolamentazione della legge sui brevetti.Nonostante queste iniziative estremamente importanti, mancavano alcuni elementi per raggiungere il successo, in particolare la ricerca nel settore delle risorse naturali. Accesso al patrimonio naturale attraverso il Consiglio per la gestione del patrimonio genetico (CGen); il tempo di ottenimento dei brevetti, che arriva fino a 10 anni e infine la questione culturale dei ricercatori oltre i 50 anni.
10. CONSIDERAZIONI FINALI
Nonostante lo sforzo amazzonico nella produzione di solide conoscenze scientifiche, le richieste complesse non possono ancora contare su risposte categoriche, a causa del timidissimo supporto della metodologia traslazionale, da parte dell’accademia locale. D’altra parte, l’influenza dei risultati scientifici sui decisori potrebbe essere più permanente se si adottasse un certo attivismo scientifico, al fine di rendere più visibili le soluzioni, che spesso sono di pronta utilità, ma finiscono rinchiuse nelle biblioteche delle università.
Uno degli indicatori che i risultati persistono nella disciplinarità è una scarsità di editti che incoraggiano la formazione di gruppi di ricerca traslazionale che, a loro volta, consentono la modellazione matematica, che sono i modi più veloci per offrire alternative per la gestione della governance, specialmente in Amazzonia. Questo strumento offre sempre scenari con elevata affidabilità probabilistica, essendo un supporto importante alle decisioni politiche. Tuttavia, questa dimensione è ancora agli inizi e i programmi di laurea e di laurea in Amazzonia non hanno visto quanto sia urgente la sua adozione. Inoltre, il dialogo tra i vari gruppi di ricerca regionali è ancora tangenziale. Non esistono programmi strutturanti per il ravvicinamento delle istituzioni e la produzione di risultati traslazionali, un compito che potrebbe essere guidato dalle Fondazioni Regionali di Supporto alla Ricerca[8].
Gli spazi aperti tra l’accademia e i settori sociali dovrebbero essere intensificati in modo che il dialogo si svolga ininterrottamente. I Nucleo di Trasferimento Tecnologico (NTT) che sono le finestre appropriate per questo dialogo agiscono, nel caso amazzonico, a velocità ridotta, ma potrebbero essere sede di indurre innovazioni e attrarre risorse alla ricerca, al fine di favorire l’emergere di parchi tecnologici e, di conseguenza, il progresso socioeconomico.
RIFERIMENTI
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, p. 1518, 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.
APPENDICE – NOTA A PIEDI
[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] Dottore. ORCID: 0000-0002-1955-288X.
[2] Dottorato. ORCID: https://orcid.org/0000-0002-0184-9845.
[3] Dottorato. ORCID: 0000-0002-9913-2403.
Inviato: Luglio 2021.
Approvato: Gennaio 2022.
