Aspectos Estruturais da Cooperação entre Pesquisadores no Campo de Ciência e Tecnologia: Análise das Redes entre Instituições no Brasil

Aspectos Estruturais da Cooperação entre Pesquisadores no Campo de Ciência e Tecnologia: Análise das Redes entre Instituições no Brasil Autoria: Luciano Rossoni, Antônio João Hocayen-da-Silva, Israel Ferreira Júnior Resumo Ainda não houve estudos no Brasil que avaliasse a estrutura de relações entre pesquisadores. Atendendo a essa demanda, objetivou-se, por meio da análise de redes, verificar a estrutura de relacionamento entre instituições de pesquisa no campo de ciência e tecnologia no Brasil. O relacionamento entre instituições de pesquisa foi obtido com base nas afiliações institucionais dos autores pela análise de 688 artigos publicados nos anais do Encontro Nacional da ANPAD e no Simpósio de Gestão da Inovação Tecnológica, entre 2000 e 2005. Com o uso dos softwares UCINET 6.0 e PAJEK 1.10, foi elaborada a rede de relações da área, sendo possível verificar tanto as propriedades estruturais e posicionais da rede, como avaliar a influência da estrutura da rede na produção científica. Verificou-se que apesar da densidade da rede ser baixa, a distância entre as instituições é pequena, com um grande componente principal. Pode-se afirmar que, na maioria dos casos, as instituições que apresentam maior número de laços estão mais globalmente centralizadas e também são importantes elos de coesão na rede. Observou-se também que a maioria dos laços acontecem entre instituições do próprio estado e do mesmo tipo. Pode-se também afirmar que a estrutura da rede tem relação direta com os indicadores de produção científica. INTRODUÇÃO Apesar do tema central do simpósio de gestão da inovação tecnológica focar o imbricamento entre inovação e redes, busca-se no presente estudo entender algo além da inovação: Como os institutos de pesquisa do campo de ciência e tecnologia buscam colaborar, por meio dos pesquisadores, com a construção do conhecimento no campo. Partindo-se do pressuposto que o conhecimento científico é construído socialmente, influenciado pelos pares que compõem estruturalmente a rede de relações entre as instituições, busca-se não somente descrever tais relacionamentos, mas também entender como tal estrutura afeta na produção do conhecimento. Desse modo, partindo-se da experiência de avaliação em outras áreas do conhecimento, que utilizaram a análise de redes sociais para elucidar a estrutura de um campo científico (BARABASI, 2002; GUIMERA et al, 2005; LIU et al, 2005; MOODY, 2004; NEWMAN, 2001a, 2001b, 2001c, 2004; WAGNER; LEYDESDORFF, 2005), pretende-se com este estudo preencher essa lacuna. Caracteristicamente as pesquisas em redes sociais buscam avaliar a estrutura de relacionamento entre os pesquisadores. Este estudo, particularmente, pretende avaliar a estrutura de relações entre as instituições a partir dos relacionamentos entre os pesquisadores do campo de administração de ciência e tecnologia que publicaram artigos científicos no Encontro Nacional da ANPAD e no Simpósio de Gestão da Inovação Tecnológica, entre os anos de 2000 e 2005. O estudo está estruturado em cinco seções. Após uma breve introdução, contendo o objetivo, são apresentados os conceitos teóricos relacionados a análise de redes sociais, que nortearam a pesquisa. Posteriormente, são discutidos os procedimentos metodológicos. Por fim, têm-se os resultados e as considerações finais do estudo 1

ANÁLISE DE REDES SOCIAIS Emirbayer e Goodwin (1994) salientam que a análise de redes sociais não é uma teoria formal ou unitária, mas uma ampla estratégia de investigação de estruturas sociais. Nelson (1984) afirma que, em termos intuitivos, as redes sociais são conjuntos de contatos que ligam vários atores, nos quais tais contatos podem ser de diferentes tipos, apresentarem conteúdos diferentes, bem como diferentes propriedades estruturais. A análise de redes sociais é inerentemente de natureza interdisciplinar, possuindo contribuições de áreas como matemática, estatística e computação no ímpeto de produzir aplicações para o método (FREEMAN, 1984). Existe uma série de conceitos-chave que são essenciais para a discussão da análise de redes sociais, que são: i) ator são as entidades (indivíduos, organizações ou países) objetos de estudo na análise de redes sociais; ii) laço relacional é definido como a ligação estabelecida entre o par de atores; iii) díade uma ligação ou um relacionamento estabelecido entre dois atores; iv) tríade conjunto de três atores e os possíveis laços entre eles; v) subgrupo conjunto de atores e todos os laços entre eles; vi) grupo finito conjunto de atores definidos por critérios conceituais, teóricos ou empíricos em que as medidas da rede são tomadas; vii) relação coleção de laços de um tipo específico entre membros de um grupo pode ser chamada de relação; e viii) rede social conjunto finito de atores e as relações entre eles (WASSERMAN; FAUST, 1994; WELLMAN, 1988). Wasserman e Faust (1994) definem que os métodos relacionados à análise de redes podem ser agrupados naqueles interessados em: i) propriedades estruturais, como as medidas de centralidade, densidade, transitividade e coesão; ii) papéis e posições, como a análise de equivalência estrutural, regular e local, análise de clusters e de blockmodels; e iii) análise estatística dos relacionamentos, usadas para testar proposições teóricas acerca das propriedades relacionais. Propriedades Estruturais A abordagem relacional foca as conexões diretas e indiretas entre os atores (EMIRBAYER; GOODWIN, 1994), buscando entender comportamentos e processos por meio da conectividade entre os atores. Para tanto, são utilizados principalmente dois grupos de medidas: i) centralidade e prestígio; ii) equilíbrio e transitividade; e iii) coesão social. Centralidade Um ator é localmente central se ele apresenta um grande número de conexões com outros pontos, e será globalmente central se possuir uma posição significantemente estratégica na rede como um todo (SCOTT, 2000). Para tanto, três medidas são mais comumente utilizadas para avaliar a centralidade dos atores em uma rede, que são: i) centralidade de grau (degree); ii) centralidade de proximidade (closeness); e iii) centralidade de intermediação (betwennes) (HANNEMAN, 2001; HANNEMAN; RIDDLE, 2005; SCOTT, 2000; WASSERMAN; FAUST, 1994). A centralidade de grau é medida pelo número de laços que um ator possui com outros atores em uma rede (WASSERMAN; FAUST, 1994). Como a centralidade de grau leva em conta somente os relacionamentos adjacentes, segundo Scott (2000), tal medida revela somente a centralidade local dos atores. A centralidade de proximidade é baseada na proximidade ou distância de um ator em relação aos outros atores em uma rede. A medida de centralidade de proximidade (closeness) de um ator é obtida por meio da soma das distâncias geodésicas entre todos os outros atores (HANNEMAN, 2001; HANNEMAN; RIDDLE, 2005; SCOTT, 2000; WASSERMAN; FAUST, 1994). Segundo Scott (2000), a medida de centralidade de proximidade é indicada para conhecer a centralidade global dos atores. 2

