3 METODOLOGIA
3.7 MÉTRICAS
3.7 MÉTRICAS
3.7.1 Centralidade
Para Chen et al. (2010), a métrica centralidade pode ser definida para cada nó da rede, sendo medida a partir do grau em que o nó está no meio do percurso que o liga aos outros vértices desta rede.
Newman (2005) assinala que betweenness é uma medida da centralidade de um nó em
uma rede normalmente calculada como a fração de caminhos mais curtos entre pares de nós que passam pelo nó de interesse.
É, em certo sentido, uma medida da influência que um nó tem sobre a disseminação da informação ou de outros conteúdos através da rede. Valores altos para essa métrica, segundo Chen et al. (2010), podem identificar publicações científicas potencialmente revolucionárias,
bem como gatekeepers em redes sociais. Por exemplo, se um nó proporciona a única conexão
entre dois grupos grandes, mas de outra forma não relacionados, esse nó teria um valor muito elevado de centralidade.
Pode-se definir centralidade como a propriedade de um nó ou de um grupo de nós que dizem respeito à sua posição em uma rede (BORGATTI; EVERETT; JOHNSON, 2013). Para os autores, pensar centralidade, significa tentar compreender a contribuição que um nó ou conjunto de nós fazem à estrutura desta rede, ou seja, a centralidade é o grau de importância estrutural de um nó em relação à rede.
Um nó pode ser importante para a estrutura da rede de diferentes formas. Por exemplo: quando, ao removê-lo, se desconectam partes da rede. Um nó pode ser importante também quando um grande número de laços o envolve. Essa diferenciação culminou no desenvolvimento de diversas métricas de centralidade, como:
Degree Centrality;
Eingenvector Centrality;
Beta Centrality;
Closeness Centrality;
K-Step Reach Centrality;e
Nesta tese, a métrica de centralidade utilizada foi a Betweenness Centrality, pois segundo Chen et al. (2010), ela tem potencial para indicar vértices importantes para as redes e esse grau de importância, medido ao longo do tempo, permite a estimativa de suas tendências.
Além das métricas de centralidade, outra métrica importante é a modularidade.
3.7.2 Modularidade
Apesar de não ser analisada diretamente nesta tese, a modularidade é base para a formação das redes e, consequentemente, para o cálculo de suas métricas.
A modularidade mede o grau em que uma rede pode ser dividida em blocos ou módulos independentes. A pontuação da modularidade varia de 0 a 1. Segundo Chen et al. (2010), uma
baixa modularidade sugere uma rede que não pode ser reduzida a clusters com limites claros,
enquanto uma alta modularidade pode implicar uma rede bem estruturada.
Na Bibliometria, uma baixa modularidade pode dificultar as análises das redes, pois tornaria difícil encontrar padrões para o estudo, ou ainda indicaria que os textos não fazem parte da mesma área científica.
Segundo Newman (2006), a modularidade é um multiplicativo constante do número de arestas de determinado grupo, menos o número esperado de uma rede equivalente com os vértices colocados de forma aleatória.
A modularidade pode ser positiva ou negativa, sendo os valores positivos indicativos de possível presença de estruturas de comunidade. Assim, é possível procurar divisões de uma rede olhando as que possuem valores positivos de modularidade.
3.7.3 Clusterização
Clusters são conjuntos de dados agrupados por determinados fatores. Chen et al. (2010)
afirmam que as análises dos clusters nas redes sociais permitem aos pesquisadores o estudo das
relações entre grupos distintos como, por exemplo, autores que trabalham juntos, textos agrupados por temas, grupos de referências, entre outras dimensões.
Para Borgatti, Everett e Johnson (2013), as análises de clusters são um conjunto de
técnicas que permitem atribuir itens em grupos ou classes levando em consideração similaridades ou distâncias entre estes itens.
As análises tradicionais de redes sociais geralmente se concentram nos membros de grupos
como uma fonte primária para a interpretação, porém o foco em clusters pode melhorar a
A seguir, serão apresentados alguns resultados da pesquisa e suas possíveis reverberações nas áreas estudadas
4 RESULTADOS
Na análise dos dados, foram utilizados 6.993 artigos de Gestão do Conhecimento, 2.896
artigos de Aprendizagem Organizacional e 591 artigos de Organizações que Aprendem,
totalizando um universo de 10.480 artigos.
Foram geradas redes ano a ano, redes de períodos de tempo que continham o somatório dos artigos que pertenciam aos anos dos períodos, e redes acumuladas que continham o somatório dos artigos dos anos anteriores.
O quadro 9 apresenta os 20 termos com centralidade mais alta para as redes de GC, OA e AO para a rede criada com todos os artigos de todos os anos.
