FiloCzar
A
N
I
C
I
F
O
Á
R
I
T
I
S
A
R
E
V
I
N
U
Daniel Martínez-Ávila
Edna Alves de Souza
Maria Eunice Quilici Gonzalez
Organizadores
Informação, Conhecimento, Ação Autônoma e
continuidade ou revolução?
Informação,
ConheCImento, ação
autônoma e Big Data
Informação,
ConheCImento, ação
autônoma e Big Data:
ContInuIdade ou
revolução?
Marília/Ocina Universitária
São Paulo/Cultura Acadêmica
2019
D M-Á
E A S
M E Q G
OrganizadOres
FiloCzar
UNIVERSIDADE ESTADUAL PAULISTA
FACULDADE DE FILOSOFIA E CIÊNCIAS - FFC
UNESP - campus de Marília
Diretor
Prof. Dr. Marcelo Tavella Navega
Vice-Diretor
Dr. Pedro Geraldo Aparecido Novelli
Conselho Editorial
Mariângela Spotti Lopes Fujita (Presidente)
Adrián Oscar Dongo Montoya
Andrey Ivanov
Célia Maria Giacheti
Cláudia Regina Mosca Giroto
Marcelo Fernandes de Oliveira
Neusa Maria Dal Ri
Renato Geraldi (Assessor Técnico)
Rosane Michelli de Castro
Ficha catalográca
Serviço de Biblioteca e Documentação - FFC
Editora aliada:
Cultura Acadêmica é selo editorial da Editora UNESP
Ocina Universitária é selo editorial da UNESP - campus de Marília
Copyright © 2019, Faculdade de Filosoa e Ciências / FiloCzar
I43 Informação, conhecimento, ação autônoma e big data : continuidade ou
revolução? / Daniel Martínez-Ávila, Edna Alves de Souza, Maria Eunice
Quilici Gonzalez, organizadores. – Marília : Ocina Universitária ; São
Paulo : Cultura Acadêmica, 2019.
278 p. : il.
Coeditora: FiloCzar.
Inclui bibliograa
ISBN 978-85-7249-054-2 (Impresso)
ISBN 978-85-7249-055-9 (Digital)
DOI https://doi.org/10.36311/2019.978-85-7249-055-9
1. Big data. 2. Filosoa. 3. Ciência da informação. 4. Tecnologia da
informação. 5. Abordagem interdisciplinar do conhecimento. I. Martínez-
Ávila, Daniel. II. Souza, Edna Alves de. III. Gonzalez, Maria Eunice Quilici.
CDD 004.6
Dados da Editora FiloCzar
FiloCzar
Rua Durval Guerra de Azevedo, 511 – Parque
Santo Antônio
São Paulo – SP
CEP: 05852-440
Tels.: (11) 5512-1110 - 985246099
E-mail: cesar@editoraloczar.com.br
www.editoraloczar.com.br
SumárIo
PrefáCIo
Maria Eunice Quilici Gonzalez ----------------------------------------- 9
aPreSentação
Daniel Martínez-Ávila; Edna Alves de Souza;
Maria Eunice Quilici Gonzalez ----------------------------------------- 13
Big Data na fIloSofIa e na CIênCIa
Big Data e Autonomia: Continuidade ou Revolução?
Edna Alves de Souza; Maria Eunice Quilici Gonzalez ---------------- 25
O contexto da produção cientíca de Big Data:
análise cientométrica
Ely F. Tannuri de Oliveira; Rafael Castanha;
Rene F. Gabriel Junior; Leilah Santiago Bufrem ----------------------- 47
Intersecção temática de programas de pós-graduação brasileiros:
consideraões sobre Big Data
Jacquelin Teresa Camperos-Reyes ; Luiza de Menezes Romanetto;
Ricardo Cesar Gonçalves Sant’Ana;
Plácida Leopoldina Ventura Amorim da Costa Santos ---------------- 67
Informação, tranSdução e metadadoS: fenômenoS de
emergênCIa?
Informação como ação signicativa em processos semióticos
emergentes baseados em multiagente
Davidson Bruno da Silva; Tiago Campos Ferreira;
Leonardo Lana de Carvalho --------------------------------------------- 85
Transdução Informacional: impactos do controle sobre os dados
Ricardo César Gonçalves Sant’ana -------------------------------------- 117
Metadados de preservação digital na era do Big Data
Jean Fernandes Brito; Daniel Martínez-Ávila ------------------------- 129
Curadoria digital e representação de acervo museológico no
AtoM: um estudo da customização do software
Laís Alpi Landin; Nandia Leticia Freitas Rodrigues;
Lucinéia da Silva Batista; Maria José Vicentini Jorente --------------- 143
ImPaCtoS de Big Data na CIênCIa e na InduStrIa 4.0
Redes sociais digitais e a esfera pública: “fake news” e a
manipulação da opinião coletiva
Magaly Prado -------------------------------------------------------------- 165
O Big Data no desenvolvimento da indústria 4.0:
novas perspectivas para o empreendedorismo acadêmico
Selma Leticia Capinzaiki Ottonicar; Gisele Rodrigues Atayde;
Luis Antonio de Santa-Eulalia ------------------------------------------- 185
Algoritmos genéticos e aprendizagem: quem, de fato, aprende?
Monica Aiub -------------------------------------------------------------- 203
Regime de informação e análise do discurso: aproximações
teóricas e conceituais na era Big Data
Mariana da Silva Caprioli; Larissa de Mello Lima;
João Batista Ernesto de Moraes ------------------------------------------- 219
homenagem a marIana BroenS
Conversa com o professor Lauro Frederico Barbosa da Silveira
Edna Alves de Souza ------------------------------------------------------ 233
Pequenas palavras para tanto afeto e admiração --------------------- 251
SoBre oS organIzadoreS ----------------------------------------------- 261
SoBre oS autoreS ------------------------------------------------------- 267
9
PrefáCIo
É no junto do que sabe bem, que a gente aprende o melhor.
João Guimarães Rosa
Estudos interdisciplinares sobre implicações éticas,
epistemológicas, estéticas e políticas do desenvolvimento e uso
de recursos tecnológicos de comunicação, na ciência e na ação
cotidiana, estão na agenda quase que obrigatória de cientis-
tas, lósofos e artistas contemporâneos. No universo losóco
brasileiro, estudos sobre essa problemática vêm sendo desen-
volvidos, não sem controvérsia, há mais de duas décadas. A
contribuição de Mariana Claudia Broens, a quem dedicamos
esta obra, para celebrar o seu sexagésimo aniversário, não po-
deria passar despercebida.
Batalhadora incansável em defesa dos direitos huma-
nos, Mariana Claudia Broens vem desenvolvendo profícuas
reexões sobre implicações éticas, políticas e pragmáticas do
emprego desenfreado de tecnologias de computação ubíquas
na ação cotidiana. Em particular, ela vem investigando, em
conjunto com membros do Grupo Acadêmico de Estudos
https://doi.org/10.36311/2019.978-85-7249-055-9.p9-12
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
10
Cognitivos (GAEC) da UNESP, possíveis impactos do uso de
técnicas de Big Data na dinâmica da opinião pública, da lin-
guagem e das emoções humanas.
Na obra Por uma outra Globalização, Milton Santos
(2001, p. 17) nos presenteia com uma análise lúcida e ins-
tigante do cenário contemporâneo, moldado pelo progresso
das ciências e das técnicas, cuja utilização permite que o nosso
mundo se torne, entre outros, “[…] esse mundo confuso e
confusamente percebido”. Essa confusão parece decorrer de
um paradoxo: por um lado, os recursos da tecnologia, dentre
os quais se destacam atualmente os de Big Data, propiciam a
comunicação sem fronteiras e o acesso a fontes informacionais
relevantes, outrora inacessíveis e quiçá inimagináveis. Por ou-
tro lado, esses mesmos recursos tecnológicos vêm conduzindo
à aceleração vertiginosa das ações humanas, com consequên-
cias (muitas vezes indesejáveis) políticas, ambientais, éticas,
psicológicas, entre outras.
É nesse cenário que a presente obra se insere; seus
vários capítulos buscam atualizar e aprofundar a análise desse
mundo “confuso e confusamente percebido”, a partir de uma
perspectiva interdisciplinar, falibilista, tendo como leme a in-
terrogação “Big Data: reforma ou revolução?”. Na esteira de
Milton Santos, entendemos que no passado os colonizadores
enviavam exércitos e religiosos para conquistar territórios e
apoderar-se de recursos ambientais considerados preciosos;
hoje, com recursos avançados de tecnologias digitais, além
dos exércitos, os novos colonizadores nanciam técnicos qua-
licados para minerar e comercializar dados de fontes varia-
das, incluindo aquela de usuários de redes sociais. As con-
sequências, positivas e negativas, dessa complexa atividade
clamam por pensadores que, como Mariana Claudia Broens,
Informação, Conhecimento, Ação Autônoma e Big Data
11
ajudam a ampliar o campo de reexões sobre o presente e o
futuro das novas gerações inuenciadas pelo acelerado avanço
da tecnologia.
Inspiradas na sensibilidade poética de Guimarães Rosa
(Grandes Sertões: Veredas, p. 487), expressa através do pensa-
mento que: “É no junto do que sabe bem, que a gente aprende
o melhor”, queremos manifestar a nossa profunda admiração
por essa pessoa que com sentimento ético e social vem refor-
çando o “exército de Branca Leoni” na difícil tarefa de agre-
gar trabalho, alunos, amigos, para abrir caminhos com tino e
generosidade, disseminando, com coragem e ousadia, sempre
que possível, reexão ampla sobre os saberes e seres essenciais
que nos ajudam a viver melhor.
A questão chave sobre o livro, “Big Data: continuida-
de ou revolução”, provoca o leitor a investigar (não pacicar
nossos conitos; posto que o seu eterno retorno é inevitável),
aproveitando o extremo limite do possível, a escavar, no mun-
do em que estamos, o mundo que queremos e devemos criar.
Obrigada Mariana! No meio desse mundo confuso, e
confusamente percebido, resta ainda o celebrar da marchinha
de carnaval: “Quem sabe, sabe/Conhece bem/Como é gosto-
so/Gostar de alguém” (Carvalhinho, 1956).
Marília, 09 de agosto de 2019.
Maria eunice Quilici gOnzalez
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
12
referênCIaS
CARVALHINHO. Quem sabe, sabe. São Paulo: Odeon, 1956.
GUIMARÃES ROSA, João. Grande Sertão: Veredas. São Paulo: Nova
Aguilar, 1994.
SANTOS, Milton. Por uma outra Globalização: do pensamento único
à consciência universal. Rio de Janeiro, São Paulo: Record, 2001.
13
aPreSentação
Big Data: Continuidade ou Revolução? Essa é a ques-
tão que direciona a presente obra, dividida em três partes te-
máticas, que agrupam trabalhos da Filosoa e da Ciência da
Informação, entre outras ciências. Sem o objetivo de fechar a
questão que preocupa não apenas cientistas e lósofos con-
temporâneos, os participantes do X Encontro Internacional de
Informação, Conhecimento e Ação (EIICA 2018) discutiram,
principalmente, os seguintes temas: I - Big Data na losoa e
na ciência; II - Informação, transdução e metadados: fenôme-
nos de emergência?; III - Impactos de Big Data na Ciência e
na indústria 4.0.
Discussões sobre o tema I estão concentradas nos pri-
meiros três capítulos, que focalizam implicações centrais do
uso de Big Data na Ciência e na ação cotidiana. No primeiro
capítulo, intitulado “Big Data e Autonomia: Continuidade ou
Revolução?”, Edna A. de Souza e Maria Eunice Q. Gonzalez
centram suas investigações em dois problemas: P
1
“Estamos
vivenciando uma revolução ou uma mera reforma social com
o emprego de Big Data na ciência e na ação cotidiana?”; P
2
“Quais as possíveis implicações éticas da manipulação de Big
Data na ação autônoma?”. Elas apresentam uma contextuali-
https://doi.org/10.36311/2019.978-85-7249-055-9.p13-22
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
14
zação do que vem sendo chamado de Big Data, em termos de
seu desenvolvimento histórico. Essa contextualização ressalta
a diculdade de uma caracterização exaustiva sobre o tema de
Big Data. Tal diculdade é compreensível uma vez que se con-
sidere Big Data enquanto elemento resultante de uma imbri-
cada relação cultural, acadêmica e cientíco-tecnológica. Em
suas várias dimensões política, econômica, acadêmica, social e
cultural, estudos sobre Big Data estão frequentemente vincu-
lados às posições extremistas de otimismo exagerado ou pes-
simismo exacerbado. Relacionada a essa dualidade polarizada
na consideração dos Big Data (de um lado as apostas miracu-
losas dos entusiastas e de outro os alertas para o extremo peri-
go dos críticos radicais) estão as perspectivas de sua inovação
ou continuidade, que as autoras, em uma perspectiva falibi-
lista, consideram criticamente. Elas argumentam que o apelo
aos recursos de análise de Big Data, mesmo que somatório e
não revolucionário, no paradigma metodológico vigente, nos
remete para além de considerações epistemológicas, àquelas
também de cunho ético.
No segundo capítulo, intitulado “O contexto da pro-
dução cientíca de Big Data: análise cientométrica”, Ely F.
Tannuri de Oliveira, Rafael Castanha, Rene F. Gabriel e Lei-
lah Santiago Bufrem, analisam as características da produção
cientíca sobre Big Data. Esse trabalho identica as áreas do
conhecimento, as temáticas candentes e o perl das publica-
ções periódicas que mais produzem sobre o tema de Big Data.
Além disso, os autores apresentam os países mais produtivos
e as coautorias internacionais relacionadas a esse tema, por
meio de procedimentos cientométricos, a partir da base de
dados Scopus. Eles concluem que a temática está impregnando
a ciência mundial e os veículos de comunicação cientíca mais
utilizados na ciência.
Informação, Conhecimento, Ação Autônoma e Big Data
15
No capítulo intitulado “Intersecção temática de
programas de pós-graduação brasileiros: considerações
sobre Big Data”, Jacquelin Teresa Camperos-Reyes, Luiza
de Menezes Romanetto, Ricardo Cesar Gonçalves Sant’Ana
e Plácida Leopoldina Ventura Amorim da Costa Santos,
investigam o tipo de relação teórica existente entre os
programas de Ciência da Informação, Ciência da Computação
e Matemática, no Brasil, ao abordar temáticas relacionadas
com Big Data. Os autores reconhecem que na conjuntura dos
Big Data a informação é resultado da geração, processamento
e análise de dados, ciclo esse realizado por diferentes áreas do
conhecimento, como a ciência da computação, a matemática/
probabilidade e a estatística, entre outras. O estudo identica,
no âmbito de programas de pós-graduação dessas três áreas,
quais características, temáticas e disciplinas oferecidas podem
conter similaridades pertinentes ao tema dos Big Data no Brasil.
Trinta e nove programas de pós-graduação de reconhecimento
no Brasil, com avaliação CAPES 5, 6 e 7, foram considerados,
identicando os conteúdos abordados nesses programas,
vinculados aos Big Data, assim como a interrelação entre as
áreas e disciplinas abordadas.
A segunda parte do livro, intitulada “Informação,
transdução e metadados: fenômenos de emergência?”, inicia-
se com o capítulo “Informação como ação signicativa em
processos semióticos emergentes baseados em multiagente”,
de Davidson Bruno da Silva, Tiago Campos Ferreira e
Leonardo Lana de Carvalho. Os autores analisam o conceito
de informação, entendido como ação signicativa em sistemas
complexos adaptativos. Considerando informação em termos
de ações envolvidas em processos semióticos, eles defendem a
hipótese que os signicados se encontram nos usos coletivos
das palavras e expressões. Para dar suporte às suas análises,
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
16
eles utilizam modelagem e simulação computacional de
processos cognitivos, baseadas em multiagente e computação
com inspiração biológica. A hipótese é a de que informação
é ação signicativa que ocorre em processos semióticos
emergentes, implementáveis em sistemas complexos baseados
em multiagentes. Um Simulador de Processos Semióticos
(SIMPS) foi concebido, cujos resultados indicam que ações
signicativas podem ser falsas e que essas podem ser mais
prejudiciais ao coletivo de agentes do que as comunicações
sem convergência de relações semióticas.
No capítulo: “Transdução Informacional: impactos do
controle sobre os dados”, Ricardo César Gonçalves Sant’ana
argumenta que a crescente participação das Tecnologias da In-
formação e Comunicação no acesso a dados tem originado mu-
danças e desequilíbrios nas relações entre os atores envolvidos.
Ele ilustra, de forma didática, um cenário em que suportes ana-
lógicos propiciam relativa autonomia aos usuários na coleta e
registro de dados, sem, no entanto, atender à eciência desejada
nos processos de recuperação de dados. Nesse cenário, passa-se
a um novo quadro em que as tecnologias digitais medeiam todo
o ciclo de vida dos dados, proporcionando novos patamares de
volume, velocidade e variedade dos dados. Contudo, para que
esse processo seja possível, os conteúdos precisam sofrer trans-
formações que vão além do simples tratamento, ou operações
relacionadas a sua organização, requerendo processos de gera-
ção e regeneração de novos conteúdos, que envolvem formatos
e energias distintas da original, propiciando a emergência do
que o autor denomina transdução informacional. Tais transfor-
mações ocorrem em camadas de abstração, envolvendo opaci-
dade para a percepção dos atores, que ignoram como se inserem
nessas relações entre os diversos ciclos de vida dos dados, em
especial para aqueles que não detêm o controle sobre os pro-
Informação, Conhecimento, Ação Autônoma e Big Data
17
cessos envolvidos. Tal opacidade gera o fenômeno de insciência
do usuário sobre o campo informacional a que está submetido,
gênese da assimetria nas relações de acesso aos dados e que, com
o senso comum sobre uma pressuposta eciência intrínseca de
agentes maquínicos, agrava ainda mais a situação.
O capítulo intitulado “Metadados de preservação digital
na era de Big Data”, de Jean Fernandes Brito e Daniel Martínez-
Ávila, apresenta os metadados de preservação digital e sua relação
com os Big Data. O objetivo dos autores é apresentar uma
reexão sobre os metadados de preservação digital à luz dos Big
Data. A pesquisa é descritiva, teórica e qualitativa. O capítulo
apresenta subsídios para, a partir dos padrões de metadados,
desenvolver uma política de preservação digital, além de indicar
como o seu processo de armazenamento deve ser realizado.
A segunda parte da coletânea encerra-se com a contri-
buição de Nandia Leticia Freitas Rodrigues, Lucinéia da Silva
Batista, Laís Alpi Landim, Maria José Vicentin Jorente, intitu-
lada “Curadoria digital e representação de acervo museológico
no AtoM: um estudo da customização do software”. Esse tra-
balho propõe uma análise da museologia, na segunda década
do século XXI. Ao assumir novas perspectivas no contexto da
digitalidade e a adoção de espaços híbridos para o comparti-
lhamento de informação dos acervos musealizados, estudos na
área de museologia enfrentam uma nova problemática a ser
solucionada pelas instituições museológicas no seu movimen-
to em direção à promoção de acesso às suas coleções. Em paí-
ses em desenvolvimento, como o Brasil, a falta de um software
aberto e customizável especíco para realização do tratamento
descritivo de objetos musealizados pode dicultar a represen-
tação, recuperação, interoperabilidade de informação e im-
portação de dados entre sistemas com diferentes padrões de
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
18
normas, estrutura e metadados usados por museus. As autoras
argumentam que as descrições carecem dessa padronização e
de software que promovam um maior detalhamento descriti-
vo, e que os acervos musealizados, por serem compostos por
variados tipos de suportes documentais, demandam atenção
às suas peculiaridades. A hipótese levantada nesse capítulo é
a de que o software de descrição arquivística AtoM pode ser
aplicado no processo de tratamento descritivo.
A terceira parte temática do livro, “Impactos de Big
Data na Ciência e na indústria 4.0” começa com o capítulo
“Redes sociais digitais e a esfera pública: fake news e a manipu-
lação da opinião coletiva”, de Magaly Prado. A autora discute a
interferência de algoritmos de fake news nas redes sociais e o seu
dano provocado na esfera pública, investigando de que forma
notícias, documentos e dados são utilizados nas notícias fraudu-
lentas. Entre as questões tratadas no capítulo está a investigação
de como se identicam mentiras publicadas por meio de ltra-
gens e o discernimento sobre as estratégias implementadas para
engajar a opinião coletiva em determinados públicos. A autora
argumenta que a cacofonia provocada pelas manipulações asso-
la as redes sem que se tenha uma clara denição, tampouco uma
solução para os problemas por ela provocados; esse é o principal
problema, pois, até agora não se desenvolveu um mecanismo
eciente para validar e contrastar conteúdo das notícias. Ela res-
salta ainda a importância da reexão sobre o processo de me-
diação de notícias na democracia, desejando que se resguarde o
zelo para com a informação, que envolve signicado, conança
e credibilidade.
O capítulo “O Big Data no desenvolvimento da indús-
tria 4.0: novas perspectivas para o empreendedorismo acadêmi-
co”, de Selma Leticia Capinzaiki Ottonicar, Gisele Rodrigues
Informação, Conhecimento, Ação Autônoma e Big Data
19
Atayde, Luis Antonio de Santa-Eulalia, consiste em uma análise
de Big Data e da indústria 4.0. Os autores ressaltam que a quarta
Revolução Industrial, também conhecida como Indústria 4.0,
tem trazido mudanças para as organizações contemporâneas;
sendo que a principal transformação é a produção massiva de
dados, a partir de fontes diversicadas. No contexto da Indústria
4.0, as pessoas e os objetos produzem grande quantidade de
dados, processo esse que exige cuidado e atenção dos prossio-
nais no seu uso em tomadas de decisões. Eles entendem que
as transformações da Indústria 4.0 podem impulsionar o em-
preendedorismo entre alunos universitários, na medida em que
surgem novas oportunidades de negócios; ênfase é dada à ma-
neira pela qual os Big Data podem contribuir para a aplicação
da Indústria 4.0. O trabalho sugere que a produção massiva
de dados pode estimular o desenvolvimento de negócios e o
aumento de procura por novas prossões, e habilidades com-
petentes para interpretar a informação disponível em bancos de
dados. Os autores defendem a hipótese de que, apesar da quarta
Revolução Industrial ter como consequência o desaparecimento
de algumas prossões, há novas demandas prossionais que es-
tão cada vez mais relacionadas com a busca, interpretação, aná-
lise, organização e disseminação de dados e informação.
No capítulo “Algoritmos Genéticos e Aprendizagem:
Quem, de fato, aprende?”, Monica Aiub discute alguns
estudos sobre algoritmos genéticos, com ênfase em hipóteses
do Darwinismo Neural, proposto por Edelman (1987; 1988;
1992), e o conceito de hábito presente na obra de Peirce. A
autora questiona quem é o sujeito/agente da aprendizagem e
discute se há continuidade ou revolução no uso dos algoritmos
genéticos. Algoritmos genéticos simulam/replicam processos
de evolução biológica, a partir de cálculos de probabilidade.
Algumas pesquisas nesse campo têm gerado algoritmos capazes
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
20
de desenvolver atividades consideradas de exclusividade humana,
como identicar personalidade, diagnosticar depressão,
produzir arte criativa, entre outras. Algoritmos genéticos têm
sido utilizados em educação, gerando padrões especícos de
associação de dados que, repetidos, podem se tornar hábitos
incorporados. Além disso, cada vez que um aplicativo é utilizado,
novos dados dos usuários são coletados, incluindo as formas de
associação de dados; tais dados constituem “capital” da empresa
proprietária do aplicativo. A autora indaga: considerando as
recentes mudanças na Lei de Diretrizes e Bases da Educação
Nacional (LDBN), a qual permite que parte da carga horária seja
oferecida à distância, inclusive na Educação Básica; as discussões
no Senado acerca de educação domiciliar (homeschooling); a 4
a
Revolução Industrial, com a aposta na paulatina substituição
de prossionais (professores, médicos, advogados, engenheiros
etc.) por softwares, que rumos estaríamos traçando para a
educação? Seriam tais rumos uma revolução educacional ou a
continuidade de um processo de precarização da educação?
Por último, o trabalho de Mariana da Silva Caprioli,
Larissa de Mello Lima e João Batista Ernesto de Moraes, inti-
tulado “Regime de informação e análise do discurso: aproxi-
mações teóricas e conceituais na era Big Data”, focaliza ideias
de Bernd Frohmann, em especial, o conceito de ‘Regime de
Informação’. Esse conceito foi proposto originalmente em
1984, como uma genealogia de políticas informacionais, ou
seja, como uma alternativa aos estudos de política de informa-
ção e, também, como crítica ao reducionismo de abordagens
da política, praticadas na Ciência da Informação e na Bibliote-
conomia. Os autores ressaltam que a noção de ‘Regime de In-
formação’ se aproxima daquela de poder proposta por Michel
Foucault, que discute o conceito de ‘Regime de Poder’, refe-
rente às formas de estruturação política das ciências que têm
Informação, Conhecimento, Ação Autônoma e Big Data
21
como objetivo a regulamentação das linguagens e dos enun-
ciados cientícos, considerando obras no espaço heterológico
dos saberes. Os conceitos de formação discursiva e ideológica
estão muito presentes na Análise do Discurso, sendo a For-
mação Discursiva construída pela relação de sentido entre as
posições ideológicas, inseridas em um processo sócio-histórico
em que os sentidos e as palavras são produzidas. Eles argu-
mentam que, com a Formação Discursiva, pode-se entender
que as palavras não têm sentido nelas mesmas; elas derivam o
seu sentido do meio em que se inserem, estando diretamente
relacionadas com a Formação Ideológica, pois se representam
por meio desta última. Os autores consideram ainda que é
importante entender que o acervo da unidade de informação,
os discursos e ideologias formam uma massiva quantidade de
dados, constitutivos dos Big Data, e que as formações discur-
sivas e ideológicas, em que esses dados circulam, dão origem a
um novo Regime de Informação.
Os organizadores deste volume esperam que a leitura
dos capítulos acima sumarizados possa contribuir para uma
visão esclarecida, falibilista, e quem sabe crítica, do emprego
de técnicas de Big Data na ciência, na losoa e no cotidiano.
Anal, consequências éticas, políticas, epistemológicas, estéti-
cas e semióticas desse emprego direcionarão, em grande parte,
o futuro de nossa cultura!
Marília, 10 de agosto de 2019.
daniel Martínez-Ávila
edna alves de sOuza
Maria eunice Quilici gOnzalez
Big Data na fIloSofIa e na CIênCIa
25
Big Data e autonomIa:
ContInuIdade ou revolução?
Edna Alves de Souza
Maria Eunice Quilici Gonzalez
O cenário inusitado da contemporaneidade, carac-
terizado pelo crescimento exponencial do volume de dados
coletados, armazenados e organizados em uma variedade de
formatos digitais e a velocidade de coleta, nunca antes vistos,
ilustra aspectos do que atualmente se compreende, vagamen-
te, por Big Data. A utilização de dados massivos, por vezes sem
a permissão dos usuários, apresenta desaos à ciência e à vida
cotidiana. Um desses desaos, de especial interesse para a pre-
sente investigação, consiste na capacidade de agentes racionais
se adequarem a esse cenário, mantendo-se em sintonia com ele
sem prejuízo de sua autonomia.
Neste contexto, dois problemas centrais direcionam a
presente investigação:
https://doi.org/10.36311/2019.978-85-7249-055-9.p25-46
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
26
P
1
: Estamos vivenciando uma revolução ou uma mera
reforma social com o emprego de Big Data na ciência e na
ação cotidiana?
Discutimos também possíveis implicações dos
impactos dos Big Data, já sentidos, na ação autônoma.
Interessa-nos, em particular, elaborar considerações éticas da
forma com que instituições públicas e privadas, fazendo uso
de técnicas de análise de Big Data, atingem pessoas, das mais
diversas formas. Nesse contexto, o segundo problema pode ser
assim formulado:
P
2
: Quais as possíveis implicações éticas da manipula-
ção de Big Data na ação autônoma?
Não temos respostas denitivas, nem mesmo consen-
suais, para os problemas P
1
e P
2
, mas julgamos relevante a
reexão losóca sobre eles, pois as implicações para a ciência
e a vida cotidiana do que podemos chamar de Era de Big Data
são amplas e, aparentemente, graves.
Consideramos a postura falibilista, caracterizada pela
abertura à possibilidade de reformulação, ou abandono de
opiniões e crenças previamente estabelecidas, diante do reco-
nhecimento de erro ou de novidade relevante, um desiderato
cientíco-epistemológico de grande valor prático. Nesse senti-
do, sugerimos que posicionamentos extremos, sejam eles pes-
simistas ou otimistas, em relação às implicações éticas e episte-
mológicas da Era de Big Data, sejam colocados em análise da
forma mais crítica possível.
O capítulo está estruturado em duas partes. Na pri-
meira, apresentamos uma contextualização dos Big Data, em
termos de seu desenvolvimento histórico. Essa contextualiza-
ção conduz a uma reexão sobre a diculdade de uma carac-
Informação, Conhecimento, Ação Autônoma e Big Data
27
terização exaustiva sobre o tema de Big Data. Tal diculdade
pode ser compreendida ao considerarmos Big Data enquanto
elemento resultante de uma imbricada relação cultural, acadê-
mica e cientíco-tecnológica. Em suas várias dimensões políti-
ca, econômica, acadêmica, social e cultural, estudos sobre Big
Data estão frequentemente vinculados às posições extremistas
de otimismo exagerado ou pessimismo exacerbado. Relaciona-
da a essa dualidade polarizada na consideração dos Big Data
(de um lado as apostas miraculosas dos entusiastas e de outro
os alertas para o extremo perigo dos críticos radicais) estão
as perspectivas de sua inovação ou continuidade. Na segunda
parte, reetimos sobre possíveis implicações do emprego de
recursos de Big Data na ação autônoma. Por m, argumenta-
mos que o apelo aos recursos de análise de Big Data, mesmo
que somatório e não revolucionário, no paradigma metodoló-
gico vigente, nos remetem para além de considerações episte-
mológicas, àquelas também de cunho ético.
1 doS dadoS aoS Big Data
A criação de “bancos de dados” é uma prática antiga e
bancos de dados digitais já existem há um bom tempo. Como
Mayer-Schonberger & Cukier (2013) ressaltam, o registro de
dados mais antigo parece remontar a pelo menos 8.000 a.C.,
quando os Sumérios usaram continhas de barro para contro-
le de bens comercializados. A contagem em larga escala pode
ser exemplicada com o censo praticado pelos antigos gover-
nos egípcios e chineses, a m de manterem o controle go-
vernamental por meio da coleta de dados sobre a população.
O surgimento do que hoje denominamos ciência ocidental (a
antiga Filosoa Natural), segundo Zingano (2005), também
é marcado pela coleta, organização, armazenamento e análise
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
28
de dados. A exploração, o registro e a classicação, de forma
metódica, de dados sobre o mundo natural, empreendidos
por Aristóteles e a fundação da Biblioteca de Alexandria, são
exemplos emblemáticos da relação existente entre bancos de
dados e a prática cientíca. A era digital, por sua vez, veio faci-
litar e acelerar o registro e o processamento de dados.
De acordo com Mayer-Schonberger & Cukier (2013),
por volta de 1880 deagrou-se nos Estados Unidos a necessi-
dade de novas técnicas de processamento de dados, uma vez
que a Constituição Americana prescrevia a realização do censo
a cada década. Porém, dada a aceleração do crescimento po-
pulacional e a demora em se completar o censo, a informação
obtida cava obsoleta antes mesmo de se tornar disponível.
Assim, eles relatam que foi preciso oito anos para que o censo
de 1880 fosse concluído e a expectativa era a de que o término
do próximo censo ultrapassaria dez anos, o que contrariaria,
inclusive, a própria exigência legislativa. Eles ressaltam ainda
que, dada essa situação problemática, o inventor americano
Herman Hollerith foi contratado para usar sua ideia de car-
tões perfurados e máquinas de tabulação para a elaboração
do censo de 1890. Ele, em um feito memorável, conseguiu
diminuir o tempo de tabulação de oito anos para menos de
um ano, marcando, assim, o início do processamento auto-
matizado de dados, que serviu de base para o que mais tarde
se tornou a IBM (International Business Machines). Mas, tal
feito, como método de coleta e análise de grande quantidade
de dados, ainda era lento, complexo e dispendioso.
Na chamada Era de Big Data, a novidade que merece
maior reexão e discussão diz respeito à crescente escala, sos-
ticação e onipresença da coleta e análise de dados, bem como
a utilização por pesquisadores de técnicas avançadas de análise
Informação, Conhecimento, Ação Autônoma e Big Data
29
de correlações para identicação de padrões de informação,
potencialmente úteis, para subsequente inferência ou tomada
de decisão. Tudo isso realizado em tempo real!
Tecnologias informacionais de comunicação (TICs),
como as redes móveis e a computação em nuvem ou névoa,
deram origem a mundos de informação incompreensivelmen-
te grandes, tornando mais complexos os métodos de coleta e
análise de Big Data. Os analistas de dados (humanos e má-
quinas), a partir do uso de técnicas avançadas de correlação,
podem escrutinar enormes quantidades de dados, em pouco
tempo, para prever comportamentos, situações e eventos de
maneiras inimagináveis há bem pouco tempo. Estamos falan-
do de dados armazenados em terabytes, petabytes, exabytes ou
yottabytes (um trilhão de terabytes!).
Nesse cenário, denir ‘Big Data’ não é uma tarefa sim-
ples e parece exigir considerações interdisciplinares. São levan-
tadas questões que oscilam sobre a origem do termo à impre-
cisão de seu signicado, passando por aplicações distintas em
áreas diversas. O rastreamento das primeiras ocorrências do
termo diz pouco a seu respeito além de seu forte apelo comer-
cial. Ibekwe-SanJuan & Bowker (2017, p. 192) observam que
um analista de dados, Douglas Laney, no entanto, contribuiu
decisivamente para a atual caracterização dos Big Data “[...] ao
cunhar os ‘três Vs’ populares e cativantes dos Big Data (volu-
me, variedade e velocidade)”.
O exponencial aumento de volume, velocidade e va-
riedade de dados processados, exige um planejamento, em es-
pecial, por parte dos usuários neste novo cenário que está se
instalando no século XXI. Nas palavras de Laney (2001, p.1):
“O e-comércio, em particular, explodiu os desaos do geren-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
30
ciamento de dados em três dimensões: volumes, velocidade e
variedade”.