Na centralidade de intermediação a interação entre atores não adjacentes pode depender de outros atores, que podem potencialmente ter algum controle sobre as interações entre dois atores não adjacentes. Nesse sentido, de acordo com Freeman (1979) e Wasserman e Faust (1994), um ator é um intermediário se ele liga vários outros atores que não se conectam diretamente. Equilíbrio e Transitividade Um dos conceitos mais importantes que emergiram nos últimos anos em análise de redes sociais foi a teoria do equilíbrio (balance theory). Segundo De Nooy, Mrvar e Batagelj (2005) e Wasserman e Faust (1994), os fundamentos da teoria do equilíbrio originaram-se dos estudos de psicólogos sociais que estavam interessados no estudo da cognição ou percepção individual de situações sociais. O princípio central da teoria do equilíbrio é que pessoas se sentem desconfortáveis quando tem avaliações diferentes de outras pessoas sobre a mesma questão (DE NOOY; MRVAR; BATAGELJ, 2005). A transitividade parte do pressuposto de que amigo de um amigo, amigo é. Nesses termos, uma tríade é transitiva se um dado ator i caso se relacione com um ator j, e esse mesmo ator j caso se relacione com o ator k, em que i também se relaciona com k. Apesar de difícil formalização, o conceito de transitividade é importante quanto há interesse em compreender o desenvolvimento da reciprocidade entre atores (HANNEMAN, 2001; HANNEMAN; RIDDLE, 2005; WASSERMAN; FAUST, 1994). Coesão Social Um dos maiores interesses em análise de rede sociais é identificar subgrupos coesos de atores em uma rede. Em termos estruturais, subgrupos coesos são subconjuntos de atores que apresentam laços relativamente fortes, diretos, coesos, intensos e freqüentes (WASSERMAN; FAUST, 1994). Argumenta-se que subgrupos coesos possuam suas próprias normas, valores, orientações e subculturas (HANNEMAN, 2001; HANNEMAN; RIDDLE, 2005; SCOTT, 2000), sendo base para a solidariedade, identidade e comportamento coletivo em maior intensidade entre esses atores de dentro do grupo do que com os de fora. Esse fenômeno é conhecido como homofilia (DE NOOY; MRVAR; BATAGELJ, 2005). A noção de subgrupo é formalizada pela propriedade geral de coesão entre membros dos subgrupos, baseado em propriedades específicas de seus laços. Desde que tais propriedades possam ser quantificadas, subgrupos coesos podem ser formalizados expondo as diferentes propriedades de laços (WASSERMAN; FAUST, 1994). Sendo assim, há diferentes modelos teóricos, muitas vezes descritos como cliques, clusters, componentes, cores e ciclos (SCOTT, 2000). No entanto, Wasserman e Faust (1994) afirmam que as idéias conceitualizadas em subgrupos apresentam quatro propriedades gerais que influenciam a formalização desse conceito, que são: i) mutualidade dos laços; ii) proximidade e alcance entre membros dos subgrupos; iii) freqüência dos laços entre membros; e iv) freqüência relativa de laços entre membros fora e dentro dos subgrupos. As medidas de subgrupos baseados na mutualidade atem-se em verificar até que ponto todas as escolhas de pessoas em um subgrupo são mútuas, formando cliques entre os atores. Clique é um conceito fundamental para estudar a coesão de subgrupos, na qual a teoria dos grafos oferece um conceito formal e preciso. Clique é uma sub-rede ou sub-grafo completo de três ou mais nós, nos quais todos os pontos estão diretamente conectados (DE NOOY; MRVAR; BATAGELJ, 2005; SCOTT, 2000; WASSERMAN; FAUST, 1994). A alcançabilidade é uma idéia de subgrupo alternativa que leva em consideração os intermediários do processo social. Para tanto, subgrupos coesos baseados na alcançabilidade requerem que a distância geodésica entre os pontos seja pequena, formalizados no conceito de n-clique. Um n-clique é um subgrupo em que a maior distância geodésica entre dois nós é menor ou igual a n (WASSERMAN; FAUST, 1994), no qual n é o caminho máximo em que 3

