1 INTRODUÇÃO

A colaboração científica, objeto de estudos de vários trabalhos vem evoluindo ao longo dos anos. Os autores Beaver e Rosen (1978), em seu trabalho, afirmam que o primeiro artigo científico escrito de forma colaborativa entre diferentes pesquisadores, surgiu em 1678. Com o passar dos anos as redes de colaboração científica foram se consolidando e passaram a ter relação direta com o crescimento do conhecimento científico e das comunidades de pesquisa como um todo.

Nudelman e Landers (1972), sugerem que a credibilidade concedida pela comunidade científica a artigos de autoria conjunta é consideravelmente maior do que a creditada a artigos de autoria única, o que posteriormente é comprovado por Goffman e Warren (1980), ao mostrarem que as pesquisas desenvolvidas por grandes grupos tendem a ter mais influência no meio científico.

Portanto, visualizar a colaboração ocorrida na construção do conhecimento passa a ser algo relevante para que se possa mensurar o grau de importância de cada região ao longo deste processo, podendo auxiliar instituições, agências de fomento ou órgãos governamentais no direcionamento mais assertivo de seus investimentos.

No contexto deste trabalho, para a modelagem e caracterização de redes de institucionais, em especial, de instituições brasileiras, a Plataforma Lattes surge como excelente fonte de dados. A Plataforma Lattes tem como objetivo representar a experiência do CNPq (Conselho Nacional de Desenvolvimento Científico e Tecnológico) na integração de bases de dados de currículos, grupos de pesquisa e de instituições em um único sistema de informações. Cadastrar um currículo na plataforma e mantê-lo atualizado, atualmente, é indicado e está disponível a todos aqueles inseridos no contexto acadêmico e/ou científico. Isto se deve em função de sua adoção pela maior parte das instituições de fomento, universidades e institutos de pesquisa do país. A riqueza de informações providas pela plataforma em função de seu constante crescimento, abrangência e confiabilidade, torna-a indispensável e compulsória na análise meritória a pleitos de financiamentos de pesquisas científicas e tecnológicas. Lane (2010) destaca a Plataforma Lattes como excelente fonte para medição das produções científicas, em seu artigo publicado na revista Nature.

Em fevereiro de 2016, a plataforma Lattes atingiu a marca de 4.480.000 currículos cadastrados. Estes currículos estão disponíveis para consulta, porém, a consulta do currículo de forma isolada fragmenta o conhecimento disposto no conjunto de currículos, além do fato que a ferramenta de consulta disponibilizada pela própria plataforma Lattes não permite a identificação de colaborações científicas, por este motivo, o processamento e análise do grande volume de dados torna-se essencial para transformação destes currículos em conjunto de dados que possam auxiliar na compreensão de como ocorre a colaboração científica institucional no Brasil e ainda nas tomadas de decisões sobre a distribuição de recursos e investimentos.

Atualmente não há ferramentas que possibilitem a visualização de mapas de colaboração entre as instituições de pesquisa no cenário nacional. Essa ausência de ferramenta corrobora para inexistência de trabalhos compostos por embasamento visual que demonstre o grau de colaboração entre instituições de pesquisa no que tange ao conhecimento provido em determinada área do conhecimento.

Portanto, o objetivo deste trabalho consiste na exploração da plataforma Lattes como principal fonte de informação, a fim de caracterizar redes de colaboração e aplicar técnicas de visualização de grande volume de dados através da geração de mapas de colaboração institucionais.

2 MATERIAIS E MÉTODOS

Os dados dos currículos Lattes utilizados para a caracterização das redes foram obtidos pela plataforma de extração e integração de dados proposta por Dias e Moita (2014). Na plataforma desenvolvida pelos autores, é apresentado que o processo de extração e integração dos dados foi dividido em três partes principais denominadas: Extração, Processamento e Visualização. Porém, neste trabalho somente foram utilizados os resultados da etapa de extração dos currículos, tendo em vista, que para a identificação das colaborações utiliza-se dos dados das publicações cadastradas em cada um dos artigos, como título e autores. Figura 1.

