Em suma, a metodologia aqui proposta buscou entender o descompasso existente entre as políticas ora analisadas. Ou seja, as estratégias metodológicas e as distintas etapas adotadas neste trabalho buscaram contribuir para o entendimento da lacuna existente entre os atingidos por eventos extremos nas áreas rurais da Amazônia Legal e o desenho da formulação da PNPDEC que privilegia os atingidos por desastres localizados nas áreas urbanas. No próximo item será apresentado o suporte téorico do método Qualitative Comparative Analisis (QCA).
7.7 Método Qualitative Comparative Analisis (QCA)
Para Schneider e Schmitt (1998), o método comparativo nas ciências sociais é inerente a qualquer pesquisa de campo. Baseado nisto, estes autores afirmam que a discussão sobre o método comparativo e de seu papel na construção do conhecimento está presente na Sociologia desde os estudos clássicos do século XIX.
Todavia, a produção e a difusão de trabalhos, com enfoque comparado nas Ciências Sociais e na humanidade, tem crescido nas últimas décadas (SANTUÁRIO, 2011). Na percepção desse autor uma das causas mais visíveis para este fenômeno tem sido a tremenda aceleração das trocas provocadas pela globalização que caracteriza a dinâmica do mundo contemporâneo.
Hopkin (2002) destaca que de maneira geral a realização de estudos por meio da comparação está interessada em identificar as semelhanças e as diferenças entre as unidades macrossociais. É justamente este conhecimento que fornece a chave para a compreensão, a explicação e a interpretação de diversos resultados (FREITAS; BIZZARRO NETO, 2014; HOPKIN, 2002).
A compreensão da importância de processos históricos, por exemplo, contribui no entendimento dos atuais arranjos institucionais observados. Sobre isto, é preciso considerar que qualquer arranjo institucional é constituído por uma cadeia complexa de interesses particulares e relações políticas, na maioria das vezes, de caráter divergente.
Daí se poder afirmar que a explicação de determinado cenário se dá por meio de múltiplas causas que antes de se excluírem acabam assumindo caráter complementar. A leitura em Freitas e Bizzarro Neto (2014) permite afirmar que fenômenos que podem ser explicados por uma cadeia de multicausalidade, não são
perfeitamente tratados por técnicas e metodologias quantitativas tradicionais. Nas palavras dos autores:
Técnicas quantitativas como regressões assumem relações aditivas ou multiplicativas entre as variáveis. As condições que levam à formação de coligações ao nível subnacional, contudo, não seguem necessariamente relações desse tipo. Fatores que explicam o porquê de certas coligações em determinados contextos podem estar completamente ausentes em outros. Ao mesmo tempo, configurações semelhantes de alianças entre partidos nas eleições para governador podem ter causas completamente diferentes – algumas derivadas da intervenção do partido nacional, outras de disputas políticas históricas entre elites locais, apenas para ficar com razões não sistemáticas (FREITAS; BIZZARRO NETO, 2014, p. 3).
Embora não haja nada errado com a quantificação, e a ciência social certamente precise de rigor analítico, análises quantitativas – especialmente como ela é usualmente praticada – sempre restringem o diálogo entre ideias e evidências de maneira improdutiva (DIAS, 2011). Nesse cenário de discussão surgiu como uma alternativa às técnicas qualitativas e quantitativas tradicionais a Qualitative Comparative Analysis (QCA).
Para Bennett (2004), a principal diferença entre o método QCA e as análises tidas como tradicionais é que com o QCA é possível expandir os procedimentos analíticos básicos analisados para mais de dez casos. Com efeito, não existe qualquer limite processual ao número de casos que podem ser estudados usados neste método (BENNETT, 2004).
O método QCA foi desenvolvido por Ragin (1987) com o objetivo de resolver um problema presente na análise comparativa de casos, contemplando a preservação dos casos com complexas configurações de fatores explicativos e de tal forma que permitisse a análise das similaridades e diferenças (DIAS; AVILA, 2015; DIAS, 2011).
Desse modo e com todo rigor que uma abordagem empírica comparativa deve assumir, o QCA tenta atender a dois objetivos aparentemente contraditórios: compreensão aprofundada em diferentes casos e captura da complexidade dos casos (ganhar intimidade com os casos), mas também produzindo certo nível de generalização (RAGIN, 1987).
O método é utilizado na ciência social com base na lógica binária da Álgebra Booleana e tenta maximizar o número de comparações que podem ser realizadas por meio dos casos sob investigação (FREITAS; BIZZARRO NETO, 2014; RAGIN,
1987). Segundo Greckhamer et al. (2008) e Costa (2014), a QCA parte da premissa de que a causalidade não é facilmente desvendada porque raramente têm uma causa única.
Essas causas raramente operam isoladamente e um atributo causal específico pode ter efeitos diferentes e até opostos dependendo do contexto (GRECKHAMER et al., 2008). Segundo Freitas e Bizzarro Neto (2014), é a partir desta lógica algébrica que se atribuem dois valores para a variável, tornando-se uma variável categórica binária, em que os valores podem ser 0 ou 1.
Essa, no entanto, não é a única forma de categorizar as variáveis. Considerando a finitude de valores estabelecida pela numeração de 0 a 1, a função booleana também assumirá valores finitos para além de dois, sendo reproduzida em uma truth-table, ou “tabela verdade” (FREITAS; BIZZARRO NETO, 2014; GRECKHAMER et al.,2008).
Nesta são dispostas as combinações de valores que as variáveis podem assumir e os correspondentes valores da função. Segundo Dias (2011), quanto mais valores forem estabelecidos de 0 a 1, maior o número possível de combinações lógicas, o que possibilita ganhos analíticos por permitir considerar o universo possível de combinações entre as variáveis e os resultados (outcomes).