membros de um clique podem estar conectados (SCOTT, 2000). A abordagem k-plexes, é denominada como um sub-grafo em que cada nó é adjacente a todos os nós, exceto a k outros pontos, ou seja, um sub-grafo com g nós em que nenhum dos nós pode conter menos do que g-k laços (HANNEMAN, 2001; SCOTT, 2000; WASSERMAN; FAUST, 1994). A quarta idéia de subgrupos coesos compara a coesão relativa entre membros fora e dentro dos subgrupos. A primeira medida usada para realizar tais comparações é intitulada de LS Sets. Seidman (1983) define um conjunto de nós em uma rede como LS Set se, cada um desses nós, apresenta mais laços entre participantes desse conjunto do que com participantes de fora. A segunda medida, Lambda Sets, é uma extensão da noção de LS Sets, desenvolvida por Borgatti, Everett e Shirey (1990). Segundo Hanneman (2001) e Wasserman e Faust (1994) um conjunto de nós é um Lambda Set se algum desses nós apresenta conectividade de linha com algum nó fora do Lambda Set. Papéis e Posições Muitos métodos de análise de redes empregam diferentes abordagens para conceitualizar a estrutura social. Muitas dessas estão focadas na análise posicional das relações, atendo-se à natureza ou aos atributos dos atores, tomando senso de certos comportamentos e processos relacionados com os padrões de relações que define a posição dos atores como relativa a todos outros atores em um sistema social (EMIRBAYER; GOODWIN, 1994). De acordo com Wasserman e Faust (1994), a análise de redes sociais posição se refere à coleção de indivíduos que são similarmente imersos em uma rede de relações, no tempo que papel se refere às características das relações obtidas entre atores e posições. Existem dois aspectos chaves na análise de papéis e posições, que são: i) identificar as posições sociais como coleções de atores que são similares em seus laços; e ii) modelar papéis sociais como sistemas de laços entre atores ou entre posições. O primeiro aspecto foca a avaliação de posições a partir de grupos de atores, na qual utiliza-se da abordagem de equivalência estrutural (LORRAIN; WHITE, 1971). O segundo, foca a avaliação de papéis a partir de grupos de relações, contando com métodos de blockmodels (WHITE; BOORMAN; BREIGER, 1976) e de álgebra relacional (BOORMAN; WHITE, 1976). Equivalência Estrutural Dois atores são estruturalmente equivalentes se eles tem idênticos laços com outros atores em uma rede (SCOTT, 2000; WASSERMAN; FAUST, 1994). A equivalência estrutural é utilizada na realização de análise de posições, contudo, para Wasserman e Faust (1994), uma completa análise posicional requer quatro passos: i) definição formal de equivalência; ii) medida de equivalência estrutural; iii) representação das equivalências; e iv) avaliação da adequação da representação. Para efetuar a medida de posição é necessário especificar uma definição formal para considerar o grau de equivalência entre os atores, utilizando-se para tanto a equivalência estrutural. Em seguida será estabelecida a medida de equivalência, que medirá se um ator é equivalente ou não. Burt (1976) estabelece que a medida de equivalência baseada na distância euclidiana avalia se atores i e j apresentam as mesmas entradas nas linhas e colunas das matrizes (HANNEMAN, 2001; HANNEMAN; RIDDLE, 2005; SCOTT, 2000; WASSERMAN; FAUST, 1994). A representação das posições na rede determina os atores em suas classes equivalentes e os relacionamentos entre as classes. O tipo mais comum de representação de uma classe é o modelo discreto, que provê a divisão de atores na rede de acordo com as classes equivalentes. Finalizando a análise posicional é avaliada a adequação de uma representação. A avaliação de adequação normalmente requer o uso de modelos probabilísticos. Devido à complexidade, 4

essa fase muitas vezes não é realizada. Blockmodels Para White, Boorman e Breiger (1976), blockmodel é um modelo que apresenta características gerais de uma rede, tanto os laços entre posições, como a informações sobre atores individuais. Baseia-se em duas premissas: i) uma partição de atores em uma rede são chamadas de posições; e ii) para cada par de posições é estabelecida a presença ou abstenção de um laço entre as posições (WASSERMAN; FAUST, 1994). Wasserman e Faust (1994) afirmam que há três formas de interpretar um blockmodel: i) pela validação do blockmodel feita a partir dos atributos dos atores; ii) a partir da descrição das posições individuais; e iii) a partir da descrição do blockmodel como um todo. Quando há diferença significativa entre posições em relação às características dos membros, há validação externa do blockmodel. Dependendo da orientação teórica, pode-se argüir que as características dos atores são um importante determinante de suas redes de relações, observadas na estrutura posicional, ou, por outro lado, a posição estrutural em uma rede influencia o estabelecimento de características entre atores. Avaliando-se o grau de entrada e de saída entre os blocos, pode-se verificar se posições apresentam algum tipo de comportamento, como, por exemplo, se mais transmitem relações do que recebem e vice-versa, ou se estão isoladas. Entender a estrutura de relacionamento entre as posições contribui para o entendimento do comportamento de atores que estão em uma mesma posição social. A terceira forma de avaliar um blockmodel consiste em considerar a configuração inteira dos laços entre posições, expressa pela matriz imagem. Análise Estatística dos Relacionamentos De acordo com Hanneman e Riddle (2005), existem duas razões para a utilização de métodos estatísticos em análise de redes. A primeira, no caso de grandes redes, é a possibilidade de descrever e entender padrões de comportamento tanto da rede como um todo, quanto de seus atores imersos. A segunda razão é a possibilidade de entender o processo de evolução de redes no tempo, a partir da probabilidade de ações dos atores. Hanneman e Riddle (2005) afirmam que ferramentas estatísticas de análise de redes são usadas principalmente para três finalidades: i) comparar duas relações no mesmo conjunto de atores; ii) explicar o impacto de atributos nos relacionamentos, e vice-versa; e iii) explicar as relações entre os atores na rede. Historicamente, métodos estatísticos em análise de redes sociais cingiram-se na avaliação de redes em nível local. Assim dois níveis de análise são utilizados: i) díades; e ii) tríades. O nível de díade se atém basicamente na avaliação de probabilidades de relacionamento entre pares de atores. O outro nível, tríades, foca a análise entre três atores. DADOS E PROCEDIMENTOS METODOLÓGICOS O presente estudo pode ser caracterizado como descritivo e explicativo: descritivo por buscar apresentar as propriedades estruturais e posicionais das instituições no campo de pesquisa em ciência e tecnologia; explicativo quando busca verificar como a estrutura de relacionamento afeta a produção científica das instituições. A estratégia de coleta dos dados foi a pesquisa documental, na qual foram avaliados os artigos publicados nos anais do Encontro Nacional da ANPAD (162 artigos), no período de 2000 a 2005, e do Simpósio de Gestão da Inovação Tecnológica (526 artigos), compreendendo os anos de 2000, 2002 e 2004. O método de pesquisa empregado foi quantitativo, mais especificamente a análise de redes, que possibilita avaliar tanto os aspectos descritivos dos relacionamentos, quanto as análises estatísticas causais de tais fenômenos (HANNEMAN, 2001; SCOTT, 2000; 5

