Analisando a Característica do Fluxo de Conhecimento num SR

Porem a percepção de compartilhamento de conhecimento no sistema poderá diferir em função das conexões entre os atores do sistema.

Desta maneira considera-se que a estruturação de um modelo de sistema de gestão para os fluxos de conhecimento num SRI, pode ser um elemento motriz para incentivar o acréscimo de compartilhamento de conhecimento entre os atores pertencentes ao sistema, por incrementar um maior nível de confiança entre os mesmos, melhorando assim os fluxos de conhecimento.

3.2.2 Analisando a Característica do Fluxo de Conhecimento num SRI

Embora não esteja no escopo deste trabalho medir a eficácia do fluxo de conhecimento num SRI, serão considerados alguns estudos realizados pelos autores Haung et.al(2007), Bevilacqua et.al (2005), como fonte de conhecimento para estruturação do instrumento de pesquisa que pretende mapear os fluxos no SRI Sudoeste, onde estes autores consideram que se pode medir a eficácia dos fluxos de conhecimento em ambientes de promoção a inovação tais como comunidades de prática, ou numa cadeia produtiva, onde os fatores tais como genética ou hereditariedade, estão sendo desconsiderados, pois apresentam elevado grau de incerteza.

Entretanto, considerando que este é um trabalho de modelagem de processos sociais, ele se caracteriza pela interdisciplinaridade, o que aumenta o grau de dificuldade de pesquisa, pois necessita de pesquisadores de vários saberes, focados no objetivo de qualificar o fluxo de conhecimento (BEVILACQUA et.al, 2005).

Para Huang et.al 2007, pode-se calcular o fluxo de conhecimento aplicado a comunidades de prática da seguinte forma:

Considerando que o fluxo de conhecimento é inversamente proporcional a distância entre atores, e proporcional a lacuna de conhecimento entre eles (HUANG et.al 2007), pode-se considerar importante que num SRI, espaços e oportunidades de encontros “face a face” entre atores sejam constantemente promovidos, assim como ferramentas computacionais proporcionem uma inter relação entre estes os mesmos.

Um dos problemas para se calcular o fluxo de conhecimento, é identificar o nível de conhecimento de cada ator e principalmente a vontade em compartilhar conhecimento, assim como a motivação dos receptores em aprender, estas lacunas, podem ser compensadas com o tempo de dedicação e interesse em compartilhar e absorver conhecimento. (HUANG et.al 2007)

No modelo matemático proposto Bevilacqua et.al (2005), os autores consideram o Fluxo de Conhecimento numa cadeia produtiva, o qual parte do pressuposto que os atores de conhecimento estão dispostos a compartilhar conhecimento e absorver conhecimento, num ambiente sinérgico, e assim estruturaram o seguinte modelo matemático:

t

C

C

x

k

x





























_



_

_





1

α = capacidade de realimentação, ou investimento em C&T T = Conhecimento (variável dependente)

x = Espaço onde se estende a cadeia de conhecimento (variável independente) Onde:

Fij = representa o fluxo de conhecimento entre dois participantes da comunidade;

Dij = a distancia entre eles;

(Ki - Kj) = lacuna de conhecimento existente; Wi = a vontade de partilhar;

Mj = o coeficiente de motivação de aprendizagem.

t = Tempo de evolução do conhecimento na cadeia (variável independente) A = Número de pessoas envolvidas

Q = Fonte de geração de novos conhecimentos Φ = produção de conhecimento

k = condutividade cognitiva - mede a permeabilidade da cadeia à novos conhecimentos. Quanto maior o valor de k tanto mais fácil será o fluxo de conhecimento ao longo da cadeia.

Co = densidade inicial de produção de conhecimento - produção do conhecimento gerada ao longo do processo é proporcional a esse parâmetro. Cp = impedância cognitiva - inércia à absorção de novos conhecimentos.

Os parâmetros k, Co e Cp podem variar tanto com o tempo quanto ao longo da cadeia.

Sendo necessário estabelecer que A pode ser obtido através da seguinte equação:

A(x , T) = A0(x) (1+ T)

Onde Q pode ser obtido na equação onde se analisa o T (conhecimento presente e a realimentação de conhecimento), destacado na equação:

Q(x , T) = C0(x) (1+ T)

Para facilitar os cálculos Bevilacqua et. al, (2005) introduziram a variável Φ, sendo esta uma forma reduzida de representação da produção de conhecimento.

T





1

O modelo matemático proposto, segundo os autores pode ser aplicado numa cadeia de conhecimento com fluxos nas duas extremidades, seja em ICT’s ou no setor produtivo, como numa cadeia produtiva completa. A restrição deste modelo está na comunicação externa apenas nas duas extremidades, não computando que toda cadeia em um ambiente real possui comunicação externa.

Analisando os dois modelos matemáticos propostos de Huang et.al, 2007(H) e Bevilacqua et.al, 2005 (B), observa-se que no modelo proposto (H) não está sendo considerado o tempo de evolução do conhecimento na cadeia, porem é estabelecido um parâmetro interessante que é a vontade de compartilhar, que no caso do modelo (B), este parâmetro é considerando inerente ao processo.

Analisando, Florida (1995), Zughe (2006), Dvir e Pasher (2004), que consideram que a sinergia e vontade de compartilhar seja algo fundamental para que ocorram fluxos de conhecimento entre atores de

um sistema, e que a falta desta sinergia possa ser um “gargalo” no fluxo, acredita-se, que o fator vontade de compartilhar deva estar presente no desenvolvimento de um modelo matemático aplicado a um Sistema Regional de Inovação.

3.3 CONCLUSÃO

Extrapolando o modelo matemático de Huang et. al, 2007 para um SRI, considerando-se que os elementos pertencentes à comunidade de prática, seriam os atores regionais com seus respectivos ativos de conhecimento no SRI, pode-se estimar a eficácia com que os fluxos ocorrem. No entanto, é fundamental identificar os atores do sistema, mapear e estruturar o modelo e como ocorrem as interações, além de analisar quais os atores possuem maior energia no sistema.

Com base na revisão apresentada, percebe-se que a análise de fluxo de conhecimento em uma organização é uma prática cientifica constante, porém esta mesma análise aplicada à Habitat’s de Inovação, não aponta os mesmos rumos, o que denota uma lacuna científica em identificar um modelo de fluxo de conhecimento entre atores de um sistema regional de inovação.

Para concluir este capítulo e indicar as diretrizes estabelecidas para a pesquisa de campo proposta nesta tese. Considerando os constructos apresentados na revisão, pretende-se estabelecer um modelo de fluxo de conhecimento (mapa) e um modelo de Percepção de Fluxo de Conhecimento (PKF) que possa auxiliar na extrapolação da verificação de eficácia do fluxo de conhecimento, baseado em (HUANG et.al 2007). Pretende-se ainda, mapear os possíveis “gargalos” e elementos que induzam a constituição de um funil no fluxo de conhecimento, assim como identificar as metodologias empregadas no compartilhamento de conhecimento.

As características referentes ao formato da pesquisa que deverá ser realizada no SRI do Sudoeste, serão apresentadas no capítulo 4, terão com base o referencial apresentado nos capítulos 2 e 3 e o formato de pesquisa apresentado no capitulo 1.