Quadro 9- Vinte termos com centralidade mais alta para as redes de GC, OA e AO. GESTÃO DO CONHECIMENTO ORGANIZAÇÕES QUE APRENDEM APRENDIZAGEM ORGANIZACIONAL Termos comuns às três áreas
knowledgexcreation knowledgexcreation knowledgexcreation
Termos comuns a GC e OA knowledgexshare knowledgexshare x organizationalxlearn organizationalxlearn x intellectualxcapital intellectualxcapital Termos comuns a GC e AO businessxprocess x businessxprocess organizationalxknowledge x organizationalxknowledge productxdevelopment x productxdevelopment Termos comuns AO e OA x competitivexadvantage competitivexadvantage x humanxresource humanxresource x knowledgexmanagement knowledgexmanagement x learnxprocess learnxprocess x organizationalxchange organizationalxchange x organizationalxculture organizationalxculture x organizationalxperformance organizationalxperformance x organizationalxstructure organizationalxstructure
Termos exclusivos de cada área decisionxmake domainxknowledge explicitxknowledge knowledgexacquisition knowledgexasset knowledgexbase knowledgexmanagementxsystem knowledgextransfer knowledgexworker managementxsystem managexknowledge supportxknowledge tacitxknowledge learnxculture organizationalxcommitment organizationalxdevelopment organizationalxlevel publicxsector qualityximprovement sharedxvision systemsxthink absorptivexcapacity firmxperformance learnxcapability learnxorganization organizationalxcontext organizationalxlearnxprocess supplyxchain teamxlearn
Fonte: Elaborado pelo autor.
Nota: Resultados obtidos a partir das análises dos artigos das três áreas em todos os períodos (1964-2015).
A leitura do quadro 9 apresenta uma boa noção do que é importante para as áreas ao longo do tempo, também os termos em comum e os termos exclusivos para cada área. Percebe-se, contudo, que a análise dos resultados desta rede não demonstra a importância de um termo no presente, pois, se um termo tinha a centralidade muito alta em algum período de tempo, isso acabou refletindo nos períodos posteriores.
A análise das relações entre áreas também fica comprometida no quadro 9 pois os termos em comum podem estar temporalmente separados.
4.1 RELAÇÕES ENTRE ÁREAS
Com o intuito de compreender as relações entre as áreas estudadas, buscou-se analisar os termos coincidentes em períodos pré-selecionados. A relação entre áreas e entre ciências se dá, entre outras maneiras, pela convergência de conteúdos. Desta forma, compreender estas relações pode permitir aos pesquisadores solucionar questionamentos que se apresentam entre áreas e campos científicos.
A relação entre as áreas foi analisada em quatro períodos de tempo distintos. O primeiro período tem como data de início o artigo mais antigo da base de cada área estudada e a data final foi o ano 2000 inclusive. Os períodos seguintes são de cinco anos.
Assim, foram analisados quatro períodos distintos de tempo: (1965-2000), (2001-2005), (2006-2010), (2011-2015), ou seja, foi criada uma rede para cada área por período.
A figura 4 tem a função de facilitar o entendimento dos resultados que serão relacionados nos quadros 9, 10, 11 e 12, a seguir.
Figura 6- Relações de interseções entre as áreas.
Fonte: Elaborado pelo autor.
Nota: Os números nas intersecções são apenas para identificar as comparações.
Para as análises demonstradas nos quadros 10, 11, 12 e 13, foram levados em
consideração apenas os 30 termos com Betweenness Centrality mais alta.
AO
GC
OA
4.1.1 Primeiro período (1965-2000)
Como se pode observar, na intersecção 01, não foram encontrados termos em comum
entre os 30 termos com maior Betweenness Centrality. Na intersecção 02, foi encontrado
apenas um termo. Na terceira intersecção, foram encontrados sete termos comuns. Na quarta, apenas um termo.
Quadro 10- Relações entre as áreas de AO, OA e GC (1965-2000).
INTERSECÇÃO ÁREAS OCORRÊNCIAS
01 (AOxOAxGC) Não existiram termos em comuns entre os termos das três áreas
simultaneamente.
02 (OAxGC) Organizational Process. N° de ocorrências = 1.
03 (AOxOA)
Business Process, Business Strategy, Individual Learn, Knowledge Management, Management Practice, Organizational Process, System Think.
N° de ocorrências = 7.
04 (AOxGC) System Development. N° de ocorrências = 1.
Fonte: Elaborado pelo autor.
Nota: Foram levados em consideração apenas os 30 termos com maior Betweenness Centrality.