WASSERMAN; FAUST, 1994; WELLMAN, 1988). Escolheu-se utilizar o método de análise de redes sociais por este incluir informações sobre o relacionamento entre as unidades do estudo, sendo pertinente para atender o objetivo do presente estudo. Tabulação dos Dados Todos os dados foram tabulados com o uso do software Microsoft Excel. Para efeitos de tabulação dos dados, duas instituições são consideradas conectadas se algum dos seus pesquisadores produziu algum artigo conjuntamente, ou seja, são co-autores de algum estudo. Por exemplo, três artigos: artigo A, artigo B e artigo C apresentam a seguinte configuração de co-autoria: Quadro 1 Artigos e Suas Respectivas Co-autorias Artigos Autores Artigo A Instituição (1), (2), (6). Artigo B Instituição (2), (3), (4), (5), (6). Artigo C Instituição (7), (6). Cada artigo apresenta n número de instituições, sendo cada instituição representada por um número. Observe que a instituição 6 colaborou em 3 artigos, a instituição 2 em dois artigos (artigos A e B) e o restante das instituições colaboraram somente em um único artigo. A partir de tais informações, foi construída uma rede de relações em formato 2-mode, que depois foi transformada em rede 1-mode ou seja, em uma matriz quadrática. Análise dos Dados Toda a análise de redes foi feita por meio dos softwares UCINET 6.0 e PAJEK 1.10. Em relação às propriedades estruturais, foi avaliada a estrutura da rede, seus componentes, as medidas de centralidade e de coesão, a partir das medidas de cliques e de n-cliques e cutpoints. Para as medidas posicionais da rede, foram utilizadas as análises de equivalência estrutural e a técnica de blockmodeling, pela qual foi extraída a visão global dos relacionamentos a partir da permutação dos relacionamentos baseados em medidas categóricas no tocante a: i) unidade federativa que a instituição se localiza; e ii) ao tipo de instituição. Para a avaliação da relação entre os indicadores de centralidade da rede e os indicadores de produção científica, foi utilizado o software SPSS 13. Foram selecionadas somente as 40 instituições mais prolíficas da área, identificadas por Rossoni, Ferreira Júnior e Hocayen-da- Silva (2006), com o objetivo de reduzir a variância dos dados em relação a centralidade e a produção. Primeiro criou-se uma matriz de correlação com todas as variáveis, na qual verificou-se as correlações entre as variáveis de produção científica com as variáveis de centralidade. Buscou-se também verificar se alguma das variáveis apresentava colinearidade. Depois das variáveis significativas terem sido identificadas, foram construídos os modelos explicativos a partir de regressão linear. Aceitou-se como significante, os resultados que apresentaram valor do p < 0,05. ANÁLISE E DISCUSSÃO DOS RESULTADOS Na Figura 1, pode ser observada a estrutura de relacionamento entre as instituições de pesquisa na área de ciência e tecnologia. Como pode ser visto, nem todas as instituições estão diretamente conectadas, formando diversos componentes isolados uns dos outros. Na visualização da figura, foram excluídas as instituições que não cooperaram com nenhuma outra instituição. 6

Figura 1 Rede de Colaboração entre Instituições de Pesquisa em Ciência e Tecnologia Fonte: Resultados da pesquisa Das 232 instituições de pesquisa, 54 estão isoladas (23%), ou seja, não cooperaram com nenhuma outra instituição no desenvolvimento da produção científica. Entretanto, apesar do grande percentual de instituições isoladas, 133 (57,3%) estão interligadas diretamente ou indiretamente, formando o componente principal. As 133 instituições que formam tal componente estão representadas na Figura 1 em vermelho. Além do componente principal, existem mais 17 componentes que fizeram parte do campo de pesquisa em ciência e tecnologia. Porém, como exposto na Tabela 1, o tamanho dos componentes é bem inferior ao tamanho do componente principal, apresentando grupos de colaboração com, no máximo, 7 instituições. Diante de tal quadro, pode-se considerar o campo de pesquisa em ciência e tecnologia como relativamente fragmentado, com mais de 40% das instituições isoladas do maior grupo de colaboração. Todavia, existe um grande componente que engloba mais da metade das instituições. Tabela 1 Distribuição de Freqüência entre os Componentes Componente Freq Freq% CumFreq CumFreq% ----------------------------------------------- Isoladas 54 23.2759 54 23.2759 1 133 57.3276 187 80.6034 2 2 0.8621 189 81.4655 3 2 0.8621 191 82.3276 4 2 0.8621 193 83.1897 5 3 1.2931 196 84.4828 6 2 0.8621 198 85.3448 7 7 3.0172 205 88.3621 8 2 0.8621 207 89.2241 9 2 0.8621 209 90.0862 10 2 0.8621 211 90.9483 11 4 1.7241 215 92.6724 12 2 0.8621 217 93.5345 13 3 1.2931 220 94.8276 14 3 1.2931 223 96.1207 15 2 0.8621 225 96.9828 16 3 1.2931 228 98.2759 17 2 0.8621 230 99.1379 7