Todos os currículos extraídos são armazenados em disco em formato XML (eXtensible Markup Language). Na etapa de extração, várias falhas estruturais que estão nos currículos são corrigidas. Erros estes que dificultam o processo de análise dos dados. Importante ressaltar que neste caso, tratamentos de exceções foram desenvolvidos para contornar estes problemas e permitir que os arquivos sejam salvos normalmente e com o máximo de consistência possível. Os autores destacam que, diante do conjunto de currículos extraídos é possível realizar diversos tipos de análises bibliométricas, já que todos os dados dos currículos estão armazenados em arquivos estruturados. Tendo em vista a grande quantidade de dados extraídos, um grande desafio para a compreensão de como acontece a colaboração científica nacional passa a ser a identificação das colaborações. Para isso, o processo de identificação proposto por Dias e Moita (2015) é utilizado. Tal processo permite identificar colaborações científicas com base nos títulos das publicações de trabalhos em conjuntos com grande quantidade de dados, apresentando resultados satisfatórios com baixo custo computacional.

De posse de todas as colaborações devidamente identificadas entre pares de pesquisadores, o nome das instituições e o respectivo endereço profissional de cada pesquisador são considerados e dessa forma é possível identificar a colaboração entre as instituições, nesse caso, caracterizada pelo trabalho publicado por pesquisadores de instituições distintas, sendo utilizado a instituição de pesquisa atual para a caracterização das redes institucionais.

3 MODELAGEM E CARACTERIZAÇÃO

Para análise e visualização das informações, foi necessário o desenvolvimento de uma plataforma utilizando a linguagem Python. Os principais motivos pela escolha da linguagem, consistem: na praticidade; otimização dos códigos e no alto poder de processamento de grandes volumes de dados textuais, todos obtidos através de bibliotecas nativas da linguagem ou desenvolvidas por terceiros.

A plataforma desenvolvida, permite processar e analisar os dados do repositório Lattes, podendo ser parametrizada para trabalhar com áreas específicas do conhecimento como, por exemplo, as nove grandes áreas: Ciências Exatas e da Terra; Ciências da Saúde; Linguística, Letras e Artes; Ciências Biológicas; Engenharias; Ciências Humanas; Ciências Agrárias; Ciências Sociais Aplicadas e Outras. Áreas estas extraídas do currículo de cada pesquisador.

Diante os dados referente as colaborações que foram identificadas, as manipulações e análises são realizadas pela plataforma desenvolvida. As etapas descritas abaixo relatam o funcionamento da plataforma:

• Controle: como o foco do trabalho é nas instituições de pesquisa, se faz necessário uma base que contenha essas informações. Para este fim, um arquivo CSV (Comma Separated Values) foi gerado tendo como referência as instituições informadas nos currículos dos pesquisadores, acrescidas de um ID (identificador único), sigla, endereço completo e as coordenadas geográficas que foram obtidas através do endereço completo da instituição;

• Seleção de Conjuntos: consiste na definição de um filtro para os dados que deseja trabalhar, por exemplo, uma grande área ou determinada região. Através desta definição, novos arquivos de pesquisadores e colaborações são gerados;

• Identificação de Colaboração:

  1. 1. Arquivo de pesquisadores: ocorre uma comparação entre o arquivo de pesquisadores e o arquivo de instituições, onde o ID dos pesquisadores na plataforma Lattes é substituído pelo ID da instituição a qual estão vinculados. As coordenadas geográficas das respectivas instituições dos pesquisadores, também são acrescidas ao arquivo.
  2. 2. Arquivo de memória: o arquivo é gerado com base na comparação anterior e contém: ID antigo (da plataforma Lattes) e o novo ID (da instituição de pesquisa).
  3. 3. Arquivo de colaborações: tendo como referência o arquivo de memória, os ID’s do arquivo de colaborações são substituídos pelos ID’s das instituições de pesquisa correspondente dos pesquisadores. Posteriormente, há uma separação dos arquivos de colaborações, gerando dois arquivos, sendo: um arquivo contendo as colaborações entre pesquisadores de instituições distintas e outro contendo as colaborações dos pesquisadores das mesmas instituições.

• Cálculo de Métricas: nesta etapa ocorre a geração das informações tabulares (ranking’s e matriz de colaboração) e dos arquivos a serem manipulados para a visualização das redes, sendo um arquivo de nós, relativo aos pesquisadores do presente estudo e um arquivo de arestas não direcionadas (colaborações);

• Mapa de colaborações / gráfico de representatividade: com a adoção da ferramenta Gephi, ocorre a geração do grafo de colaborações entre as instituições de pesquisa e do gráfico correspondente a representatividade de cada instituição.

A figura 2 descreve o funcionamento da plataforma proposta, nela as etapas: seleção de dados, manipulação dos arquivos e processamento de dados, descritas anteriormente, estão representadas por análise / processamento dos dados.