A digitabilidade, o volume, a velocidade e a variedade,
na coleta e análise de dados, parecem ser os aspectos reconhe-
cidos cienticamente como característicos dos Big Data, ape-
sar da persistente imprecisão quanto à natureza dos dados. Aos
três Vs iniciais, têm sido acrescidos muitos outros Vs, que não
tão distintivos como os originais, mas que os orbitam, como
o V de valor e o de veracidade. Em um espírito entusiasta e
de divulgação, há quem diga que “estamos agora a caminho
dos 100 Vs dos Big Data e da Ciência dos Dados!” (SHAFER,
2017, p. 3).
Do ponto de vista físico (quantitativo), esclarecem
Ibekwe-SanJuan & Bowker (2017, p. 192):
[...] os Big Data representam volumes de dados que
os algoritmos tradicionais de bancos de dados são
incapazes de lidar e que requerem infraestruturas
e algoritmos de computação mais robustos e
distribuídos, como hadoop clusters, grid infrastructure
e cloud clusters.
O crescimento constante de bancos de dados, de com-
putação ubíqua e de desenvolvimento de softwares capazes de,
dentre outras coisas, interconectar sistemas tecnológico-infor-
macionais e proceder à análise de dados, com recursos algorít-
micos variados, parece indicar que uma “revolução silenciosa”
está a caminho. A conuência de diversos fatores está tornan-
do os Big Data uma força poderosa por si só, geradora de um
tipo radicalmente novo de “infraestrutura de conhecimento”
comum e cientíco. Daí o questionamento, expresso em P
1,
se
a Ciência que hoje faz uso de Big Data em suas investigações
representa uma continuidade, uma convergência, de práticas
Informação, Conhecimento, Ação Autônoma e Big Data
31
cientícas tradicionais ou se está nos conduzindo a uma revo-
lução cientíco-tecnológica, no sentido kuhniano.
Não é nosso objetivo discutir aqui as várias interpre-
tações da concepção kuhniana de revolução cientíca, mas
apenas ressaltar um de seus sentidos, qual seja, que após uma
revolução, um novo paradigma surge sob o qual se assentará
a pesquisa cientíca futura. Nesse sentido, cabe questionar se
a sociedade contemporânea está passando por uma revolução,
que recongura hábitos e relações, desde as mais básicas, exis-
tentes entre seus elementos, dando lugar a um novo modelo
de organização (que se poderia chamar de universo da cultura
digital), ou se está passando apenas por uma reforma, com a
adição de um novo espaço público, da realidade virtual, que,
nem sempre (ou quase nunca) está em sintonia com a realida-
de em seu sentido tradicional, ou seja, o mundo natural.
A literatura sobre os Big Data é permeada de exem-
plos, como os apresentados por Mayer-Schonberger & Cukier
(2013), que pretendem, dentre outras coisas, ilustrar o aspecto
revolucionário ocasionado por essa nova forma de lidar com
informação disponível através de computação ubíqua, que
atua ininterruptamente na coleta de dados sobre o cotidiano
das pessoas, através de celulares, cartões de crédito, câmeras,
entre outros. Vejamos alguns deles: (a) Google, por meio dos
seus mecanismos de pesquisa, considerando o momento e a
localização das buscas de usuários, consegue prever fenôme-
nos, como surtos de violência e tendências de desemprego,
antes mesmo que os resultados estatísticos de pesquisas o-
ciais sejam ocialmente divulgados pelo Estado. (b) Técnicos
de empresas de cartões de crédito registram e analisam vastas
quantidades de dados com informação sobre hábitos e ações
nanceiras pessoais para tentar detectar fraudes e identicar
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
32
tendências de compra do consumidor. (c) Pesquisadores da
área médica analisam os registros de saúde de milhares de pes-
soas para tentar identicar correlações úteis entre tratamentos
médicos e resultados de saúde. (d) Empresas realizam estudos
de “mineração de dados” sobre informações pessoais em sites
de redes sociais, na tentativa de identicar preferências sutis
do consumidor e criar estratégias ecientes de marketing. Os
dados de “geolocalização” permitem que instituições públicas
e privadas, como grandes empresas, analisem dados de dispo-
sitivos móveis para fazer inferências intrigantes sobre a vida
das pessoas e a economia: dados coletados do rastreamento da
localização de celulares – por exemplo, a periodicidade com
que as pessoas vão aos shoppings – pode ser um indicador eco-
nômico para medir a demanda dos consumidores.
As situações indicadas acima são amplamente comen-
tadas por Mayer-Schonberger & Cukier que, não por acaso,
intitulam a sua obra Big Data: A revolution that will transform
how we live, work, and think. Elas ilustram aspectos impac-
tantes dos Big Data para questões da vida em sociedade. O
alegado caráter revolucionário acarretado pelos Big Data na
vida cotidiana, e também na ciência, estaria na subjacente
metodologia adotada e desenvolvida pelos estudiosos de Big
Data, ou seja, o foco implícito nos exemplos acima: o trato,
já em curso, dos dados a partir da identicação de correlações
consideradas relevantes para a análise e previsão do uxo de
eventos no mundo.
Independente de os Big Data representarem uma revo-
lução ou uma continuidade (com algumas novidades impac-
tantes) para atividades cientícas e cotidianas, concordamos
com Bollier (2010, p. 1) que suas “[...] implicações para os ne-
gócios, o governo, a democracia e a cultura são enormes”. Daí
Informação, Conhecimento, Ação Autônoma e Big Data
33
a diculdade de separar caracterizações de Big Data de seus
elementos valorativos mais amplos que, comumente, condu-
zem às posturas dicotômicas, conforme veremos a seguir.
Para além da perspectiva meramente quantitativa, as
técnicas de análise de Big Data podem ser vistas, em uma
perspectiva metodológica, como um conjunto de métodos
de análise que incorpora uma diversidade de conhecimentos,
técnicas de programação e tecnologias. Desse modo, Boyd &
Crawford (2012, p. 663) caracterizam as suas diferentes di-
mensões cultural, tecnológica e acadêmica que, em suas pala-
vras, “[...] repousam na interação de tecnologia, análise e mi-
tologia”. Elas sugerem que a tecnologia desenvolvida, visando
a aplicação na análise de Big Data, permite maximizar o poder
de computação e de precisão algorítmica para coletar, analisar,
vincular e comparar grandes conjuntos de dados. A análise,
no contexto dos Big Data, possibilita a extração de padrões
em grandes conjuntos de dados, a m de se fazer intervenções
econômicas, sociais, técnicas e legais. A mitologia, por sua vez,
consistiria na crença generalizada de que os Big Data oferecem
uma forma superior de inteligência e conhecimento, com a
aura de verdade, objetividade e precisão, que pode gerar per-
cepções antes impossíveis.
Em síntese, indicamos até aqui concepções de Big Data
que enfatizam o seu papel impactante na contemporaneidade.
Nossa tendência, entretanto, é admitir que sem uma clara de-
nição atual de seu escopo, os recursos de Big Data promovem
apenas uma reforma, antes que uma revolução, nos modos de
organização de hábitos individuais e coletivos existentes a partir
de uma longa história evolutiva humana. Sem dúvida, técnicas
de análise e de organização de dados podem auxiliar a pesquisa
literária, bibliográca, política, acadêmica, ao otimizar a reu-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
34
nião e o cruzamento de dados massivos, em diferentes épocas e
contextos; indivíduos e grupos podem aumentar suas tendên-
cias consumistas e exacerbar suas tendências agressivas com os
recursos das TICs. Mas é principalmente na ciência que os Big
Data estão trazendo novidades consideradas revolucionárias.
Anderson (2008), por exemplo, decreta o m da teoria
cientíca tradicional, ao armar, no subtítulo de seu artigo,
que “o dilúvio de dados torna o método cientíco obsoleto”.
Para ele, em uma era de computação em nuvem e conjuntos
de dados massivos, o verdadeiro desao não é criar novas ta-
xonomias ou modelos cientícos, mas peneirar os dados de
novas maneiras para encontrar correlações signicativas.
Em contraste com a visão otimista do uso de Big Data
na ciência, críticos dos Big Data insistem que esse instrumento
de manipulação de dados massivos poderia ser visto, no má-
ximo, como um complemento possível e não uma alternativa
ou um substituto da investigação cientíca tradicional. Embora
técnicas de Big Data sejam boas para detectar correlações, não
são elas, por si só, que especicam quais correlações são signi-
cativas e o porquê de o serem. Ilustrativamente, o site Spurius
Correlations, de Tyler Vigen (2015), cou conhecido por trazer
uma série de correlações espúrias engraçadas, mas com o pro-
pósito de denunciar o uso irresponsável de correlações estatís-
ticas. Um programa computacional que registra correlações em
grandes bases de dados foi desenvolvido, com resultados, no
mínimo provocantes, que relacionam, por exemplo, a redução
do consumo per capta de margarina à diminuição de divórcios.
Radicalismos expressos por Anderson (2008) e outros
entusiastas e promotores dos Big Data, bem como, em outro
extremo, por Vigen (2015) e demais críticos aguerridos dos
Big Data, indicam uma tendência na literatura corrente sobre
Informação, Conhecimento, Ação Autônoma e Big Data
35
o tema: perspectivas de inovação ou continuidade na conside-
ração de Big Data parecem estar relacionadas à dualidade pola-
rizada – de um lado o otimismo exagerado de seus entusiastas e
de outro o pessimismo exacerbado de seus críticos radicais.
Consideramos que o problema da produção e da orga-
nização acelerada de dados massivos e do uso de técnicas de
análise de Big Data na investigação cientica, enquanto en-
volto em questões e análises do tipo “sociotecnológicas”, pode
conduzir a retóricas utópicas ou distópicas (de acordo com as
propensões dos envolvidos), que se confundem com a própria
caracterização do que é entendido por Big Data.
Além disso, talvez uma das chaves para o entendimen-
to de possíveis efeitos dos Big Data na Ciência, bem como na
ação autônoma, esteja na análise do conceito de dado. Essa
análise da dinâmica do conceito de dado parece ter o potencial
de revelar mudanças sutis na ação coletiva que estão ocorren-
do no, ou com o, uso de Big Data, não sendo obscurecido
de antemão pelos vieses utópicos ou distópicos de questões
sociotecnológicas.
1
Na próxima seção reetimos a respeito de algumas
possíveis implicações do emprego de recursos de Big Data na
ação autônoma.
2 Informação, Big Data e grauS de autonomIa da
ação
Em seus instigantes estudos sobre a natureza da infor-
mação, Gregory Bateson (1972, p. 460) a caracteriza como:
“[...] uma diferença que faz uma diferença”. Essa aparente enig-
1
Essa hipótese é apresentada e discutida em nosso artigo Big Data: Philosophy of Science
Contemporary Issues (no prelo).
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
36
mática caracterização expressa um dos pilares da chamada Es-
cola de Palo Alto, que inaugurou a Sistêmica Qualitativa. Em
contraste com os pressupostos da teoria matemática da comu-
nicação (SHANNON & WEAVER, 1949) – que propiciou,
entre outros, subsídios formais para o desenvolvimento de
métodos analíticos de Big Data –, ênfase é dada à abordagem
sistêmica ao estudo do signicado presente na comunicação.
A Sistêmica Qualitativa começou a se estruturar na dé-
cada de 1950, quando Bateson desenvolve um estudo inter-
disciplinar sobre a natureza da informação signicativa, com a
ajuda de lósofos, psicólogos, antropólogos, biólogos, neuro-
cientistas, entre outros (destacando-se Birdwhistell, Goman,
Hall, Jackson, Scheen, Sigman, Watzlawick). O que interessa
à escola de Palo Alto é o entendimento da dinâmica constitu-
tiva de padrões informacionais prenhes de signicado (que não
se reduzem a enormes conjuntos de dados) e de seus possíveis
efeitos na ação de organismos contextualmente situados.
Inspirado em hipóteses da Cibernética, em especial
na noção de feedback circular (WIENER, 1950), e na Teo-
ria de Tipos Lógicos (WHITEHEAD & RUSSELL, 1910),
Bateson (1972) sugere uma ponte explicativa entre o que
ele denomina fatos da vida e do comportamento e a dinâmica
estrutural constitutiva de padrões de ordem diversas que “li-
gam” seres vivos, em várias escalas, possibilitando a comuni-
cação de informação signicativa.
Em sua formulação mais geral sobre a natureza da in-
formação, Bateson argumenta que informação signicativa,
presente em inúmeras formas de comunicação entre seres vi-
vos, emerge de relações qualitativas (e não apenas numéricas)
estabelecidas entre seres vivos e meio ambiente. A complexa
dinâmica de relações contextualmente situada engendraria ti-
Informação, Conhecimento, Ação Autônoma e Big Data
37
pos de padrões informacionais, estruturados em várias escalas.
Tais padrões, por sua vez, emergem de ações habituais comuns
aos organismos que compartilham, não apenas vínculos infor-
macionais e emocionais, mas também aspectos de estruturas
biológicas. Bateson (1979) menciona, por exemplo, o padrão
que liga funcionalmente as pinças dos caranguejos e os dedos
polegar e indicador nas mãos de humanos; o padrão consti-
tuído de dois olhos e nariz no centro do rosto, que liga seres
humanos a outros animais, como elefantes, macacos e felinos
em geral, permitindo um tipo de vínculo fundamental entre
diferentes espécies. Uma vez que a comunicação signicati-
va extrapola o domínio das estruturas linguísticas, estas serão
analisadas como um caso particular de tipos de padrões infor-
macionais no domínio da pragmática humana.
Com o advento da linguagem proposicional humana,
estruturas dinâmicas, ordenadas em redes de padrões infor-
macionais, possibilitaram a emergência de inúmeros planos
de comunicação, gerando disposições para a ação de agentes
morais, com diferentes graus de autonomia. Nesse contexto
informacional, diferenças (entre elementos constitutivos de
padrões informacionais) podem fazer diferença (não apenas
para a comunicação verbal, mas também no plano da ação
individual e coletiva).
Um pressuposto basilar da Sistêmica Qualitativa, de
especial interesse para nós, é a conhecida hipótese batesonia-
na do duplo-vínculo (double-bind), segundo a qual relações de
dependência entre seres vivos se expressam através de padrões
informacionais, muitas vezes contraditórios e conitantes,
que condicionam, por meio da repetição, suas ações. Na Psi-
cologia, o duplo-vínculo é caracterizado como: “[...] uma si-
tuação na qual, não importa o que uma pessoa faça, ela ‘não
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
38
pode vencer’. [...] uma pessoa aprisionada no duplo vínculo
pode desenvolver sintomas esquizofrênicos” BATESON et al.,
1956, p. 251). É a partir desse pressuposto que investigamos
o problema P
2,
sobre possíveis implicações da manipulação de
Big Data na ação autônoma, focalizando os duplos vínculos
que parecem estar sendo estabelecidos na contemporaneidade
entre usuários das TICs.
De acordo com Anderson (2008, p. 1), a “[...] era do
Petabyte é diferente porque mais é diferente”. Concordamos
que “mais” pode fazer diferença quando se trata de acúmulos
de padrões de dados correlacionados. Contudo, resta explici-
tar o papel da diferença que envolve graus de autonomia.
Entendemos que a ação de uma pessoa (P), ou gru-
po de pessoas (GP), expressa certo grau de autonomia se pelo
menos duas condições forem satisfeitas: (1) P (ou GP) possui
informação antecipadora de oportunidades de escolha, e (2) P
(ou GP) possui capacidade de escolha, independente de pres-
são externa. Satisfeitas (1) e (2), consideramos que a ação de
P (ou de GP) será tanto mais autônoma quanto mais inde-
pendente de coação, ou imposição externa, for a sua escolha,
e quanto mais informação, relacionada a cada escolha, estiver
ao seu alcance.
2
No que concerne aos graus de autonomia individual
e coletiva, nossa hipótese é que vivenciamos atualmente uma
relação de “duplo vinculo”. Por um lado, as TICs propiciam,
no plano individual, inúmeras facilidades; o acesso atraente
e eciente à informação enciclopédica disponível na Internet,
por exemplo, libera os indivíduos da penosa necessidade de
memorizar dados necessários à resolução de problemas. Elas
Uma análise mais detalhada do conceito de ação autônoma pode ser encontrada em
Gonzalez (2017).
Informação, Conhecimento, Ação Autônoma e Big Data
39
também possibilitam a desejada comunicação, quase imedia-
ta, entre pessoas de várias culturas, idades e gêneros. Por ou-
tro lado, vivenciamos a invasão de privacidade, de bullying,
e uma uniformidade cansativa, pouco criativa, de comporta-
mentos no ambiente digital, promovida pela ubiquidade das
TICs que tendem a acelerar e padronizar as atividades coti-
dianas, sobrecarregando os indivíduos com massiva quanti-
dade de informação alienante. É nesse contexto que recursos
de análise de Big Data permitem que empresas como a Ama-
zon e a Netix, por exemplo, “criem necessidades” e anteci-
pem os desejos de seus clientes, que nem sempre possuem
condições econômicas de compra, comprometendo os graus
de autonomia de suas ações.
Agências governamentais e empresariais, como a Goo-
gle, Facebook, Instagram, estão descobrindo rapidamente
usos estratégicos de algoritmos, estruturadores de grandes
bancos de dados. Longe de serem neutros, esses algoritmos
são empregados também para detectar padrões de ação, la-
ços familiares, sonhos e medos, preferências de compra, entre
outros, registrados em traços deixados por usuários das TICs,
direcionando, muitas vezes de forma invisível, a dinâmica de
formação de opinião dos indivíduos. Aprisionados em um du-
plo vínculo de “amor e ódio”, muitos indivíduos sentem-se
obrigados a aceitar as condições impostas por essas agências
para que possam usufruir de seus benefícios.
No plano coletivo, algumas das consequências práticas,
positivas, da aplicação de resultados de análises de Big Data,
dizem respeito, de um lado, à possibilidade de uso, desejável,
de correlações de dados para prever e prevenir, idealmente,
desastres ecológicos, bem como ações sociais indesejáveis rela-
cionadas à segurança e aos direitos humanos. Por outro lado,
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
40
já vivenciamos, em várias sociedades, a crescente e conituosa
polaridade na dinâmica de opiniões em questões de gênero, de
política, dentre outras. Estimulados pela inuência das mídias
digitais, grupos de amigos e familiares estão se desintegran-
do no confronto de opiniões muitas vezes apoiadas em notí-
cias falsas. Novas formas de vigilância também já estão sendo
aplicadas envolvendo algoritmos de rastreamento para extrair
informações a partir de traços deixados por indivíduos e gru-
pos sociais. Vivenciamos, também, aplicações de algoritmos
manipuladores de grande quantidade de dados na robótica,
em especial nas áreas bélicas, que vêm colocando em risco a
autonomia da ação humana coletiva. O desconforto resultante
desse “duplo vínculo” no emprego de técnicas de análise de
Big Data – que por um lado otimista trazem benefícios atraen-
tes aos usuários das TICs, mas por outro também os asxiam
– parece estar gerando uma situação cotidiana de “esquizofre-
nia” individual e coletiva.
No contexto cientíco, o emprego de algoritmos mani-
puladores de Big Data facilita a coleta de dados, que atualmen-
te seriam impossíveis de serem coletados sem o subsídio desse
tipo de recurso. Contudo, o emprego por vezes pouco crítico de
técnicas de análise mecânica e de algoritmos que privilegiam a
ocorrência de correlações, com prejuízo para a analiticidade da
metodologia cientíca tradicional, indica uma possível revolu-
ção silenciosa nos modos de se fazer ciência. De forma ilustrati-
va, como explicam Santana e Fernandes (2016), na astronomia,
o pesquisador recentemente tem passado de recursos do telescó-
pio para os de Big Data; ou seja, mais do que perscrutar os céus,
de forma mais ou menos direta e objetiva, com equipamentos
como o telescópio de mão, em busca de algo novo que explique
algum fenômeno ou ofereça resposta a algum problema, hoje, o
astrônomo, com conhecimentos em estatística e programação,
Informação, Conhecimento, Ação Autônoma e Big Data
41
emprega recursos de programas computacionais para minerar
dados coletados por equipamentos de alta tecnologia, como as
sondas espaciais. Os telescópios agora têm suas funções esten-
didas, pois são equipados com sensores que coletam, constante-
mente, enorme quantidade de dados o que torna praticamente
impossível exaurir a capacidade humana de extração de conhe-
cimento a partir dos dados coletados. Os dados permanecem
valorosos não só para a Astronomia como para a Ciência em
geral, devido a seu potencial não explorado, ensejando sua reu-
tilização para outras nalidades. Atualmente, a teorização, por
exemplo, sobre bilhões de galáxias, a partir da análise de petaby-
tes de dados, exige infraestruturas e algoritmos de computação
sosticados Contudo, é preciso saber que critérios de relevância
são empregados para procurar o que se quer descobrir. Uma
possibilidade seria observar tudo (o máximo possível), levan-
tando uma quantidade massiva de dados, e tornar explícitos os
critérios de relevância empregados para minerar esses dados em
busca de correlações signicativas para um determinado propó-
sito. Ao se perscrutar “tudo”, corre-se o risco de se perder, em
um primeiro momento, a delimitação do problema, do objeto
de pesquisa, no sentido tradicional dos termos, e; em um segun-
do momento, ao ter no banco de dados o contexto da investiga-
ção, de se distanciar do contexto original da realidade.
O cenário acima esboçado requer reexão epistemoló-
gica, metodológica e ética, e em certos casos intervenção, sobre
possíveis perigos do emprego de recursos analíticos de Big Data
no trato não só de imensa quantidade de dados, mas também
de pessoas. Acreditamos que tal reexão, se realizada a partir de
uma perspectiva da sistêmica qualitativa, pode abrir horizontes
para o desenvolvimento de uma ética que respeite a ação autô-
noma no exercício de maximização de interesses comuns.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
42
ConCluSõeS ProvISórIaS
Iniciamos este capítulo com a formulação do proble-
ma P
1
: Estamos vivenciando uma revolução ou uma mera
reforma com o emprego de Big Data na ciência e na ação
cotidiana? Ressaltamos que a Era de Big Data não consiste,
simplesmente, no abandono da analiticidade, da metodologia
cientíca tradicional, mas na articulação dessas, indicando um
novo modo de se fazer ciência e de se agir no cotidiano, a
partir de padrões que podem ser identicados por meio de
algoritmos rastreadores de grandes volumes de dados.
O problema P
1
nos remete à consideração de que, uma
vez que agora dispomos de conjuntos massivos de dados e
técnicas avançadas de manipulação dos mesmos, restaria ain-
da lugar para a metodologia cientíca tradicional, que visa a
busca de explicações para a ocorrência dos fatos. Tradicional-
mente, as explicações cientícas estão fortemente apoiadas na
noção de causalidade e não apenas em massivas correlações de
dados detectadas por algoritmos, cuja estrutura pode depen-
der de interesses, em geral comerciais. Embora Pietsch (2013;
2016) tenha sugerido, entusiasticamente, que a consideração
de quantidade massiva de dados aumenta a chance de se iden-
ticar por meio de algoritmos de Big Data relações causais
legítimas (e não meramente correlações), não estamos seguras
do valor epistemológico dessa hipótese. Dentre outros proble-
mas, o autor parece incorrer em uma falácia: a da petição de
princípio, ou seja, assume de antemão que, no conjunto de
dados massivos coletados com recursos de Big Data, há rela-
ções causais que os algoritmos de análise de Big Data seriam
capazes de explorar e identicar (que é justamente o que se
desejaria descobrir ou demonstrar).
3
Contribuímos para com o debate sobre correlação versus relação causal no já mencionado
artigo Big Data: Philosophy of Science Contemporary Issues (no prelo).
Informação, Conhecimento, Ação Autônoma e Big Data
43
Nas ciências exatas e biológicas, as contribuições de re-
cursos de análise de Big Data parecem mais se somar à prática
tradicional do que a revolucionar, em um sentido kuhniano de
uma alteração radical e profunda em sua estrutura metodoló-
gica. Nas ciências humanas, o emprego otimista de técnicas de
Big Data ainda encontra resistências (justicadas) quanto ao
valor de cálculos estatísticos e de correlações descontextualiza-
das na análise de problemas, cuja compreensão requer infor-
mação de subsídios socioculturais, contextualmente situados.
Em ambos os casos, o ideal de inter/multi e transdis-
ciplinaridade na pesquisa enfrenta diculdades no estudo de
problemas cuja solução demanda um diálogo ético, franca-
mente cooperativo, entre pesquisadores que valorizem dife-
renças ambientais, biológicas, contextuais e culturais. Nesse
sentido, considerações sobre a possibilidade de uma revolução
cientica silenciosa, que poderia estar a caminho na era de Big
Data, requerem a colaboração losóco-interdisciplinar vol-
tada à atenção de suas consequências epistemológicas e éticas
para as futuras gerações. Metaforicamente, poderíamos dizer
que se, atualmente, na ciência, o que é procurado consiste em
uma agulha digital perdida em um palheiro de Big Data, en-
tão, persiste pelo menos a necessidade do cuidado para evitar
acidentes e erros, nessa tarefa, que possam trazer consequên-
cias indesejáveis.
No que diz respeito à vida cotidiana, embora o apelo
aos recursos de Big Data possa ter efeitos considerados im-
pactantes, recongurando hábitos, comportamentos e enten-
dimentos de nós mesmos e da realidade que nos cerca, acredi-
tamos que uma revolução ainda não ocorreu, não obstante o
ufanismo de seus promotores. A herança da história evolutiva
humana, geradora de hábitos e disposições de longa duração,
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
44
parece sustentar alguns dos passos da reforma de padrões in-
formacionais, aparentemente em curso, na era de Big Data.
Julgamos que a escolha de critérios de relevância apli-
cados na elaboração de algoritmos, não neutros, para a sele-
ção de correlações a serem privilegiadas em situações e estu-
dos especícos, quando desvinculada de considerações éticas
pode acarretar resultados indesejáveis a curto e longo prazo.
Nesse contexto, sugerimos uma reexão a partir da Sistê-
mica Qualitativa, destacando, dentre os pressupostos dessa
abordagem, a hipótese Batesoniana do duplo-vínculo, sobre a
dinâmica de relações de dependência que se expressam por
meio de padrões informacionais ambíguos, propiciadores de
situações conituosas.
Este é o caso do problema P
2
– sobre possíveis implica-
ções éticas da manipulação de Big Data na ação autônoma –, para
o qual sugerimos uma resposta não muito otimista, na perspec-
tiva falibilista. Contudo, apenas o tempo histórico revelará, com
mais propriedade, se de fato vivenciamos uma revolução ou uma
mera reforma social com o emprego de Big Data na ciência e na
ação cotidiana.
referênCIaS
ANDERSON, C. e End of eory: e Data Deluge Makes
the Scientic Method Obsolete. Wired, June 23, 2008. Disponível
em: https://www.wired.com/2008/06/pb-theory/. Acesso em:
30/09/2018.
BATESON, G. Steps to an Ecology of Mind. Collected essays in
anthropology, psychiatry, evolution, and epistemology. London: Jason
Aronson Inc., 1972.
BATESON, G. Mind and nature. A Necessary Unity. New York: E. P.
Dutton, 1979.
Informação, Conhecimento, Ação Autônoma e Big Data
45
BATESON, G.; JACKSON, D.; HALEY, J. & WEAKLAND, J.
Toward a theory of schizophrenia. Behavioral Science [1956] 1(4):
251-264.
BOLLIER, D. e Promise and Peril
of Big Data. Washington: e
Aspen Institute, 2010. (Report)
BOYD, D. & CRAWFORD, K. Critical Questions For Big Data.
Provocations for a cultural, technological, and scholarly phenomenon.
Information, Communication & Society Vol. 15, No. 5, June 2012, pp.
662–679.
GONZALEZ, M. E. Q. Autonomous action in complex mechanical
systems: A real dilemma? In: Adams, F.; Pessoa Jr., O. & Kogler Jr.,
J.E. (eds.) Cognitive science: recent advances and recurring problems.
Wilmington (DE): Vernon Press, v. 1, p. 17-30, 2017.
IBEKWE-SANJUAN, F. & BOWKER, G. C. Implications of Big
Data for Knowledge Organization. Knowl. Org. 44 (2017).
LANEY, D. 3D Data Management Controlling Data Volume
Velocity and Variety. 2001. Disponível em: https://blogs.gartner.com/
doug-laney/les/2012/01/ad949-3D-Data-Management-Controlling-
Data-Volume-Velocity-and-Variety.pdf. Acesso em: 05/09/2018.
MAYER-SCHONBERGER, V. & CUKIER, K. Big Data. A
Revolution at Will Transform How We Live, Work and ink.
Houghton Mifflin Harcourt, 2013.
PIETSCH, W. Big Data – e New Science of Complexity. 2013.
Disponível em: http://philsci-archive.pitt.edu/9944/. Acesso em:
24/06/2019.
PIETSCH, W. e Causal Nature of Modeling with Big Data. Philos.
Technol. (2016) 29: 137. pp 137–171. Disponível em: https://doi.
org/10.1007/s13347-015-0202-2. Acesso em: 24/06/2019.
SANTANA, E. S.; FERNANDES, I. F. Dados Astronômicos: uma
proposta de implementação para banco de dados. Caderno de Física
da UEFS. 16 (02): 2402.1-20 2018. Disponível em:http://dsweb.
uefs.br/caderno/vol16n2/s4-a2-Dados%20Astronomicos.pdf. Acesso
em: 24/06/2019.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
46
SHAFER, T. e 42 V’s of Big Data and Data Science. 2017.
Disponível em: https://www.kdnuggets.com/2017/04/42-vs-big-data-
data-science.html.https://www.kdnuggets.com/2017/04/42-vs-big-
data-data-science.html. Acesso em: 05/09/2018.
SHANNON, C. E.; WEAVER, Warren. [1949] A mathematical
theory of communication. Urbana: University of Illinois Press, 1998.
SOUZA, E. A.; GONZALEZ, M. E. Q.; VICENTINI, M. R. Big
Data, Pós-verdade e Novo Construtivismo: ainda há um lugar para o
realismo? Semeiosis – Semiótica e Transdisciplinaridade em Revista, São
Paulo, vol. 10, 2019 (no prelo).
SOUZA, E. A.; GONZALEZ, M. E. Q.; VICENTINI, M. R. Big
Data: Philosophy of Science Contemporary Issues. 2019 (no prelo).
VIGEN, Tyler. Spurious correlations. New York: Hachette Books,
2015. Spurious Correlations. Disponível em: http://tylervigen.com/
spurious-correlations. Acesso em 03/09/2018.
WHITEHEAD, A. N. & RUSSELL, B. [1910]. Principia
Mathematica. Cambridge: Cambridge University Press, 1963.
WIENER, N. Cibernética e sociedade. O uso humano de sêres
humanos. Trad. de José Paulo Paes. São Paulo: Cultrix, 1950.
ZINGANO, M. Platão & Aristóteles. O fascínio da Filosoa. 2. ed.
São Paulo: Odysseus, 2005. (Imortais da Ciência)
47
Contexto da Produção CIentífICa de
Big Data: análISe CIentométrICa
Ely F. Tannuri de Oliveira
Rafael Castanha
Rene F. Gabriel Junior
Leilah Santiago Bufrem
A diversidade, a geração e o processamento de grande
quantidade de dados disponíveis digitalmente são caracterís-
ticas associadas ao fenômeno Big Data, que despontou, mais
signicativamente, a partir do início do século XXI, com o
crescimento exponencial da quantidade de dispositivos e de
usuários conectados. Big Data consiste, primariamente, de
conjuntos de dados, caracterizados pelo volume, variedade e
velocidade (3Vs), cuja organização e gerenciamento deman-
dam arquiteturas escaláveis para que os processos de armaze-
namento, manipulação e análise sejam ecientes.
Com o movimento pela ciência aberta e as formas de
democratizar os saberes produzidos, surgem os modelos de
produção de conhecimento interativos, abertos, colaborativos
e livres para que pesquisadores possam deles dispor, reutilizar
https://doi.org/10.36311/2019.978-85-7249-055-9.p47-66
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
48
e compartilhar. Renovam-se possibilidades graças à tecnologia
e ao desenvolvimento de políticas que favorecem essa abertura
para a construção cientíca, que tem sido chamada de “Revo-
lução na sociedade”.
No contexto da produção sobre o tema, há uma sur-
preendente motivação para a busca por caminhos alternativos,
não só na produção de modelos e estruturas propícias à intera-
ção entre pesquisadores e conhecimento, mas também nas for-
mas de comunicação desses dados. Ilustra bem essa motivação o
artigo de Roa-Martínez, Vidotti e Santana (2017), que propõe
uma estrutura para o assim chamado artigo de dados, como
uma modalidade de publicação cientíca. Se analisado o concei-
to de dado – atribuível a uma representação, uma informação,
um evento ou uma coisa – decorre uma ampla possibilidade de
denições. Daí a necessidade de sua especicação, ou seja, para
o caso deste estudo, o foco é nos dados utilizados no processo
de investigação cientíca, o que facilitará a discussão sobre o seu
compartilhamento e publicação. A partir das denições corren-
tes de dados, os autores procuram ir além, para especicar como
caracterizar os dados de investigação ou cientícos, aqueles de
interesse para a comunidade de pesquisadores. Assim, indicam,
para facilitar os estudos sobre o tema, a denição construída por
Torres-Salinas e outros (2012):
[…] todo aquel material que ha sido registrado
durante la investigación, reconocido por la
comunidad cientíca y que sirve para certicar
los resultados de la investigación que se realiza
[…] que debe provenir de una fuente única», sin
tener en cuenta otros elementos como las notas de
laboratorio, los análisis previos, bocetos, informes o
conversaciones informales con otros colegas (ROA-
MARTÍNEZ; VIDOTTI; SANTANA, 2017, p. 2).
Informação, Conhecimento, Ação Autônoma e Big Data
49
Com sólido material de pesquisa, os autores propõem
uma estrutura, com os elementos necessários para permitir o
compartilhamento e publicação de dados para que possam
ser reutilizados. Essa estrutura de referência pode facilitar
o processo de revisão por pares especialistas e as validações
técnicas necessárias a partir de um conjunto de elementos ou
parâmetros denidos, o que, por sua vez, segundo os autores,
posiciona esse tipo de comunicação da produção cientíca
como uma publicação de caráter cientíco. Defendem
a possibilidade de que tenham o mesmo rigor cientíco
e reconhecimento do que têm artigos tradicionais ou
convencionais (ROA-MARTÍNEZ; VIDOTTI; SANTANA,
2017). Essa estrutura compõe-se de metadados do conjunto
de dados de pesquisa publicados, tendo implícito que os
dados não serão apenas compartilhados, mas que deverão ser
publicados obedecendo a normas e padrões pertinentes ao
processo de publicações que os dados requerem.