18 2 0.8621 232 100.0000 ----------------------------------------------- Sum 232 100.0000 Fonte: Resultados da pesquisa A configuração estrutural entre as instituições de pesquisa apresenta algumas informações interessantes. Apesar da densidade da rede ser baixa (0,78%), com um pequeno grau de centralização (14,93%), existe um grande número de instituições que estão interligadas, nas quais as distâncias médias entre elas são pequenas (3,96). Ou seja, apesar do campo ter baixa densidade, na média, uma instituição para se relacionar com outra instituição precisa basicamente de quatro intermediários para chegar a qualquer outra instituição. Tal fato tem importantes implicações para o campo de pesquisa em ciência e tecnologia. Apesar da baixa densidade geral, o coeficiente de agrupamento entre as instituições é relativamente alto (0,551), o que possibilita que tais instituições tenham proximidade suficiente para a formação de capital social a partir da coesão (COLEMAN, 1990). Além disso, tais organizações apresentam uma distância média relativamente pequena com todas as outras organizações (3,96), o que possibilita a troca de informações de forma dinâmica dentro do campo. Essa proximidade entre as instituições abre espaço para a troca de experiências entre as diversas instituições, mantendo canal aberto para que a inovação aconteça de forma mais rápida, possibilitando outra forma de construção do capital social: a partir dos laços fracos (GRANOVETTER, 1973) e dos buracos estruturais (BURT, 1992). Como já abordado por Kogut e Walker (2001) e Uzzi e Spiro (2005), quando esses dois mecanismos geradores de capital social (Coesão de um lado, Laços Fracos e Buracos Estruturais de outro) estão presentes, a estrutura de um campo apresenta uma configuração que é propícia para a geração de capital social. Tal configuração é conhecida como Small World ou pequenos mundos (WATTS; STROGATZ, 1998). Em pequenos mundos, os atores estão conectados localmente de forma mais coesa, contudo, eles apresentam laços fora desses grupos, o que possibilita a rápida interação entre esses diversos grupos locais. Em relação aos componentes, o de maior tamanho se destaca, apresentando as instituições que são mais prolíficas, como, por exemplo, USP, UNICAMP, UFRGS, UFRJ (ROSSONI; FERREIRA JUNIOR; HOCAYEN-DA-SILVA, 2006). Fato que é positivo no campo, pois aquelas instituições que realmente produzem o conhecimento na área não são tão endogênicas, mantendo laços de pesquisa com as outras instituições que são também prolíficas. Dessa forma, faz-se necessário avaliar as medidas de ego das instituições para elucidar melhor o papel desses agentes no campo de pesquisa em ciência e tecnologia. Para tanto, algumas propriedades estruturais das instituições de pesquisa serão elucidadas, no caso as medidas de centralidade e de coesão da rede. No tocante à centralidade de grau, a instituição que manteve o maior número de laços com outras instituições no período foi a USP, como evidenciado na Tabela 2. De todos os laços possíveis, a instituição manteve laço com quase 16% de todas outras instituições. Além de seu tamanho ser representativo, ela é elo entre várias outras instituições diretamente, servindo como suporte para que essas outras desenvolvam suas pesquisas. Além da USP, a segunda instituição que manteve maior número de colaborações diretas foi a UNICAMP, com 16 laços. Apesar de ser a segunda instituição com maior centralidade de grau na rede, ela apresenta menos que a metade de número de laços que a USP, à qual ressalta a sua importância. Além de USP e UNICAMP, outras instituições apresentam significativo número de laços, como, por exemplo, UFRGS, UFRJ e CEFET-PR, com 15, 14 e 11 laços respectivamente. As instituições com grande número de laços apresentam papel fundamental na estrutura do campo, pois servem como elos principais entre grande parte das instituições, agregando grande número de instituições em sua volta. Das 10 instituições com maior centralidade na rede, somente o IPT-SP não é instituição de ensino. Todavia, tal instituição 8

apresenta programas educacionais, como cursos de mestrado. Diante de tal quadro, pode-se verificar que as instituições de ensino apresentam papel fundamental no campo de pesquisa em ciência e tecnologia, pois agregam a maioria dos vínculos, servindo de ponte para outros tipos de instituições. Tabela 2 As dez instituições com maior número de laços Instituição Degree NrmDegree Share ------------ ------------ ------------ ---------- USP 36.000 15.584 0.086 UNICAMP 16.000 6.926 0.038 UFRGS UFRJ 15.000 14.000 6.494 6.061 0.036 0.033 CEFET-PR 11.000 4.762 0.026 FGV-SP UFSC 9.000 9.000 3.896 3.896 0.021 0.021 IPT-SP 9.000 3.896 0.021 PUC-PR UFPB 8.000 7.000 3.463 3.030 0.019 0.017 ------------------------------------------------- Fonte: Resultados da Pesquisa A importância de uma instituição na rede não se dá somente pelo número de contatos diretos que essa mantém, mas também pelo número de contatos que essa intermedia. Instituições que são intermediárias de diversas outras instituições podem controlar o fluxo de informação entre essas, estabelecendo uma relação de dependência com aquelas que necessitam de suas conexões. Além disso, servem como ponte para o desencadeamento da informação, sendo mecanismo gerativo de inovação. Como esboçado na Tabela 3, as três instituições com maior centralidade de intermediação, USP, UNICAMP e UFRGS, coincidentemente, também são as que apresentam maior número de laços (Tabela 2). Reforçase o papel dessas três instituições não só como fonte de ligação direta com diversas outras instituições, mas também como importantes intermediárias na construção do conhecimento no campo de pesquisa em ciência e tecnologia. Tabela 3 As dez instituições com maior centralidade de intermediação Instituição Betweenness nbetweenness ----------- ------------ ------------ USP 4742.117 17.851 UNICAMP UFRGS 3712.417 2930.900 13.975 11.033 CEFET-PR 2580.300 9.713 UFRJ PUC-PR 1449.400 1214.067 5.456 4.570 UFSC 1139.000 4.288 UFPR UFPB 1070.117 767.000 4.028 2.887 UNISINOS 674.083 2.537 ------------------------------------ Fonte: Resultados da Pesquisa Das 10 instituições com maior capacidade de intermediação, todas são instituições de ensino, o que reforça o papel destas como elo entre os outros tipos de organizações, como empresas, governo e agências de fomento. Se for comparado o resultado das 10 instituições com maior número de laços com as 10 maiores intermediárias da rede, pode-se verificar que a UFPR e a UNISINOS, apesar de não apresentarem grande número de laços, tem importante papel como intermediárias. Além do número de laços que as instituições mantêm, e suas capacidades de intermediação, pode-se analisar o quanto um ator está centralizado globalmente em uma rede, isto é, qual instituição, na média, está mais próxima do conjunto de instituições que fazem parte da rede. Sendo assim, pode-se ver que a instituição mais globalmente centralizada é a UNICAMP, pois apresenta a menor distância média entre todas as instituições da rede. 9

Mesmo apresentando escores bem inferiores aos da USP nas outras medidas de centralidade, a UNICAMP se apresenta como o elo mais importante em termos estruturais para a rede como um todo. Já a USP, que apresentou os maiores escores de centralidade de grau e de intermediação, também apresenta alto índice de centralidade global, seguida da UFRGS, que é a terceira instituição mais central em todos os três índices. Tabela 4 As dez instituições com maior centralidade de proximidade Instituição Farness ncloseness ----------- ------------ ------------ UNICAMP 23292.000 0.992 USP 23301.000 0.991 UFRGS IPT-SP 23337.000 23348.000 0.990 0.989 UFPR 23352.000 0.989 UNISINOS UFRJ 23360.000 23372.000 0.989 0.988 PUC-PR 23384.000 0.988 FINEP UERJ 23386.000 23386.000 0.988 0.988 ------------------------------------ Fonte: Resultados da Pesquisa As 10 instituições mais globalmente centrais também estão bem próximas umas das outras (ver círculo central da Figura 2), apresentando pequena distância entre elas, criando um núcleo pelo qual a informação circula dinamicamente, o que possibilita que o conhecimento seja compartilhado em primeira mão entre essas instituições. Figura 2 Núcleo da Rede entre Instituições de Pesquisa em Ciência e Tecnologia Fonte: Resultados da pesquisa Entretanto, apesar de estarem visualmente próximas, isto não significa que elas fazem parte de um grupo coeso. Para avaliar a coesão de grupos em análise de redes sociais, algumas medidas são úteis, as quais contemplarão as análises de coesão seguintes. As 232 instituições que formaram o campo de produção científica em ciência e tecnologia apresentam 40 cliques de tamanho igual a 3. Dentre esses cliques, a USP participa de 16, número bem superior aos das outras instituições. Nesses termos, a instituição atua como elo de ligação entre esses diferentes grupos, conectando-os. Instituições que participam de diferentes grupos têm papel importante na rede, pois tanto integram tais grupos em um grupo maior, como servem como mecanismos isomórficos de estabelecimento de padrões de produção científica. Porém, se for avaliado o número de clique de tamanho igual a 4, existem somente 2- cliques: um formado pelas instituições CEFET-PR, OPET, SENAI-PR e UFRGS; o outro 10