Os mapas foram gerados, utilizando como parâmetro a instituição atual informada no currículo dos pesquisadores, logo, todas as colaborações realizadas (independente do período) foram acrescidas a instituição atual a qual estão vinculados. Quando o pesquisador migra de uma instituição, a atual recebe todas as suas produções realizadas nas instituições anteriores, já que não neste trabalho não é possível vincular a colaboração a instituição da época.

Em função do objetivo do presente trabalho (gerar mapas de colaboração institucionais), os currículos que não possuem instituição de atuação registrado foram descartados, pois a ausência das informações de sua instituição, impossibilita a manipulação das informações nos mapas.

4 RESULTADOS OBTIDOS

Para a análise e processamento dos dados aqui apresentados, utilizou-se como amostra os bolsistas de produtividade em pesquisa do CNPq, bem como suas respectivas colaborações. A escolha dos bolsistas justifica-se por serem os pesquisadores de excelência do país e tendo em vista que um dos critérios para receber a bolsa é manter o currículo Lattes atualizado, logo estes se caracterizam como um excelente conjunto para análise.

Além da definição da amostra, utilizou-se como filtro, a grande área Ciências Exatas e da Terra, por ser a com o maior número de bolsistas, conforme representado no gráfico 1. Os bolsistas dessa grande área, correspondem a 23% do total de bolsistas do país, sendo todos eles doutores.

Para melhor representação visual e apresentação tabular dos resultados, apenas as colaborações entre 30 instituições de pesquisa com o maior número de bolsistas foram consideradas. O critério para definição das instituições foi o de bolsistas a elas vinculados. O ranking das 30 instituições está representado na tabela 1.

Os mapas de colaboração, demonstrados nas figuras 3 e 4, representam todo processamento e análise realizada sobre os dados da grande área Ciências Exatas e da Terra. Neles constam apenas as colaborações interinstituições (entre pesquisadores de instituições distintas). Informações relevantes podem ser extraídas através da sua análise visual, como por exemplo, a maior concentração das publicações nas regiões sudeste do país, intensificadas em sua grande maioria por instituições federais, como: Universidade de São Paulo, Universidade Federal do Rio de Janeiro e Universidade Federal de Minas Gerais. Em contra partida, temos a imaturidade da rede, tendo em vista a relação direta de dependência de instituições para proliferação do conhecimento.

Fonte: Os autores.

O gráfico 2 demonstra a representatividade das principais instituições de pesquisa no processo de proliferação do conhecimento. Nele, para melhor visualização, as instituições que possuem um percentual de representatividade inferior a 2%, estão agrupadas em outros. Em sequência, o ranking das colaborações interinstituições, representado na tabela 2, complementa as informações apresentadas no gráfico.

Pelo gráfico 3, verifica-se que quando a análise das colaborações é realizada de forma proporcional ao número de bolsistas que cada instituição possui, há modificação no ranking. Como exemplo, pode se mencionar a USP, que tem um número considerável de colaborações em função da quantidade de bolsistas que possui, pois quando a análise é realizada de forma per capita, sua representatividade diminui o que comprova que nem todos os seus bolsistas publicam com a mesma intensidade.

Importante mencionar que a proximidade das instituições de pesquisa em alguns estados, prejudica a visibilidade de suas respectivas colaborações no mapa apresentado. Como exemplo, as instituições de pesquisa do estado do Rio de Janeiro. O estado possui cinco instituições dentre o conjunto selecionado, e destas, quatro estão em sua capital. Portanto, ao gerar o grafo utilizando as coordenadas geográficas, em função da escala do mapa político do Brasil, as instituições ficam praticamente sobrepostas. Quanto as colaborações, a UFRJ e UERJ, por exemplo, possuem 20 entre si, no mapa tal informação não pode ser visualizada. Situação semelhante também ocorre no estado de São Paulo.

Esta situação de difícil solução, contribui com a ausência de trabalhos correlatos que tratem instituições de pesquisa dentro de um contexto nacional. Em virtude da dificuldade mencionada e para complementar à informação visual apresentada no mapa, uma matriz de colaborações foi gerada e está sendo representada nas figuras 5 e 6. Na matriz é possível verificar com quais instituições de pesquisa houve as colaborações com suas respectivas quantidades.

Como exemplo de possibilidade de informações que podem ser obtidas através da exploração qualitativa da matriz apresentada, realizou-se uma análise, com a finalidade de identificar porque a maior parte das colaborações realizadas pela PUCRS ocorreram com a UFRGS. Os fatores primordiais foram: pesquisadores terem pelo menos uma formação acadêmica em conjunto, ou por publicarem com seus orientadores.