Ao identicarem os principais nichos e vertentes de pu-
blicação sobre o Big Data analytics, Furlan e Laurindo (2017)
admitem que a era do Big Data já é realidade para empresas e
indivíduos, e a literatura acadêmica sobre o tema tem crescido
rapidamente nos últimos anos. Realizando uma pesquisa
bibliométrica na base de dados ISI Web of Science, utilizam-se
do termo Big Data para focar as práticas de gestão e conseguem
identicar cinco grupos distintos dentre os artigos encontrados:
evolução; gestão, negócios e estratégia; comportamento huma-
no e aspectos socioculturais; mineração dos dados (data mining)
e geração de conhecimento; e Internet das Coisas. Concluíram
que, embora o tema seja emergente e tenha crescido nos últimos
anos, é pouco consolidado, apresentando grande variação nos
termos empregados, o que inuencia nas buscas bibliográcas.
Como resultado complementar da pesquisa, foram identica-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
50
das as principais palavras-chave empregadas nas publicações
sobre Big Data analytics, o que contribui para as pesquisas bi-
bliográcas futuras.
A atual conguração da dinâmica relativa à produção e
à comunicação cientícas permite que se revele o protagonis-
mo da Ciência Orientada a Dados, em concepção abrangente,
representada principalmente por termos como e-Science e Data
Science. Com o objetivo de apresentar a produção cientíca
mundial relativa à Ciência Orientada a Dados a partir dos ter-
mos e-Science e Data Science nas bases de dados Scopus e Web of
Science, entre 2006 e 2016, Bufrem et al. (2016) estruturaram
uma pesquisa na qual buscam informações nas referidas bases
para obtenção e representação dos registros bibliométricos, ten-
do como resultado o destaque, entre a produção cientíca ana-
lisada, para os termos Distributed computer systems (2006), Grid
computing (2007 a 2013) e Big Data (2014 a 2016). Na área de
Biblioteconomia e Ciência de Informação, a ênfase foi dada aos
temas Digital library e Open access, evidenciando a centralidade
do campo nas discussões sobre dispositivos para dar acesso à
informação cientíca em meio digital. Concluem que, sob um
olhar diacrônico, constata-se uma visível mudança de foco das
temáticas voltadas às operações de compartilhamento de dados
para a perspectiva analítica de busca de padrões em grandes vo-
lumes de dados.
Nesse contexto de transformações efetivas, Coneglian,
Gonçalez e Santarem (2017) voltam-se aos prossionais da
informação, desaando-os a trabalhar com a rapidez imposta
tanto pela geração de informação e de dados, quanto pela
variedade de fontes em que se encontram. Assim, sua atuação
apresenta-se como fundamental ao buscar a sinergia entre
as necessidades de gestores e a expertise dos prossionais da
computação.
Informação, Conhecimento, Ação Autônoma e Big Data
51
Ao procurar identicar e discutir a intersecção en-
tre as funções executadas pelos administradores (gestores),
cientistas da computação e os prossionais da informação
em ambientes de Big Data Analytics, os autores partem dos
estudos da Ciência da Informação, do Prossional da In-
formação e do Big Data, para estabelecer um elo entre tais
conceitos. Descrevem a atuação do prossional da informa-
ção em todas as fases da análise dos dados, vericando uma
intersecção entre a proposta de relacionamento entre os ato-
res “Administrador”, “Prossional da Informação” e “Pros-
sional da Computação” com o chamado cientista de dados,
concluindo que, devido a diferentes competências exigidas
do cientista, tanto o prossional da informação quanto o
prossional da computação podem se especializar nesta área,
atuando em campos diferentes, mas complementares, for-
necendo informações em cenários de Big Data, auxiliando a
tomada de decisões e agregando valores para as organizações.
Pode-se questionar se com esse processo transforma-
dor ocorreria, de fato, uma cultura participativa, superando
a questão da obsolescência das mídias, além da solução no
armazenamento em nuvem (in cloud). A literatura parece in-
dicar que o Big Data, embora enseje a recuperação e uso de
um imenso volume de dados, hoje congura novos desaos,
sendo o mais premente a longevidade digital, como sugeriu
Besser (2010), ao defender a necessidade de “começar a pensar
em um modo de assegurar que a informação digital continue
acessível durante longo período”. Ele descreve o problema do
desaparecimento da informação digital e analisa os cinco fa-
tores causadores de problemas na sua longevidade: o da visua-
lização, o do embaralhamento, o da inter-relação, o da custó-
dia e o da tradução. Propõe ações para reduzir o problema de
preservar os documentos digitais para o futuro e alerta sobre
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
52
a importância da cooperação internacional para a preservação
da informação digital.
Katz e Martin (1997) apontam a coautoria como in-
dicador da atividade de colaboração cientíca e apresentam
algumas de suas vantagens: constitui-se de dados objetivos,
podendo ser raticada por estudos de outros pesquisadores;
representa uma metodologia acessível e amigável para quan-
ticar a colaboração. As pesquisas indicam que a coautoria
incrementa a produção cientíca e a visibilidade do país, e
tem promovido várias iniciativas governamentais dirigidas ao
comportamento colaborativo, no âmbito de pesquisadores,
instituições ou países.
Muitos estudos voltam-se para as relações existentes
entre produtividade cientíca e coautoria cientíca. Entre eles,
destaque-se os estudos de Eaton et al. (1999), que apontam uma
forte relação entre o número de coautores e a produtividade
cientíca, sinalizando que grupos que produzem com maior
número de coautores tendem a publicar mais artigos.
Neste contexto, a análise de coautoria reete um rol
possível de intercâmbios e trocas entre os pesquisadores e
constitui um procedimento signicativo, sendo medida pelo
número de publicações em colaboração entre autores, ins-
tituições ou países e empregada para identicar e mapear a
cooperação regional, nacional ou internacional. A coautoria
identica a circulação do conhecimento e das novas ideias,
dentro, especialmente, da comunidade mundial. A coautoria
em âmbito internacional, no tocante à internacionalização,
adquire relevância especial.
A questão desta pesquisa assim se explicita: quais as
áreas e subáreas e quais as questões sobre o Big Data, enquanto
objeto cientíco, estão sendo mencionadas em artigos cien-
tícos, no período de janeiro de 2016 a dezembro de 2017
Informação, Conhecimento, Ação Autônoma e Big Data
53
registrados nos periódicos na base Scopus, levando em con-
sideração as diferentes áreas do conhecimento? Pergunta-se,
ainda, quais veículos de comunicação cientíca estão sendo
mais utilizados?
A pesquisa tem como objetivo geral identicar a ênfase
dada a artigos sobre Big Data. De forma mais especial, objetiva
explicitar em quais áreas do conhecimento se destacam, quais
as temáticas mais candentes e analisar o perl das publicações
periódicas que mais produzem sobre o tema. Por m, apresen-
tar os países mais produtivos e as coautorias internacionais,
por meio de procedimentos cientométricos.
Esta pesquisa justica-se pela necessidade de analisar este
fenômeno nas diversas áreas do conhecimento e como tem se
comportado a dinâmica dos estudos cientícos sobre a temática
em uma perspectiva sincrônica, em outras áreas, além da Ciência
da Computação. Ainda, vericar em qual intensidade este tema
está presente em grandes áreas do conhecimento, tais como,
Ciências da Vida, Ciências Exatas, Tecnológicas e Multidisciplinar
e Humanidades (CAPES, 2014). Pretende-se que este estudo se
preste a subsidiar políticas de pesquisa sobre o tema.
1. metodologIa
Essa pesquisa, de caráter exploratório e analítico, está si-
tuada no segundo grupo alvo de Glänzel (2003). O autor destaca
três grupos-alvo em Bibliometria, a saber, Bibliometria para pro-
ssionais da bibliometria (G
1
), que busca desenvolver e debater a
bibliometria como metodologia, isto é, está preocupada com o
seu próprio desenvolvimento conceitual-teórico-metodológico;
Bibliometria aplicada às disciplinas cientícas (G
2
): esse é grupo de
pesquisa bibliométrica “aplicada” e se constitui o maior e mais
diversicado grupo de interesse na bibliometria e ainda, Biblio-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
54
metria para a política cientíca e gestão (G
3
): esse é o domínio da
avaliação da pesquisa com ns de orientar políticas cientícas.
Assim, esta pesquisa situa-se em âmbito da cientome-
tria e faz parte do grupo da Bibliometria aplicada às disciplinas
cientícas, considerando que serão utilizados procedimentos
bibliométricos para análise dos objetivos propostos.
Como procedimento de pesquisa, em 25 de julho de
2018, consultou-se a base de dados Scopus, com o termo de
busca “Big Data”, presente na tipologia artigos, em seus tí-
tulos, resumos e palavras-chave, publicados de 2016 a 2017.
Justica-se a análise desses dois anos por corresponderem a
60,9% de toda produção sobre o tema. Como resultado, fo-
ram encontrados 7.103 artigos publicados, sendo que 3.213
deles eram do ano de 2016 e 3.890 do ano de 2017, veri-
cando-se um acréscimo de 21,07% de um ano para outro.
Desse total de artigos, somente 436 (6,1%) estão em perió-
dicos open access.
A produção sobre Big Data saltou de menos de 30
artigos publicados em 2011 para 3.890 em 2017, tendo um
alto crescimento.
Gráco 1 - Representação Sincrônica da produção sobre o tema.
Fonte: Construção dos autores
Para vericação das temáticas mais usadas, utilizaram-
se os dados da própria base, buscando-se as dez palavras-
Informação, Conhecimento, Ação Autônoma e Big Data
55
chave mais presentes, adicionando-se às incidências de
Human com as de Humans.
Apresentou-se a tabela dos periódicos que mais pu-
blicam no tema, com seus respectivos países, Quartil ao qual
pertencem, Índice h e áreas do conhecimento dos periódicos.
Ainda, apresentaram-se os países mais produtivos nas temáti-
cas relacionando-os com o desenvolvimento em Ciência, Tec-
nologia e Informação.
Como procedimento nal, mapearam-se, por meio
do software Vosviewer, as coautorias internacionais dos países
envolvidos nas publicações relacionadas ao tema Big Data. Para
o mapeamento, utilizou-se a totalidade dos dados recuperados
na pesquisa e traçou-se a rede de coautorias internacionais,
entre os países coautores, procedendo-se à análise.
2. aPreSentação doS dadoS
Ao recuperar os 7.103 artigos segundo os critérios descri-
tos anteriormente, analisaram-se as principais temáticas relacio-
nadas a Big Data, bem como as principais fontes de publicação
periódicas, países que mais publicaram sobre o tema e como estes
países relacionam-se em termos de coautorias internacionais.
Para a análise das principais temáticas, recuperaram-se
as palavras-chave com maior incidência no conjunto de artigos
obtidos pelo termo de busca Big Data, assim como apresentado
no Quadro 1. Percebe-se que, somadas, estas palavras-chave
estão presentes em 5.123 artigos.
O Quadro 1 apresenta nove palavras-chave como as
principais relacionadas aos artigos. Dessa maneira, destaca-se que
a temática mais incidente nesta coleta de dados é representada
pela palavra-chave Human(s). Entretanto, como já descrito
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
56
anteriormente, as palavras-chave Human (860) e Humans (610)
foram somadas, visto que apresentam apenas a variação relativa à
exão de número.
Quadro 1 - Principais temas relacionados (palavras-chaves)
Keywords* Palavras-Chave Nº de Artigos
Human(s) Humano(s) 1470
Data mining Mineração de dados 893
Data Handling Manipulação de dados 622
Article Artigo 607
Digital Storage Armazenamento Digital 452
Cloud Computing Processamento em nuvens 405
Information Mana-
gement
Gerenciamento de Infor-
mação
346
Distributed Computer
Systems
Sistemas de Computação
distribuídos
328
Total 5.123
Nesse sentido, pode-se dizer que as temáticas mais re-
levantes desta pesquisa são Data Mining (Mineração de dados)
presente em 893 artigos, seguidas por Data Handling (Mani-
pulação de dados) em 622 artigos. Tanto Data Mining quanto
Data Handling podem ser relacionados a áreas do conheci-
mento com forte aporte computacional e tecnológico, como
Ciência da Computação e Engenharias, corroborando com o
que expressa a literatura relacionada a Big Data.
Pode-se ainda destacar, neste mesmo segmento, as
palavras-chave Digital Storage (Armazenamento Digital),
Cloud Computing (Processamento em nuvens), Information
Management (Gerenciamento de Informação) e Distributed
Computer Systems (Sistemas de Computação Distribuída)
com 452, 405, 346 e 328 respectivas incidências nos artigos,
Informação, Conhecimento, Ação Autônoma e Big Data
57
palavras também que remetem a pesquisas relacionadas à
computação e tecnologia.
Em uma análise combinada das palavras-chave com
os artigos, apresentada na Figura 2, pode-se identicar duas
grandes temáticas de estudo sobre Big Data. A primeira en-
volvendo a Ciência da Computação principalmente com os
temas relacionados a metodologias, descrição de metadados,
modelos reducionistas, redes neurais, manipulação de infor-
mação, computação na nuvem entre outros, formando um
grupo que se relaciona aos estudos sobre o próprio Big Data.
A outra grande temática relaciona o Big Data a suas
aplicações, principalmente nos estudos relativos aos seres hu-
manos, envolvendo principalmente a genética, genoma, doen-
ças, com destaque para o Alzheimer, gripe H1N1 e o diabe-
tes, entre outras, caracterizando-se como a pesquisa que busca
identicação de padrões.
Figura 1 - Cluster das palavras-chave dos artigos
Fonte: Elaborada pelos autores por meio do software Vosviewer no formato CSV (Excel).
Pode-se observar ainda, na Figura 1, que existem te-
máticas que conectam estes dois grandes grupos, desenvolven-
do estudos principalmente sobre aprendizados por máquinas,
processamento de imagens, algoritmos, taxonomias, classi-
cação, mineração de dados, descrição de dados entre outros.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
58
É nessa área que atuam os prossionais da informação, prin-
cipalmente preparando dados para serem processados, como
destacado por Coneglian, Gonçalez e Segundo (2017).
Visando identicar as principais fontes de publicação
dos artigos analisados e a m de observar possíveis relações com
a temática, foram recuperadas as publicações periódicas que
mais publicaram artigos com o termo Big Data presente em seus
Títulos, Resumos ou Palavras-Chave. Dessa forma, apresenta-se
o Quadro 2, composto pelas dez fontes mais produtivas, jun-
tamente com seus respectivos países de procedência, Quartil,
Índice h e áreas do conhecimento a que estão associadas.
Observou-se que, das dez publicações periódicas,
as duas mais produtivas são oriundas da Venezuela (Boletin
Técnico e Revista de La Facultad de Ingenieria), com respec-
tivos 156 e 120 artigos publicados, efeito ocorrido somente
em 2016, não se repetindo em 2017. Porém, mesmo como
mais produtivos, estes periódicos estão situados no Quartil de
menor relevância e possuem também os menores Índice h,
ambos situados no Quartil Q4 e com Índice h, igual a 3 e 6,
respectivamente. Representando as áreas de Engenharia Civil,
Ciências de Matérias e Ciências Planetárias e da Terra, essas
revistas podem ser caracterizadas como outliers.
Quadro 2 - Principais fontes de publicação
Fontes País
Nºde
Artigos
SJR Rankings
Áreas
Quartil Índice h
Boletin Técnico Venezuela 156 Q4 3
Engenharia
Civil; Ciências
de Materiais
Revista de La
Facultad de
Ingenieria
Venezuela 120 Q4 6
Ciências
Planetárias e da
Terra
IEEE Access EUA 102 Q1 36
Ciências da
Computação;
Engenharias
Informação, Conhecimento, Ação Autônoma e Big Data
59
Future
Generation
Computer
Systems
Holanda 65 Q1 85
Ciência da
Computação
Agro Food
Industry Hi Tech
Itália 60 Q3 16 Engenharia
Neurocomputing Holanda 54 Q1/Q2 100
Ciência da
Computação;
Neurociências
Lectures Notes
In Computer
Science
Alemanha 53 Q2 296
Ciência da
Computação;
Matemática
Cluster
Computing
Holanda
51 Q2
31
Ciência da
Computação
International
Journal of
Control eory
and Aplications
Índia 50 Q4 13
Ciência da
Computação
Jisuanji Yanjiu
Yu Fazhan
Computer
Research and
Development
China 47 Q3 30
Ciência da
Computação
Total
- 758 - -
-
Fonte: Construção dos autores
O fato dessas publicações serem oriundas da Venezuela
pode suscitar discussões com relação ao papel do país no âmbi-
to do desenvolvimento da temática e possível incentivo a pes-
quisas relacionadas a Ciência, Tecnologia e Informação, visto
que, historicamente, a Venezuela, fazendo parte da América
Latina, não está situada entre as grandes produtoras de ciência
no mundo como os EUA, a China e a Alemanha. Esta questão
apontada carece de maior aprofundamento de estudos.
Em contraponto, os periódicos com Quartil de maior
relevância (Q1) são oriundos dos EUA e Holanda: IEEE
Access (EUA), Future Generation Computer Systems (Holanda) e
Neurocomputing (Holanda). Tais periódicos foram responsáveis
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
60
pela produção de 102, 65 e 54 artigos respectivamente. Pode-se
também apontar a notoriedade destas publicações ao observar seu
Índice h, visto que apresentam respectivamente os valores de 36,
85 e 100 como índice. Com relação às áreas do conhecimento
às quais estão associadas estas publicações, nota-se a Ciência da
Computação, as Engenharias e as Neurociências.
Ademais, deve-se destacar que o periódico com o maior
Índice-H é o alemão Lectures Notes In Computer Science, com
296, e é relacionado à Matemática e à Ciência da Computação
com Quartil igual a Q2. Dessa maneira, pode-se observar, que
mesmo que os periódicos mais produtivos sejam oriundos da
Venezuela, os de maior relevância segundo o Quartil e Índice
h são provenientes dos EUA, Holanda e Alemanha, países
com destaque internacional na produção cientíca mundial.
Além disso, nota-se que todos os periódicos são relacionados
a áreas do conhecimento das Ciências Exatas. Nesse contexto,
analisaram-se ainda os países mais produtivos com relação ao
tema Big Data. Os países são descritos na Quadro 3, podendo-
se destacar China e EUA como os mais produtivos.
Quadro 3 – Países mais produtivos
Países Artigos
China 2.288
EUA 1.759
UK 550
Índia 495
Coreia do Sul 402
Alemanha 289
Áustria 289
Canadá 242
Itália 231
Espanha 214
Fonte: Construção dos autores
Informação, Conhecimento, Ação Autônoma e Big Data
61
Ao se destacarem os dez países mais produtivos, a Chi-
na ganha notoriedade por estar presente em 2.288 artigos re-
lacionados ao tema, seguida dos EUA, com 1.759 artigos. En-
tretanto, para que se possa ter uma maior dimensão dos países
mais produtivos, mapearam-se as coautorias entre estes países,
assim como apresentado na Figura 2.
Figura 2 - Mapeamento das Coautorias Internacionais.
Fonte: Elaborada pelos autores por meio do software Vosviewer no formato CSV (Excel).
Os fenômenos relacionados ao Big Data estão
ligados diretamente à supercomputação e de acordo com o
site TOP500list, que divulga duas vezes ao ano o ranking
dos computadores mais velozes do mundo, a China aparece
em primeiro lugar, tendo 206 dos 500 supercomputadores
listados, Estados Unidos com 124, Japão com 36, Alemanha e
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
62
França com 21 e 18 supercomputadores respectivamente. Essa
hegemonia tecnológica dos Estados Unidos e da China reete-
se diretamente na produção cientíca, como é ilustrado na
Figura 2, com a indicação dos maiores círculos para os países
mais produtivos.
Entretanto, observa-se que existe uma colaboração
em coautorias entre os pesquisadores de diferentes países,
destacando as coautorias entre Coreia do Sul, Suíça e Estados
Unidos com a China, e da França com os Estados Unidos.
Pode-se identicar também o domínio Chinês, principalmente
com os países asiáticos como Coreia do Sul, Singapura, Macau
e Hong Kong. Dos países mais produtivos que apresentam
pouca coautoria internacional destacam-se o Reino Unido,
Alemanha, Austrália, Canadá, Itália e Espanha.
É possível destacar que o conhecimento dessa pro-
dução cientíca relacionada aos temas que compõem a
conguração aqui analisada permite a identicação das ca-
racterísticas da discussão cientíca que ocorre no contexto
teórico empírico em que é produzida.
ConSIderaçõeS fInaIS
Com a análise da produção de artigos na base Scopus,
relativa aos anos de 2016 e 2017, foi possível identicar que os
temas mais pesquisados envolvem os seres humanos, seja em
técnicas de coleta de dados, seja na identicação de padrões de
comportamento ou genético.
Examinando o tema sob a dimensão metodológica,
observa-se que para realizar essas análises são necessários o
desenvolvimento de técnicas de mineração e manipulação
de dados, gerenciamento de informações, principalmente na
Informação, Conhecimento, Ação Autônoma e Big Data
63
otimização do armazenamento de grandes massas de dados.
Conta-se, para isso, com estudos relacionados a sistemas de
computação distribuída e processamento na nuvem. Esse
resultado reete as palavras-chave mais utilizadas na análise
dos artigos deste estudo.
Na análise das revistas mais produtivas, descartado o
desvio das revistas venezuelanas, sugestivo do caráter geopolí-
tico pelo qual pode ser analisada a América do Sul e seu pro-
cesso de integração em curso, pode-se observar que a concen-
tração dos estudos é nas áreas de Ciência da Computação e
Engenharia. Salienta-se, entretanto, que há uma intensicação
no processo de integração regional que tem desencadeado mo-
vimentos de natureza político-estratégica em termos de pro-
dução cientíca. Observou-se que os países mais produtivos
são a China e os Estados Unidos, reetindo diretamente o
investimento realizado por sua política no desenvolvimento
de supercomputadores, ou o agrupamento (cluster) de compu-
tadores, sendo esses países os detentores do maior número de
supercomputadores instalados.
Considerando-se que os Estados Unidos e a China
são os maiores produtores sobre a temática, esperava-se que a
intensidade da colaboração internacional entre pesquisadores
destes países fosse mais destacada.
Conclui-se que o Big Data é um tema novo na ciência,
seu reexo pode ser observado com a produção de trinta arti-
gos sobre o tema em 2011, para 3.890 artigos produzidos em
2017, e um crescimento de 20,07% em relação a 2016. Por
estar concentrada em países mais ricos, a produção em acesso
aberto representou apenas 6,1% de toda produção analisada.
Salienta-se, desse modo, o aprofundamento sobre
a informação e os artefatos tecnológicos como suporte aos
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
64
grandes sistemas de armazenamento e tratamento da in-
formação especializada, em decorrência da forma de fazer
ciência e suas transformações ao longo dos anos. É percep-
tível o círculo de inter-relações que se efetiva entre áreas do
conhecimento, autores, instituições, países e congurações
temáticas e isso tem sido um desao aos especialistas em es-
tudos métricos, especialmente pelo potencial de visibilidade
que podem oferecer e a consequente complexidade para sua
análise e interpretação.
Esse constante e dinâmico processo de inuência mú-
tua entre a ciência e as tecnologias utilizadas na produção e co-
municação do conhecimento cientíco tem sido potencializa-
do, por um lado pelos avanços das tecnologias de informação
e comunicação, em particular das redes computacionais e, por
outro, da possibilidade de compartilhamento dos dados por
parte de intermediários que atuam a partir das possibilidades
concretas de compartilhar, utilizar e reutilizar dados com os
seus pares.
referênCIaS
BESSER, H. Longevidade digital. Acervo, Rio de Janeiro, v. 23, no
2, p. 57-70, jul/dez 2010 –Request PDF. Disponível em: https://
www.researchgate.net/publication/260301901_Longevidade_Digital.
Acesso em: 21/08/2018.
BUFREM, L. S. et al. Produção internacional sobre ciência orientada
a dados: análise dos termos Data Science e E-science na Scopus e
na Web of Science. Informação & Informação, v. 21, n. 2, p. 40-67,
2016. DOI: 10.5433/1981-8920.2016v21n2p40.
CONEGLIAN, C. S.; GONÇALEZ, P. R. V. A.; SEGUNDO, J. E.
S. O prossional da informação na era do Big Data. Encontros Bibli:
Revista Eletrônica de Biblioteconomia e Ciência da Informação, v. 22, n.
50, 2017.
Informação, Conhecimento, Ação Autônoma e Big Data
65
CONEGLIAN, C. S.; SEGUNDO, J. E. S.; SANT´ANA, R. C. S.
G. A. Big Data: fatores potencialmente discriminatórios em análise de
dados. Em Questão, v. 23, n. 1, 2017.
COORDENAÇÃO APERFEIÇOAMENTO DE PESSOAL DE
NÍVEL SUPERIOR (CAPES). Tabelas de Áreas do Conhecimento.
Brasília: Ministério da Educação, 2014, atualizado em 2018.
Disponível em: http://www.capes.gov.br/avaliacao/instrumentos-
de-apoio/tabela-de-areas-do-conhecimento-avaliacao. Acesso em:
21/08/2018.
EATON, J. P. et al. Structural analysis of co-author relationships
and author productivity in selected outlets for consumer behavior
research. Journal of Consumer Psychology, v. 8, n. 1, p. 39-59, 1999.
FURLAN, P. K.; LAURINDO, F. J. B. Agrupamentos
epistemológicos de artigos publicados sobre Big Data analytics.
Transinformação, v. 29, n. 1, p. 91-100, 2017. DOI: 10.1590/2318-
08892017000100009.
GLÄNZEL, W. Bibliometrics as a research eld: a course
on theory and application of bibliometric indicators.
Bélgica: [s.n.], 2003. http://citeseerx.ist.psu.edu/viewdoc/
download?doi=10.1.1.97.5311&rep=rep1&type=pdf. Acesso em:
21/08/2018.
KATZ, J. S.; MARTIN, B. R. What is research collaboration?
Research Policy, Amsterdam, v. 26, p. 1-18, 1997.
ROA-MARTÍNEZ, S.M.; VIDOTTI, S.A.B.; SANTANA, R.
C. Estructura propuesta del artículo de datos como publicación
cientíca. Revista Española de Documentación Cientíca, n. 40, v.1, p.
e167, 2017. DOI: 10.3989/redc. 2017.1.1375.
TORRES-SALINAS, D. Compartir datos (data sharing) en ciencia:
contexto de una oportunidad. Anuario inkEPI, v. 1, pp. 258-261,
2009. Disponível em: http://www.thinkepi.net/compartir-datos-
data-sharing-en-ciencia-el-contexto-de-una-oportunidad. Acesso em:
21/08/2018.
67
InterSeCção temátICa de ProgramaS
de PóS-graduação BraSIleIroS:
ConSIderaçõeS SoBre Big Data
Jacquelin Teresa Camperos-Reyes
Luiza de Menezes Romanetto
Ricardo Cesar Gonçalves Sant’Ana
Plácida Leopoldina Ventura Amorim da Costa Santos
O termo Big Data surgiu em meados dos anos 2000,
denido inicialmente a partir de 3 V’s: volume, variedade e ve-
locidade, desde então tem sido empregado para descrever um
fenômeno vinculado à terceira era da informação (NESELLO;
FACHINELLI, 2014). Os autores supracitados consideram
que, “[...] as contribuições de big data são possíveis de serem
realizadas desde que a matéria-prima informacional, gerada
pela exploração dos dados, seja transformada em inteligência,
por meio do processo de análise” (NESELLO; FACHINELLI,
2014, p.19).
Ao analisar a produção cientíca nas bases de dados
Web of Science e Scopus no período de 2009-2014, focando Big
Data e Inteligência Estratégica, Nesello e Fachinelli (2014)
identicaram a predominância de trabalhos apresentados em
https://doi.org/10.36311/2019.978-85-7249-055-9.p67-82
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
68
eventos cientícos, o que levou os pesquisadores a sugerir a
atualidade do tema para a comunidade cientíca. Cabe desta-
car que, ao analisar a produção de livros foi constatada a pre-
dominância na área de Ciência da Computação (NESELLO;
FACHINELLI, 2014).
[...] a gestão de dados se complexicou com a
emergência do Big Data, que aponta para novos
horizontes cientícos e pragmáticos conduzindo para
a exigência de novas habilidades e conhecimento para
os prossionais da área, visando o enquadramento
no perl para a gerência dos dados (RODRIGUES;
NOBREGA; DIAS, 2017, não paginado).
Neste contexto, a gestão de dados torna-se fundamen-
tal para obter informação e transformá-la em conhecimento.
Rodrigues, Nóbrega e Dias (2017, não paginado) consideram
que a gestão de dados no contexto dos Big Data está funda-
mentada em quatro pilares: técnico, social, político e legal, e
caracterizam a gestão de dados como
disciplina que tem como nalidade denir, planejar,
implantar e executar: estratégias, procedimentos e
práticas necessárias para gerenciar de forma efetiva
os recursos de dados e informações das organizações,
incluindo planos para sua denição, padronização,
organização, proteção e utilização.
Em seguida, a matemática viabiliza inferir probabili-
dades e correlações em enormes quantidades de dados, o que
possibilita realizar previsões (CRAVO, 2015).
Compreende-se que o fenômeno Big Data se refere a
geração e uso de dados estruturados, semi-estruturados, em
que têm sido adotadas diversas técnicas para coletar, integrar,
Informação, Conhecimento, Ação Autônoma e Big Data
69
analisar e tomar decisões, a partir de diversos tipos de dados,
para os mais diversos ns. Para tanto, torna-se imprescindível
que haja desenvolvimento tecnológico atrelado a uma soma de
habilidades e conhecimentos entre os mais diversos setores de
atividade na sociedade contemporânea.
Entender este fenômeno recente e de tamanha complexi-
dade requer, em um primeiro momento, analisar como tem sido
a atuação de institutos de ensino superior e pesquisa. Reconhe-
cendo que, requer mão de obra qualicada e que, para seu de-
senvolvimento e aplicação na sociedade, torna-se desejável uma
soma de estudos previamente desenvolvidos que apontem para os
riscos e fatores positivos e negativos a serem considerados.
Há de se considerar como base as premissas de Borko
(1968), em que a Ciência da Informação é responsável por inves-
tigar a origem, coleta, organização, armazenamento, recuperação,
interpretação, transmissão, transformação e o uso da informação,
assim como, reconhecer que no contexto dos Big Data a infor-
mação é resultado da geração, processamento e análise de dados,
ciclo este realizado por diferentes áreas do conhecimento.
Considera-se relevante destacar o papel dos programas
de pós-graduação no Brasil, bem como frisar a importância
das atividades desenvolvidas pela Coordenação de Aperfei-
çoamento de Pessoal de Nível Superior – CAPES, instituição
vinculada ao Ministério da Educação, que tem como principal
linha de atuação promover:
1) avaliação da pós-graduação stricto sensu; 2) acesso
e divulgação da produção cientíca; 3) investimentos
na formação de recursos de alto nível no país e
exterior; 4) promoção da cooperação cientíca
internacional; e, 5) indução e fomento da formação
inicial e continuada de professores para a educação
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
70
básica nos formatos presencial e a distância (BRASIL,
2008, não paginado).
A CAPES, inicialmente chamada por Campanha Na-
cional de Aperfeiçoamento de Pessoal de Nível Superior, foi
criada por meio do Decreto 29.741 de 1951, com o objetivo
direcionado a formação prossional em quantidade e qualida-
de para atender às necessidades dos setores públicos e privados
necessários para o desenvolvimento do país (BRASIL, 2008).
O que nos remete à importância dos programas de pós-gra-
duação para a formação prossional nos mais diversos setores
de atuação na sociedade contemporânea.
A avaliação de programas adotada pela CAPES foi
implementada em 1997, baseada em uma escala numérica de 1 a
7, estabelecendo reavaliação de cursos a cada 4 anos (NOBRE;
FREITAS, 2017). O Plano Nacional de Pós-Graduação
Stricto Sensu, elaborado desde 1981, tem sido desenvolvido
com intuito de “denir novas diretrizes, estratégias e metas
para dar continuidade e avançar nas propostas para a política
de pós-graduação e pesquisa no Brasil” (NOBRE; FREITAS,
2017, p. 29).
No contexto deste estudo, considera-se relevante desta-
car o papel dos Programas de Pós-Graduação no terceiro PNPG,
período 1986-1989, diante do reconhecimento de que
No que se refere à pós-graduação, essa ideia se
expressava no fato que não havia um quantitativo de
cientistas suciente para se atingir plena capacitação
cientíca e tecnológica no país, tornando importante,
portanto, o progresso da formação de recursos
humanos de alto nível, já que a sociedade e o governo
buscavam a independência econômica, cientíca e
Informação, Conhecimento, Ação Autônoma e Big Data
71
tecnológica para o Brasil no século XXI (NOBRE;
FREITAS, 2017, p.30).
A Avaliação do Sistema Nacional de Pós-Graduação
foi implantada desde 1997 e, representa uma atividade fun-
damental para manter a qualidade dos cursos de Mestrado e
Doutorado no Brasil. Atualmente a avaliação é dividida em 49
áreas, distribuídas em dois níveis: três colégios e nove grandes
áreas
1
(BRASIL, 2018).
Com base na classicação de áreas realizada pela CAPES,
foram selecionados alguns cursos por Área de Avaliação na
Plataforma Sucupira, conforme será descrito na próxima seção.
O estudo apresentado neste artigo, foi realizado com o objetivo
de identicar, no âmbito de programas de pós-graduação, quais
as características, temáticas e disciplinas oferecidas podem
conter similaridades pertinentes às necessidades do fenômeno
Big Data no Brasil, assim como, qual a contribuição da Ciência
da Informação para este fenômeno.
De modo que o problema de pesquisa pode ser assim
denido: Qual é o tipo de relação teórica existente entre os
programas de Ciência da Informação, Ciência da Computa-
ção e Matemática, no Brasil, ao abordar temáticas relaciona-
das com o Big Data?
Divisão de áreas da CAPES: Colégio: Ciências da vida (Grandes áreas: Ciências
agrárias; Ciência biológicas; Ciências da saúde); Colégio; Ciências exatas, tecnológicas e
multidisciplinar (Grandes áreas: Ciências exatas, tecnológicas e multidisciplinar; Engenharias;
Multidisciplinar); Colégio: Humanidades (Grandes áreas: Ciências humanas; Ciências sociais
aplicadas; Linguística, letras e artes) (BRASIL, 2018).