No primeiro período pesquisado, notam-se relações principalmente entre as áreas de AO e OA, o que demonstra intersecções principalmente entre duas áreas. O total de termos em comum encontrados no período foi nove.
4.1.2 Segundo período (2001-2005)
No segundo período, é possível perceber um aumento das relações entre AO e GC e entre AO e GC em relação ao primeiro período analisado.
Quadro 11- Relações entre as áreas de AO, OA e GC (2001-2005).
INTERSECÇÃO ÁREAS OCORRÊNCIAS
01 (AOxOAxGC) Best Practice. N° de ocorrências = 1.
02 (OAxGC) Best Practice, Product Development, Lesson Learn. N° de
ocorrências = 3.
03 (AOxOA)
Best Practice, Empirical Study, Knowledge Creation, Management Practice, Organizational Context, Strategic management, Tacit Knowledge.N° de ocorrências = 7.
04 (AOxGC)
Best Practice, Decision Make, Knowledge Management System, Knowledge Share, Management System.N° de ocorrências = 5.
Fonte: Elaborado pelo autor.
Nota: Foram levados em consideração apenas os 30 termos com maior Betweenness Centrality.
Na primeira intersecção, foi encontrado um termo em comum; na segunda, três termos; na terceira, sete termos; e na quarta intersecção cinco termos, totalizando dezesseis termos em comum.
4.1.3 Terceiro período (2006-2010)
No terceiro período, o fato que chama a atenção é a diminuição das relações entre AO e OA apresentado pela queda de sete ocorrências no segundo período para apenas uma ocorrência no terceiro período.
Quadro 12- Relações entre as áreas de AO, OA e GC (2006-2010).
INTERSECÇÃO ÁREAS OCORRÊNCIAS
01 (AOxOAxGC) Não existiram termos em comum entre as três áreas
simultaneamente.N° de ocorrências = 0.
02 (OAxGC): Construction Industry. N° de ocorrências = 1.
03 (AOxOA): Team Learn. N° de ocorrências = 1.
04 (AOxGC)
Human Resource, Knowledge Acquisition, Knowledge Share, Knowledge Transfer, product Development.N° de ocorrências = 5.
Fonte: Elaborado pelo autor.
Nota: Foram levados em consideração apenas os 30 termos com maior Betweenness Centrality.
Percebe-se também uma queda nas intersecções 01 e 02. Foram zero ocorrências na primeira intersecção, uma ocorrência na segunda e na terceira intersecção e continuaram cinco ocorrências na quarta intersecção.
4.1.4 Quarto período (2011-2015)
Quadro 13- Relações entre as áreas de AO, OA e GC (2011-2015).
INTERSECÇÃO ÁREAS OCORRÊNCIAS
01 (AOxOAxGC) Não existiram termos em comum. N°0
02 (OAxGC) Não existiram termos em comum. N°0
03 (AOxOA) Não existiram termos em comum. N°0
04 (AOxGC) Competitive Advantage, Human Resource, Organizational
Knowledge. N°3
Fonte: Elaborado pelo autor.
Nota: Foram levados em consideração apenas os 30 termos com maior Betweenness Centrality.
Por fim, o quarto período apresenta apenas relações entre AO e GC, totalizando três
comunalidades entre os termos com maior Betweenness Centrality, fato que parece demonstrar
O distanciamento entre as áreas é evidente e aparenta estar aumentando desde o terceiro período (2006-2010), o que pode ser demonstrado através das tendências apontadas no gráfico 1.
Gráfico 1- Relação entre as áreas. Ocorrência de termos em comum por período.
Fonte: Elaborado pelo autor.
Nota: Ocorrências de termos em comum por períodos de tempo. Para esta análise, foram levados em consideração
apenas os 30 termos com maior Betweenness Centrality. A linha azul indica os termos em comum para as três
áreas, a linha vermelha os termos em comum para OA e GC, a linha verde para AO e OA, e a linha roxa para AO e GC.
O gráfico 1 demonstra uma tendência de distanciamento entre as áreas estudadas, pelo
menos ao que se refere aos 30 termos com maior Betweenness Centrality comumente utilizados
nas áreas. O segundo período (2001-2005) apresentou o mais alto número de termos em comum, e o período com menor número de termos em comum foi o quarto (2011-2015).
Ainda em relação à inter-relação entre as áreas, pode-se aferir que a importância do
termo que dá nome aos campos estudados (Knowledge Managment e Organizational Learning)
em relação à métrica Betweenness Centrality perdeu importância na rede de artigos de
Gráfico 2- Evolução da centralidade para o termo, Knowledge Management nas redes de Organizational Learning, a partir do ano de 2005.