A QCA é utilizada em pesquisas comparativas em geral e em estudos de caso em especial, na qual os analistas de QCA interpretam os dados qualitativamente ao mesmo tempo em que também buscam relações de causalidade entre variáveis, que podem ou não aparecer em estudos de caso (DIAS; AVILA, 2015; DIAS, 2011; RAGIN, 1987).
O número mínimo de casos exigidos pelo QCA apontado na literatura que versa sobre o tema está compreendido entre três e duzentos e cinquenta (COSTA, 2014; RIHOUX; RAGIN, 2009). Neste trabalho foi utilizado seis unidades (municípios da Amazônia Legal) mais uma unidade hipotética considerada “ideal”, para poder atender a uma condição do método da diferença, que exige pelo menos um caso com resultado diferente que possa servir de referência para a interpretação dos dados.
O “tipo ideal” foi construído a partir da discussão metodológica de Weber, o qual se refere à construção de certos elementos da realidade numa concepção logicamente precisa e destituído de quaisquer espécies de avaliações, assim pode- se construir tipos ideais com finalidades analíticas (WEBER, 1982).
Para esse autor o “tipo ideal” refere-se a um quadro de pensamento e não de realidade histórica, e muito menos de realidade ‘autêntica’, e não serve de esquema no qual se pudesse incluir a realidade à maneira de exemplar. Segundo Costa (2014), este tipo ideal ajuda na compreensão da realidade, sem que necessariamente ele ocorra, uma vez que os estudos científicos não conseguem alcançá-la em sua totalidade.
Desta forma, o “tipo ideal” construído neste trabalho levou em conta as medidas tomadas pelo Estado brasileiro com o objetivo de tornar os agricultores familiares menos vulneráveis em relação aos danos oriundos de eventos extremos. Ou seja, o “tipo ideal” por ocasião da ocorrência de eventos extremos, e uma vez que tenha tido perdas agrícolas, deve conseguir acessar os benefícios contidos no desenho da política agrícola e na de defesa civil sem maiores problemas e constrangimentos.
Paralelo a isso, durante todo o percurso de sua criação, formação e reconhecimento como cidadão os agricultores familiares devem acessar direitos básicos como educação e saúde no sentido de poder se reconhecer como um indivíduo de plenos direitos e assim conseguir demandar e acessar as políticas públicas disponibilizadas pelo Estado.
Aqui se parte da premissa que o Estado possui uma lógica de gestão que transcende um único setor em sua complexa estrutura. Nestes moldes, a engrenagem que faz o Estado brasileiro funcionar age de forma dialética, de caráter complementar, sem anular as competências de políticas específicas, ditas setoriais, mas atua de forma a fortalecê-las.
Isto porque, conforme adverte Garajau (2013) e Peters (1998), uma forma de diminuir o nível de descompasso existente nas ações do Estado brasileiro para com o seu “povo” deve ser a busca pelo desenvolvimento de coordenações horizontais no interior da “máquina pública”, pois só assim se poderia pensar a implementação das políticas públicas como um fator viável de inclusão social.
É nessa linha de raciocínio que este trabalho optou pelo uso do método QCA aliado com o uso da ferramenta fuzzy na perspectiva de compreender o nível de intersetorialidade necessário para que as políticas agrícolas e a de PNPDEC possam atender com sucesso os objetivos para as quais foram criadas em uma região de alta complexidade como a Amazônia Legal. A próxima etapa apresentará os principais pontos contidos na Lógica Fuzzy.
7.8 A Lógica Fuzzy
Esta parte do trabalho versará sobre o aporte teórico em que está inserido a Lógica Fuzzy, uma vez que tal ferramenta ao ser agregada nessa análise deve contribuir no sentido de estabelecer o nível de intersetorialidade existente entre as duas políticas, de defesa civil e agrícola, aqui analisadas.
A ciência da lógica teve como fundador Aristóteles, filósofo grego (384-322 a.C.) que estabeleceu um conjunto de regras rígidas para que conclusões pudessem ser aceitas, logicamente válidas, levando a uma linha de raciocínio lógico baseado em premissas e conclusões (MALUTA, 2004).
Segundo Coelho (2008), na década de trinta, Jan Lukasiewick desenvolveu uma lógica multinível argumentando sobre a lei da contradição, na qual uma afirmação do tipo X é Y pode não ser ao mesmo tempo, sendo plausível em termos matemáticos, desde que os graus de verdade não sejam ambivalentes, como o que acontece na lógica booleana.
A partir disso, Maluta (2004) destaca que em muitas experiências humanas o que ocorre é que, entre a certeza de ser e a certeza de não ser, existem infinitos graus de incerteza, esta imperfeição intrínseca à informação abriu caminho para que a Lógica Fuzzy fosse introduzida em 1965 por Zadeh.
Zadeh era professor no departamento de engenharia elétrica e ciências da computação da Universidade da Califórnia, em Berkeley, quando ele trabalhava com problemas de classificações de conjuntos que não possuíam fronteiras bem definidas, ou seja, a transição entre os conjuntos é suave e não abrupta (ORTEGA, 2001). Segundo Ortega (2001), o termo fuzzy significa nebuloso, difuso, e se refere ao fato de, em muitos casos, não se conhece completamente os sistemas que se está analisando.
Dessa maneira, Zadeh observou que os recursos tecnológicos disponíveis eram incapazes de automatizar as atividades relacionadas a problemas de natureza industrial, biológica ou química que compreendessem situações ambíguas, não passíveis de processamento através da lógica computacional fundamentada na lógica booleana (MALUTA, 2004). O Esquema 6 faz referência à representação da incerteza e da imprecisão nas informações.