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
72
1 PerCurSo metodológICo utIlIzado
Para responder ao problema e atingir o objetivo da
pesquisa, objetivo que a encaminha como exploratória de na-
tureza qualitativa, realizou-se, para coleta dos dados, revisão
bibliográca, e, para a análise e interpretação dos dados, utili-
zou-se da análise de conteúdo, seguindo as etapas:
1. revisão bibliográca acerca do fenômeno Big Data;
2. coleta de dados na plataforma Sucupira
2
buscando
identicar os programas de pós-graduação (PPG)
alvo da pesquisa;
3. análise das características, temáticas e disciplinas
oferecidas em cada programa identicado, a partir
de informações descritas nos sites dos PPG.
A revisão bibliográca realizada na etapa 1 foi realiza-
da com intuito de identicar e caracterizar as tendências rela-
cionadas aos estudos desenvolvidos na temática. Para Cravo
(2015), o surgimento dos Big Data está diretamente relaciona-
do à habilidade de extrair de grandes bases de dados perspec-
tivas inovadoras ou novas formas de valor econômico, o que
gera impacto e pode repercutir em mudanças em mercados,
organizações, relações sociais e governos.
Na etapa 2, o procedimento para identicar os progra-
mas que iriam compor o corpus da pesquisa foi desenvolvido
mediante consulta na plataforma Sucupira. Dita plataforma é
uma “[...] ferramenta para coletar informações, realizar análi-
ses e avaliações, e ser a base de referência do Sistema Nacional
de Pós-Graduação (SNPG)”, do Brasil. A Sucupira é mantida
pela CAPES (CAPES, 2018).
https://sucupira.capes.gov.br/sucupira/public/index.xhtml
Informação, Conhecimento, Ação Autônoma e Big Data
73
O site da Sucupira apresenta a opção de menu rotu-
lada como Cursos avaliados e reconhecidos, que permite recu-
perar segundo Dados quantitativos de programa, programas
classicados segundo a Nota de Avaliação obtida por cada
PPG. No Brasil, as notas estão no leque de 1 ao 7
3
, tendo
então 7 notas não concorrentes possíveis para cada progra-
ma. Nesta pesquisa optou-se por identicar programas des-
tacados, avaliados com notas 5, 6 e 7, nas áreas de avaliação
Ciência da Computação, Comunicação e Informação; e Mate-
mática / Probabilidade e estatística.
Para realizar a etapa 3 aplicou-se leitura crítica, em
cada site de PPG identicado, na busca de inferências, me-
diante análise de conteúdo (BARDIN, 2010) das missões, li-
nhas de pesquisa e ementas das disciplinas, focando a referên-
cia ao processamento de grandes volumes de dados, mineração
de dados, e/ou, Big Data.
A análise de conteúdo possibilita a produção de
inferências recorrendo ou não a indicadores quantitativos
(BARDIN, 2010), portanto, buscou-se identicar quais
as temáticas pertinentes ao fenômeno Big Data têm sido
desenvolvidas pelos PPG no Brasil e a contribuição da Ciência
da Informação nesse cenário, apresentando uma mensuração
dessa abordagem no Brasil.
2 aPreSentação e análISe doS reSultadoS
A gura 1 apresenta a distribuição dos 42 programas
identicados na coleta, indicando as notas que ganharam na
avaliação vigente na CAPES.
Maior detalhamento do sistema de avaliação de programas de pós-graduação no site
http://www.capes.gov.br/acessoainformacao/perguntas-frequentes/avaliacao-da-pos-
graduacao/7421-sobre-avaliacao-de-cursos
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
74
Figura 1. Distribuição dos programas identicados segundo
nota CAPES
Fonte: Plataforma Sucupira (2018)
As áreas de avaliação foram referenciadas destarte:
Ciência da Informação (CI); Ciência da Computação (CC);
e, Matemática/Probabilidade e Estatística (MAT). Considera-
ram-se unicamente PPG, mestrado (ME) e doutorado (DT),
strictu sensu, somando no total 42 programas como corpus da
pesquisa, sendo 5 da Ciência da Informação, 17 da Ciência da
Computação e 20 de Matemática/Probabilidade e estatística.
2.1 mISSõeS/aPreSentaçõeS
Entre os cursos analisados, foi possível identicar que
apenas dois apresentam em sua missão/apresentação temáti-
cas relacionadas aos Big Data. O Programa de pós-graduação
em Engenharia de Sistemas da Universidade Federal do Rio
de Janeiro descreve sobre o desenvolvimento de pesquisas em
Informação, Conhecimento, Ação Autônoma e Big Data
75
mineração de dados e abordagem da temática “tratamento da
sobrecarga de informação”.
Por outro lado, o Programa de pós-graduação em Ges-
tão e Organização do Conhecimento da Universidade Federal
de Minas Gerais indica como prioridade o desenvolvimento
de pesquisas relacionadas a “tendência de conexão e interação
entre equipamentos via Web, através de vocabulários contro-
lados, popularmente denominada internet das coisas [...] a ex-
plosão de fontes de informação e conhecimento heterogêneas,
que tem sido denominada de big data, e a necessidade de tor-
ná-las úteis” (2018, não paginado).
Os demais PPG analisados não indicavam a temática
Big Data na missão ou apresentação do curso. Em alguns ca-
sos, a informação não foi localizada ou o site estava fora do ar,
conforme indicado no quadro 1.
Quadro 1. Categorias observadas nas missões/apresentações
Categoria detectada Ocorrências
Indica explicitamente estudo do fenômeno 2
Não indica relação ao BD 35
Site fora do ar 1
Informação não localizada 4
Fonte: Dados da pesquisa
As missões/apresentações que se manifestam explicita-
mente sobre o estudo do fenômeno, aludem duas nomeações
como “Campos de pesquisa”: a) mineração de dados e tratamento
da sobrecarga de informação, e, b) explosão de fontes de informação
e conhecimento heterogêneas. A primeira categoria na UFRJ, no
PPG em Engenheira de Sistemas e a segunda na UFMG, no
PPG em Gestão & Organização do conhecimento.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
76
2.2 SínteSe de InferênCIaS naS lInhaS de PeSquISa doS
ProgramaS
Dos 42 programas explorados, 18 indicam nas suas li-
nhas de pesquisa o estudo do fenômeno Big Data. O quadro
2 apresenta as inferências realizadas logo após da análise dos
conteúdos.
Quadro 2. Inferências nas linhas de pesquisa
Categoria Quantidade Áreas que a
abordam
Mineração de dados 9 CI, CC
Aprendizado de máquina 6 CC
Bancos de dados em grande escala 4 CC
Geração de conhecimento 4 CC
Processos estocásticos 4 MAT
Inferência Bayesiana 2 MAT
Novas formas de acesso nos novos
ambientes
2 CI
Mineração de dados especicamente
em processos biológicos, linguísticos,
neuronais
1 CC
Inferências em dados complexos 1 CC
Bioinformática e biologia computacional 1 CC
Foco no fenômeno Big Data como tudo 1 CI
Visualização de dados 1 CI, CC
Metadados 1 CI
Evolução e sistemas sociais 1 MAT
Epidemiologia 1 MAT
Informação não localizada 24
Fonte: dados da pesquisa
Informação, Conhecimento, Ação Autônoma e Big Data
77
Somando as ocorrências por PPG, na Ciência da
Informação, três PPG indicam dentro das linhas de pesquisa o
estudo do fenômeno Big Data, onze na Ciência da Computação
e quatro nos PPG de Matemática.
Observou-se um relacionamento mediante a categoria
Mineração de dados, a qual é abordada como parte de linhas
de pesquisa de um programa da Ciência da Informação e de
várias da Ciência da Computação, destacando que, no caso da
Ciência da Informação, a UFMG ressalta que a abordagem
do estudo proposto do fenômeno Big Data é realizada sem a
busca da produção de tecnológica, mas sim, do seu uso efetivo
(UFMG, 2018).
Cabe assinalar que a única área, entre as observadas, que
manifesta nas linhas de pesquisa o estudo dos Metadados é a
Ciência da Informação, caso identicado no site da UFMG.
2.3 reSultado naS ementaS daS dISCIPlInaS
A leitura dos conteúdos das ementas das disciplinas
oferecidas pelos PPG da amostra possibilitou a criação das in-
ferências representadas na gura 2.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
78
Figura 2. Inferências trazem análise do conteúdo de ementas
Fonte: dados da pesquisa
A representação gráca utiliza-se do diagrama de Venn
para apresentar cada área avaliada, assinalando em cada uma
as inferências. Destaca-se a presença de só uma na intercepção
das três áreas: Gerenciamento de dados armazenados sob a pers-
pectiva do uso futuro quando grandes volumes de dados.
As categorias Aprendizado de Máquina e Descoberta de
conhecimento encontram-se de modo concomitante entre Ma-
temática e Ciência da Computação, fato que chama a atenção
por conter discussões que podem implicar questões das ciên-
cias sociais aplicadas, e que, contudo, não foram distinguidas
no âmbito da Ciência da Informação.
No caso da Ciência da Computação, cabe destacar
uma disciplina oferecida pela USP, de nome “Fundamentos
Metodológicos para Inteligência Articial”, cuja ementa per-
mite inferir ênfase na Filosoa da Ciência, viés não considera-
Informação, Conhecimento, Ação Autônoma e Big Data
79
do nas outras áreas da amostra, e pelo impacto que esse pro-
grama atribui aos Big Data nos métodos cientícos tomados
como clássicos, assumindo a modelagem de grandes volumes
de dados como entradas para o processo cientíco em si, e
não unicamente como técnicas para a avaliação de modelos
produtos da pesquisa cientíca.
A análise corrobora-se por Castro Filho, Faria e Santos
(2013) ao indicar que as mudanças inerentes a processos rela-
cionados com ativos informacionais precisam ser observadas
pelos prossionais da informação, desenvolvendo habilidades
intuitivas de julgamento.
ConSIderaçõeS fInaIS
Em uma sociedade em que a geração e o processamen-
to de dados têm sido realizados de maneira expressiva, inuen-
ciando setores de grande importância para o desenvolvimento
social e econômico, considera-se relevante identicar quais
áreas do conhecimento têm atuado na formação de prossio-
nais capacitados para atuar na era dos Big Data.
Os programas de pós-graduação, mantidos por insti-
tuições de ensino e pesquisa, representam em nível nacional
um importante meio para a formação de mão de obra qua-
licada para atuar prossionalmente e no desenvolvimento
de pesquisa. Com base nos resultados obtidos neste estudo
foi possível vericar que os Programas de pós-graduação em
Ciência da Informação, Ciência da Computação e Matemáti-
ca, considerados como referência no Brasil, estão desenvolven-
do estudos direcionados à temática.
Cada área do conhecimento apresenta linhas de pes-
quisa e disciplinas direcionadas a sua área de atuação pros-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
80
sional, entretanto, a Ciência da Informação enquanto ciência
social aplicada apresenta maior grau de interdisciplinaridade
com estudos de abrangência temática com a Ciência da Com-
putação, envolvendo estudos sobre: mineração de dados, no-
vas formas de acesso, visualização de dados e metadados. Ade-
mais, apresenta disciplinas direcionadas ao estudo de aspectos
legais e governança (jurídica, técnica, digital e informacional).
Os Programas de pós-graduação em Matemática apre-
sentam maior incidência de estudos de probabilidade e cor-
relação para o tratamento de grandes quantidades de dados,
com destaque para inferência bayesiana e processos estocás-
ticos. Com base nessa constatação, consideramos importante
ampliar o escopo da análise realizada neste estudo para as áreas
do conhecimento de probabilidade e estatística.
Considera-se que a Ciência da Informação poderia,
em princípio, manifestar maior cobertura da temática do fe-
nômeno Big Data e suas atuações contextualizadas em grupos
sociais, sobretudo pela manifestação do estudo em questões de
Aprendizado de máquina, que as outras áreas de estudo estão
realizando. Acredita-se que deveria existir um maior interesse
em observar criticamente a inuência que o Aprendizado de
máquina poderia exercer, cuidando da não desconsideração de
fatores sociais que levariam a um uso inadequado da tecnolo-
gia em determinados contextos.
Cabe esclarecer que o fenômeno Big Data envolve di-
versas outras áreas do conhecimento, de modo que se consi-
dera que o estudo apresentado neste artigo pode ser ampliado
por meio de observação em outras áreas do conhecimento, o
que permitiria um melhor entendimento sobre seu desenvol-
vimento, assim como seu nível de complexidade.
Informação, Conhecimento, Ação Autônoma e Big Data
81
referênCIaS
BARDIN, L. Análise de conteúdo. Lisboa: Edições 70, 2010.
BORKO, H. Information science: what is it? American
Documentation, v. 19, n. 1, p. 3-5, jan. 1968. Disponível em: http://
pt.scribd.com/doc/39023567/Information-Science-What-is-It. Acesso
em: 17/05/2018.
BRASIL. MINISTÉRIO DA EDUCAÇÃO. Sobre as áreas de
avaliação. 2018. Disponível em: http://www.capes.gov.br/avaliacao/
sobre-as-areas-de-avaliacao. Acesso em: 15/04/2018.
CAPES. Plataforma Sucupira. 2018. Disponível em: http://www.
capes.gov.br/avaliacao/plataforma-sucupira. Acesso em 15/05/2018.
CASTRO FILHO, C.M.; FARIA, A.C.C.; SANTOS, D.S. O
bibliotecário como prossional da informação: o mundo do trabalho,
habilidades e competências. CASTRO FILHO, C.M. Olhares sobre a
atuação do prossional da Ciência da Informação. São Paulo: Todas as
Musas, 2013.
CHEN, M., MAO, S., ZHANG, Y., LEUNG, V. C. Big data: related
technologies, challenges and future prospects. Heidelberg: Springer, 2014.
CRAVO, V. O Big Data e os desaos da modernidade: uma regulação
necessária? Revista de Direito Setorial e Regulatório, Brasília, v. 1, n. 2,
p. 243-257, outubro 2015.
HEKIMA. 2016. O guia denitivo de Big Data para Iniciantes.
Disponível em: http://www.bigdatabusiness.com.br/ebook-o-guia-
denitivo-de-big-data-para-iniciantes/. Acesso em: 29/03/2018.
NESELLO, P.; FACHINELLI, A.C. Big Data: O novo desao para
gestão. Revista Inteligência Competitiva, v. 4, n. 1, p. 18-38, jan./mar.
2014. ISSN: 2236-210X
NOBRE; L.N.; FREITAS, R.R. A evolução da pós-graduação no
Brasil: histórico, políticas e avaliação. Brazilian Journal of Production
Engineering (BJPE), v.3, n.2, p.18-30, 2017. ISSN: 2447-5580
RODRIGUES, A. A.; NOBREGA, E.; DIAS, G.A. Desaos da
gestão de dados na era do big data: perspectivas prossionais. In:
ENCONTRO NACIONAL DE PESQUISA EM CIÊNCIA DA
INFORMAÇÃO, 18, 2017. Anais... Marília: UNESP, 2017.
Informação, tranSdução e
metadadoS:
fenômenoS de emergênCIa?
85
Informação Como ação SIgnIfICatIva
em ProCeSSoS SemIótICoS emergenteS
BaSeadoS em multIagente
Davidson Bruno da Silva
Tiago Campos Ferreira
Leonardo Lana de Carvalho
O objetivo deste capítulo é analisar o conceito de in-
formação como uma ação signicativa em sistemas complexos
adaptativos. A comunicação e a linguagem são vistas como
sistemas complexos por Maturana & Varela (1994), cuja prin-
cipal característica é a auto-organização
1
. Para estes autores, a
comunicação é literalmente o conjunto de ações comuns em um
coletivo de agentes. Através destas ações comuns o coletivo
permanece como um grupo coeso, mantendo sua identidade.
A auto-organização de um sistema coletivo de agentes pode
ocorrer, pois o grupo modula as ações de cada agente, ações
estas que mantêm a própria dinâmica coletiva. Para Maturana
O desenvolvimento da linguagem é entendido como um fenômeno complexo. Para uma
exposição da investigação psicológica do desenvolvimento da linguagem indicamos ver
Tomasello & Brooks (1999).
https://doi.org/10.36311/2019.978-85-7249-055-9.p85-116
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
86
& Varela (1994), o domínio linguístico ocorre quando a co-
municação se refere a ela mesma. Neste sentido, no momento
em que os agentes do grupo passam a comunicar comunica-
ções ocorridas, os agentes agem de modo linguístico. Segundo
ompson (2007/2013), processos informacionais ocorrem
na dinâmica comunicativa de sistemas auto-organizados.
Modelos e simulações baseadas em sistemas
multiagente (ver FERBER, 2006) são ferramentas poderosas
para a investigação de fenômenos sociais e da linguagem
em especíco (STEELS, 1996; 1998; 2000a; 2000b; 2003;
LOULA et al., 2003; LOULA 2004). Steels (2003) rompe com
linhas de pesquisa da linguagem baseadas ora no cognitivismo,
ora no enativismo radical, o primeiro radicalmente a favor de
uma hipótese simbólica da linguagem e o segundo entendendo
radicalmente a linguagem como fenômeno comunicacional
sem representações. Segundo Carvalho (2008), o autor busca
denir, modelar e simular sistemas multiagentes sobre os quais
podemos inferir a existência de representações emergentes.
Para conceituar as representações emergentes, Luc Steels
aproxima-se do conceito peirceano de processos semióticos.
Sob uma vertente enativa semiótica, decidimos então:
1. Replicar resultados de convergência léxica e ampliar os re-
sultados obtidos por Loula et al. (2003) e Loula (2004); 2.
Para isso, foi concebido e implementado o SIMPS - Simula-
dor de Processos Semióticos; e 3. Analisar o conceito de infor-
mação como ação signicativa, isto é, como ações envolvidas
em processos semióticos, cujos signicados se encontram nos
usos coletivos das palavras e expressões de jogos de linguagem.
Apesar de entendermos que nem toda informação é adaptati-
va, buscamos resultados com informações passíveis de trazer
vantagens adaptativas para grupos de agentes.
Informação, Conhecimento, Ação Autônoma e Big Data
87
Na seção 1 apresentaremos os trabalhos relacionados à
modelagem e simulação multiagente da linguagem como um
sistema complexo. Na seção 2, mostraremos uma defesa do
conceito de informação como ação signicativa em processos
semióticos emergentes. Na seção 3, apresentaremos o SIMPS
e a arquitetura de nossos agentes semióticos. Por último, na
seção 4, discutiremos os resultados das simulações e a análise
dos dados produzidos.
1 traBalhoS relaCIonadoS
Segundo Axtell (2007), a modelagem e simulação ba-
seada em multiagente de fenômenos sociais chegou na primei-
ra década do século ao m de seu alvorecer, sendo então hoje
um conjunto de conceitos, métodos e técnicas largamente
utilizados. Em especíco, a modelagem e simulação da lin-
guagem emergente em sistemas complexos baseados em mul-
tiagente já possui também uma longa história.
Steels (1996; 1998; 2000a; 2000b; 2003) propõe
passar de uma abordagem baseada no enativismo radical
(HUTTO & MYIN, 2013; 2017), radicalmente contrário
ao conceito de representação, tal como podemos encontrar
em Brooks (1991), às funções cognitivas de alto nível através
de representações emergentes em sistemas multiagente. Para
Steels (2003), interações entre agentes ocorrem envolven-
do signos, ou seja, representações emergentes ativas. Steels
(1996; 1998; 2000a; 2000b; 2003) observa que o surgimen-
to da comunicação é o resultado da relação entre unidades
autônomas que, ao interagirem, constituem um coletivo de
agentes auto-organizado, o que corrobora a visão enativa da
comunicação e da linguagem (MATURANA & VARELA,
1994). Todavia, o autor conjectura que é possível assimilar
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
88
o conceito de representação, entendido como processos se-
mióticos, aos processos comunicacionais auto-organizados
em sistemas multiagente. Neste sentido, os agentes de um
sistema coletivo auto-organizado devem ser dotados de uma
arquitetura que os possibilite uma comunicação baseada em
processos semióticos.
Ao contrário de uma abordagem cognitivista, para a
qual toda comunicação e inteligência está estritamente baseada
em símbolos físicos, a teoria enativa entende que a fonte da
inteligência se encontra na auto-organização dos sistemas
(VARELA, THOMPSON & ROSCH, 1991). Neste sentido,
Steels (2003) entende que processos semióticos precisam estar
envolvidos em dinâmicas coletivas auto-organizadas.
Nem todo processo comunicacional ocorre ao nível
semiótico (MATURANA & VARELA, 1994). Um exemplo
disto pode ser visto no modelo de forrageamento (DROGOUL,
1993; DROGOUL & FRESNEAU, 1998), em que os agentes
não são dotados de processos semióticos e se caracterizam
como estritamente reativos. Neste modelo, a comunicação
ocorre de modo indireto, isto é, as ações dos agentes são
moduladas pelo ambiente modicado pelos próprios agentes
(LENAY, 1994). As ações dos agentes sobre o ambiente (assim
também uns sobre os outros) leva a trajetórias emergentes,
também descritas como comportamentos emergentes. Com
relação a essas trajetórias emergentes, Steels (2003) diz que
se tratam de estruturas que cumprem o papel de organizar a
atividade coletiva dos agentes.
Estas trajetórias cumprem um papel de exploração
de soluções de um problema especíco (que se constitui
no próprio ambiente em questão) e de busca de novas
soluções neste ambiente. Assim, a comunicação ocorre
Informação, Conhecimento, Ação Autônoma e Big Data
89
como um sistema complexo adaptativo em um equilíbrio
dinâmico entre exploration e exploitation
2
(ver KENNEDY
et al., 2001). As trajetórias nas organizações são como um
registro das atividades, como uma memória coletiva (ver
HALBWACHS, 1950/1997), arma Steels (2003). Kennedy
et al. (2001) notam que uma série de meta-heurísticas são
baseadas em sistemas complexos adaptativos, exatamente
por explorarem esta propriedade dos sistemas complexos, o
equilíbrio entre exploration e exploitation, a m de atingir
um ótimo global.
No desenvolvimento de uma visão enativa semiótica
(ver HALL, 2006; CARVALHO, 2008; KULL et al., 2009;
STEWART, 2010; JESUS, 2016), a transição de um sistema
complexo adaptativo para um sistema cognitivo depende do
surgimento de representações, mas representações no sentido de
processos semióticos emergentes (CARVALHO, 2008). Várias
contribuições dedicaram-se a propor sistemas complexos
baseados em agentes semióticos, os quais constituem os
trabalhos relacionados de nossa pesquisa.
Luc Steels procura assegurar que agentes semióticos
possam convergir não apenas sobre um léxico, mas também
sobre regras gramaticais, o que abre a possibilidade de sur-
gimento de sentenças (STEELS, 2000a; 2000b; 2007). Na
interação humano-computador, o surgimento de uma lingua-
gem comum através de convergência de léxico foi proposta
Kennedy et al. (2001) relatam que um sistema pode fazer exploration e exploitation de
informações. O sistema informacional realiza exploration quando busca novas informações
e exploitation quando utiliza informações existentes. Como componente do sistema, o
agente está envolvido em processos informacionais de exploitation e exploration em diferentes
momentos. Os conceitos evoluíram superando a dicotomia individualista, entendendo os
conceitos como processos em equilíbrio em um coletivo de agentes, em sistemas complexos
baseados em multi-agente. Em meta-heurísticas, um balanceamento correto entre
exploration e exploitation leva a um método eciente de solução de problemas de otimização,
caracterizando-o como um fenômeno de inteligência coletiva.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
90
por Stuber, Hassas & Mille (2003; 2005). Um experimento
digital foi realizado com robôs “Talking Heads”, colocando
uma população de alguns milhares de agentes para controlar o
movimento de câmeras, a m de capturar imagens de guras
geométricas sobre um quadro branco e convergir sobre um
léxico comum. Assim as “cabeças” (câmeras) usariam os mes-
mos símbolos para fazer referência à quadrados, triângulos,
etc. (STEELS, 2003).
Steels (2003) propõe, através deste tipo de jogo de
linguagem, que os símbolos que têm sua maior frequência
de uso são representações emergentes. Com efeito, os usos
dos símbolos são trajetórias emergentes no sistema complexo
baseado em agentes. Trata-se também de um processo
semiótico porque fazem parte do triângulo semiótico
peirceano (Interpretante - Objeto - Signo). É inicializada
uma lista de símbolos possíveis, mas o símbolo que toma seu
lugar no triângulo semiótico o faz por mecanismos de feedback
positivo. Todavia, sua perenidade é um caso de criticalidade
auto-organizada. Assim, a manutenção do uso de um símbolo
em uma relação semiótica depende da complexa dinâmica do
coletivo em um ambiente.
Como resultado, Steels (2003) apresenta grácos
mostrando a frequência de uso de certas formas simbólicas
em um contexto semiótico. A abscissa mostra o número de
jogos de linguagem e a ordenada mostra a frequência de uso
de todas as formas simbólicas disponíveis. Ao nal, um sím-
bolo é coletivamente “escolhido” para referenciar um objeto
(STEELS, 2003).
Loula et al. (2003), Loula (2004) e Loula et al. (2005)
criaram um ambiente para a simulação de ecossistemas que
permite a interação cooperativa entre agentes “macacos” para
Informação, Conhecimento, Ação Autônoma e Big Data
91
se proteger de seus três tipos de predadores, o “tigre”, a “co-
bra” e o “falcão”. Macacos se comunicam emitindo sinais de
um para outro. O objetivo da simulação, para além de um
modelo predador/presas, foi desenvolver uma arquitetura
para o surgimento da comunicação semiótica entre agentes
articiais. O desenvolvimento dessa arquitetura foi inspira-
do na semiótica de C. S. Peirce, cujos resultados apontam
convergência léxica. Neste modelo, cada macaco utiliza uma
lista comum de símbolos para informar sobre a ocorrência
de determinado evento. Após certo número de interações
entre os agentes no ambiente, os macacos passam a utilizar
os mesmos símbolos para indicar a presença dos predadores
e, assim, conseguem evitá-los melhor. Loula et al. (2003),
Loula (2004) mostram, deste modo, a eciência adaptativa
do léxico emergente.
Arnellos, Spyrou & Darzentas (2003, 2006) também
reproduziram os resultados de L. Steels. Mas estes autores de-
ram uma importante contribuição ao entender a expressão
“representação emergente” usada por Steels como um sistema
auto-organizado envolvendo relações semióticas. Arnellos et
al. (2003, 2006) também enfatizam que o signicado de signi-
cado é uma propriedade semiótica. Loula et al. (2003), Loula
(2004) e outros entendem os usos emergentes dos símbolos
como o signicado dos mesmos, adotando assim uma visão
pragmática da semântica em sistemas complexos baseados em
agentes semióticos. Arnellos, Vosinakis, Spyrou & Darzentas
(2006) destacam que o surgimento de “representações autô-
nomas” inclui funções em estruturas dinâmicas que fornecem
suporte tanto para o surgimento espontâneo de uma sintaxe
quanto de um léxico.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
92
Construções uidas de gramáticas (STEELS, 2011;
WELLENS et al, 2013) estão disponíveis como um formalismo
de gramática de código aberto que permite abordar a questão
de como mudanças dinâmicas da linguagem ocorrem,
descobrindo os mecanismos cognitivos e os processos culturais
que impulsionam a evolução da linguagem.
2 Informação Como ação SIgnIfICatIva em ProCeSSoS
SemIótICoS emergenteS
Steels (1998; 2000a; 2000b; 2003) defendeu a passa-
gem do uso de simples agentes reativos, tal como visto em
Brooks (1991), à concepção de agentes semióticos. Agentes
semióticos são entendidos como um tipo de agentes reativos
dotados de uma arquitetura semiótica, não possuindo, ne-
cessariamente, capacidades de inferência lógica, tal como em
agentes cognitivistas
3
(ver GOMES et al., 2015).
Segundo Andler (1998), Halpin (2006), Carvalho
(2008) e outros, o problema do conceito de representação é
um problema central e assim incontornável das ciências cog-
nitivas. Ao entender a representação como um sistema simbó-
lico, o cognitivismo inaugura uma abordagem simbólica física
da informação, o que cou conhecido como o paradigma do
processamento da informação. Newell & Simon (1976) pos-
tulam a hipótese simbólica física da mente, entendendo que
qualquer sistema mental (cognitivo, inteligente, etc.) é um
sistema simbólico físico (SSF). Assim SSF são, para o cogniti-
vismo, necessários e sucientes para todo e qualquer sistema
inteligente (incluso aqui os articiais e os naturais, como o ser
humano). Pylyshyn (1984) descreve que a semântica é uma
Para uma revisão da tipologia de agentes, ver Ferber (2007).
Informação, Conhecimento, Ação Autônoma e Big Data
93
propriedade epifenomênica
4
de SSF, não tendo assim nenhu-
ma eciência causal sobre o processamento das informações.
Baseadas em símbolos físicos, as informações somente são
causais enquanto entidades físicas instanciadas, ocorrendo no
cognitivismo uma separação entre a semântica (signicado)
de seu suporte físico causalmente eciente (o símbolo). Como
herdeiro deste pensamento, Searle (1980) não soube dissolver
este problema e perdido nesse labirinto conceitual, após criti-
car o epifenomenismo, acabou por concluir que SSF articiais
são vazios semanticamente.
Uma visão da semântica aliada ao pensamento
wittgensteiniano entende o signicado como uso
(Wittgenstein, 1953/2001). Também, para a teoria enativa,
nem toda ação cognitiva é baseada em símbolos, mas toda
ação simbólica é, antes de tudo, ação. A primazia da ação
levou Varela, ompson e Rosch (1991) a chamar a teoria
corpórea da cognição de teoria enativa (em ação). Um
sistema é cognitivo e inteligente para a teoria enativa se ele
existe como uma ação autopoiética. Um conjunto complexo
de ações capazes de replicar as estruturas necessárias para a
manutenção das ações é a condição necessária e suciente para
toda cognição, inclusive para a cognição simbólica.
Para a teoria enativa, o sentido das ações dos
organismos autopoiéticos encontra-se no nicho. Assim
os processos informacionais (e não processamento da
O epifenomenalismo entende que propriedades mentais são causadas por eventos físicos,
todavia não tendo a capacidade de afetar nenhum evento físico. Em organismos complexos,
a ação é vista como um comportamento causado pela contração de músculos sob controle de
impulsos neurais, e os impulsos neurais sendo gerados pela estimulação em órgãos sensoriais.
Para o epifenomenalismo esta linha causal é suciente para explicar as ações, sendo os
eventos mentais fenômenos causados como adereços pois não desempenham papel causal
nesse processo. A teoria enativa critica duramente a visão epifenomenalista da mente ao
argumentar que a mente está na ação. O que se chama de propriedades mentais somente
existe ao se realizarem como processos corpóreos, sendo que estes processos possuem um
campo fenomênico isomórco (ver CARVALHO, 2018)
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
94
informação) (THOMPSON, 2007/2013), ocorrem em
sistemas auto-organizados, onde agentes agem sobre um
meio, modicando-o e sendo modelados por este mesmo
ambiente. É nesta relação dos sistemas auto-organizados que
as ações são signicativas e informam.
Visando modelar computacionalmente processos se-
mióticos, buscamos gerar um sistema auto-organizado, sem
o qual não faz sentido falarmos de semântica e também de
informação. As relações de determinação entre agentes de um
sistema auto-organizado gera um sistema comunicacional
muito eciente, mesmo na solução de problemas difíceis (ver
KENNEDY & EBERHART, 2001). Todavia, entendemos
que uma arquitetura de agentes semióticos é necessária para
avançar de um sistema multiagente reativo para um sistema
multiagente semiótico (ver GOMES et al., 2015).
Neste sentido, entendemos que processos semióticos
são processos comunicacionais, mas nem todo processo comu-
nicacional possui uma estrutura semiótica, como dito ante-
riormente. Ao situá-lo no campo da ciência cognitiva enativa,
defendemos que informações ocorrem estritamente em pro-
cessos semióticos. Assim entendemos que processos informa-
cionais são processos comunicacionais semióticos. Esta é uma
tese que difere profundamente da vertente radical do enativis-
mo (HUTTO & MYIN, 2013; 2017), a qual continua defen-
dendo que semiótica é uma teoria representacionista dualista,
vestígio do pensamento cartesiano. O enativismo semiótico
(ver HALL, 2006; CARVALHO, 2008; KULL et al., 2009;
STEWART, 2010; JESUS, 2016), busca assimilar o conceito
peirceano de semiótica aos conceitos de enação e autopoiese
de Maturana e Varela. Ao fazer isso, entendem a semiótica
Informação, Conhecimento, Ação Autônoma e Big Data
95
como processos, isto é, a semiótica ocorrendo na ação, mais
especicamente na comunicação (na auto-organização).
A partir da vertente enativa semiótica, hipotetizamos
que a informação é uma ação signicativa que ocorre em
processos semióticos emergentes, em sistemas complexos, ba-
seados em multiagente. Para que seja uma ação signicativa,
o critério foi de que os agentes devem usar coletivamente os
mesmos símbolos para fazer referência aos mesmos predadores
e assim obter vantagens de fuga. Os resultados iniciais que
tivemos conrmam esta hipótese, revelam que a convergência
do léxico que surge das interações entre os agentes aumenta
em muito as chances de sobrevivência de agentes presa. Isto é,
envolvidos em um processo semiótico coletivo, os agentes de
fato informam uns aos outros.
A análise do conceito de informação proposta aqui
pode ser vista como uma compatibilização do conceito de pro-
cessamento da informação do cognitivismo com o conceito de
informação como ação signicativa na teoria enativa. Enten-
demos que esta compatibilização se faz sob uma perspectiva de
sistemas complexos da cognição. Para a teoria enativa, a infor-
mação existe na comunicação, isto é, nos processos envolvidos
na autopoiese de um sistema cognitivo.
Assim defendemos que a informação como ação sig-
nicativa em processos emergentes semióticos baseados em
multiagente ocorre a partir da convergência de um léxico
em processos auto-organizados, isto é, na comunicação. O
processamento de símbolos por uma estrutura algorítmica é
necessária (tese cognitivista) em multiagente, mas não é su-
ciente para caracterizar a informação, pois é necessário que
esteja envolvida em um processo complexo auto-organizado
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
96
para que tenha sentido, para que seja uma ação signicativa
(tese enativista).