Fonte: Elaborado pelo autor.
Nota: A linha vermelha evidencia a Betweenness Centrality do termo na rede semântica dos anos acumulados (do
ano respectivo ao mais antigo). A linha azul evidencia a Betweenness Centrality do termo em questão para redes ano
a ano.
O termo Knowledge Management apresenta uma tendência de diminuição da
importância em relação à rede de Aprendizagem Organizacional, o que corrobora os dados apresentados até o momento, que indicam um distanciamento entre as áreas de Gestão do Conhecimento e Aprendizagem Organizacional.
Gráfico 3- Evolução da centralidade para o termo Learn Organization nas redes de Organizational Learning, a
partir do ano de 2005.
Fonte: Elaborado pelo autor.
Nota: A linha vermelha evidencia a Betweenness Centrality do termo na rede semântica dos anos acumulados (do
ano respectivo ao mais antigo). A linha azul evidencia a Betweenness Centrality do termo em questão para redes ano
No mesmo sentido, percebe-se que o termo Learn Organization tem demonstrado uma tendência descendente na rede de textos de Aprendizagem Organizacional ano a ano, o que também corrobora a tese de afastamento entre as áreas de AO e OA.
Nas redes de Gestão do Conhecimento, não se observa o termo Learn Organization e
o termo Organizational Learn tem uma tendência de estabilidade nas redes ano a ano (linha
azul), enquanto nas redes acumuladas (linha vermelha) a tendência é descendente, conforme demonstra o gráfico 4:
Gráfico 4- Evolução da centralidade para o termo Organizational Learn nas redes de Knowledge Management, a
partir do ano de 1974.
Fonte: Elaborado pelo autor.
Nota: A linha vermelha evidencia a Betweenness Centrality do termo na rede semântica dos anos acumulados(do ano
respectivo ao mais antigo). A linha azul evidencia a Betweenness Centrality do termo em questão para redes ano a
ano.
A área de Organizações que Aprendem é a única a mostrar uma tendência de crescimento de ascensão dos termos que identificam as áreas de Gestão do Conhecimento e Aprendizagem Organizacional, como se pode verificar nos gráficos 5 e 6:
Gráfico 5- Evolução da centralidade para o termo Knowledge Management nas redes de Learning Organization, a partir do ano de 1979.
Fonte: Elaborado pelo autor.
Nota: A linha vermelha evidencia a Betweenness Centrality do termo na rede semântica dos anos acumulados (do
ano respectivo ao mais antigo). A linha azul evidencia a Betweenness Centrality do termo em questão para redes ano
a ano.
Tanto o termo Knowledge Management quanto o termo Organizational Learn
apresentam tendências crescentes para a métrica Betweenness Centrality nas redes ano a ano e
nas redes acumuladas.
Gráfico 6- Evolução da centralidade para o termo Organizational Learn nas redes de Learning Organization, a
partir do ano de 1979.
Fonte: Elaborado pelo autor.
Nota: A linha vermelha evidencia a Betweenness Centrality do termo na rede semântica dos anos acumulados(do ano
respectivo ao mais antigo). A linha azul evidencia a Betweenness Centrality do termo em questão para redes ano a
ano.
A seguir, serão apresentadas as estimativas de tendência de crescimento da métrica
4.2 TENDÊNCIAS
Como exposto durante todo o percurso da tese, encontrar padrões que permitam demonstrar ou ao menos estimar o desenvolvimento de determinada área ou ciência pode permitir aos pesquisadores, grupos, agências de fomento, governos etc. tomarem decisões, com base em informação referenciada, sobre a melhor maneira de se aplicar seus recursos de pesquisa, além de permitir a melhor compreensão de uma área de conhecimento através de suas tendências.
Para tanto, foi desenvolvido um percurso metodológico que permitiu organizar a
produção cientifica das áreas de AO, GC E OA alocada na base de dados Web of Science, com
o intuitode analisar suas redes semânticas em busca de padrões que nos permitiram estimar o
futuro das áreas através das tendências de crescimento das métricas de seus termos.
A análise permitiu, ainda, estimar possíveis tópicos emergentes em duas das áreas estudadas, Aprendizagem Organizacional e Gestão do Conhecimento. Considerou-se tópicos emergentes termos que surgiram na rede há pouco tempo, mas que já possuem uma centralidade alta em relação a outros termos.
As análises são longitudinais. No caso específico das análises de AO, o período inicia no ano de 1965; no caso de GC, o período inicia no ano de 1974; e, no caso das OA, o ano de início é 1979. Todas as análises findam em 2015.