formado pelas instituições Centro de Pesquisas Renato Archer, IPT-SP, UERJ e UNICAMP. Pode-se entender que, no campo de pesquisa em ciência e tecnologia, os grupos de pesquisa apresentam pequeno número de instituições envolvidas, muitas destas atuando localmente, ou com parceiros em estados vizinhos. Isso leva a crer que a colaboração entre as instituições não é prática rotineira, tendo muitas vezes somente o objetivo de realizar, no máximo, uma pesquisa isoladamente. Tais pesquisas provavelmente não têm continuidade no decorrer do tempo, nem apresentam envolvimento de novas instituições, o que dificulta a construção do conhecimento na área de forma acumulativa. Se for avaliada a coesão da rede, em relação à alcançabilidade e ao diâmetro dos grupos, pode-se verificar, a partir da avaliação de 2-cliques, que existem dois grupos principais, na qual a distância máxima entre todas as instituições é de 2 passos. O maior desses grupos, apresentando 37 instituições, tem como instituições mais representativas a USP, UNICAMP e UFPR. Pode-se afirmar que esse grupo é predominantemente paulista, com pouquíssimas organizações de outros estados. Já o segundo grupo apresenta 16 instituições, com a UNICAMP, UFRGS e CEFET-PR como instituições relevantes. Tal grupo é formado principalmente entre instituições do Rio Grande do Sul e do Paraná. Entretanto, como elo entre diferentes grupos, desponta-se a UNICAMP, que faz parte tanto do primeiro grupo, quanto do segundo. Vale ressaltar que, como em qualquer atividade social, as instituições podem fazer parte de diferentes grupos. Por exemplo, a UNICAMP faz parte de dois diferentes grupos na rede de colaboração entre pesquisadores. Além da avaliação da coesão a partir dos grupos, há 35 instituições que são consideradas cut-points, ou seja, se forem removidas aumentarão o número de componentes na rede, fragmentando-a. Se for observado que a rede apresenta 232 instituições, com 133 destas no componente principal, há uma grande proporção de instituições que mantém a rede integrada. Todavia, se essas deixarem de desenvolver pesquisas com outras instituições, podem ocasionar em uma maior fragmentação do campo. Análise Posicional das Relações no Campo de Pesquisa em Ciência e Tecnologia Uma outra tradição em análise de redes sociais vai além dos elementos estruturais, como a centralidade e a coesão: a análise posicional das relações. Apesar das duas análises terem elucidado como está configurado o campo de pesquisa em ciência e tecnologia, as instituições podem apresentar certos padrões de interação que estão intimamente relacionados com a posição que estas ocupam no campo de pesquisa. Para avaliar a posição que as instituições ocupam no campo de pesquisa em ciência e tecnologia, foi realizada a avaliação de equivalência estrutural das instituições. A partir do algoritmo REGE, foi verificado que existem 4 grupos estruturalmente equivalentes no campo. O agrupamento das instituições, a partir da equivalência estrutural, é feito de acordo com a similaridade entre os laços que todas as instituições mantém, criando grupos de acordo com a correlação entre os laços diretos. Um desses grupos é formado por três instituições: UNICAMP, USP e UFRJ, que, dentro da rede, apresentam maior quantidade de laços em comum entre elas, do que com outros atores na rede. Outro grupo é formado basicamente por instituições do estado de São Paulo. Já o terceiro grupo é formado basicamente por instituições do Rio Grande do Sul, ficando o restante das instituições, agrupadas em outro grupo. Algumas conclusões podem ser tiradas das posições que tais instituições mantém. A primeira delas é que se pode afirmar que muito da equivalência estrutural entre as instituições se dá em nível local, no qual as instituições mantêm laços preferencialmente com as instituições do próprio estado. A segunda, é que existe um grupo central, formado por três das quatro instituições mais centrais na rede. Para essas instituições, a informação percorre não somente pelos laços diretos, mas também pela equivalência estrutural, ou seja, a partir dos laços indiretos que elas mantém. 11

Contudo, diante da presença de um forte componente local, que liga as instituições em termos de referências regionais, buscou-se avaliar como as relações se dão entre os pesquisadores, no tocante ao estado em que estão localizadas as instituições. Para efeitos de análise, foram computados todos os relacionamentos individuais entre pesquisadores, que foram vistos de uma forma global, identificando o padrão de relação entre as unidades da federação. Como pode ser visualizado na Figura 3, os vínculos com pesquisadores filiados à instituições do estado de São Paulo estão mais presentes, apesar dos estados do Paraná, Santa Catarina, Rio de Janeiro e Minas Gerais também apresentarem vários vínculos com instituições de outros estados. Pode-se verificar que pesquisadores de estados com produção mais periférica, buscam apoio em pesquisadores de instituições de maior porte para desenvolver suas pesquisas, o que leva as instituições centrais a ter papel fundamental na construção do conhecimento no campo de ciência e tecnologia. Figura 3 Visão global das relações entre instituições de diferentes estados Entretanto, se avaliarmos a proporção de laços que os pesquisadores mantêm com pesquisadores fora do estado, em relação ao total de relacionamentos que os pesquisadores localizados nesses estados mantiveram, pode ser visto que a colaboração entre pesquisadores da área de ciência e tecnologia ocorre primordialmente dentro dos limites da unidade federativa (Tabela 5). Tabela 5 Número de laços entre instituições em relação à unidade federativa Estado Laços Rec. Laços % Laços Fora -------------------------------------------- SP 1358 67 4,7% RJ 512 24 4,5% PR 406 24 5,6% RS 344 14 3,9% MG 302 26 7,9% DF 309 12 3,7% SC 191 8 4,0% BA 199 9 4,3% EXT 133 24 15,3% PB 55 3 5,1% ES 16 3 15,8% CE 49 6 10,1% 12