Nas seções seguintes, passamos à análise, concepção
e implementação de sistemas complexos auto-organizados
baseados em multiagente, apontando como fornecem um
modo promissor de investigação dos conceitos de informação,
linguagem, semiótica e semântica. Enfatizamos a importância
da informação (ação signicativa) em sua função adaptativa,
ao fortalecer o coletivo auto-organizado.
3 SImPS
O propósito desta seção é analisar, conceber e imple-
mentar um léxico que emerge das interações entre agentes
semióticos de um sistema multiagente auto-organizado. Para
conduzirmos o experimento, partimos da construção de um
simulador, originalmente proposto por Loula (2004), em que
presas e predadores coexistem em um ambiente virtual e in-
teragem entre si através de processos básicos como memória
associativa, percepção e foco de atenção. Neste trabalho, pro-
pomos avaliar o quanto a comunicação que surge por meio da
convergência do léxico é efetiva para a sobrevivência das pre-
sas, ou seja, o quão melhor esses agentes conseguem se man-
ter vivos em um ambiente hostil, utilizando a comunicação
semiótica que constroem através dos usos dos símbolos. A esse
simulador demos o nome de Simulador de Processos Semió-
ticos (SIMPS).
Informação, Conhecimento, Ação Autônoma e Big Data
97
Figura 1: Captura de tela do SIMPS (Fonte: o autor).
SIMPS é inspirado no estudo etológico dos macacos
vervets apresentado por Loula (2004). Tal como no simula-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
98
dor proposto pelo autor, o SIMPS é composto de criaturas,
divididas entre presas e predadores, e objetos estáticos como
esconderijos. Os agentes interagem entre si através de sensores
como audição e visão e os agentes-presa se comunicam através
da emissão de sons (símbolos) de maior relevância para eles
para descrever a situação de perigo de um momento especíco.
3.1 teCnologIaS de Programação, ConfIguraçõeS de
amBIente e InterfaCe
SIMPS foi construído na linguagem de programação
C# sobre o motor de desenvolvimento de jogos Unity
5
. Com
o SIMPS o usuário consegue executar, pausar e interromper
as simulações, além de poder avançá-las frame a frame e con-
gurá-las através do Inspector do Unity. Entre as opções de
conguração disponíveis estão, por exemplo, a duração da si-
mulação, a quantidade de presas e predadores que atuarão no
cenário, o tamanho do ambiente, a quantidade de testes e os
modos das simulações, que podem ser com aprendizado, sem
aprendizado ou alternado.
No modo de simulação com aprendizado, as presas
conseguem associar determinado símbolo que recebem a um
predador de sua área visual, o que não ocorre no modo de
simulação sem aprendizado. De outra forma, no modo alter-
nado, pressupõe-se que o usuário deseja realizar várias simu-
lações com os mesmos parâmetros, porém não deseja ter que
iniciá-las toda vez. Assim, as simulações são alternadas entre
com aprendizado e sem aprendizado.
5
O Unity foi escolhido por possuir um ecossistema de desenvolvimento bastante simples e
poderoso, facilmente customizável e com vasta documentação. Essa ferramenta se integra
muito bem às tecnologias e linguagens de programação mais utilizadas atualmente e ainda
torna muito simples o processo de criação da parte visual.
Informação, Conhecimento, Ação Autônoma e Big Data
99
O ambiente do SIMPS é parcialmente observável, es-
tocástico, sequencial, dinâmico, contínuo e multiagente e va-
ria entre os tamanhos pequeno, médio e grande, a depender
da escolha do usuário. O usuário vê a simulação por meio de
uma visão top-down de duas dimensões, em que é possível ob-
servar as interações com uma câmera vista de cima.
Toda a parte gráca do SIMPS foi construída espe-
cicamente para o projeto. Os agentes são identicados no
ambiente por marcadores em forma de agulha. Para identicar
as presas, adotamos, como convenção, a cor branca. De outro
modo, distinguimos os predadores por meio de três classes de
cores: azul, amarelo e vermelho. O mesmo critério de divisão
em classes também é atribuído aos esconderijos, de manei-
ra que presas que se escondem em árvores com marcadores
vermelhos, por exemplo, estão protegidas dos ataques de pre-
dadores vermelhos. A distribuição desses esconderijos foi fei-
ta de maneira uniforme e alternada para garantir as mesmas
condições para todas as simulações. Os alarmes também são
exibidos na interface como uma área circular que se expan-
de e desaparece gradativamente. Eles também podem assumir
as cores das classes dos predadores avistados pelas presas. Os
raios de visão são exibidos na interface em forma de “leque”
para se aproximarem de como ocorre no mundo real.
(a) (b) (c)
Figura 2: Storyboard do aprendizado das presas: (a) uma presa p1 (marcador bran-
co à esquerda) vê um predador (marcador vermelho acima do centro) e dispara
um alarme (área circular vermelha em torno de p1) ao ambiente para indicar sua
aproximação; (b) após vericar o próprio raio de ação, a presa p1 se dirige ao escon-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
100
derijo mais próximo que a protege contra o predador visto. Enquanto isso, outra
presa p2 (marcador branco à direita) vê o mesmo predador e também dispara um
alarme (área circular vermelha em torno de p2) ao ambiente; (c) O alarme emitido
por p1 é escutado por p2 e, nesse momento, p2 associa o sinal recebido ao predador
que está vendo. (Fonte: o autor).
3.2 organIzação do Projeto
No desenvolvimento do SIMPS, os scripts foram se-
parados em comportamentos, controladores, enumeradores e
utilitários. Os comportamentos são scripts que denem como
determinado objeto vai agir no ambiente. No caso das presas,
por exemplo, os comportamentos atribuídos foram o de ex-
plorador, aprendiz, medroso e mortal, enquanto que os preda-
dores receberam os de explorador e caçador.
Os controladores, por outro lado, são responsáveis por
gerenciar os gatilhos do Unity. O controlador de visão, por
exemplo, registra quem está presente no campo de visão e o
controlador de audição registra informações sobre o último si-
nal ouvido pelo agente. Também há outro tipo: o controlador
de contato. Esse último altera o estado e a animação da presa
quando ela encontra uma árvore ou é capturada por um preda-
dor. Por m, há também o controlador de fuga, que mantém o
registro sobre todos os esconderijos vistos pelas presas em uma
área circular de raio igual ao do campo de visão. Os enumera-
dores são como trechos de código que facilitam a organização e
o entendimento do projeto por meio de índices denidos pelo
programador. Os utilitários, por sua vez, são pequenos progra-
mas independentes que executam tarefas concorrentes com a
simulação. Estes programas são criados, em sua maioria, para
gravar os estados da simulação durante sua execução.
Informação, Conhecimento, Ação Autônoma e Big Data
101
3.3 ComPortamento doS agenteS
Diferentemente do trabalho de Loula (2004), as presas
do SIMPS possuem ambos os papéis de emissoras e aprendi-
zes. Elas também exploram o ambiente, fogem, escondem-se e
morrem, assim como os predadores exploram o ambiente e ca-
çam. As presas que morrem não são eliminadas do simulador,
porém suas mortes são contabilizadas para efeitos de avaliação
da adaptação dos agentes. Também propomos um modelo
mais simples em relação ao apresentado por Loula (2004) no
que diz respeito aos drivers dos agentes: seus comportamentos
são guiados apenas por fadiga, fome e medo.
A exploração dos agentes é alternada entre um período
curto de descanso e outro período de transição de uma posição
para outra, ambos sendo gerados aleatoriamente em um inter-
valo de tempo parametrizável. As posições seguintes também
são geradas ao acaso até o limite da área de ação do agente, o
que também pode ser congurado pelo usuário.
Outra diferença perceptível em relação ao modelo pro-
posto por Loula (2004) é que não há distinção motora entre os
predadores. Para este primeiro momento, as simulações foram
conduzidas de modo que todos os agentes, independentemen-
te de suas classes e papéis, se movam a uma mesma velocidade.
Acreditamos que essa simplicação torna o modelo um pouco
mais fácil de ser interpretado, sobretudo quando zermos a
análise da adaptatividade dos agentes-presa, que será apresen-
tada na seção de resultados. Justicando através dos eventos
naturais, podemos pensar que as presas possuem predadores
com velocidade média semelhante às delas.
No SIMPS, cada presa compartilha do mesmo con-
junto de símbolos, que inicialmente possuem probabilidades
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
102
de uso distintas para indicar a aproximação de diferentes pre-
dadores. Cada presa notica ao ambiente um evento captura-
do por ela através da emissão do sinal que possui maior valor
para aquele predador especíco que está vendo. Se em algum
momento dois ou mais símbolos possuem o mesmo valor na
tabela de associação símbolo-predador, um deles é escolhido
ao acaso para ser emitido. Em outras palavras, se em algum
momento a presa utiliza mais de um símbolo para identicar
um único predador, ela alerta sobre qualquer um deles. Admi-
te-se a posição da presa como posição de origem do alarme no
instante em que ela o dispara.
Outras presas que estiverem no raio de propagação do
sinal certamente irão ouvi-lo. O sucesso do aprendizado ocor-
re quando a presa associa o sinal que recebeu a um predador
que está em sua área visual (aprendizagem por reforço posi-
tivo). Caso mais de um predador esteja no campo de visão
da presa no momento em que ela receber o sinal, um deles é
escolhido ao acaso para participar da associação.
Para efeitos de simplicidade, os predadores possuem
somente o sensor de visão, de modo que podem perseguir pre-
sas que entrem nessa área de contato. Ao caçarem, eles se uti-
lizam das informações armazenadas pelo controlador de visão
para denirem os alvos a serem perseguidos. Se uma presa en-
trar em sua área visual, a posição-alvo do trajeto do predador
é alterada para a posição da presa avistada. Ainda que mais de
uma presa seja vista, o alvo continuará sendo o primeiro. Se
uma presa estiver no campo de visão do predador no momen-
to em que ela entra em um esconderijo, o predador deixa de
vê-la e, consequentemente, para de persegui-la.
Quando veem algum predador ou reconhecem algum
sinal emitido, as presas sentem medo. Há pelo menos duas
Informação, Conhecimento, Ação Autônoma e Big Data
103
ações tomadas por elas quando veem um predador: 1) se houver
algum esconderijo dentro de sua área de ação que a protege con-
tra aquele predador, a posição-alvo da presa passa a ser a posição
do esconderijo mais próximo e 2) se não houver esconderijo
disponível dentro de sua área de ação, a posição-alvo da presa
passa a ser alguma posição aleatória contida na área de ação, es-
pecicamente do quadrante oposto ao da posição do predador.
Quando um alarme é percebido por uma presa que
não está vendo nenhum predador, ela tenta reconhecê-lo
comparando-o com os sinais entendidos naquele momento.
Se o sinal não for reconhecido, a presa não age. Do contrário,
a presa se dirige ao esconderijo mais próximo que a protege
contra o predador que ela acredita que faz parte do alerta.
Em seu trabalho, Loula (2004) xa todos os valores
das funções que utiliza em um intervalo de valores reais entre
zero (inclusive) e um (inclusive). No modelo proposto por ele,
dizemos que um símbolo está em uso quando o seu valor é
maior que os dos outros símbolos utilizados para identicar
um mesmo predador. Se o autor utilizasse somente o refor-
ço positivo, haveria complicações no modelo, uma vez que, à
medida em que a simulação ocorre, dois ou mais símbolos
podem assumir os valores máximos da função. Isso signica
que determinada presa utilizaria mais de um símbolo para
identicar um mesmo predador, tornando a linguagem que
emergiu pouco efetiva. Para não cair neste problema, Loula
(2004) emprega um decremento no valor da probabilidade
do uso de um símbolo ao longo das iterações, um processo de
extinção
6
no caso. Em outras palavras, à medida que o tempo
Usamos aqui os conceitos de Skinner (1969) para caracterizar processos como extinção
e também reforços e punições, os quais podem ser denidos como positivos ou negativos.
A extinção de um comportamento ocorre pela ausência de reforços ao longo do tempo.
Qualquer estímulo (entrada) que leve ao aumento da probabilidade de ocorrência de
uma resposta (saída) é um reforço. Sendo a punição qualquer estímulo (entrada) que leve
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
104
passa e o símbolo não é utilizado, o valor da associação é re-
duzido, permitindo que outros símbolos assumam o posto ao
atingirem valores mais altos.
Embora tenhamos como perspectiva a utilização da ex-
tinção na continuidade deste projeto, neste trabalho procedemos
de maneira diferente. Seja o valor de associação símbolo-predador
para certo agente (triângulo peirceano), a função que descreve o
aprendizado das presas é uma função recursiva dada por:
Removendo o limite superior do intervalo, pudemos
nos basear apenas no emprego do reforço positivo, tal como
pode ser observado acima.
4 reSultadoS daS SImulaçõeS e análISe doS dadoS
4.1 reSultadoS daS SImulaçõeS
Ao todo foram realizadas sessenta simulações, das
quais trinta eram com aprendizado e o restante sem aprendi-
zado. Cada simulação foi executada com tempo de duração
xo de sessenta minutos, com a adição de seis presas, um
predador do tipo vermelho, um do tipo amarelo e um do
tipo azul. O conjunto de símbolos, denido com dez ele-
mentos, foi compartilhado entre as presas no processo de
vocalização do alarme.
à diminuição da probabilidade de ocorrência de uma resposta (saída) de um agente. Um
estímulo é dito positivo quando é apresentado e ele é negativo quando retirado das relações.
Um exemplo de reforço negativo pode ser obtido ao se retirar a tarefa de lavar as louças,
condicionada a tarefas escolares realizadas com apreço.
Informação, Conhecimento, Ação Autônoma e Big Data
105
Mesmo com a simplicação da ideia proposta por
Loula (2004), obtivemos o mesmo resultado alcançado por
ele em relação à construção da linguagem emergente pela au-
to-organização. Inicialmente, dividimos os nossos testes de
modo igual entre simulações com aprendizado e sem aprendi-
zado. Porém, graças a essa abordagem, pudemos perceber em
nosso experimento um grupo de simulações com aprendizado
que apresentou resultado pior do que as sem aprendizado. Elas
possuem em comum a existência de polissemia, que ocorre
quando uma ou mais presas utilizam o mesmo símbolo para
identicar predadores distintos. A essas demos o nome de si-
mulações com convergência parcial. Também colocamos como
parte deste grupo as simulações em que a convergência não
ocorreu dentro do limite de tempo estabelecido. Ao grupo
em que as presas utilizam símbolos distintos para identicar
cada um dos predadores, demos o nome de simulações com
convergência total. E por m, ao grupo em que a capacidade
de aprendizado das presas foi desabilitada, demos o nome de
simulações sem convergência.
Tabela 1 – Número de simulações conduzidas por tipo de
simulação
Tipo de simulação
Frequência Absoluta
(F.A.)
Frequência Relativa
(F.R.)
Simulações com con-
vergência parcial
15 25%
Simulações com con-
vergência total
15 25%
Simulações sem con-
vergência
30 50%
Total 60 100%
Fonte: o autor.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
106
Dentre as trinta simulações com aprendizado, apenas
uma não convergiu dentro do limite de tempo estabelecido,
tendo sido esta uma convergência parcial.
Visamos analisar a adaptatividade das presas em relação
à linguagem construída com base nos usos dos símbolos. Para
isso, uma vez que queremos saber se a convergência melhora
o desempenho das presas no ambiente, partimos do princípio
de contar o número de mortes delas ao longo do tempo para
cada tipo de simulação, conforme é mostrado pela Figura 4 e
pela Tabela 2 a seguir.
Tabela 2 - Média de mortes das presas por tipo de simulação
ao nal das simulações
Tipo de simulação Média de mortes
Simulações com convergência parcial 674,87
Simulações com convergência total 607,47
Simulações sem convergência 637,77
Fonte: o autor.
Observamos então que as simulações parciais apre-
sentam um quadro de informações falsas. Dizemos que estas
não trazem vantagens adaptativas por gerarem um número de
mortes maior do que o das simulações com convergência lé-
xica desabilitada (com o sistema funcionando estritamente ao
nível comunicacional).
Informação, Conhecimento, Ação Autônoma e Big Data
107
Figura 4 - Média do total de mortes das presas ao longo do
tempo por tipo de simulação. Resultados obtidos pelo SIMPS
Fonte: o autor
Passemos na subseção seguinte à análise dos dados
produzidos.
4.2 análISe doS dadoS
Como é possível observar na Figura 4, a partir de trin-
ta minutos aproximadamente, momento posterior ao tempo
médio de convergência total e parcial das presas, o número
de mortes começa a variar entre os tipos de simulação. Pelo
desenho do gráco, somos levados a crer que se aumentarmos
o tempo das simulações, mais acentuada será essa variação. De
acordo com os resultados da Tabela 2, o número de mortes das
simulações com convergência total foi 4,8% menor do que
nas simulações sem convergência, até o instante de tempo li-
mite determinado. Por outro lado, as simulações com conver-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
108
gência parcial mostraram-se piores do que as simulações sem
convergência em 5,8%. Isso nos mostra que eventos comple-
tamente aleatórios podem ser melhores do que eventos com
convergência parcial, uma vez que esse último é determinado
por erro semântico (polissemia). Além disso, ca evidente que
o processo de efetiva comunicação semiótica depende da cons-
trução de uma linguagem que é entendida pelos indivíduos,
sendo necessário que utilizem símbolos distintos para cada um
dos predadores (discriminação de estímulos).
Entendemos que o número de mortes nas simulações
com convergência parcial aumenta à medida em que o alarme
disparado por uma presa p1 para indicar a presença de um
predador a é entendida por outra presa p2 como um indício
da presença de um predador b, uma vez que o símbolo uti-
lizado no processo de comunicação é o mesmo para ambos.
Desse modo, p2 é levado a agir erroneamente em resposta ao
estímulo interpretado por ele a partir do alerta recebido, o
que pode ndar em sua própria morte. Caracterizamos esse
processo como um erro semântico.
Entendemos como informações no modelo em
questão o uxo de entrada e saída processada pelos agentes
semióticos. Este uxo de ações no sistema multiagente não
está limitado ao interior dos agentes, mas se encontra em
suas relações envolvidas na auto-organização do coletivo.
Com a função semiótica habilitada ou não obtemos, pelas
interações dos agentes, um sistema auto-organizado, isto é,
comunicacional. Ao habilitarmos os processos semióticos no
sistema auto-organizado, ele apresenta usos emergentes dos
símbolos (convergência léxica).
Alguns processos informacionais trazem vantagens
adaptativas, sobretudo aqueles que discriminam totalmente os
Informação, Conhecimento, Ação Autônoma e Big Data
109
predadores. Nestes, as informações não carregam ambiguida-
de e trazem vantagens de sobrevivência para os agentes presas,
preservando o coletivo das presas. As informações ambíguas
são polissemias, no caso, um símbolo faz referência a mais de
um predador, o que não permite ao agente presa adotar uma
boa estratégia de fuga em função do tipo de predador, levan-
do-o a morte. Ações signicativas podem assim ser falsas e, no
caso de nossos resultados, eles mostram que informações falsas
podem mesmo ser mais prejudiciais aos agentes presa do que
um caso de comunicações sem relações semióticas.
ConCluSão
O tema deste trabalho foi o estudo da informação
como ação signicativa em processos semióticos emergentes
em sistemas complexos baseados em multiagente. Tratou-
se de uma pesquisa interdisciplinar na área de Ciências
Cognitivas, com foco em psicologia cognitiva e vida articial.
Com a nalidade de caracterizar o conceito de informação
como um processo semiótico emergente, concebemos e
implementamos um léxico emergente baseado em símbolos
que, ao informar uma situação de perigo, podem fornecer
vantagens adaptativas a agentes de um sistema multiagente
auto-organizado. Nossas simulações corroboram os
resultados da literatura, notadamente os obtidos por Steels
(1996; 2003), Loula et al. (2003), Loula (2004), Arnellos,
Spyrou & Darzentas (2003, 2006). A nossa análise foi feita
segundo o método da análise conceitual.
Procedemos pela construção de um Simulador de
Processos Semióticos, o qual chamamos de SIMPS, para
representar um cenário real, originalmente proposto por
Loula et al. (2003), em que agentes presas (“macacos vervets”)
110
interagem entre si e com o ambiente através de processos
básicos como memória associativa, percepção e foco de
atenção, possuindo também drivers de fadiga, fome e medo.
Cada presa compartilha do mesmo conjunto de símbolos que
inicialmente possuem probabilidades de uso distintas para cada
um deles para indicar a aproximação de diferentes predadores.
Cada presa notica ao ambiente um evento capturado por ela
através da emissão do sinal que possui maior probabilidade de
uso. Os demais agentes-presa podem perceber este sinal através
de seus sensores visual e auditivo. Para cada sinal recebido
com sucesso, há um reforço empregado à probabilidade de
uso daquele símbolo para fazer referência ao predador que
apareceu na área visual.
Os resultados de nossas simulações mostraram que,
mesmo com a simplicação do modelo proposto por Loula
(2004), obtivemos os mesmos resultados de convergência dos
símbolos. Estes resultados foram ainda obtidos a partir de um
número maior de simulações do que os de Loula (2004). Tam-
bém repartimos a população de agentes em três grupos: (1)
convergência total, (2) convergência parcial e (3) sem con-
vergência. Com estes três grupos, ao invés de usar somente os
grupos (1) e (3), como nos resultados de Loula (2004), pude-
mos perceber melhor a eciência adaptativa da convergência
de léxico ao termos encontrado um número intermediário de
mortes no grupo (3), com relação aos grupos (1) e (2).
Hipotetizamos que a informação é uma ação signica-
tiva que ocorre em processos semióticos emergentes. Para que
sejam uma ação signicativa, o critério foi o de que os agentes
deveriam usar coletivamente os mesmos símbolos para fazer re-
ferência aos mesmos predadores. A partir dos resultados, per-
cebemos que, para que a informação fosse adaptativa e forne-
Informação, Conhecimento, Ação Autônoma e Big Data
111
cesse às presas vantagens de fuga, foi necessário no modelo que
houvesse uma discriminação total dos predadores pelas presas.
Neste caso, a eciência protetiva da informação é maior se um
símbolo não é usado para referenciar mais de um predador.
A análise do conceito de informação proposta aqui tra-
ta de uma compatibilização do conceito de processamento da
informação do cognitivismo com o conceito de informação
como ação signicativa na teoria enativa. Entendemos que
esta compatibilização se faz sob uma perspectiva de sistemas
complexos da cognição, da qual a vertente semiótica em teoria
enativa se aproxima mais. Para a teoria enativa, a informação
existe na comunicação, isto é, nos processos envolvidos na au-
topoiese de um sistema cognitivo. Assim, defendemos que a
informação como ação signicativa em processos emergentes
semióticos baseados em multiagente ocorre a partir da conver-
gência da linguagem em processos auto-organizados, isto é,
na comunicação. Todavia, a informação ocorre em processos
semióticos comunicacionais. Com isso, defendemos que pro-
cessos semióticos são uma condição necessária para processos
informacionais, também em sistemas autopoiéticos naturais.
Em sistemas articiais, o processamento em uma es-
trutura simbólica física é necessária (tese cognitivista) para a
arquitetura multiagente, mas não é suciente para caracteri-
zar a informação, pois é necessário que esta esteja envolvida
em um processo auto-organizado complexo para que tenha
sentido, para que seja uma ação signicativa (tese enativista).
Informação não é simplesmente um dado processado por re-
gras lógico-matemáticas, mas antes de tudo uma ação signi-
cativa em sistemas auto-organizados semióticos. No mais,
enfatizamos a importância da concepção e implementação de
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
112
arquiteturas de agentes semióticos a m de obtermos proces-
sos semióticos emergentes.
Concluímos que a análise, concepção e implementação
de sistemas complexos auto-organizados baseados em multia-
gente fornecem um modo promissor de investigação dos con-
ceitos de informação, linguagem, semiótica e semântica. Enfati-
zamos a importância da informação em sua função adaptativa,
ao fortalecer o coletivo auto-organizado. Como perspectivas,
visamos o aprofundamento teórico para lapidar a ainda inci-
piente teoria enativa semiótica. Também almejamos o aprofun-
damento prático na implementação de gramáticas emergentes e
ampliação do poder computacional dos modelos.
referênCIaS
ANDLER, D. Cálculo e representação: as fontes. In: Introdução
às Ciências Cognitivas (pp. 25-54). São Leopoldo: Ed.
UNISINOS. 1998.
ARNELLOS, A., SPYROU, T. & DARZENTAS, J. Towards a
Framework that Models the Emergence of Meaning Structures in
Purposeful Communication Environments. e 47th Annual conf. of
e Int. Society for the Systems Sciences (ISSS), 3, 103. 2003.
ARNELLOS, A., VOSINAKIS, S., SPYROU, T. & DARZENTAS,
J. e Emergence of Autonomous Representations. Journal of
Computers, 1(6), 29-36. 2006.
AXTELL, R. e End of the Beginning for Multi-agent Systems
Social Science. In F. AMBLARD, & D. PHAN (Ed.). Modélisation et
simulation multi-agents: applications pour les Sciences de l’Homme et
de la Société (pp. 115-). Paris: Lavoisier, 2007.
BROOKS, R. Intelligence Without Representation. Articial
Intelligence Journal, 47, 139–159, 1991.
Informação, Conhecimento, Ação Autônoma e Big Data
113
CARVALHO, L. L. Représentations émergentes: une approche multi-
agents des systèmes complexes adaptatifs en Psychologie Cognitive.
èse de Doctorat, Université Lumière Lyon 2, France, 2008.
CARVALHO, L. L. A realização da mente: crítica da teoria enativa ao
conceito de propriedade emergente. In TOLEDO, G. L. et al. Debates
Contemporâneos em Filosoa da Mente. São Paulo: FiloCzar, 2018.
DROGOUL, A. De la simulation multi-agent à la résolution collective
de problèmes. Une étude de l’émergence de structures d’organisation
dans les systèmes multi-agents. èse de doctorat, Université de Paris
6. 1993.
DROGOUL, A. & FRESNEAU, D. Métaphore du fourragement
et modèle d’exploitation collective de l’espace pour des colonies de
robots autonomes mobiles. JFIADSMA’98. Paris, France: Hermès,
1998.
FERBER, J. Concepts et méthodologies multi-agents. In F. Amblard,
& D. Phan (Ed), Modélisation et simulation multi-agents: applications
pour les Sciences de l’Homme et de la Société (pp. 23-48). Paris:
Lavoisier, 2006.
GOMES, A., GUDWIN, R., QUEIROZ, J. Meaningful agents:
a semiotic approach. In: International Conference on Integration of
Knowledge Intensive Multi-Agent Systems (KIMAS), 2005, Waltham.
Proceedings KIMAS 2005. Boston: IEEE Press, 2005. p. 399-404.
HALBWACHS, M. La mémoire collective. Paris: Albin Michel, (1950)
1997.
HALL, W. P. Emergence and growth of knowledge and diversity in
hierarchically complex living systems. Selection, Self-Organization and
Diversity CSIRO Centre for Complex Systems Science and ARC Complex
Open Systems Network. Katoomba, NSW, Australia 17-18 May. 2006.
HALPIN, H. Representations: e Hard Problem for Articial Life.
Oxford Journals, 2006. 527-535.
HUTTO, D. D. & MYIN, E. Radicalizing enactivism: basic minds
without content. Cambridge: MIT, 2013.
HUTTO, D. D, & MYIN, E. Evolving enactivism: basic minds meet
content. Cambridge: MIT, 2017.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
114
KENNEDY, J. F., EBERHART, R. C. & SHI, Y. Swarm Intelligence.
San Francisco, CA: Morgan Kaufmann, 2001.
KULL, K., DEACON, T., EMMECHE, C., HOFFMEYER,
J., STJERNFELT, F. eses on biosemiotics: Prolegomena to a
theoretical biology. Biological eory, 4(2) 2009, 167–173.
JESUS, P. From enactive phenomenology to biosemiotic enactivism.
Adaptive Behavior - Animals, Animats, Software Agents, Robots,
Adaptive Systems, 24(2), 2016, pp. 130-146.
LENAY, C. Organisation émergente dans les populations: biologie,
éthologie, systèmes articiels. Intellectica, 19, 1994, 9-17.
LOULA, A. C. Comunicação Simbólica Entre Criaturas Articiais:
um experimento em Vida Articial. Dissertação (Mestrado
em Engenharia Elétrica) – Faculdade de Engenharia Elétrica e
Computação, Universidade Estadual de Campinas, Campinas, 2004.
LOULA, A., GUDWIN, R. & QUEIROZ, J. Synthetic approach of
symbolic creatures. S.E.E.D. Journal -- Semiotics, Evolution, Energy,
and Development, 3(3), 2003, 125-133.
LOULA, A., GUDWIN, R. & QUEIROZ, J. Symbolic
communication in articial creatures: an experiment in Articial Life.
Lecture Notes in Computer Science, 3171, 2004, 336-345.
LOULA, A., GUDWIN, R., EL-HANI, C. N., QUEIROZ, J.
e Emergence of Symbol-Based Communication in a Complex
System of Articial Creatures. 5th Internatinal Conference Integration
of Knowledge Intensive Multi-Agent Systems KIMAS’05: Modeling,
Evolution and Engineering. Waltham, Massachusetts: IEEE, 2005.
MATURANA, H. & MPODOZIS, G. La dérive des espèces par la voie
de la sélection naturelle. Lyon: Presses Universitaires de Lyon, 1999.
MATURANA, H. & VARELA, F. L’arbre de la connaissance. Paris:
Addison-Wesley France, (1984) 1994.
NEWELL, A. & SIMON, H. Computer science as empirical inquiry:
Symbols and search. Communications of the Association for Computing
Machinery, 19(3), 1976, 113-126.
Informação, Conhecimento, Ação Autônoma e Big Data
115
PYLYSHYN, Z. W. Computation and cognition: toward a foundation
for cognitive science. Cambridge: MIT press, 1984.
SEARLE, J. R. Minds, brains and programs. Behavioral and Brain
Sciences, v. 3, 1980, p. 417-424.
SKINNER, B. F. Contingencies of reinforcement: A theoretical analysis.
New York: York: Appleton-Century-Crofts, 1969.
STEELS, L. Emergent Adaptive Lexicons. In: Maes, P. (ed.)
From Animals to Animats 4: Proceedings of the Fourth International
Conference On Simulation of Adaptive Behavior, e MIT Press,
Cambridge Ma, 1996.
STEELS, L. e origins of ontologies and communication
conventions in Multi-Agent Systems. Autonomous Agents and Multi-
Agent Systems, 1(2), 1998, 169-194.
STEELS, L. Language as a complex adaptive system. Parallel Problem
Solving from Nature -PPSN VI. Springer, Lecture notes in Computer
Science, 2000a.
STEELS, L. e emergence of grammar in communicating
autonomous robotic agents. ECAI2000 (pp. 764-769). Amsterdam:
IOS Press, 2000b.
STEELS, L. Intelligence with representation. Philosophical
Transactions of the Royal Society, A 361(1811), 2003, 2381-2395.
STEELS, L., VAN TRIJP, R. & WELLENS, P. Multi-LeveL Selection
in the Emergence of Language Systematicity. ECAL07(pp. 425-434).
Springer, 2007.
STEELS, L., VAN TRIJP, R. How to make construction grammars
uid and robust. In Luc Steels (Ed). Design Patterns in Fluid
Construction Grammar (pp. 301–330). Amsterdam: John Benjamins,
2011.
STUBER, A., HASSAS, S. & MILLE, A. Combining multiagents
systems and experience reuse for assisting collective task achievement.
Proceedings of ICCBR-2003 Workshop “From structured cases to
unstructured problem solving episodes for experience-based assistance.
Trondheim, Norway, 2003.
STUBER, A., HASSAS, S. & MILLE, A. Language games for
meaning negotiation between human and computer agents.
Engineering Societies in the Agents’ World (ESAW 2005). Kusadasi,
Aydin, Turkey: Springer Verlag, 2005.
STEWART, J. R., GAPENNE, O., & DI PAOLO, E. A. Enaction:
Toward a new paradigm for cognitive science. MIT Press, 2010.
THOMPSON, E. A Mente na Vida: Biologia, Fenomenologia e
Ciências da Mente. Lisboa: Instituto Piaget, 2013. Original publicado
em 2007.
TOMASELLO, M., BROOKS, P. J. Early syntactic development:
A Construction Grammar approach In: Barrett, M. (ed.) e
Development of Language (pp. 161-190). Hove, UK: Psychology Press,
1999.
VARELA, F., THOMPSON, E., ROSCH, E. e Embodied Mind.
Cambridge. MA: MIT Press, 1991.
WELLENS, P., VAN TRIJP, R., STEELS, L., BEULS, K. Fluid
Construction Grammar for Historical and Evolutionary Linguistics.
Proceedings of the 51st Annual Meeting of the Association for
Computational Linguistics. Soa, Bulgary, 2013.
WITTGENSTEIN, L. Philosophical Investigations. Malden, MA:
Blackwell Publishing, (1953) 2001.
117
tranSdução InformaCIonal:
ImPaCtoS do Controle SoBre oS dadoS
Ricardo César Gonçalves Sant’ana
[...] a reciprocidade da troca de papéis entre o destinatário
e o falante confere à relação dialógica um caráter
igualitário […] o respectivo outro tem de ser levado a
sério em seu cerne individualizado e ser reconhecido em
sua alteridade radical (Jürgen Habermas, 2014, p. 60).
O conceito de transdução é muito utilizado em várias
áreas, como na Biologia e até mesmo nas engenharias, princi-
palmente relacionado às necessárias transformações de sinais
nos processos de comunicação, mas não com a perspectiva
apresentada neste texto. Aqui se busca explicitar as camadas
de abstração oriundas das diversas transformações a que a in-
formação está sujeita quando utilizada nos suportes digitais
(gura 3) e seus impactos na percepção dos envolvidos a partir
da opacidade gerada por estas transformações, que vão muito
além dos tratamentos mais superciais de seus conteúdos. As-
sim, propõe-se o conceito de transdução informacional como
https://doi.org/10.36311/2019.978-85-7249-055-9.p117-128
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
118
um dos elementos estruturantes para a explicitação das possí-
veis modicações, e até manipulações, a que estes conteúdos
passam a estar suscetíveis. Este conceito pode contribuir com
a redução da insciência dos diversos atores envolvidos nos ci-
clos de vida que os dados estão sujeitos.