Para fins de comparação dos textos das áreas, foram escolhidos os bigramas e os
trigramas com maior Betweenness Centrality (por área). Para tanto, foram criadas três redes
semânticas que continham exclusivamente os textos dos últimos dois anos de cada uma das áreas estudadas.
Os bigramas/trigramas encontrados na rede foram então comparados com os bigramas/trigramas das redes de cada área. Geraram-se redes semânticas de duas formas: na primeira, para cada ano, era criada uma rede independente dos outros anos; na segunda, cada rede continha uma acumulação dos anos anteriores.
Foi gerada uma curva logarítmica de tendência que permite estimar o progresso de cada termo analisado nos anos subsequentes.
A seguir, o quadro 14 apresenta os resultados e tendências da AO, KM e GC, respectivamente.
Quando as duas tendências são positivas, pode-se aferir que a tendência geral de
mesma forma, quando as duas tendências se apresentam negativas, afere-se que a tendência geral é negativa. Os outros casos são de tendências neutras, quando as duas tendências permanecem estáveis, ou não são passíveis de serem estimadas (uma tendência positiva e outra negativa) com os métodos e técnicas escolhidos nesta tese.
4.2.1 Tendências em Aprendizagem Organizacional
Quadro 14- Tendências para os termos de Aprendizagem Organizacional.
Termos Learning Organization Ocorrência Tendência
acumulada
Tendência ano a ano Tópicos emergentes
Innovation Performance 5 anos ou menos Ascendente Ascendente
Organizational learn Culture 5 anos ou menos Ascendente Ascendente
Tendências positivas
Organizational Learn Theory 6 anos ou mais Ascendente Ascendente
Absorptive Capacity 6 anos ou mais Ascendente Ascendente
Supply Chain 6 anos ou mais Ascendente Ascendente
Knowledge Share 6 anos ou mais Ascendente Ascendente
Firm Performance 6 anos ou mais Ascendente Ascendente
Team Learn 6 anos ou mais Ascendente Ascendente
Organizational Performance 6 anos ou mais Ascendente Ascendente
Knowledge Transfer 6 anos ou mais Ascendente Ascendente
Organizational Innovation 6 anos ou mais Ascendente Ascendente
Social Capital 6 anos ou mais Ascendente Ascendente
Organizational Culture 6 anos ou mais Ascendente Ascendente
Organizational Learn Literature 6 anos ou mais Ascendente Ascendente
Organizational level 6 anos ou mais Ascendente Ascendente Tendências descendentes
Learn Organization 6 anos ou mais Descendente Descendente Tendências indefinidas ou estáveis
Product Development 6 anos ou mais Estável Estável
Knowledge Management 6 anos ou mais Estável Estável
Learn Process 6 anos ou mais Estável Descendente
Competitive Advantage 6 anos ou mais Ascendente Descendente
Organizational Learn Process 6 anos ou mais Ascendente Descendente
Knowledge Creation 6 anos ou mais Estável Estável
Performance Improvement 6 anos ou mais Ascendente Estável
Market Orientation 6 anos ou mais Ascendente Estável
Learn Theory 6 anos ou mais Estável Ascendente
Fonte: Elaborado pelo autor.
Nota: Tendências para os termos de Aprendizagem Organizacional: a coluna Tendência Acumulada apresenta a
curva de tendência para a métrica Betweenness Centrality, para redes formadas através do acúmulo dos anos
anteriores; já a coluna de Tendência Ano a Ano demonstra a tendência através de redes independentes por ano. Os gráficos que representam a evolução de cada um dos termos estão apensados a esta tese (Apêndice C).
Os gráficos 7 e 8 apresentam, respectivamente, as curvas de tendência dos termos
Innovation Pertformance e Organizational Learning Culture. Eles foram destacados, pois, apesar do seu relativo pouco tempo figurando nas redes semânticas de Aprendizagem Organizacional, mostram-se importantes para as mesmas, o que pode ser aferido pela métrica
Betweenness Centrality. Este conjunto de fatores pode ser importante para identificar o surgimento de novos tópicos de pesquisa.
A seguir, são apresentados os gráficos de evolução da métrica Betweenness Centrality
ao longo do tempo para os termos destacados.
Gráfico 7- Evolução da centralidade para o termo Innonation Performance nas redes de Aprendizagem
Organizacional, a partir do ano de 2010.
Fonte: Elaborado pelo autor.
Nota: A linha vermelha evidencia a Betweenness Centrality do termo na rede semântica dos anos acumulados (do
ano respectivo ao mais antigo). A linha azul evidencia a Betweenness Centrality do termo em questão para redes ano