A tabela 3 representa o ranking das colaborações intra-instituição (entre pesquisadores da mesma instituição). Embora estas colaborações não sejam o foco principal do trabalho, sua análise foi fundamental para posterior comparação entre as colaborações interinstituições, possibilitando verificar não apenas a representatividade de cada instituição, mas também como ocorreram as suas colaborações.

As colaborações das instituições selecionadas, correspondem a um total de 6275. Destas, 3304 (52.65%) são interinstituições e 2971 (47,35%) intra-instituição, ou seja, a diferença apresentada é relativamente pequena.

A tabela 4 detalha como as instituições de pesquisa contribuíram através das suas colaborações. Nesta é possível verificar que as instituições de pesquisa UFRGS, UERJ e UEM; possuem menos de 50% das suas publicações com instituições distintas, ou seja, a maior parte do conhecimento gerado nas instituições ocorre entre seus próprios pesquisadores. Em contra partida, EMPRAPA (100%), UNIFESP (94%), UFPA (88%) e FIOCRUZ (82%) tem grande parte do conhecimento provido realizado de forma conjunta com outras instituições.

Analisando de forma isolada a instituição EMPRAPA, verifica-se que grande parte dos seus bolsistas selecionados, são da área de química e têm pelo menos uma de suas formações acadêmicas na USP, porém as datas de formação são distintas, assim como a data de ingresso a instituição, o que possivelmente justifica o fato de todas as colaborações serem realizadas com outras instituições de pesquisa.

As instituições USP, UNESP e UFMG que estão no topo do ranking de colaborações interinstituições, possuem respectivamente os seguintes percentuais: 65%, 76% e 67%; ou seja, mesmo tendo uma intensidade considerável nas colaborações com outras instituições, ainda possuem um percentual relevante de publicações intra-instituição.

5 CONCLUSÕES

Através das técnicas aplicadas, foi possível analisar um grande volume de dados e visualizar a representatividade dos principais institutos de pesquisa do país, no processo evolutivo da ciência referente a grande área Ciências Exatas e da Terra. Demonstrando dessa forma a viabilidade da adoção do processo de análise de redes de colaborações institucionais, proposto neste trabalho.

Pelo estudo realizado, conclui-se que embora a comunidade científica brasileira esteja cada vez mais receptiva as análises de redes de colaboração, o percentual de publicações entre pesquisadores da mesma instituição ainda é relativamente alto, contribuindo com o baixo intercâmbio de informações, dificultando a proliferação do conhecimento e consequentemente a evolução científica. Há ainda uma relação direta de dependência de algumas instituições na consolidação da rede, caracterizando-as como redes pouco conectadas.

REFERÊNCIAS

BEAVER, Donald B.; ROSEN, Robert. Studies in Scientific Collaboration: part I: the professional origins of scientific co-authorship. Scientometrics, Budapeste, v. 1, n. 1, p. 65-84, 1978.

DIAS, Thiago. M. R.; MOITA, Gray F.; DIAS, Patrícia M.; MOREIRA, Tales H. J. Identificação e Caracterização de Redes Científicas de Dados Curriculares. iSys: Revista Brasileira de Sistemas de Informação, Rio de Janeiro , v. 7, n. 3, p. 5-18, 2014.

DIAS, Thiago M. R.; MOITA, Gray F. Method for Identification of Collaborations in Large Scientific Databases. Em Questão, Porto Alegre, v. 21. n. 2, p. 140-161, 2015.

GOFFMAN, William; WARREN, Kenneth S. Scientific information systems and the principle of selectivity. New York: Praeger, 1980. p. 127.

LANE, J. Let's make science metrics more scientific. Nature, v. 464, n. 7288, p. 488-489, 2010.

NUDELMAN, Arthur. E.; LANDERS, Clifford. E. The failure of 100 divided by 3 to equal 33 1/3. The American Sociologist, v. 7, n. 9, p. 9-11, 1972.

SIDONE, Otávio. J. G. Análise Espacial do Conhecimento no Brasil: Parte II - Redes de Colaboração Científica. Boletim de Informações FIPE - Temas de Economia Aplicada, n. 400, p. 19-27, 2014.

Informação adicional

Editores do artigo: Adilson Luiz Pinto, Rafaela Paula Schmitz e Enrique Muriel-Torrado