Para que se possa estabelecer uma percepção clara sobre
os diversos aspectos relacionados à questão do acesso a dados,
considerando atores, ferramentas e, ainda, impactos sociais,
culturais e econômicos, é necessário entender as estruturas so-
bre as quais os processos envolvidos se sustentam. Entre essas
estruturas, cabe destaque a constituição das camadas de abs-
tração que emergem dos processos de interpretação quando da
transdução informacional dos conteúdos registrados nos su-
portes digitais, altamente estruturados, até ao conteúdo pró-
prio para resposta aos usuários. Essas camadas, sobre as quais
os usuários são inscientes (AFFONSO & SANT’ANA, 2018)
e das quais derivam transformações que, mesmo não se con-
gurando como violação do que se poderia considerar como
integridade lógica e física dos conteúdos envolvidos, podem
gerar novas percepções “factuais” da realidade.
A transdução, considerada como transformação de um
tipo de sinal em outro, envolve tipos distintos de energia que
propiciam o controle sobre processos ou a realização de medi-
ções, como representação do transcurso do conteúdo entre os
bits persistidos nos suportes digitais, passando pelas sucessivas
agregações semânticas, até os formatos resultantes nas inter-
faces líquidas, abertas e altamente aderentes às características
dos usuários nais amplamente difundidas e ubíquas.
Informação, Conhecimento, Ação Autônoma e Big Data
119
CIClo de vIda doS dadoS
O processo de transdução envolve, em diferentes mo-
mentos, diferentes aspectos, tais como: competências neces-
sárias, conhecimentos sobre o contexto e sobre o usuário,
recursos e métodos. A necessidade de identicação da tempes-
tividade das especicidades leva à necessidade de se estabelecer
o escopo de tais momentos, de forma a concatená-las, mesmo
que dentro de limitações, como por exemplo a concomitância
de alguns fatores ou mesmo ações que estariam presentes em
momentos distintos (SANT’ANA, 2016).
Como base da estruturação destes distintos momentos,
pode-se considerar fases em que a concatenação de parte
considerável das especicidades justica tal categorização.
Essas fases (Figura 1), consideradas como parte de ciclos
especícos de cada detentor e de suas necessidades, inicia-
se por um momento em que o objetivo é a obtenção de
conteúdos, ou o que se pode denominar de fase de coleta.
Nesta fase, coabitam especicidades que levam da denição
do escopo das necessidades informacionais, passando pelo
planejamento de ações, localização de fontes e culminando
no acesso ao conteúdo desejado.
Uma vez consolidado o acesso, pode se congurar a
necessidade de acesso futuro a tal conteúdo, o que leva a ou-
tro momento do processo em que agora competências e re-
cursos mais próximos do tecnológico ganham protagonismo,
encadeando ações de registro em suporte, o que na Ciência da
Computação remeteria ao conceito de persistência do conteú-
do e pode ser denominada fase de armazenamento, quando se
considera o ciclo de vida dos dados.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
120
Uma vez armazenado o conteúdo, não se tem ainda
garantia da presença das características que seriam necessárias
para estes conteúdos sejam acessados no futuro da forma es-
perada. Manifesta-se, assim, o momento em que o objetivo
está relacionado a fases de coleta de outros ciclos de vida ou
mesmo do próprio e que, por conseguinte, deve considerar a
disponibilidade de tais conteúdos. Ainda no contexto do ciclo
de vida dos dados, pode-se denominar tal fase como sendo a
de recuperação.
Uma das consequências do acesso a dados é o potencial
de persistência crescente de certos conteúdos. Grande parte
dos dados coletados é eliminada já nos momentos iniciais da
obtenção, seja por ltro previamente denido, seja por seleção
construída em função dos objetivos do acesso ou mesmo por
exceder a capacidade de retenção e uso de tais dados, situação
que tende a ser cada vez mais comum na fase e coleta, em fun-
ção da evolução acelerada das formas de captação.
Mesmo os conteúdos que, após esta fase inicial, são
destinados à fase de armazenamento podem, em determinado
momento, passar por processo de eliminação. Esta fase pode
ser denida como a fase de descarte e se, no passado recente,
tinha grande foco em função de limitações tecnológicas, volta
a ser tema de grande atenção em função das implicações rela-
cionadas à privacidade (BRASIL, 2018).
Informação, Conhecimento, Ação Autônoma e Big Data
121
Figura 1: Ciclo de Vida dos Dados (SANT’ANA, 2016)
Estas fases que estruturam o processo de acesso a da-
dos, ao longo do tempo, têm ainda outros fatores que reque-
rem atenção, mas que não se restringem apenas a uma das fases
identicadas em função do tempo. São fatores transversais às
fases do ciclo de vida dos dados e que podem ser identicados
como privacidade, integração, qualidade, direitos autorais,
disseminação e preservação.
Ao se considerar a existência de um vasto número de
ciclos de vida dos dados, aos quais uma determinada instân-
cia encontra-se submetida, pode-se conceber a possibilidade
de estabelecimento de conceitos como densidade e gradiente,
próprios da concepção de campo (SANT’ANA, 2019), o que
leva à possibilidade de se considerar também a densidade re-
lativa ao volume de conteúdos que de um lado são obtidos e
por outro são fornecidos pela instância em análise. Emergem,
assim, duas dimensões de interação, compostas ambas pela in-
teração da instância com ciclos de vida dos dados, tendo de
um lado o conjunto de processos de coleta aos quais ela está
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
122
submetida (output) e de outro lado o conjunto de processos
de recuperação ao qual ela tem acesso (input). Em conjunto,
estas duas dimensões comporão um campo informacional da
instância em análise (Figura 2).
Figura 2: CVDs sobre o elemento alvo compondo Campo Informacional
A diferença entre a densidade do que acessamos e do
que é acessado, por exemplo, a nosso respeito, deixa clara a
crescente assimetria existente entre os usuários (e a sociedade
em geral) e os detentores dos dados; o que remete à necessida-
de de explicitação dos processos e dos atores envolvidos
Assim, a reexão aqui proposta se ampara em duas di-
mensões de análise. A primeira, resultante de transformações
oriundas do processo de produção sígnica, necessárias e intrín-
secas ao uso de suportes tecnológicos digitais e que se susten-
tam em distintos formatos e energias, para o registro e persis-
tência de conteúdos. A segunda remete à questão dos atores
Informação, Conhecimento, Ação Autônoma e Big Data
123
envolvidos no ciclo de vida dos dados, com especial destaque
à desconformidade de agendas entre detentores e usuários.
Em relação ao processo de produção sígnica das ins-
tâncias mediadoras, que envolve camadas de código necessá-
rias à transformação de conteúdos, resumindo, ocultando e
minimizando a complexidade do real, cabe a explicitação da
simplicação resultante desse processo abstrativo. Conforme
ressalta Eco:
Escolho então situações descontínuas, discretas,
recortadas no continuum dos fatos possíveis, e as erijo
em traços pertinentes aos ns da comunicação que me
interessa (ECO, 2001, p. 27).
Elementos emergentes são selecionados de um campo
produzido pelas interfaces entre elementos maquínicos e entre
estes e ambientes ou usuários, exigindo, assim, como resultado
destes procedimentos abstrativos e, por consequência, simpli-
cação obrigatória, pela própria natureza contínua e analógica
dos conteúdos em uma transdução para conteúdos discretos e
digitais. Cabe aqui o seguinte questionamento:
Como pode o real construir-se sob a forma de signos?
Em que condições alguns signos que se tornam
matemáticos acessam o real e o representam? Que
estatuto conceder àqueles que não lhe têm acesso
a não ser por esse conjunto de características?
(SERRES, 2003, p. 70).
Esse processo de abstração, tanto nas codicações como
nas decodicações, exige a participação do agente maquínico
como executor das operações, o que por sua vez constitui a
obrigatoriedade de sequências nitas e muito bem denidas
de passos, algoritmos, para que estas operações possam ser rea-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
124
lizadas, o que remete à segunda dimensão de análise em que
se deve considerar o papel dos detentores dos dados. A elabo-
ração de algoritmos facilitadores desse processo requer não só
competências técnicas especícas, como, ainda, conhecimento
sobre os signicados envolvidos com os conteúdos tratados e
objetivos desejados, criando uma camada de opacidade sobre
as operações modeladas, implementadas e realizadas por parte
dos detentores e intermediários ao construir e reconstruir as
tessituras das denotações e das conotações.
Assim, apesar da aparente participação democrática dos
diversos atores, são os detentores de dados, compondo o que
poderia ser considerado como oligopólios, que controlam e
direcionam a coleta, armazenamento e recuperação dos dados
(SUN et al, 2015), sendo que tal opacidade resulta em profunda
insciência dos usuários em relação à transdução dos conteúdos.
Figura 3: Transdução de conteúdos da coleta à recuperação
Os conteúdos, para que sejam passíveis de interpre-
tação, e, portanto, possam ser considerados como dados, re-
querem elementos complementares que garantam a semântica
mínima e que podemos inferir como a estrutura composta por
Informação, Conhecimento, Ação Autônoma e Big Data
125
entidade, atributo e valor <e,a,v> (SANTOS & SANT’ANA,
2015), tríade esta que vai além de elementos dêiticos e em-
breadores que sustentam a integração de cada valor em sua
respectiva estrutura.
As diversas interfaces envolvidas nesse processo trans-
formativo, ao mesmo tempo em que viabilizam os seus usos e
interpretação, necessariamente erguem barreiras à percepção
dos usuários sobre as transduções exigidas para que os conteú-
dos possam ser tratados pelos dispositivos digitais, que, por
sua essência, dependem totalmente dos algoritmos disponibi-
lizados pelos detentores.
Quando se analisa as fases de recuperação às quais uma
determinada instância tem acesso, observa-se as que são mais
perceptíveis e tendem a ser consideradas como retorno das
concessões obtidas pelos detentores de dados. Vários fatores
podem desviar uma percepção mais clara sobre elas, tais como
a ideia preconcebida de que o que se está acessando em um
determinado ambiente, como uma rede social, por exemplo,
é livre de organização intencional por parte dos interesses da-
queles que as mantém. Aliás, esta falsa sensação de liberdade
pode até agravar a assimetria informacional, por não suscitar
no usuário a motivação por precaução ao interpretar os con-
teúdos a que tem acesso nestes ambientes.
Já com relação às fases de coleta, a insciência dos usuá-
rios acentua-se, chegando mesmo ao extremo de não lhe ser
possível, muitas das vezes, nem mesmo ter ciência de que o pro-
cesso está ocorrendo. Quando se trata de formas mais diretas de
obtenção de dados, tais como formulários ou mesmo por meio
de registro de interações com mídias sociais por exemplo, os
usuários são convencidos de que os dados coletados terão como
nalidade sua comodidade e podem até ser alvo de legislações,
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
126
como as que preveem garantias em relação aos dados pessoais
(BRASIL, 2018). No entanto, muitas das coletas, que são rea-
lizadas por meio de dispositivos que podem atuar sem a par-
ticipação ativa do usuário, podem coletar dados, inicialmente
considerados como não identicadores, e que, portanto, cam
livres de controle ou de desconanças mais diretas. No entanto,
quando esses dados são integrados com outros dados, para sub-
sequente tratamento, eles podem gerar o que se denomina de
efeito mosaico e levar à identicação e violação de privacidade,
que não poderiam ser previstas sem o acesso às camadas mais
internas do ciclo de vida dos dados.
Um bom exemplo deste tipo de resultado pode ser ob-
servado em pesquisas como a realizada por Keith Chen e Ryne
Rohla e publicada na Science em junho de 2018 (CHEN &
ROHLA, 2018) e que, utilizando informações obtidas sobre
a localização de celulares e consideradas como não identi-
cadoras, ou seja, que não traziam elementos de identicação
dos donos dos dispositivos, permitiram que se chegassem a
conclusões como quanticar o impacto do partidarismo e da
propaganda política nos jantares de Ação de Graças em 2016,
de mais de 10 milhões de americanos, e ainda: que os demo-
cratas encurtaram suas visitas aos lares republicanos entre 20 e
40 minutos; que os republicanos reduziram seu tempo com os
antriões democratas de 50 a 70 minutos; famílias incompa-
tíveis de áreas com alta exposição política a anúncios gastaram
menos tempo juntas. Informações sensíveis, obtidas a partir
de processos aos quais os usuários estavam totalmente inscien-
tes não só sobre quais os dados coletados, como também sobre
a existência do próprio processo de coleta. Outras compen-
sações podem ser utilizadas na obtenção das concessões para
acesso aos dados, tais como: segurança (exemplo: câmeras em
ambientes públicos utilizadas como instrumental dos agentes
Informação, Conhecimento, Ação Autônoma e Big Data
127
de segurança) e visibilidade (exemplo: maior volume de acesso
em redes sociais) entre outras.
reflexõeS
Deter o controle sobre os processos do ciclo de vida
dos dados remete ao domínio sobre os algoritmos envolvidos
nas diversas fases do acesso a dados. A simples possibilidade
de imbricamento dos interesses desses detentores com os pres-
supostos objetivos relacionados ao campo informacional deve
ser motivo de reexões e busca por redução das assimetrias
entre os detentores e usuários.
A insciência do usuário tende a ser compensada e ame-
nizada por processo constante de construção de senso comum,
que tem por objetivo convencer as pessoas sobre uma pressu-
posta eciência intrínseca, objetiva, de agentes maquínicos, o
que agrava ainda mais a situação.
referênCIaS
AFFONSO, E.P.; SANT’ANA, R.C.G. Privacy awareness issues
in user data collection by digital libraries. IFLA Journal. Volume:
44 número: 3, out de 2018. pp.170-182. Disponível em: https://
journals.sagepub.com/doi/abs/10.1177/0340035218777275. Acesso
em: 10/11/2018.
BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Dispõe sobre a
proteção de dados pessoais e altera a Lei nº 12.965, de 23 de abril
de 2014 (Marco Civil da Internet). Brasília, 2018. Disponível em:
http://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/
L13709.htm. Acesso em: 10/01/2019.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
128
CHEN, K. & ROHLA, R. e Eect of Partisanship and Political
Advertising on Close Family Ties. Science, vol. 360, nº 6392, pp.
1020-1024. 01 de jun de 2018. Disponível em: http://science.
sciencemag.org/content/360/6392/1020. Acesso em 10/07/2018.
ECO, U. A estrutura ausente: introdução à pesquisa semiológica. São
Paulo: Perspectiva, 2007.
HABERMAS, J. Na esteira da tecnocracia: pequenos escritos políticos.
São Paulo: Editora Unesp, 2014.
SANT’ANA, R.C.G. Ciclo de vida dos dados e o papel da ciência da
informação. In: ENCONTRO NACIONAL DE PESQUISA EM
CIÊNCIA DA INFORMAÇÃO, 14., 2013, Florianópolis. Anais...
Florianópolis, 2013. Disponível em: http://enancib.sites.ufsc.br/
index.php/enancib2013/XIVenancib/paper/viewFile/284/319. Acesso
em: 05/05/2014.
SANT’ANA, R.C.G. Ciclo de vida dos dados: uma perspectiva a
partir da ciência da informação. Informação & Informação, [S.l.],
v. 21, n. 2, p. 116–142, dez. 2016. ISSN 1981-8920. Disponível
em: http://www.uel.br/revistas/uel/index.php/informacao/
article/view/27940. Acesso em: 29/12/2016. doi:http://dx.doi.
org/10.5433/1981-8920.2016v21n2p116.
SANT’ANA, R.C.G. Campo Informacional Resultante da Interação
de Ciclos de Vida dos Dados. In: DIAS, G.; FREIRE, B. (Orgs).
Dados Cientícos: perspectivas e desaos. Editora UFPB - João Pessoa.
2019 p.5-19 (prelo)
SANTOS, P.L.V.A.C & SANT’ANA, R.C.G. Dado e Granularidade
na perspectiva da Informação e Tecnologia: uma interpretação pela
Ciência da Informação. Ciência da Informação, Brasília, v. 42, p. 199-
209, 2015.
SERRES, M. Hominescências: o começo de outra humanidade? Rio de
Janeiro: Bertrand Brasil, 2003.
SUN, M.; WEI, Y.; JIANG, J. Big Data: risks and regulatory
strategies. IEEE International Conference on Progress in Informatics and
Computing, 2015. p. 358-362.
129
metadadoS de PreServação dIgItal na
era de Big Data
Jean Fernandes Brito
Daniel Martínez-Ávila
Com o avanço das tecnologias, os suportes de infor-
mação e dispositivos tornam-se obsoletos cada vez mais ra-
pidamente. Além dos suportes, na era dos grandes volumes
de dados, a informação contida neles também apresenta as
características dos Big Data, consideradas os cinco V’s: volu-
me, velocidade, veracidade, variedade e valor. Nesse sentido,
as descrições adequadas dos objetos digitais que transmitem os
Big Data necessitam de uma representação efetiva para garan-
tir a preservação das informações e registros descritivos.
Nesse contexto, além de se tornarem os suportes obso-
letos, há um grande volume de dados disponível, que corre o
risco de desaparecer ou se distorcer, havendo a necessidade de
criar e pensar meios de descrever e preservar os objetos físicos
e ainda preservar os metadados de objetos digitais que corres-
pondem aos Big Data.
Os Big Data representam quantidades maciças de
diversos tipos de informação, que são constantemente
https://doi.org/10.36311/2019.978-85-7249-055-9.p129-142
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
130
coletadas, processadas, misturadas e analisadas estatisticamente
na esperança de encontrar correlações que revelem signicado
(MARTÍNEZ ÁVILA et al., 2018).
Nesse sentido, essas quantidades massivas de dados e
informações necessitam ser representadas para garantir a pre-
servação digital e proporcionar contexto a teorias e hipóteses
cientícas (pragmática). Os metadados de preservação digital
têm como propósito gerenciar e administrar a representação e
a descrição dos objetos digitais, disponibilizar as informações
sucientes para tomada de decisões dos gestores, e manter o
acesso ao conteúdo dos objetos em um ambiente tecnológico
em longo prazo.
Nesse contexto, esses metadados devem ser criados de
maneira adequada para que futuramente “[...] os dados possam
ser copiados, ‘re-criados’ e atualizados como migrações perió-
dicas necessárias em novos formatos para seu uso em novas
gerações de hardware e software” (MÁRDERO ARELLANO,
2004, p. 21).
Desse modo, os prossionais da informação que lidam
com os metadados de preservação digital devem sempre atua-
lizar o acervo digital e acompanhar as mudanças tecnológicas e
informacionais, para, assim, disponibilizar informações atuais
do cotidiano para os usuários.
Castro (2012) comenta que a integração semântica dos
metadados seria “o processo de utilização de uma representa-
ção conceitual dos dados e seus relacionamentos, com o obje-
tivo de eliminar as possíveis heterogeneidades de compreensão
e interpretação”.
Informação, Conhecimento, Ação Autônoma e Big Data
131
Diante do exposto, a presente pesquisa tem por ob-
jetivo apresentar uma reexão teórica sobre os metadados de
preservação digital à luz do contexto de Big Data.
A pesquisa está ancorada em uma abordagem teórica,
descritiva e qualitativa. Segundo Bartunek e Seo (2002), a abor-
dagem qualitativa é útil e necessária para identicar e explorar os
signicados dos fenômenos estudados, possibilitando o desenvolvi-
mento de novas compreensões e reexões – no caso desse estudo, os
metadados de preservação digital no contexto dos Big Data.
O trabalho está estruturado da seguinte forma para
melhor entendimento: introdução, em que são apresentadas
as considerações iniciais e os objetivos; seções: (1) os metada-
dos e a preservação digital, seus conceitos e funções; (2) os me-
tadados de preservação digital e Big Data: algumas reexões; e
considerações nais.
1 metadadoS de PreServação dIgItal
Os Metadados têm a função de descrever, identicar,
e recuperar os objetos informacionais de acordo com seu con-
teúdo, contexto, estrutura ou apresentação, para que no futuro
o usuário encontre a informação que deseja (ALVES, 2010).
Eles possuem a função de padronização e interoperabi-
lidade dos sistemas de informação, como por exemplo, biblio-
tecas, mapas, redes sociais e qualquer outro meio, para que elas
possam trocar e compartilhar informações. Se os metadados
possuem essas funções, pode-se armar que estão relacionados
à catalogação de recursos informacionais no meio digital, que
descreve e representa os documentos.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
132
Os metadados podem ser classicados em várias cate-
gorias, entretanto os mais frequentes são: os descritivos, estru-
turais e administrativos.
Metadados descritivos: é a face mais conhecida dos
metadados, são eles que descrevem um recurso com
o propósito de descoberta e identicação; podem
incluir elementos tais como título, autor, resumo,
palavras-chave e identicador persistente.
Metadados estruturais: são informações que
documentam como os recursos complexos, compostos
por vários elementos, devem ser recompostos e
ordenados. Por exemplo, como as páginas de um
livro, digitalizadas separadamente, são vinculadas
entre si e ordenadas para formar um capítulo.
Metadados administrativos: fornecem informações
que apoiam os processos de gestão do ciclo de vida
dos recursos informacionais. Incluem, por exemplo,
informações sobre como e quando o recurso foi
criado e a razão da sua criação. Nessa categoria, estão
metadados técnicos que explicitam as especicidades
e dependências técnicas do recurso; inclui também os
metadados voltados para apoio à gestão dos direitos
relacionados ao recurso (SAYÃO, 2010, p. 5, grifo
do autor).
Para Campos (2007, p. 30), “[...] os metadados tor-
nam-se especialmente úteis em facilitar a navegação e o plane-
jamento das consultas” de acordo com cada perl diferente de
usuário, para que, quando este for realizar a busca, encontre o
que realmente deseja obter.
Os metadados são utilizados, por exemplo, em biblio-
tecas e arquivos, sendo que, nesses ambientes, possuem fun-
ções que vão além da identicação e descrição dos documen-
tos, referindo-se também a várias seções.
Informação, Conhecimento, Ação Autônoma e Big Data
133
Metadados referentes à administração, acesso,
preservação e uso das coleções são constantemente
empregados em repositórios. Isso é particularmente
notável em bibliotecas e arquivos digitais. Nesses
ambientes, os metadados não apenas descrevem e
identicam um objeto informacional, mas explicitam
as condições corretas ou ideais de seu gerenciamento,
as relações do objeto com outros na coleção, sua
função, utilização, comportamento, contexto de
criação e condições de preservação (CAMPOS,
2007, p. 34-35).
Para não correr o risco de perder os materiais digitais
deve-se utilizar software, hardware, e métodos de preservação
com qualidade e que armazenem as informações e os dados de
maneira adequada para permanecer em longo prazo, utilizan-
do-se padrões de metadados.
A seguir, no Quadro 1, serão apresentados os princi-
pais padrões de metadados de preservação digital que foram
apresentados na revisão de literatura por Formenton (2015),
bem com a sua especicação e apresentação.
Quadro 1- Padrões de Metadados de Preservação Digital
Padrão de Metadados Apresentação
ANSI/NISO Z39.87,
Data Dictionary –
Technical Metadata for Digital
Still Images32
Padrão de metadados técnicos para
desenvolver, intercambiar e interpretar
arquivos de imagem xa digital, facilitar a
interoperabilidade entre sistemas, serviços
e software, assim como apoiar a gestão a
longo prazo e contínuo acesso a coleções
de imagens digitais (BARBEDO et al.
2007; NATIONAL INFORMATION
STANDARDS ORGANIZATION 2011)
Dublin Core - DC Padrão para catalogação e suporte a
descoberta de recursos eletrônicos na Web
(CAMPOS; SARAMAGO, 2007, 2012;
SAYÃO, 2010)
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
134
Encoded Archival Description
(EAD)
Padrão para codicação de instrumentos
arquivísticos de acesso, tais como inventário,
índices, dentro outros (ANDRADE, 2007;
BARBEDO et al; CHAN ZENG, 2006)
Learning Object Metadata
(LOM)
Padrão que dene um conjunto mínimo
de atributos para gerir, localizar e avaliar
recursos ou objetos de aprendizagem
(CHAN; ZENG, 2006, NATIONAL
INFORMATION STANDARDS
ORGANIZATION, 2004)
Machine Readable Cataloging
(MARC)
Padrão para a representação e a comunicação
de registros ou informações bibliográcas
entre bibliotecas, através da utilização de
computadores (CHAN, ZENG, 2006;
GRACIO, 2012; THOMAZ, 2004)
Metadata Encoding and Trans-
mission Standard (METS)
Padrão para codicar metadados descritivos,
administrativos e estruturais sobre objetos
digitais num repositório (ALMEIDA;
CENDÓN; SOUZA 2012, BARBEDO et
al. 2007)
Metadata Object Description
Schema (MODS)
Padrão de metadados descritivos derivado
do esquema bibliográco MARC 21,
cujo enfoque são os recursos eletrônicos
e os serviços de biblioteca. (NATIONAL
INFORMATION STANDARDS
ORGANIZATION, 2004)
ISO/IEC Moving Picture
Experts Group (MPEG) Mul-
timedia
Padrões para a descrição e a representação
de recursos ou objetos audiovisuais
e multimídiaticos digitais tais como
MPEG-7 e MPEG-21 (NATIONAL
INFORMATION STANDARDS
ORGANIZATION, 2004; SAYÃO, 2010)
PREservation Metadata
Implementation Strategies
(PREMIS)
Padrão que dene um conjunto de
elementos básicos para codicar, armazenar,
gerir e intercambiar metadados de
preservação no contexto de um sistema
de repositório para a preservação digital
(ARELLANO, 2008; CAMPOS;
SARAMAGO, 2007, SAYÃO, 2010)
Record Export for Art and Cul-
tural Heritage (REACH)
Padrão para a descrição de objetos no
âmbito de coleções de museus (GRACIO,
2012)
Fonte: (FORMENTON, 2015, p. 62)
Informação, Conhecimento, Ação Autônoma e Big Data
135
Para entender o processo de preservação digital é ne-
cessário compreender primeiro o que é um objeto digital, sen-
do assim, “Um objeto digital é aquele que foi criado em com-
putador, podendo ser original ou uma versão depois de haver
sido convertido (ou digitalizado).” (MÁRDERO ARELLA-
NO, 2004, p. 16). Para Hedstrom (1998, p. 190, tradução
nossa), a preservação digital é “[...] o planejamento, alocação
de recursos e aplicação de métodos e tecnologias para asse-
gurar que a informação digital de valor contínuo permaneça
acessível e utilizável”.
A preservação digital busca armazenar as informações
e os dados de uma instituição para que permaneça sempre em
acesso e uso contínuo, preserva também a memória e a cultura
de uma determinada comunidade. “A preservação digital com-
preende os mecanismos que permitem o armazenamento em
repositórios de dados digitais que garantiriam a perenidade dos
seus conteúdos” (MÁRDERO ARELLANO, 2004, p. 17).
2 oS metadadoS de PreServação dIgItal na era doS
Big Data: algumaS reflexõeS
De modo a elucidar as reexões dos metadados de pre-
servação digital à luz dos Big Data, apresenta-se uma concei-
tuação desse termo:
O Big Data é um termo derivado dos avanços recentes
relativos à massicação da utilização de recursos
tecnológicos e da farta produção de dados. Em suma,
é um conceito que caracteriza volumosos conjuntos
de dados heterogêneos, os quais não são passíveis de
processamento por soluções computacionais tradicionais
considerando dinamismo e sua complexidade
(RAUTENBERG; CARMO, 2019, p 57).
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
136
Rautenberg e Carmo (2019), ao apresentarem e discu-
tirem esse termo, dialogam com aportes teóricos da Ciência
da Informação, no que diz respeito à otimização do acesso e
à forma como os metadados se comportam nesse processo de
representação da informação.
Os autores supracitados apresentam, ainda, alguns
questionamentos sobre a aplicação dos dados e metadados,
ancorando sua reexão à luz dos metadados de preservação
digital. São questionamentos dos autores: Como armazenar
os dados e metadados em ecossistemas de Big Data? Como
organizar e catalogar dados e metadados nesses ecossistemas?
Ao colocar esses questionamentos diante do grande volume de
dados e ancorá-los à luz dos metadados de preservação digital
e de seu processo de armazenamento, deve-se pensar numa
política dos padrões de metadados de preservação digital que
discuta esse grande volume de dados.
Grácio (2012, p. 75) caracteriza os aspectos da preser-
vação digital em três grupos: organizacional, legal e técnico
que se subdividem:
O Organizacional em: missão, visão, objetivos insti-
tucionais; equipe multidisciplinar; responsabilidades; recursos
nanceiros e atos administrativos.
O Legal em: legislação vigente e direitos autorais;
O Técnico em: modelos, padrões, iniciativas; infraes-
trutura tecnológica; repositórios institucionais; seleção, des-
carte; estratégias de preservação; autenticidade; metadados e
suporte digital.
A gura a seguir exemplica melhor a relação entre
esses grupos.
Informação, Conhecimento, Ação Autônoma e Big Data
137
Figura 1: Aspectos da Preservação digital
Fonte: Grácio (2012, p. 76).
A prática de preservação digital é necessária em todas
as unidades de informação para que os usuários tenham aces-
so on-line e para que a informação esteja sempre preservada e
ativa, pois os documentos ou conteúdos que estão no suporte
físico (as informações impressas, livros, periódicos, teses, dis-
sertações, entre outros) com o passar do tempo podem se de-
sintegrar ou perder, nunca mais sendo recuperadas, lembran-
do que, o usuário não pode ter acesso ao documento impresso
a todo o momento e nem poderá pesquisar em qualquer lugar
que esteja (ARAKAKI et al., 2018).
ConSIderaçõeS fInaIS
Nas discussões sobre Big Data no contexto documen-
tal, apresentamos um novo V que caracteriza os Big Data e a
informação em ambientes digitais: a volatilidade. Neste senti-
do, consideramos os metadados de preservação digital como
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
138
uma ferramenta que facilitaria a preservação e melhor contex-
tualização dos dados.
Os metadados de preservação digital assumem um pa-
pel primordial nas descrições e representações dos dados e da
informação possibilitando a interoperabilidade entre sistemas.
As políticas de preservação digital no contexto dos Big Data
possuem grande importância global, pois têm o papel de ga-
rantir o armazenamento e a descrição não ambígua de infor-
mações, permitindo também uma melhor signicação contex-
tual dos Big Data em relação ao conhecimento acumulado.
referênCIaS
ALMEIDA, M.B.; CENDÓN, B.V. & SOUZA, R.R. Metodologia
para implantação de programas de preservação de documentos digitais
a longo prazo. Encontros Bibli: revista eletrônica de biblioteconomia e
ciência da informação, Florianópolis, v. 17, n. 34, p. 103-130, ago.
2012. ISSN 1518-2924. Disponível em: https://periodicos.ufsc.br/
index.php/eb/article/view/1518-2924.2012v17n34p103. Acesso em:
27/05/2019.
ALVES, R. C. V. Metadados como elementos do processo de catalogação.
2010. 132 f. Tese (Doutorado em Ciência da Informação)–Faculdade
de Filosoa e Ciências, Universidade Estadual Paulista, Faculdade de
Filosoa e Ciências, Marília, 2010.
ANDRADE, R. S. Aspectos introdutórios da representação de
informação arquivística: a Norma Brasileira de Descrição Arquivística
(Nobrade), a Descrição Arquivística Codicada (EAD-DTD) e o
projeto Archives Hub. Ponto de Acesso, Salvador, v. 1, n. 2, p. 70-100,
jul./dez. 2007. Disponível em: http://www.brapci.inf.br/index.php/
article/view/0000005065/7cd7f7403d73975ed2619d2d8310720/ .
Acesso em: 23/05/2019.
ARAKAKI; F. et al. Web Semântica e Preservação digital: o padrão
de metadados PREMIS na proposta do Liked Data. Informação e
Tecnologia. v. 2, 2018. Disponivel em: http://www.periodicos.ufpb.br/
ojs/index.php/itec/article/view/38118. Acesso em: 22/05/2019.
Informação, Conhecimento, Ação Autônoma e Big Data
139
ARELLANO, M. Á. M. Critérios para a preservação digital da
informação cientíca. 2008. 354 f. Tese (Doutorado em Ciência
da Informação) – Departamento de Ciência da Informação e
Documentação, Universidade de Brasília, Brasília, 2008. Disponível
em: http://repositorio.unb.br/bitstream/10482/1518/1/2008_
MiguelAngelMarderoArellano.pdf. Acesso em: 11/01/2015
BARBEDO, F. et al. RODA: repositório de objectos digitais
autênticos. Actas dos Congressos Nacionais de Bibliotecários, Arquivistas
e Documentalistas, Lisboa, n. 9, 2007. Disponível em: https://www.
bad.pt/publicacoes/index.php/congressosbad/article/view/535. Acesso
em: 13/05/ 2019.
BARTUNEK, J. M. & SEO, M. Qualitative research can add new
meanings to quantitative research. Journal of Organizational Behavior,
v. 23, n.2, 2002.
CAMPOS, L. F. de B. Metadados digitais: revisão bibliográca da
evolução e tendências por meio de categorias funcionais. Encontros
Bibli: Revista Eletrônica de Biblioteconomia e Ciência da Informação,
Florianópolis, v. 12, n. 23, p. 16-46, 1. sem. 2007. Disponível em:
http://www.brapci.ufpr.br/download.php?dd0=11673. Acesso em:
26/05/2017.
CAMPOS, F. M. G.; SARAMAGO, M. L. Preservação digital de
longo prazo em instituições patrimoniais: reutilização e adaptação de
metadados. Actas dos Congressos Nacionais de Bibliotecários, Arquivistas
e Documentalistas, Lisboa, n. 9, p. 1-7, 2007. Disponível em: https://
www.bad.pt/publicacoes/index.php/congressosbad/article/view/540.
Acesso em: 11/05/2019.
CASTRO, F. F. de. Elementos de interoperabilidade na catalogação
descritiva: congurações contemporâneas para a modelagem de ambientes
informacionais digitais. 2012. 202 f. Tese (Doutorado em Ciência
da Informação) - Faculdade de Filosoa e Ciências, Universidade
Estadual Paulista, Marília, 2012.
CHAN, L. M.; ZENG, M. L. Metadata interoperability and
standardization: a study of methodology part i: achieving
interoperability at the schema level. D-Lib Magazine, v. 12, n. 6, june
2006. Disponível em: http://www.dlib.org/dlib/june06/chan/06chan.
html. Acesso em: 23/05/2019.
140
FOMERTON, Danilo. Identicação de padrões de metadados
de preservação digital. Dissertação de Mestrado em Tecnologia,
Informação e Sociedade: Universidade Federal de São Carlos - Ufscar
– São Carlos, 2015.