AM 8 3 27,2% PE 25 5 16,7% RN 11 1 9,1% AL 1 1 50,0% SE 18 1 5,3% MS 4 1 20% ---------------------------------------------- Fonte: Resultados da pesquisa De acordo com a Tabela 5, das 17 unidades federativas identificadas no estudo, 11 delas apresentam mais do que 90% de seus laços entre pesquisadores da própria unidade federativa, o que leva a crer que, apesar do crescente avanço da tecnologia de informação, a produção científica na área ocorre primordialmente em nível local. Estados como SP, RJ, PR e RS que apresentam elevada produção científica na área são uns dos estados que apresentam maior número de laços recíprocos entre os autores. Pelo contrário, se for observado alguns estados com produção mais periférica na área como, por exemplo, ES, CE, AM, PE, AL e MS, tais estados apresentam percentualmente maior número de laços entre pesquisadores de fora do que aqueles mais centrais. Tal fato indica que pesquisadores localizados em estados que não apresentam produção representativa, busca relacionar-se mais freqüentemente com pesquisadores de instituições localizadas em estados mais centrais. Além de avaliar o papel dos pesquisadores, em relação à unidade federativa que estes se localizam, espera-se que o tipo de instituição no qual o pesquisador está vinculado também interfira nos padrões de relações entre os pesquisadores. Para tanto, as instituições avaliadas no estudo foram classificadas como: governo (GOV); instituição de ensino e pesquisa (IEP); empresa (EMP); e agência de fomento governamental (AFGOV). 62 32 7570 58 2 32 268 144 Figura 4 Visão global das relações por tipo de instituição Fonte: Resultados da pesquisa De acordo com a Figura 4, pode-se verificar que o relacionamento entre os pesquisadores do mesmo tipo de instituição é mais freqüente do que com outros tipos de instituição (ver valores nos loops laços em volta dos mesmos nós). Por exemplo, enquanto pesquisadores vinculados às agências de fomento governamental mantiveram 32 laços com pesquisadores vinculados às instituições de ensino e pesquisa, os laços entre pesquisadores que estão vinculados reciprocamente às agências de fomento totalizaram 58 relacionamentos. 13

Além disso, pode-se verificar que instituições governamentais de fomento se relacionam diretamente somente com instituições de ensino e pesquisa. Nesses termos, tais instituições exercem papel fundamental, pois servem como elo entre as agências e as empresas e governo. Os Indicadores de Redes têm Relação com a Produção Científica? Diante dos elementos estruturais e posicionais da rede entre instituições do campo de pesquisa em ciência e tecnologia, buscou-se compreender, por meio da análise de regressão, como os indicadores de centralidade das instituições impactam na sua produção científica. A partir da análise de correlação dos indicadores de centralidade com os indicadores de produção, verificou-se que a centralidade de grau e a centralidade de intermediação apresentam correlação positiva e significativa com a produção (p < 0,01), com correlação de 0,882 para o grau e de 0,861 para a intermediação. Diante da correlação positiva e significante de tais indicadores, foram realizados três modelos de regressão, expostos na Tabela 1. Tabela 6 Impacto da centralidade na produção científica Modelo 1 Modelo 2 Modelo 3 Grau 2,263* 1,861* nbetweenness 387,526* 77,46 R 0,932 0,891 0,934 R² 86,9% 79,3% 87,3% Sig. < 0,001 < 0,001 < 0,001 * p < 0,001 n= 40 Fonte: Resultados da pesquisa O modelo 1 apresenta a relação entre centralidade de grau e produção científica. Segundo o modelo, o grau corresponde a 86,9% da explicação da produção científica, o que indica que quanto mais central uma instituição é, mais produtiva ela será. Já o segundo modelo avalia a relação entre centralidade de intermediação e a produção científica, explicando 79,3% da variância em tais indicadores. Contudo, a partir da regressão múltipla (modelo 3), a centralidade de intermediação não se mostra significativa quando usada em conjunto com a centralidade de grau, o que reforça que a centralidade de grau apresenta maior poder explicativo na produção científica do que a centralidade de intermediação. É necessário ressaltar que não se afirma no presente estudo que a centralidade causa maior produção, mas que os dois indicadores mantêm uma relação de dualidade, que em conjunto, contribuem tanto para a maior construção de laços, quanto para o aumento do número de artigos produzidos por uma instituição. Nesses termos, pode-se afirmar que a posição que uma instituição ocupa na rede de pesquisa do campo de ciência e tecnologia apresenta relação direta com sua produção científica. CONSIDERAÇÕES FINAIS Objetivou-se com o presente estudo apresentar as propriedades estruturais e posicionais da rede de relações entre as instituições do campo de ciência e tecnologia, tão como verificar que tais propriedades apresentam relação com os indicadores de produção científica da área. Com a análise da rede, pode-se verificar que das 232 instituições que produziram conhecimento científico na área, sob a forma de artigos, 133 estão conectadas, compondo um componente principal. Apesar da baixa densidade, a distância entre as instituições é pequena, bastando somente quatro intermediários para qualquer contato dentro da rede. Além disso, pode-se observar que a USP, UNICAMP e UFRGS são as instituições que apresentam maior centralidade na rede. Pode-se verificar também que os grupos totalmente coesos são pequenos, sendo a maioria composto por somente três instituições. Entretanto, se for avaliado grupos nos quais as distâncias entre as instituições é de no máximo duas destas, existem dois 14