GRÁCIO, J. C. A. Preservação digital na gestão da informação:
um modelo processual para as instituições de ensino superior.
São Paulo, SP: Cultura Acadêmica, 2012. Programa de Pós-
Graduação em Ciência da Informação, Faculdade de Filosoa
e Ciências, Universidade Estadual Paulista, Marília. Disponível
em: http://wwHYPERLINK “http://www.culturaacademica.com.
br/_img/arquivos/Preservacao_digital_na_gestao_da_inform%20
acao-WEB_v2.pdf”w.culturaacademica.com.br/_img/arquivos/
Preservacao_digital_na_gestao_da_inform HYPERLINK “http://
www.culturaacademica.com.br/_img/arquivos/Preservacao_digital_
na_gestao_da_inform%20acao-WEB_v2.pdf”acaoHYPERLINK
“http://www.culturaacademica.com.br/_img/arquivos/Preservacao_
digital_na_gestao_da_inform%20acao-WEB_v2.pdf”-WEB_v2.pdf.
Acesso em: 26/05/2019.
HEDSTROM, M. Digital preservation: a time bomb for digital
libraries. Computers and the Humanities, Michigan, U.S.A, n. 31,
p. 189–202, 1998. Disponível em: http://deepblue.lib.umich.
edu/bitstream/handle/2027.42/42573/?sequence=1. Acesso em:
24/05/2019.
MÁRDERO ARELLANO, M. Á. Preservação de documentos
digitais. Ciência da Informação, Brasília, DF, v. 33, n. 2, p. 15-
27, maio/ago. 2004. Disponível em: http://www.brapci.ufpr.br/
download.php?dd0=9026. Acesso em: 24/05/2017.
MARTÍNEZ ÁVILA, D. et al. CLASSIFYING THE LOD
CLOUD. Brazilian Journal of Information Science: research trends,
v. 12, n. 4, p. 06-10, 12 dez. 2018. Disponível em: http://www2.
marilia.unesp.br/revistas/index.php/bjis/article/view/8328. Acesso
em: 29/05/2019
NATIONAL INFORMATION STANDARD ORGANIZATION.
Understanding Metadata. Bethesda, MD: NISO Press, 2004.
Disponível em: https://www.niso.org/publications/understanding-
metadata-2017. Acesso em: 12/11/2018.
Informação, Conhecimento, Ação Autônoma e Big Data
141
RAUTENBERG, S.; CARMO, P. R. BIG DATA E CIÊNCIA DE
DADOS. Brazilian Journal of Information Science: research trends,
v. 13, n. 1, p. 56-67, 29 mar. 2019. Disponível em: http://www2.
marilia.unesp.br/revistas/index.php/bjis/article/view/8315. Acesso
em: 29/05/2015.
SAYÃO, L. F. Uma outra face dos metadados: informações para a
gestão da preservação digital. Encontros Bibli: Revista Eletrônica de
Biblioteconomia e Ciência da Informação, Florianópolis, v. 15, n. 30,
p. 1-31, 2010. Disponível em: http://www.brapci.ufpr.br/download.
php?dd0=12621. Acesso em: 18/05/2019.
THOMAZ, K. P. A preservação de documentos eletrônicos de caráter
arquivístico: novos desaos, velhos problemas. 2004. 388 f. Tese
(Doutorado em Ciência da Informação) – Escola de Ciência da
Informação, Universidade Federal de Minas Gerais, Belo Horizonte,
2004. Disponível em: http://www.bibliotecadigital.ufmg.br/dspace/
handle/1843/VALA-68ZRKF. Acesso em: 11/01/2019.
143
CuradorIa dIgItal e rePreSentação de
aCervo muSeológICo no atom:
um eStudo da CuStomIzação do
software
Nandia Leticia Freitas Rodrigues
Lucinéia da Silva Batista
Laís Alpi Landim
Maria José Vicentin Jorente
Os avanços nas Tecnologias de Informação e Comuni-
cação (TIC) de meados dos anos 1990 têm condicionado uma
complexa transformação na cultura ocidental, impactando
signicativamente o comportamento dos sujeitos nas formas
de buscar, adquirir e produzir conhecimento (JORENTE,
2017). Na era dos Big Data – caracterizada pelo grande volu-
me de dados variados, produzidos em alta velocidade, com ex-
pressiva variabilidade e passíveis de atribuição de valor aos da-
dos no ambiente Web – a acumulação e produção exponencial
de conhecimento social a partir dos sistemas computacionais
complexos evidencia a urgência em se desenvolver e disponi-
bilizar representações das informações estruturadas. Assim, o
pleno acesso nos ambientes Web é facilitado, de modo a apri-
https://doi.org/10.36311/2019.978-85-7249-055-9.p143-162
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
144
morar o compartilhamento da informação. Nesse contexto, a
descrição de acervos musealizados é essencial no processo de
tratamento e gerenciamento documental.
O conceito de Big Data pode ser compreendido como
conjuntos de dados tão complexos e de volume tão extensos
que aplicações tradicionais de processamento de dados são
inadequadas para o seu tratamento. Suas características o dis-
tinguem de esforços clássicos de coleta de dados, principal-
mente quanto a tudo que é possibilitado pelo Big Data. Os
dados, nesse contexto, advêm da reunião de múltiplas fontes,
que já reuniram outros conjuntos de dados para diferentes
propósitos (BATES et al., 2018).
A natureza dos dados no contexto do Big Data é carac-
terizada pelos desaos de volume, veracidade, variedade, velo-
cidade e valor – os 5 Vs. Nesse contexto, alguns dos maiores
desaos encontram-se na ausência de estruturação dos dados –
a atribuição de metadados de descrição que possibilitam o seu
processamento por sistemas automatizados (JAMES, 2014).
No escopo da Ciência da Informação (CI), discu-
tem-se estratégias e métodos para o armazenamento, a pre-
servação, os processos de digitalização de acervos e as novas
formas de organizar e disponibilizar informação em sistemas
digitais: as questões que giram em torno da preservação e
do acesso são desaos constantes para a CI. A Museologia
encontra, então, novas perspectivas no contexto da sua con-
formação, bem como a possibilidade de adoção dos espaços
híbridos para divulgação e compartilhamento dos acervos
musealizados. É premente reinventar a comunicação museo-
lógica, sobretudo a partir da adesão às inúmeras possibilida-
des de inovação advindas dos avanços das TIC. Na era dos
dispositivos tecnológicos, é essencial discutir questões emer-
Informação, Conhecimento, Ação Autônoma e Big Data
145
gentes, tais como as demandas na laboração de novos proce-
dimentos especícos para tratamentos, curadoria, preserva-
ção e descrição acervos nos ambientes digitais, para pensar os
rumos da Museologia contemporânea.
O ciberespaço modica a forma como os museus li-
dam com seus acervos – o acesso à informação, à obra de arte
e ao objeto musealizado transcende o espaço físico do museu
(BEIGUELMAN, 2017). A atuação tradicional dos museus,
centrada na territorialidade e nos acervos físicos, não é mais
suciente para alcançar com total eciência o seu público-alvo
que, embora muito heterogêneo, encontra-se cada vez mais
inserido num contexto comum, isto é, nos ambientes digitais
online. Neste sentido, considerando que a relação entre o mu-
seu, o acervo e o público sofre interferências signicativas da
cultura digital, é necessário adotar estratégias e metodologias
que viabilizem a representação dos conteúdos informacionais
das dos museus também nos ambientes digitais. A disponibi-
lização da imagem, seguida da descrição textual dos objetos, é
uma eciente estratégia de hibridização nos ambientes digitais
de museus na busca pela aproximação do público através dos
ambientes digitais.
A descrição de objetos museais e a sua disponibiliza-
ção no ambiente digital possibilita a representação das infor-
mações e facilita o acesso. Porém, esta é uma atividade que
demanda a adoção de uma série de procedimentos, normas,
estruturas, padrões e metadados adequados, e de um software
especíco para realização do tratamento descritivo do objeto.
A adoção adequada destes elementos inuencia no sucesso da
representação da informação, na sua recuperação, interope-
rabilidade e importação de dados entre sistemas. Agrega-se,
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
146
assim, valor à informação digital, o que a torna mais adequada
ao contexto do Big Data.
Trataremos, neste estudo, das possibilidades da uti-
lização do software de descrição arquivística AtoM na repre-
sentação da informação museológica por meio da descrição.
Acreditamos que o AtoM possa ser aplicado nesse processo de
tratamento descritivo, visto que se trata de um sistema open
source que possibilita convergências de normas, interoperabili-
dade, descrições multiníveis, multilíngues e que possui design
simples, eciente e ecaz para a representação da informação.
Considerando a heterogeneidade dos acervos de museu e a sua
semelhança com os acervos arquivísticos, acreditamos que os
campos descritivos do AtoM atendam à necessidade de repre-
sentação da informação dos museus.
1 muSeuS na era dIgItal
Os museus, tradicionalmente, são os “guardiões de
nossa herança cultural” (DEKKER, 2014, p. 66). Enquanto
instituições culturais, os museus são promissores espaços de
informação, cultura e lazer, atuantes no processo educacional,
formador de conhecimento sociocultural e no exercício de di-
reitos do cidadão (ROCHA, 2017).
Segundo denição do Conselho Internacional de Mu-
seu (ICOM):
O museu é uma instituição permanente sem
ns lucrativos, ao serviço da sociedade e do seu
desenvolvimento, aberta ao público, que adquire,
conserva, investiga, comunica e expõe o patrimônio
material e imaterial da humanidade e do seu meio
envolvente com ns de educação, estudo e deleite
(ICOM, 2015, [online]).
Informação, Conhecimento, Ação Autônoma e Big Data
147
As instituições museológicas – por meio de narrativas
expositivas, atividades e ações culturais voltadas aos sujeitos
que com elas interagem – desempenham uma função me-
diadora entre a informação histórica e cultural e a sociedade
(LOUREIRO; SOUZA; SAMPAIO, 2007). A ideia tradicio-
nal de museu modicou-se com o passar do tempo, bem como
suas práticas museológicas, seus discursos e seus públicos. Os
museus tornaram-se espaços informacionais progressivamente
híbridos, o que possibilita que as informações museológicas
sejam produzidas e compartilhadas tanto no ambiente físico,
quanto em ambiente dígito/virtual. Assim, a articulação e a
coexistência entre o conteúdo informacional físico e o digital
no âmbito do museu reinventam as formas de comunicação
cultural (CASTELLS, 2011).
O acesso aos conteúdos informacionais dos acervos
dos museus na contemporaneidade vai além dos muros das
instituições. Há pouco menos de 50 anos, por exemplo, so-
mente havia duas formas possíveis de se ter contato com uma
obra de museu: ou a pessoa se deslocava até o museu físico, ou
visualizava a representação da obra por meio das fotograas
em livros, revistas, e manuais (CARMO; FOFONCA, 2012).
Além das fronteiras geográcas, havia também o con-
texto das fronteiras socioeconômicas e culturais que restringia o
acesso a uma parcela da população. A interação com as obras era
dicultada. No entanto, com a popularização da Internet, e nela
a Web em seu estágio de Web 2.0, modicou-se essa realidade:
não é mais impreterível o deslocamento até o Museu do Louvre
em Paris para contemplar um simulacro da obra “Mona Lisa”,
de Leonardo da Vinci. Basta o acesso a um dispositivo móvel
conectado à Internet para acessar o ambiente digital do museu
e, a partir de poucos cliques, a representação da obra.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
148
Certamente, a experiência sensorial e cognitiva na
contemplação de uma obra no museu in loco é bem distinta
da contemplação de uma obra no ambiente digital. Suprir as
necessidades informacionais do internauta por intermédio de
uma interface de interação com eciência é um grande desao
contemporâneo da área. Salienta-se que não se trata de um
anseio de substituir a visitação do museu físico pela visitação
virtual, mas sim de uma estratégia de aproximação do público
com o patrimônio, por meio do acesso remoto aos ambientes,
já que a maioria dos indivíduos dispõe de aparatos portáteis de
conexão a eles, e encontra-se inserida na cultura digital.
Ademais, para além das polêmicas no tocante à expe-
riência subjetiva do indivíduo em contato com o objeto mu-
sealizado, independentemente da ambiência, é importante
analisarmos o impacto das experiências dos museus virtuais
na sociedade; principalmente se considerarmos que em paí-
ses como o Brasil ainda há “restrição do acesso a instituições
culturais a uma parcela da sociedade, coexistindo uma bar-
reira entre a sociedade e o patrimônio” (ROCHA, 2017, p.
2). Nota-se no acesso online uma possibilidade de visitação e
conhecimento de acervos de museus locais e globais, especial-
mente àquelas pessoas que não frequentam os museus, seja
pela barreira histórico-social, pela falta de adequação de dias
e horários acessíveis à população que trabalha, pelos valores
dos ingressos, por questões de acessibilidade, ou pela falta de
divulgação, dentre outros.
Assim, a ampla utilização dos recursos tecnológicos de-
sencadeia um processo de desmaterialização e desterritorializa-
ção dos acervos, estabelecendo novas relações entre o público
e o museu (LUPO, 2016). “[...] As grandes redes de infor-
mação e comunicação, com seus uxos invisíveis, imateriais,
Informação, Conhecimento, Ação Autônoma e Big Data
149
as quais formam territórios abstratos que escapam às antigas
territorialidades” (MATTELART, 1999, p. 166).
No intuito de propiciar uma experiência satisfatória e
privilegiada do internauta no acesso às representações imagé-
ticas (estáticas ou dinâmicas) dos acervos de museu no am-
biente digital, é importante que, além da disponibilização das
imagens dos objetos, sejam disponibilizadas também para o
acesso, tanto do internauta quanto de sistemas, descrições ri-
cas em detalhes de cada item do acervo, complementando o
compartilhamento da mensagem pretendida com a sua repre-
sentação. Para isso, é desejável que estas informações sejam
disponibilizadas de forma estruturada.
Embora a área da museologia tenha desenvolvido re-
centemente softwares para a catalogação de acervos, tais como
o Collective Acess (internacional), o Donato/SIMBA e a Tai-
nacan (nacionais) – softwares livres para descrição de objetos
museais –, não há, entre eles, as características encontradas
no AtoM, um software criado com o suporte do International
Council on Archives (ICA), a partir de normas e padrões para
representação informacional, caracterizado por ser gratuito, li-
vre, open source, com acesso via Web, multilíngue, multi-repo-
sitório, customizável, beta perpétuo, interoperável, com im-
portação e exportação em Dublin Core, EAD, SKOS, EAC.
Assim, acredita-se que este sistema proporcione uma descrição
mais completa, além de facilitar a interoperabilidade com ou-
tros sistemas.
A utilização do AtoM nos museus proporciona a con-
vergência da representação informacional e imagética dos ob-
jetos no ambiente digital, pois é interoperável com softwares
como o Archivematica, para a preservação e acesso à informa-
ção, o que torna o acesso efetivo, eciente e ecaz.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
150
2 deSCrIção de aCervoS de muSeuS na weB 2.0
O termo descrição refere-se a um conjunto de procedi-
mentos técnicos, utilizados com o intuito de construir a repre-
sentação de um documento ou objeto a partir da identicação
dos principais elementos representativos – metadados – do
item a ser descrito. Trata-se de uma técnica muito utilizada no
campo da Arquivologia, por meio da qual se realiza a descri-
ção documentária com a nalidade de criar instrumentos de
pesquisa que possibilitem a identicação, localização, recupe-
ração e a utilização dos documentos (BELLOTO, 2006). No
campo da Museologia, a descrição do objeto musealizado é
uma atividade que faz parte da catalogação.
Os metadados – dados ou informações sobre dados –
são descritores representativos, capturados de um determinado
recurso informacional para a construção da descrição das
informações semânticas e sintáticas de um item, elementos
essenciais para o entendimento do objeto representado em um
sistema de informação e para a sua posterior recuperação (LIMA,
SANTOS, SANTARÉM SEGUNDO, 2016). Embora o
termo metadado seja “[...] usado frequentemente para referir-se
às informações legíveis por máquinas [...] é usado também para
se referir a qualquer esquema de descrição de recurso, aplicado
a qualquer tipo de objeto, sendo ele digital ou não” (LIMA,
SANTOS, SANTARÉM SEGUNDO, 2016, p. 52, grifo
nosso). A atribuição de metadados é essencial para favorecer a
recuperação de dados digitais no contexto do Big Data.
A atividade de descrição de objetos de museus tem sido
tradicionalmente realizada sobre suportes de chas catalográ-
cas ou chas de registro. A descrição das obras de museu, rea-
lizadas em tais chas, feitas manualmente e em papel, segundo
Magalhães (2014), produz uma “documentação historicizada”
Informação, Conhecimento, Ação Autônoma e Big Data
151
sobre as obras, construída a partir de um procedimento mera-
mente técnico em que se registram as informações mínimas e
com os dados técnicos “permanentes” da obra. Com o advento
da computação, as chas em papel, na grande maioria das ins-
tituições museológicas, foram substituídas por formatos digitais
e, além disso, uma gama signicativa de informações adicionais
sobre o objeto passou a ser inserida nas atuais chas catalográ-
cas durante o processo de descrição, visando diversas funciona-
lidades dos sistemas eletrônicos de informação e funções deriva-
das das novas concepções da Curadoria Digital (CD).
Segundo orientações de Costa (2006), no guia de con-
sulta “Princípios Básicos da Museologia”, os elementos a se-
rem descritos são: nome da instituição, número de registro,
categoria, nome do objeto, título, autor, época/data/período,
estilo, procedência, origem, material/técnica, fabricação, di-
mensões, inscrições, marcas, assinatura, forma de aquisição,
valor, estado de conservação, restauração, descrição do objeto,
dados bibliográcos, referências bibliográcas, exposições, ob-
servações, e fotograas dos objetos.
Na Museologia, muito além de elencar meramente as
referências técnicas e básicas das obras, no processo de descrição
é necessário identicar e evidenciar na representação o máximo
de informações possível referentes à obra, atentando-se às
formas, estilo, e detalhes físicos. No processo de análise para
construir a descrição, deve-se “decompor o objeto” e analisá-
lo de forma minuciosa, considerando sua tridimensionalidade
com vistas a construir sua representação dedigna.
A adoção de normas e padrões de metadados no pro-
cesso de descrição de objetos de museu é, portanto, funda-
mental para construir uma representação uniforme do acervo
no setor documental dos museus. Nesse cenário, a escolha do
software de descrição é igualmente importante, haja vista que
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
152
os campos do sistema escolhido devem ser compatíveis às nor-
mas de descrição para a inserção dos metadados.
2.1 a adaPtação do software atom ao Setor
doCumental de muSeuS
O AtoM é um sistema de representação da informação
documental via descrição arquivística, criado para promover
um ambiente de acesso com base em normas arquivísticas
internacionais. Sua sigla “AtoM” (Acess to Memory) descende
do ICA-AtoM – International Council on Archives (ICA). É
um sistema voltado à documentação arquivística que propicia
a descrição de acervos memoriais. Um dos seus objetivos é
possibilitar a representação da informação. É um sistema de
descrição que viabiliza o acesso e o compartilhamento da in-
formação, a padronização das representações, a descrição pa-
dronizada dos objetos, além de ser interoperável entre sistemas,
open source, livre, gratuito, em beta perpétuo e multilíngue.
Os modelos descritivos do AtoM baseiam-se nas nor-
mas arquivísticas ISAD(G), ISAAR(CPF) e outras, e possui
estrutura multinível e hierárquica. Pelas características seme-
lhantes aos arquivos que os setores documentais dos museus
possuem, consideramos a possibilidade de aplicação do AtoM
para a descrição e representação dos acervos musealizados
e sua disponibilização em rede. Os campos de descrição do
AtoM incluem:
Zona de identicação: identicador, título, data,
nível de descrição; Zona de contexto: nome de
produtor, entidade detentora, história do arquivo,
fonte imediata de aquisição ou transferência; Zona
de conteúdo e estrutura: âmbito e conteúdo,
avaliação, seleção, eliminação, ingressos adicionais,
sistema de organização; Zona de condição de acesso
Informação, Conhecimento, Ação Autônoma e Big Data
153
e utilização: condições de acesso, condições de
reprodução, idioma do material, script do material,
notas ao idioma e script, características físicas e
requisitos técnicos e instrumento de descrição;
Zona de documentação associada: existência e
localização de originais, existência e localização de
cópias, unidades de descrição relacionadas, notas de
publicação; Zona de notas: notas; Ponto de acesso:
notas, assuntos, locais, gênero e assuntos; [autores];
Zona de controle de descrição: identicador
da descrição, identicador da instituição, regras
e convenções, estatuto, nível de detalhe, data de
criação, revisão e eliminação, línguas e escritas,
script(s), fontes e notas do arquivista; Zona de
administração: língua original, esquema padrão de
exibição (BATISTA, 2018, p. 105, adaptado).
3 a rePreSentação de aCervoS em amBIenteS dIgItaIS
e aS PoSSIBIlIdadeS do atom neSSeS amBIenteS
Analisamos, nesse estudo, ambientes digitais de quatro
museus brasileiros, custodiadores de tipos diferentes de acervos,
a m de compreender como os acervos dessas instituições
vêm sendo representados em tais ambientes. Traçamos, assim,
um cenário laboratorial simulado para as possibilidades da
utilização software AtoM utilizado na representação dos acervos
musealizados em ambientes digitais. Exploramos nesse intuito
os ambientes digitais do Museu da Imagem e do Som (MIS),
do Museu Afro Brasil (MAB), do Museu de Arte de São Paulo
(MASP) e do Museu do Futebol (MF).
Na fase exploratória de nosso estudo nos ambientes
digitais dos citados museus, ao abrirmos a seção “Acervo” ou
“Acervo digital”, encontramos as representações imagéticas e
textuais dos acervos disponibilizadas e identicamos quais os
elementos descritores utilizados para descrever os acervos em
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
154
cada um dos ambientes eleitos para nossa exploração labora-
torial. Realizamos, posteriormente, uma comparação entre os
elementos descritivos utilizados pelos museus para represen-
tar seus acervos e os campos descritivos – equivalentes – do
AtoM, como pode ser observado no quadro 1:
Quadro 1 – Museus e descritores de acervo
MUSEUS DESCRITORES
Descritores
equivalentes no
AtoM (modelo ISAD
(G))
Observações
MIS
(objeto
tridimensional)
Título Título
Tipo Âmbito e conteúdo
– zona de conteúdo e
estrutura
Número do item Código de referência –
área de identicação
Número de registro Identicadores al-
ternativos – área de
identicação
Modelo Âmbito e conteúdo
- zona de conteúdo e
estrutura
Coleção
pertencente
Nível de descrição –
área de identicação
Marca do objeto Âmbito e conteúdo
- zona de conteúdo e
estrutura
Fabricante Âmbito e conteúdo
- zona de conteúdo e
estrutura
Pode ser utilizado tam-
bém o Ponto de acesso
de autor, especicando
em notas de âmbito
(modelo descritivo de
assunto)
Local de fabricação Ponto de acesso/Locais
Data de fabricação Datas
Descrição dos
componentes
Âmbito e conteúdo
Descrição das
dimensões físicas
Dimensão e suporte –
área de identicação
Descritores
(palavras-chave)
Ponto de acesso/
assunto
Uso e acesso Zona de condições de
uso e acesso
Informações com-
plementares
Zona de notas
Informação, Conhecimento, Ação Autônoma e Big Data
155
MAB
(objeto
tridimensional)
Acervo Entidade detentora –
zona de contexto
Coleção Nível de descrição –
área de identicação
Número de registro Identicadores al-
ternativos – área de
identicação
MAB
(objeto
tridimensional)
Autoria/ grupo
cultural
Nome do produtor –
zona de contexto
Título/ denomi-
nação
Título – área de iden-
ticação
Data Datas – área de iden-
ticação
Técnica Dimensão e suporte –
área de identicação
Dimensões Dimensão e suporte –
área de identicação
Origem Ponto de acesso/Locais Pode ser usado o cam-
po âmbito e conteúdo
Categoria/
Tipologia
Nível de descrição –
área de identicação
Função Âmbito e conteúdo
- zona de conteúdo e
estrutura
Informações de
contexto
Notas – Zona de notas
Palavras-chave Ponto de acesso/
assunto
Estado de
conservação.
Características físicas
e requisitos técnicos –
zona de condições de
acesso e utilização
Também pode ser uti-
lizada a zona de notas
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
156
MASP
(objeto
tridimensional)
Autor Nome do produtor –
zona de contexto
Dados biográcos História – área de
descrição
(modelo ISAAR-CPF)
Título Título
Data da obra Datas – área de iden-
ticação
Técnica, dimensões Dimensão e suporte –
área de identicação
Aquisição Fonte imediata
de aquisição ou
transferência – zona
de contexto
Designação Ponto de acesso de
gênero
Número de
inventário
Identicadores
alternativos – área de
identicação
Créditos da
fotograa
Notas do arquivista
– zona de controle da
descrição
MF
(descrição
de acervo
fotográco).
Título Título – área de iden-
ticação
Tipo Dimensão e suporte –
área de identicação
Local de produção Ponto de acesso/locais
Data Datas – área de
identicação
Suporte e cromia Âmbito e conteúdo
– zona de conteúdo e
estrutura
Também pode ser
utilizado o campo
dimensão e suporte -
área de identicação.
Fonte: Autoras, 2018.
A partir da análise proposta, destacamos a ausência de
padronização para a representação das informações entre as
quatro instituições representadas em seus ambientes digitais.
Isso acarreta uma indesejável heterogeneidade na qualidade
informativa entre os ambientes explorados, de modo que algu-
mas delas são pouco detalhadas sobre os elementos visuais ca-
racterísticos do objeto, tais como a descrição física, as técnicas
utilizadas, dentre outros. Consequentemente, áreas essenciais
Informação, Conhecimento, Ação Autônoma e Big Data
157
de descrição como título, data, autoria, dimensões e número
de registro são elementos básicos presentes em 3 das 4 descri-
ções analisadas; Por outro lado, com relação à disponibilização
das imagens dos objetos, embora os quatro museus cumpram
esse requisito, a qualidade na pixelização das imagens é variá-
vel: vericamos uma notável diferença de qualidade entre as
apresentações das representações.
O MAB disponibiliza a informação sobre a instituição
detentora em suas descrições; promove a descrição exaustiva
e rica em detalhes de cada peça, com sua contextualização
histórica, grupo cultural a qual o objeto pertencia original-
mente, sua função utilitária anteriormente a musealização, e
palavras-chave; também disponibiliza mais de uma imagem de
cada peça. O MASP, por outro lado, disponibiliza uma ima-
gem grande de cada peça descrita, em alta resolução e passível
de download e, além de representação por imagem e descri-
ção textual, conta com o recurso de descrição em áudio de
algumas imagens, trazendo informações sobre o autor, contex-
tualização e técnicas utilizadas na criação da obra. Os outros
ambientes digitais analisados apresentam-se mais pobremente.
No que diz respeito a nossa proposta de utilização do
software AtoM em ambientes museais digitais, constatamos,
a partir do estudo realizado, que ele possui signicativas pos-
sibilidades de aplicação para a representação e recuperação
da informação dos objetos musealizados, a partir dos vários
níveis descritivos existentes no sistema e suas muitas funcio-
nalidades, respondendo de forma satisfatória às necessidades
descritivas de acervos musealizados compostos por objetos tri-
dimensionais e heterogêneos.
Além de atender com eciência e ecácia a todos os
elementos descritivos utilizados para a representação dos obje-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
158
tos nas instituições museológicas analisadas, observamos que
o sistema amplia a variedade de campos descritivos utilizados
atualmente pelas instituições, tais como: nome de produtor
(autor), fonte imediata de aquisição ou transferência, unidades
de descrição relacionadas, condições de acesso e uso, dentre
outros. A plena utilização desses campos, a partir do proces-
so de descrição minuciosa dos objetos, enriquece a descrição
museológica, possibilitando uma representação da informação
musealizada mais semântica e adequada a um futuro emergen-
te de interação e interoperatividade entre as instituições dos
sistemas memoriais no contexto do Big Data.
Se a descrição dos objetos de museu é fundamental
para a representação, recuperação, uso e compartilhamento da
informação dos seus acervos, sua disponibilização nos siste-
mas digitais, sobretudo na Web 2.0, potencializa o alcance e
a resolução das necessidades informacionais dos cidadãos que
buscam por informações de uma maneira global e integrada.
ConSIderaçõeS
A adoção do AtoM para a descrição de acervo museali-
zado pode solucionar o problema da heterogeneidade pontua-
do em nosso empreendimento, considerando a padronização
dos metadados, a exaustividade das descrições e a compatibili-
dade e possível adequação dos elementos da diversidade com-
preendida nos objetos de museus aos também diversos campos
descritivos do AtoM. O software AtoM possibilita o registro
informacional de objetos de museu de forma eciente, po-
dendo representar acervos de maneira satisfatória no ambien-
te digital. Além disso, apresenta muitas funcionalidades que
o tornam exível na sua adaptação ao contexto museológico
para responder a possíveis emergências.
Informação, Conhecimento, Ação Autônoma e Big Data
159
Evidenciou-se, no entanto, que para a realização da
descrição, o prossional em tela necessita de competências
em leitura visual do objeto, oriunda da capacitação em leitura
imagética e também da percepção, tempo, técnica e compe-
tência para perceber ser necessária extensiva pesquisa sobre a
obra e o seu contexto histórico. A heterogeneidade das descri-
ções demonstra, portanto, que para o prossional da informa-
ção, não basta o conhecimento das técnicas de descrição ou de
softwares que cumpram um papel operacional no acesso aos
acervos custodiados.
Frente aos desaos da representação da informação
museológica nos ambientes digitais tendo como objetivo pro-
piciar a sua recuperação adequada no contexto do Big Data,
a Curadoria Digital destes ambientes deve envolver a escolha
de softwares de descrição e organização de metadados como o
AtoM. O AtoM favorece o enriquecimento dos dados digitais
a partir da atribuição de metadados padronizados que tornam
possível o compartilhamento, o uso e o reuso da informação
em ambientes digitais de museus de forma mais adequada ao
novo paradigma do Big Data.
referênCIaS
BATES, D. W. et al. Why policymakers should care about “big data”
in healthcare. Health Policy and Technology, [s. l.], 2018. Disponível
em: http://linkinghub.elsevier.com/retrieve/pii/S2211883718300996.
Acesso em: 10/06/2018.
BATISTA, L. S. O Redesign do sistema Acess to Memory (AtoM) para
a curadoria digital de acervos museológicos heterogêneos. 2018. 175 f.
Dissertação (Mestrado em Ciência da Informação) – Universidade
Estadual Paulista, Faculdade de Filosoa e Ciências, Marília, 2018.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
160
BEIGUELMAN, G. Museus do inacabado para memórias efêmeras:
notas sobre a conservação de obras de net art. Museologia &
Interdisciplinaridade, v. 6, n. 12, jul./dez. 2017.
BELLOTTO, H. L. Arquivos permanentes: tratamento documental. 4.
ed. Rio de Janeiro: FGV, 2006.
CARMO, A. C. R.; FOFONCA, E. Arte na sociedade híbrida: a
experiência dos museus virtuais. In: SIMPÓSIO NACIONAL DE
HISTORIA CULTURAL: escritas da história: ver-sentir-narrar, 6.,
2012, Teresina. Anais... Teresina, UFPI: GT Nacional de História
Cultural, 2012.
CASTELLS, M. Os museus na era da informação, conectores
culturais de tempo e espaço. Tradução de Claudia Storino. MUSAS
resvista brasileira de museu e museologia, ano VII, n. 5, 2011, p. 8-21.
Brasília: Instituto Brasileiro de Museus, 2011.
COSTA, E. P. (Org.). Princípios básicos da museologia. Curitiba:
Coordenação do Sistema Estadual de Museus; Secretaria de Estado da
Cultura, 2006.
DEKKER, A. Os desaos da conservação da net art: a aceitação da
perda da subjetividade. In: BEIGUELMAN, G.; MAGALHÃES,
A. G. Futuros possíveis: arte, museus e arquivos digitais. São Paulo:
Peirópolis: Edusp, 2014.
ICOM. Denição de Museu. 2015. Disponível em: http://icom-
portugal.org/2015/03/19/denicao-museu/. Acesso em: 31/08/2018.
JAMES, R. Out of the box: Big data needs the information profession
- the importance of validation. Business Information Review, 31(2),
2014, 118–121.
JORENTE, M. J. V. Relações sistêmicas entre a Teoria da
Complexidade, o Design da Informação e a Ciência da Informação
na Pós-Modernidade. In: ALVES, M. A.; GRÁCIO, M. C. C.;
MARTÍNEZ-ÁVILA, D. (Org.). Informação, conhecimento e modelos.
Campinas: UNICAMP, Centro de Lógica, Epistemologia e História
da Ciência; Cultura Acadêmica, v. 78, 2017, p. 181-198.
LIMA, F. R. B.; SANTOS, P. L. V. C.; SANTARÉM SEGUNDO,
J. E. Padrão de metadados no domínio museológico. Perspectivas em
ciência da informação, v. 21, n. 3, 2016.
Informação, Conhecimento, Ação Autônoma e Big Data
161
LOUREIRO, J. M. M.; SOUZA, D. M. V. de; SAMPAIO,
A. C. O. Museus de história natural e a construção da ‘nação’.
In: ENCONTRO DE PESQUISA EM CIÊNCIA DA
INFORMAÇÃO, 8., 2007, Salvador. Anais... Salvador: ENANCIB,
2007. P. Não paginado.
LUPO, B. Tecnologia, materialidade e espacialidade no museu
contemporâneo. VENTURELLI, S; ROCHA, C. (Org.). In:
ENCONTRO INTERNACIONAL DE ARTE E TECNOLOGIA,
15., 2016, Brasília. Anais... Brasília: Universidade de Brasília 2016.
MAGALHÃES, A. G. Considerações para uma análise histórico-crítica
da catalogação de acervos artísticos. Futuros possíveis: arte, museus e
arquivos digitais= Possible futures: art, museums and digital archives. 1ed.
São Paulo: EDUSP/ED. PEIRÓPOLIS LTDA, 2014, 1: 34-44.
MATTELART; A. e M. História das teorias da comunicação. Tradução
de Luiz Paulo Rouanet. São Paulo: Loyola, 1999.
MUCHACHO, R. Museus virtuais: A importância da usabilidade
na mediação entre o público e o objecto museológico. In:
CONGRESSO DA ASSOCIAÇÃO PORTUGUESA DE
CIÊNCIAS DA COMUNICAÇÃO (SOPCOM), 4., 2005, Aveiro,
Portugal. Livro de Actas... Portugal: FLUP, 2005.