grandes grupos principais: um liderado pela USP, UNICAMP e UFPR e o outro liderado pela UNICAMP, UFRGS e CEFET-PR. No que concerne aos elementos posicionais da rede, verificou-se que a estrutura das relações é fortemente conformada por questões regionais, apresentando a maioria dos laços entre os pesquisadores dentro dos limites estaduais. Ademais, as relações são mais constantes entre instituições do mesmo tipo do que entre diferentes instituições, mostrando certa homogenia entre elas. Vale ressaltar também que as agências de fomente governamental só se relacionaram no período com instituições de ensino e pesquisa. A partir da análise de regressão linear, foi encontrada relação forte e significativa entre a centralidade de grau e de intermediação com os indicadores de produção científica, tendo a primeira, maior poder explicativo. Contudo, não pode se afirmar que exista uma relação de causalidade entre estrutura da rede e produção científica, mas uma relação de dualidade. Portanto, diante de todas as análises elucidadas no presente estudo, afirma-se aqui que a construção do conhecimento científico na área de ciência e tecnologia é fortemente influenciada pela estrutura de relacionamento entre pesquisadores e instituições. REFERÊNCIAS BIBLIOGRÁFICAS BARABASI, A.; JEONG, H.; NÉDA, Z.; RAVASZ, E.; SCHUBERT, A.; VIESEK, T. Evolution of The Social Network of Scientific Collaborations. Physica A, v. 311, p. 590-614, 2002. BOORMAN, S. A.; WHITE, H. C. Social Structure from Multiple Networks II. Role Structures. American Journal of Sociology, v. 81, p. 1384-1446, 1976. BORGATTI, S. P.; EVERETT, M. G.; SHIREY, P. R. LS Sets, Lambda Sets, and Other Cohesive Subsets. Social Networks, v. 12, p. 337-358, 1990. BURT, R. S. Structural Holes: The Social Structure of Competitiom. Cambridge: Harvard University Press, 1992. BURT, R. S.; LIN, N. Network Time Series From Archival Records. In: HEISE, D. R. (ed.). Sociologial Methodology. San Francisco: Jossey-Bass, 1976. COLEMAN, J. Foundations of Social Theory. Chicago: University of Chicago Press, 1990. DE NOOY, W.; MRVAR, A.; BATAGELJ, V. Exploratory Social Network Analysis with Pajek. New York: Cambridge University Press, 2005. EMIRBAYER, M.; GOODWIN, J. Network analysis, culture and the problem of agency. American Journal of Sociology, v.99, n.6, p. 1411-54, May 1994. FREEMAN, L. C. Centrality in Social Networks: I. Conceptual clarification. Social Networks, v. 1, p. 215-239, 1979. FREEMAN, L. C. Turning a Profit From Mathematics: The Case of Social Networks. Journal of Mathematical Sociology, v. 10, p. 343-360, 1984. GRANOVETTER, M. S. The Strength of Weak Ties, American Journal of Sociology, v. 78, n. 6, p. 1361-1380, 1973. GUIMERA, R.; UZZI, B.; SPIRO, J.; AMARAL, L. A. N. Team Assembly Mechanisms Determine Collaboration Network Structure and Team Performance. Science, v. 308, p. 697-702, Abril 2005. HANNEMAN, R. A. Introduction to Social Network Methods. Riverside: University of Califórnia, 2001. 15

HANNEMAN, R. A.; RIDDLE, M. Introduction to Social Network Methods. Riverside: University of Califórnia, 2005. Disponível em: <http://faculty.ucr.edu/~hanneman/nettext/index.html> Acesso em: 02 de Maio de 2006. KOGUT, B.; WALKER, G. The Small World of Germany and The Durability of National Networks. American Sociological Review, v. 66, p. 317-335, June 2001. LIU, X.; BOLLEN, J.; NELSON, M. L.; VAN DE SOMPEL, H. Co-autorship networks in the Digital Library Research Community. Information Processing & Management, v. 41, p. 1462-1480, 2005. LORRAIN, F.; WHITE, H. C. Structural Equivalence of Individuals in Social Networks. Journal of Mathematical Sociology, v. 1, p. 49-80, 1971. MOODY, J. The Structure of a Social Science Collaboration Network: Disciplinary Cohesion from 1963 to 1999. American Sociological Review, v. 69, p. 213-238, April 2004. NEWMAN, M. E. J. Coauthorship Networks and Patterns of Scientific Collaboration. Proceedings of the National of Academic Sciences, v. 101, p. 5200-5205, 2004. NEWMAN, M. E. J. Scientific Collaboration Networks. I. Network Construction and Fundamental Results. Physical Review E, v. 64, 16131, p. 1-8, 2001a. NEWMAN, M. E. J. Scientific Collaboration Networks. II. Shortest Paths, Weughted Networks and Centrality. Physical Review E, v. 64, 16132, p. 1-7, 2001b. NEWMAN, M. E. J. The Structure of Scientific Collaboration Networks. Proceedings of the National of Academic Sciences, v. 98, p. 404-409, 2001c. ROSSONI, L.; FERREIRA JÚNIOR., I.; HOCAYEN-DA-SILVA, A. J. Administração de Ciência e Tecnologia: A Produção Científica Brasileira entre 2000 e 2005. In: SIMPÓSIO DE GESTÃO DA INOVAÇÃO TECNOLÓGICA, 24., Anais Gramado: ANPAD, 2005. SCOTT, J. Social Network Analysis: a handbook. 2 ed. London: Sage Publications, 2000. SEIDMAN. S.B. Internal Coheson of LS Sets in Graphs, Social Networks, v. 5, p. 269-287, 1983. UZZI, Brian; SPIRO, Jarret. Collaboration and Creativity: The Small World Problem, American Journal of Sociology, v. 111, n. 2, p. 447-504, September 2005. WAGNER, C. S.; LEYDESDORFF, L. Network Strucuture, Self-Organization, and the Growth of International Collaboration in Science. Research Policy, v. 34, p. 1608-1618, 2005. WASSERMAN, S.; FAUST, K. Social Network Analysis: Methods and Applications. Cambridge: Cambridge University Press, 1994. WATTS, Duncan J.; STROGATZ, Steven H. Collective Dynamics of Small-World Networks, Nature, v. 393, p. 440-442, June 1998. WELLMAN, B. Structural Analysis: From method and metaphor to theory and substance. In: WELLMAN, B.; BERKOWITZ, S. D. Social Structures: A Network Approach. Cambridge: Cambridge University Press, 1988. WHITE, H. C.; BOORMAN, S. A.; BREIGER, R. L. Social Structure from Multiple Networks. I. Blockmodel of Roles and Positions. American Journal of Sociology, v. 81, p. 730-779, 1976. 16