ROCHA, B. F. R. Conhecendo os museus virtuais e cibermuseus:
aplicativo ‘Fala Sério’. Revista Museologia & Interdisciplinaridade, v. 6,
n. 11, p. 269-291, 2017.
ImPaCtoS de Big Data na
CIênCIa e na IndúStrIa 4.0
165
redeS SoCIaIS dIgItaIS e a eSfera
PúBlICa:
“fake news” e a manIPulação da
oPInIão ColetIva
Magaly Prado
A imagem pública substitui o espaço público com
a colonização publicitária – o espaço onde se dava a
comunicação social, as avenidas, as praças públicas
foram substituídos pela teleimagem das máquinas de
visão, capazes de ver e de perceber em nosso lugar.
(VIRILIO)
Ao considerar o tema das fake news, excluindo a par-
te histórica de que elas sempre existiram, priorizaremos neste
capítulo o suceder dos tempos na trajetória da internet, com
a eclosão das redes sociais e dos mensageiros instantâneos, da
atroz “recentidade” que põe em risco a credibilidade do jor-
nalismo – já padecendo da perda de audiência para o espaço
numérico. A nossa proposta é discutir a popularização do ter-
mo – tornado politicóide por Donald Trump, quando passa a
https://doi.org/10.36311/2019.978-85-7249-055-9.p165-184
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
166
usá-lo para rebater, atacar e insultar a imprensa mainstream
1
,
com a qual não concorda, após ganhar as eleições de 2016 nos
EUA – tidas (não ocialmente) como manipuladas por ações
de marketing
2
político ou a serviço de interesses particulares.
Apesar do estratagema de campanha para persuadir os britâ-
nicos nas negociações do plebiscito do Brexit, para a saída do
bloco europeu, o ressoo maior foi com a raposice de Trump.
Sobre Trump, Latour (2018) vilipendia “um presiden-
te que inventa os fatos para se adequar ao seu humor e busca a
credibilidade de qualquer um que o contradiga, parece repre-
sentar a culminação dessa podridão epistêmica”, em entrevista
ao e New York Times Magazine.
Na tentativa de embaralhar a noticiabilidade, fake news
alcançam espalhamento rápido com a força do crescimento da
republicação pelo público
3
, que acata fake news como verdade,
impulsionando, assim, os algoritmos
4
das redes, que passam a
intensicar a visibilidade da desordem da informação de ma-
neira progressiva e, consequentemente, a viralizar de forma
espaventosa, conuindo no revigoramento dos ltros-bolha
de informação e na cultura com a polarização de opiniões,
New York Times, Washington Post, Wall Street Journal, CNN e a BBC. “Trump os despreza.
Cunhou o termo fake news para referir-se às suas matérias exclusivas e os declarou ‘inimigos
do povo’” (El País).
“O marketing e a propaganda usam os algoritmos de IA para identicar os hábitos e as
preferências dos consumidores e produzir campanhas mais assertivas e segmentadas”
(KAUFMAN, 2018, p.45).
“Trump sabe que as pessoas que votaram nele são desconadas e preferem obter suas
informações da [rede de TV] Fox e de outras fontes da direita. Atacando a grande mídia, se
reconecta com sua base. A polarização nutre a desinformação. Seus eleitores querem acreditar
que é digno e capaz. E quando se publicam informações que sugerem que não é, rejeitam
aceitá-las e preferem considerar que são fake news”, arma Shanto Iyengar, professor de
Ciência Política de Stanford (El País).
Os algoritmos acoplados aos Big Data dão azo a uma situação na qual “um número nito
de componentes gera uma diversidade praticamente ilimitada de combinações” (DELEUZE,
2004 apud CASTRO, 2018).
Informação, Conhecimento, Ação Autônoma e Big Data
167
sobretudo políticas, culminando na destilação desenfreada de
ódio de cada polo.
Outrora, porém, existia um otimismo generalizado
devido ao surgimento da internet. Como conta Parisier: “a
grande esperança era de se estabelecer um meio no qual comu-
nidades, e até mesmo países inteiros, pudessem cooperar para
estabelecer uma cultura através da comunicação” (PARISER,
2011, p. 164). Mas, em vez disso, “a personalização levou a
algo diferente: uma esfera pública manipulada e organizada
por fórmulas, segregada pelo design e contrária ao diálogo”.
A opinião pública coletiva, inuenciada pelo conteúdo frag-
mentado das mídias sociais, deslegitima a imprensa e enaltece
a desinformação noticiosa ou propagandística.
Antes de mais nada, a expressão fake news não pode ser
traduzida ao pé da letra, porque ela abrange diversas categorias;
dentre elas: notícias fraudulentas ou frágeis; informação falsa
(em geral com fontes forjadas), manipulada, adulterada ou
fabricada (com a intenção de enganar); desinformação (cria-
da para prejudicar) ou má informação (sem apuração ou mal
apurada ou mesmo usando a verdade, muitas vezes fora de
contexto, para causar danos; notícias antigas requentadas; sen-
sacionalismo (próprio dos tabloides); mentiras, maquiagens,
boatos, fatos alternativos etc. – todas ameaçam a qualidade do
jornalismo e, por conseguinte, a formação da opinião coletiva.
Problemas gerados por fake news fazem parte do que
podemos entender por cibercultura, que traz à tona muitos
outros problemas, como o da dominação e do controle, da
exploração e da vigilância, das informações duvidosas, do
isolamento e da sobrecarga de informações (que nem sempre
geram conhecimento), afora atitudes que imitam a vida real,
como, por exemplo, a pornograa, agora online, e a visibili-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
168
dade maior que a pedolia ganhou. Ainda assim, há outras
ações, mais inofensivas, como a avalanche de spams, que tanto
incomodam as pessoas (PRADO, 2011).
De que maneira as fake news se propagam estrondosa-
mente e exercem uma ascendência sobre o público
5
, manipulan-
do sua maneira de pensar, é a incógnita por trás dos algoritmos
complexos que as inamam? A velocidade da ação algorítmica
a nos trazer ilações é fato. “Seus benefícios são inegáveis, e os
indivíduos e a sociedade os reconhecem. Em paralelo, contudo,
proliferam impactos negativos a serem compreendidos e equa-
cionados”, alerta Kaufman (2018, p. 46). “Dentre eles, desta-
cam-se o viés nos processos de decisão automatizados, a invasão
da privacidade e as novas formas de controle, e a personalização
dos acessos e das pesquisas online” (ibidem).
Como os algoritmos funcionam, separando quem é
quem, para direcionar conteúdo personalizado? De acordo
com a análise de comportamento, por exemplo, o usuário en-
tra com informações pessoais e a máquina devolve resultados
a partir dos dados obtidos, através de um processo de cognição
computacional, em que a máquina interpreta os signos dos
internautas. A partir desses dados, o software cruza informa-
ções e oferece diversos caminhos para se navegar (PRADO,
2009) pela emoção dos perlados. Temos assim, usuários com
acesso ao que rodeia seus amigos, as comunidades traçando
pers de comportamento, reconhecendo signos semelhantes,
combinados, recombinados, estimulando direcionamentos e,
ainda, mostrando dados de representação icônica mais ínti-
5
“A transformação de qualquer classe de grupos em públicos explica-se por uma necessidade
crescente de sociabilidade, que torna necessário que os associados se disponham em
comunicação regular mediante uma corrente contínua de informações e excitações
[reacções discursivas] comuns. Esta transformação é, por conseguinte inevitável. [...]”
(TARDE, 1986, p. 56).
Informação, Conhecimento, Ação Autônoma e Big Data
169
mos, como fotos e vídeos em situações particulares. O proces-
samento de dados, conforme ressalta Setzer (2015),
[...] limita-se exclusivamente a manipulações
estruturais dos mesmos, e é feito por meio de
programas. Estes são sempre funções matemáticas,
e portanto também são “dados”. Exemplos dessas
manipulações nos casos de textos são a formatação,
a ordenação, a comparação com outros textos,
estatísticas de palavras empregadas e seu entorno etc.
A dadosfera é objeto de estudo desta pesquisadora des-
de 2005; porém, aqui, o que se tentará sondar é de onde vêm
algumas das vertentes do algoritmo de redes sociais. Assim, o
nosso intuito é partir da inteligência articial, entre outras ra-
micações. Apesar da teoria ou metodologia Ator-Rede
6
(ANT:
actor network theory), de Law, Callon e Latour
7
, e outros que a
estudam desde meados da década de 1980, ser anterior ao que
se denomina Big Data, será o lume desta breve reexão.
De seus estudos de laboratórios, Latour (2018) tinha
visto “como um item aparentemente fraco e isolado – um ins-
trumento cientíco, um pedaço de papel, uma fotograa, uma
cultura bacteriana – poderia adquirir enorme poder por causa
da complicada rede de outros itens, conhecidos como atores,
que foram mobilizados em torno dele”. Em suas palavras:
Quanto mais socialmente “conectado” fosse um fato
(quanto mais pessoas e coisas envolvidas em sua
produção), mais efetivamente ele poderia refutar suas
alternativas menos plausíveis. A ciência era “social”
não apenas porque era executada por pessoas (isso,
A ANT vem sendo apropriada de diversos modos pelas ciências humanas e sociais,
especialmente por pesquisas em que a tecnologia e a ciência ocupam lugares centrais
(BRUNO, 2011).
7
Em: https://www.sagepub.com/sites/default/les/upm-binaries/5222_Ritzer__Entries_
beginning_with_A__[1].pdf.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
170
ele pensou, era um mal-entendido reducionista da
palavra “social”); em vez disso, a ciência era social
porque reunia uma multidão de entidades humanas
e não-humanas e aproveitava seu poder coletivo para
agir e transformar o mundo (LATOUR, 2018).
Cientistas políticos, enquanto isso, mostraram que os
chamados indivíduos “irracionais”, especialmente aqueles que
são altamente educados, em alguns casos, na verdade, agarram
suas opiniões com mais força quando confrontados com fatos
que os contradizem. Em vez de acusar os defensores de Trump
e os negacionistas do clima de irracionalidade, Latour argu-
menta que é insustentável falar sobre fatos cientícos como se
a correção deles fosse persuasiva.
Com o intuito de estabelecer uma base histórica para a
reexão que se segue, cabe indicar o exemplo de uma máquina
teórica denominada “Memex”. Essa máquina foi criada em
1945 por Vannevar Bush
8
para melhorar a memória humana,
ao permitir o armazenamento e recuperação de documentos
ligados por associações; sendo considerado por muitos como o
padrinho da era da internet (XIMENES apud LEÃO, 1999).
Esta vinculação associativa era semelhante ao que é conhecido
como hipertexto – termo cunhado na década de 1960 por Ted
Nelson, reconhecedor, inclusive, de sua dívida para com Bush,
tanto que o credita como sua principal inuência. “Bush es-
tava certo”, escreveu Nelson, como citado no livro From Me-
mex to Hypertext: Vannevar Bush and the Mind’s Machine, de
Nyce e Kahn (1991).
A ideia inovadora de Bush para automatizar a memória
causou inuência na ciência nos Estados Unidos. “Seu tra-
balho de criar uma relação entre o governo e a comunidade
As We May ink, publicado no e Atlantic Magazine.
Informação, Conhecimento, Ação Autônoma e Big Data
171
cientíca durante a Segunda Guerra Mundial mudou a ma-
neira como a pesquisa cientíca é feita nos EUA e promoveu o
ambiente em que a internet
9
foi criada”. Bush queria incitar as
pessoas a “pensar sobre a ciência no mundo moderno”, enfa-
tizando a oportunidade para sua aplicação, pois reiterava que
a automatização era um campo “negligenciado pela ciência”.
A propósito, o signicado de automatização, cujo
efeito é de automação, é de um sistema em que os processos
operacionais são controlados e executados por meio de dispo-
sitivos mecânicos ou eletrônicos substituindo o trabalho hu-
mano
10
. Wardle (2017) traz a denição para a atualidade ao
dizer que “automação é o processo de projetar uma ‘máquina’
para completar uma tarefa com pouca ou nenhuma direção
humana. Realiza tarefas que seriam demoradas para os huma-
nos completarem e as transformam em tarefas que são concluí-
das rapidamente e quase sem esforço”. A pesquisadora dá um
exemplo: “É possível automatizar o processo de envio de um
tweet, portanto, um ser humano não precisa clicar ativamente
em ‘publicar’. Processos de automação são a espinha dorsal das
técnicas usadas para efetivamente ‘fabricar’ a amplicação da
desinformação” (WARDLE, 2017). O que explica uma das
No âmbito da formação da consciência pública, Maria Lucia Becker (2010: s/p) reforça que
“as ações online ocorrem no sentido de tornar a internet uma fonte alternativa de informações,
por meio de veículos de comunicação independentes, blogs, sites de organizações, listas de
e-mails, fóruns de discussão e comunidades de relacionamento” (PRADO, 2015, p. 5).
10
Com registro de 2007, em programas como o Musicovery, o usuário pode ouvir músicas
de sua preferência, selecionando as listas do esquema. A interface trabalha com cores que
correspondem a estilos musicais em uma ideia de iconicidade e combinação de botões
deslizantes, imputando uma espécie de conexionismo. É possível eleger músicas, conforme
o estado de espírito do usuário. Por exemplo, se está alegre, vai preferir ouvir músicas mais
animadas. Trata-se de um mashup instantâneo. Traz alternativas de músicas tristes, pesadas,
suaves etc. Com as diferenças de humor e a mudança de um estado para outro, a máquina,
à base de probabilidade, oferece músicas de acordo com as alterações de humor do usuário.
E quando ele altera, o sistema altera as possibilidades de audição, em uma maneira de
deslanchar uma reação automática do sistema, como uma autocorreção (PRADO, 2009).
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
172
formas do desvario das chamadas fake news, especialmente na
turbulência dos recentes anos eleitorais no Brasil e no exterior.
É conveniente descrever o funcionamento do Memex,
no qual informações armazenadas no microlme poderiam ser
encontradas e/ou recuperadas e projetadas em uma tela no in-
tuito de nos remeter às ações dos dias de hoje. O propósito era
que a máquina pudesse estender os poderes da mente humana
para formar memórias através de associações. O usuário do
Memex seria capaz de fazer links entre documentos e chama-
das por trilhas associativas (LEÃO, 1999).
No cenário atual, o funcionamento do Memex já não
se aplica e a prática da comunicação jornalística precisa ser
repensada com urgência. Para tanto, deve-se considerar a
emergência da multiplicidade de ferramentas, as aordances
11
para produção do conteúdo, outros procedimentos recentes
de captura, apresentação de dados e novos modelos de pen-
samento e sociabilidade. “A imensa quantidade de informa-
ções na Web criou necessidades de pesquisa em sistemas de
busca e compreensão de informações, que por sua vez gera-
ram inúmeros avanços na compreensão automática de textos”,
diz Cozman (2018). Finalmente, “a Web abriu mercado para
empreendedores interessados em sistemas automáticos de
compreensão de texto, de busca de imagens, de detecção de
spam”. Outro fenômeno ocorrido há 20 anos, é a emergência
de técnicas de Big Data , aqui provisoriamente caracterizado
em termos de grande escala de dados que pode ser estrutura-
da, organizada em bancos e relacionada com outros dados ou
conjunto de dados trazendo resultados agregados, tanto posi-
tivos quanto negativos.
11
Aordance: característica de um ambiente, ou objeto que informa, ao humano que interage
com ele, a forma de abordagem ou utilização (HOLANDA, 2014).
Informação, Conhecimento, Ação Autônoma e Big Data
173
Grande parte das ferramentas em rede são automa-
tizadas, sendo a maioria a partir da codicação concebida
pelo humano. É notório que muitas delas, paulatinamente,
venham facilitando as tarefas dos humanos – através de sis-
temas de auto-organização, análise preditiva, reconhecimento
de padrões etc. –, tanto que muitos já não trabalham sem esses
recursos. A Teoria Ator-Rede
12
, “como o próprio nome diz, é
feita simultaneamente de atores e redes”, conforme ressaltam
Santaella e Lemos (2010, p. 38).
Fernanda Bruno (2011) ressalta que “uma das ar-
mações mais contundentes da teoria ator-rede, especialmente
reiterada por Latour, é a de que o social não existe”. Uma das
muitas de suas provocações é a de que boa parte da sociologia
teria se poupado do trabalho essencial de explicar como se
constrói ‘o social’, transformando-o numa espécie de grande
estrutura ou substância que tudo explica. O “social” não é o
que explica, diz a teoria ator-rede, mas o que merece ser expli-
cado. E explicar, nesse caso, diz Bruno, “é também construir o
próprio social, ou um mundo comum, ou seja, trata-se de um
‘programa’ a um só tempo cognitivo e político”.
PontoS de vISta da vISualIzação de dadoS
Com a rede, a possibilidade de analisar particularidades
a priori – e com elas chegar a outras particularidades – é mais
interessante do que imaginar, a posteriori, um todo (porque
estamos acostumados a isso), car preso a ele, e tentando dar
conta das experiências de conhecimento das pesquisas para ter
a sua conrmação. Resumidamente, a partir da reexão sobre
12
Em 2011, a Teoria Ator-Rede foi aplicada em produtos experimentais para a tese de
doutorado desta pesquisadora, que no estudo associam-se humanos – estudantes de
jornalismo (atores ou actantes) – e não-humanos (dispositivos móveis), deixando reportagens
de radiojornalismo dispostas em ambiente digital.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
174
o pensamento de Gabriel Tarde (1843-1904)
13
, LATOUR et
al. (2011) aproveitam a oportunidade dada pela “súbita pro-
liferação de bancos de dados digitais para revisitar a antiga
teoria social, proposta por Tarde antes da disponibilidade de
grandes ferramentas estatísticas e antes do entrincheiramento
de muitas teorias sociais dentro do paradigma 2-LS” (idem).
No sentido de dramatizar o contraste, os autores armam que
“há mais complexidade nos elementos do que nos agregados”,
ou, sendo mais provocativos, que “o todo é sempre menor do
que a soma das partes”. Eles chamam “essa hipótese de ‘pon-
to-de-vista de um nível’ (1-LS) em contraste com o ‘ponto-de-
-vista de dois níveis’ (2-LS). Tal hipótese tem a chance de se-
guir apenas se ocorrer uma diferença empírica no tratamento
dos dados (idem). Em suas palavras:
Esse é o porquê de tentarmos demonstrar dois pontos:
a) algumas das novas técnicas digitais e, em particular,
algumas das ferramentas oferecidas pela análise de
rede podem permitir o rastreamento e a visualização
do fenômeno social de uma forma que faz o 1-LS
ligeiramente mais direto que a alternativa 2-LS; b)
agora pode ser possível explicar características de
ordem social mais duradoura, aprendendo a navegar
através de ‘mônadas’ sobrepostas, em vez de alternar
entre os dois níveis de individual e de agregado
(LATOUR et al., 2012).
Esses dados digitais de que falam os autores são con-
siderados como “os vestígios digitais deixados por atores de
dentro de banco de dados recentemente disponíveis” e que
poderiam, ressaltam eles, “modicar a própria posição dessas
questões clássicas de ordem social” (idem).
13
Ver artigo: e whole is always smaller than its parts - How digital navigation may modify
social theory.
Informação, Conhecimento, Ação Autônoma e Big Data
175
O argumento dos autores é o de que, quando era difí-
cil, praticamente impossível, e bastante complicado, ou sim-
plesmente lento, “navegar através da massa de informações so-
bre itens especícos, fazia sentido tratar dados sobre conexões
sociais com a denição de dois níveis: um para o elemento,
outro para os agregados” (idem).
Porém, uma vez que temos a experiência de seguir “os
indivíduos através de suas conexões (que é frequentemente o
caso com os pers), poderia ser mais graticante começar a na-
vegar pelos conjuntos de dados, sem fazer distinção entre o nível
do componente individual e o da estrutura agregada” (idem).
Sendo assim, os autores armam que “torna-se possível dar al-
guma credibilidade à estranha ideia de ‘mônadas’, de Tarde”.
Eles armam que esse tipo de prática de navegação “tornou-se
possível somente agora pelas bases de dados disponíveis digital-
mente, que tal prática poderia modicar a teoria social se pu-
déssemos visualizar esse novo tipo de exploração de uma forma
coerente” (LATOUR et al., 2012). Nota-se que Latour et al.
tratam do assunto antes do surgimento dos Big Data.
Importante lembrar que em relação à discussão de se
voltar ao todo para entender as partes, a denição das “Môna-
das”, de Tarde, nas palavras dos autores, “dissolve[m] o dilema
e redene[m] a noção do todo, realocando-a como entidades
sobrepostas que herdam uma das outras” (idem). A questão é
polêmica e eles estão conscientes de que essas bases de dados
estão cheias de defeitos, e que elas mesmas “incorporam uma
denição bastante crua da sociedade; que são marcadas por
fortes assimetrias de poder e, acima de tudo, que elas marcam
apenas um momento passageiro de cruzamento na rastreabi-
lidade das conexões sociais”. Além disso, eles estão “dolorosa-
mente conscientes das limitações estreitas que lhes são colo-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
176
cadas pela análise de rede
14
e pelas limitações das ferramentas
de visualização disponíveis hoje”. Mas eles frisam um ponto
com o qual é possível pactuar: “seria uma pena perder esta
oportunidade de explorar uma alternativa tão poderosa, capaz
de fornecer uma outra maneira de abordar as ciências sociais
de forma empírica e quantitativa, sem perder a sua necessária
ênfase nos detalhes” (idem).
Byung-Chul Han (2018) profere opinião adversa: “Big
data torna o pensamento supéruo porque se tudo é contável,
tudo é o igual. Estamos em plena datação: o homem não é
mais soberano de si mesmo, mas é o resultado de uma opera-
ção algorítmica que o domina sem que ele perceba isso”.
Vemos isso na China com a concessão de vistos
de acordo com os dados manipulados pelo Estado
ou na técnica de reconhecimento facial. A revolta
seria parar de compartilhar dados ou de estar nas
redes sociais? [...] Precisamos de uma carta digital
que recupere a dignidade humana e pense em uma
renda básica para as prossões que devorarão novas
tecnologias (HAN, 2018).
Quanto à inuência das novas tecnologias nas pros-
sões, ao ser questionado sobre o impacto de mudanças na estru-
tura da informação, Steve Coll
15
arma que “ele é mais positivo
e, possivelmente, de efeito mais duradouro, pois ele tem a ver
14
“A junção dos conhecimentos de sociologia com as teorias dos grafos deu origem a análise
de redes sociais, uma ciência complexa, não exata, mais inclinada à heurísticas do que a
soluções determinísticas, mas que ainda assim, segue padrões matemáticos conhecidos. (...)
Utilizando as teorias e algoritmos de redes complexas é possível analisar uma rede social
e extrair diversas métricas desta rede. Como por exemplo, o número de comunidades, ou
grupos existentes nessas redes. Quais são os vértices (nós) mais importantes da rede. E a partir
desse conhecimento direcionar esforços para os pontos mais importantes da rede, otimizando
recursos e tempo” (GABARDO, 2015).
15
Diretor da Columbia Journalism School, da Columbia University. Em entrevista aos
jornalistas Ricardo Gandour e Jorge Tarquini para o Observatório da Imprensa.
Informação, Conhecimento, Ação Autônoma e Big Data
177
com a estrutura que a informação passou a ter com o advento
dos Big Data e o uso de softwares baseados em algoritmos, capa-
zes de processar imensos volumes de dados”. Disse, ainda, que
isso impactou diretamente o jornalismo investigativo:
Em projetos como Panama Papers
16
– mudando
a forma como o jornalismo é feito, com aumento
da colaboração entre as organizações de mídia.
Houve investigações que foram feitas por até 60
veículos em conjunto, todos guardando os mesmos
segredos e publicando ao mesmo tempo. Isso era
algo impensável dez anos atrás. Outro aspecto são os
jornalistas colaborando com cientistas da computação
e de dados para o bem público. Há diversos casos de
reportagens premiadas feitas a partir da análise de
uma grande quantidade de dados (COLL, 2018).
Sobre acreditar ou não que programação, tecnologia de
dados e outras áreas relacionadas deveriam fazer parte do ensino
atual nas escolas de jornalismo, Coll respondeu que sim: “Por-
que, na era do Big Data, é difícil para o jornalista levar adiante
sua função democrática e constitucional de informar, se ele não
souber examinar da maneira correta os dados e algoritmos que
estão sendo utilizados e seus impactos na sociedade”. Ele re-
força que é preciso “literalmente olhar por baixo dos códigos e
ver como eles são feitos. Os tribunais americanos estão usando
softwares de algoritmo para determinar sentenças baseadas em
indicações de como alguns criminosos irão reagir, se podem ou
não retornar ao crime”. Ressalta, ainda, “que os processos de
engenharia utilizados nos códigos das chamadas ‘fake news’ po-
dem inuenciar a opinião pública. Há várias questões muito
importantes de interesse público, que estão sendo desenvolvidas
com o suporte de engenheiros e especialistas em dados”, naliza
16
https://www.icij.org/investigations/panama-papers/.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
178
Coll, armando que “isso muda signicativamente as habilida-
des necessárias para o exercício do jornalismo hoje”.
Temos um panorama midiático no qual mais técnicas
serão adotadas na produção de notícias: “análises algorítmi-
cas de base de dados, visualização de dados, solicitações de
conteúdo por parte de amadores, produção automatizada de
narrativas, criação de narrativas baseadas em dados entre ou-
tros”, como armam Anderson, Bell & Shirky (2013). Eles
entendem que em 2020, os exploradores de dados, criadores
de visualizações de informação, ou designer de experiência in-
terativa, terão em mãos um conjunto muito mais renado de
ferramentas do que qualquer um existente na atualidade.
Faz-se necessário debater também a interatividade,
jamais ocorrida de forma tão intensa, e a entrada do jorna-
lismo aberto gerado pelo usuário (ou jornalismo colaborati-
vo, participativo etc.) como estratégia de acompanhamento
de vanguardas, mesmo que desconando do que chega desse
material de não-jornalistas e, com isso, aumentando o grau
de checagem, fazendo paralelos com as novas funções e mani-
festações que surgem com as diferentes etapas da web (1.0
17
,
2.0, 3.0)
18
e quantas numerações mais possam aparecer como
marcos), como a personalização (quando os sites monitoram o
rastro do usuário), os ltros baseados em palavras-chave (tags)
e ranqueamento mostrando preferências.
Uma visão distinta e’ defendida por Anderson (2018),
editor da revista Wired, que entende que grandes quantida-
des de dados e matemática aplicada substituem todas as outras
17
No início da web, a chamada web 1.0, as pesquisas da fase pré-Google eram realizadas em
sites como o Lycos, o Altavista e o Yahoo.
18
Estes indicadores apontam para o que se chama de web 3.0, que conta com sistemas
inteligentes de busca por contexto, que ao mesmo tempo em que facilitam a procura,
permitem a maior produção e segmentação do conteúdo, além da disponibilização deste para
o público de interesse.
Informação, Conhecimento, Ação Autônoma e Big Data
179
ferramentas que podem ser usadas; ele questiona: “Quem sabe
por que as pessoas fazem o que fazem?” e como o fazem. An-
derson é taxativo ao armar que “podemos rastreá-lo e medi-lo
com uma delidade sem precedentes. Com dados sucientes,
os números falam por si”.
A nova disponibilidade de enormes quantidades de
dados, juntamente com as ferramentas estatísticas
para processar esses números, oferece uma maneira
totalmente nova de entender o mundo. A correlação
substitui a causação, e a ciência pode avançar
mesmo sem modelos coerentes, teorias unicadas
ou, na verdade, qualquer explicação mecanicista
(ANDERSON, 2018).
Apesar de polemica, a armação de Anderson pare-
ce encontrar ecos, por exemplo em Castro (2018), ao ar-
mar que: “muitas relações que enlaçam os traços digitais dos
usuários não estão dadas com antecedência, mas precisam ser
descobertas, desao a que se propõe a analítica dos dados, pe-
ça-chave da governança algorítmica. O grande trunfo desta é
o escopo do Big Data”, ao qual ela se acopla,
no tocante ao volume, velocidade e variabilidade –
a fórmula dos 3 Vs, introduzida por Laney (2001).
“O prospecto alardeado do Big Data é trazer à luz e
descobrir o que nunca foi observado”, alega Reigeluth
(2014, p. 248), “abandonando os rígidos métodos
hipotético-dedutivos de raciocínio, e abraçando
novas ferramentas indutivas, que se apoiam em vastas
extensões de dados aráveis” (CASTRO, 2018).
Com a nalidade de evocar a presença de autores
que se debruçam sobre temas quentes, similares ao que
é aqui estudado, é proveitoso dar réplicas às falas de Beate
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
180
Josephi. Ela acaba por pressionar as fronteiras do jornalismo,
ao invés de estabelecê-las, ao dizer que “uma nova estética
precisa ser explorada e assumida, de forma a oferecer uma
aparente impressão de participação não-mediada nos eventos.
Não mediar, ou mesmo não mostrar que se está mediando, é
crucial nesse momento, pois as pessoas estão cansadas de serem
mediadas” (JOSEPHI, 2016, p. 13). A partir do surgimento
da internet e a certeza de que todos podem participar, cai
retumbantemente o monopólio da informação de quem quer
que seja e – não é preciso ir atrás dos números (mas, eles
existem para comprovar) – esse movimento não tem volta.
Trata-se de um envolvimento que deixa de ser latente e
emerge, pois, se audiência vem de audição e de prestar atenção
a quem vos fala, ela também quer ser ouvida, chamar a atenção
para sua participação. “Isso implica não só a interatividade
em relação à palavra escrita, mas também uma expectativa em
‘estar presente’ em eventos e mostrá-los da maneira como ‘eles
aconteceram’” (JOSEPHI, 2016). Muito disso ocorre porque
a imprensa mainstream nem sempre cobre os eventos como
realmente acontecem, já que não estamos falando apenas do foco
em que se dá, ou o recorte escolhido, (até porque, não dá mesmo
para mostrar tudo, o tempo todo, no espaço limitado da mídia
tradicional) e, sim, da manipulação como distorção da verdade
que sempre existiu, mas que na era digital é mais aparente e o
incremento dado nos é apresentado de modo sistemático.
Com a análise do comportamento dos pers nas redes
sociais, seja de humanos e não humanos (bots, ciborgues), pro-
curamos entender o veloz processo de manipulação da opinião
na esfera pública conectada. De forma contínua e multiplica-
dora, a utilização de fake news e similares ocorre com a inten-
ção de inuenciar diretamente um certo segmento ignorante
e/ou mal intencionado da sociedade.
Informação, Conhecimento, Ação Autônoma e Big Data
181
Concluiremos provisoriamente nossa reexão relem-
brando Gilbert Simondon (1924-1989), mais conhecido pela
sua losoa da técnica do que pela sua teoria da individuação,
da qual sua reexão sobre os objetos técnicos é decorrente – en-
tendendo que é possível levar este estudo a patamares que não
dissociam humanos, coisas e máquinas, ou seja, internautas,
jornalistas, não jornalistas, softwares automáticos, robôs, bots
etc.. Anal, uma das características marcantes do pensamento
de Simondon está, conforme ressalta JUNK (2017), na noção
cientíca de informação, entendida como entidade imaterial,
possuidora de propriedades organizacionais, com estrutura
matemática, e que reúne, em um mesmo grupo, seres vivos
em geral, seres humanos em particular e seres articiais.
referênCIaS
ANDERSON, C. e end of theory: e data deluge makes the
scientic method obsolete.In: Wired Magazine, 23 June 2008.
ANDERSON, C.W.; BELL, E.; SHIRKY, C. Jornalismo pós-
industrial - Adaptação aos novos tempos. In: Revista de Jornalismo
ESPM, São Paulo, nº 5, p. 32-89, 2013.
BRUNO, F. (coord.); SANTAELLA, L.; FELINTO, E.
In: V SIMPÓSIO NACIONAL ABCIBER. 2011. Ator-
Rede e Cibercultura: diálogos I. Disponível em: http://
dispositivodevisibilidade.blogspot.com.br/2011/11/teoria-ator-rede-e-
cibercultura.html. Acesso em: 02/10/2017.
BUSH, V. As we may think. 1994. Disponível em: http://ccat.sas.
upenn.edu/~jod/texts/vannevar.bush.html. Acesso em: 23/06/2018.
CASTRO, J. C. L. Redes sociais como modelo de governança
algorítmica. In: revista Matrizes. V.12 - Nº 2, maio/ago. São Paulo.
Brasil. 2018. Disponível em: http://www.revistas.usp.br/matrizes/
article/view/140890/147048. Acesso em: 12/09/2018.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
182
COLL, S. Os desaos da reportagem em tempos de algoritmos e
antagonismo político. In: Observatório da Imprensa. 2018. Disponível
em: http://observatoriodaimprensa.com.br/edicao-brasileira-da-
columbia-journalism-review/os-desaos-da-reportagem-em-tempos-
de-algoritmos-e-antagonismo-politico/. Acesso em: 26 /08/2018.
COZMAN, F. A Inevitável Vitória da Inteligência Articial. 2017.
In: Estadão.com. Disponível em: http://cultura.estadao.com.br/blogs/
estado-da-arte/a-inevitavel-vitoria-da-inteligencia-articial/. Acesso
em: 25/03/2018.
El País. Trump e as ‘fake news’ atacam de novo. 2017. Por Jan Martínez
Ahrens. Disponível em: https://brasil.elpais.com/brasil/2017/05/06/
internacional/1494087975_053461.html. Acesso em: 21/01/2018.
GABARDO, A. C. Análise de redes sociais, um texto introdutório.
2015. Disponível em: http://imasters.com.br/midia-e-marketing-
digital/redes-sociais/analise-de-redes-sociais-um-texto-introdutorio/?tr
ace=1519021197&source=single. Acesso em: 21/11/2018.
HAN, B-C. Agora você explora a si mesmo e acredita que está se
realizando – diz losofo coreano. In: Pensarcontemporaneo.com.br.
Disponível em: https://www.pensarcontemporaneo.com/agora-voce-
explora-si-mesmo-e-acredita-que-esta-se-realizando-diz-losofo-
coreano/. Acesso em: 28/08/2018.
HOLANDA, A. Traduzindo o Jornalismo para Tablets com a
Teoria Ator-rede. 2014. (Tese). Faculdade de Comunicação Social.
Universidade Federal da Bahia (UFBA), Salvador, 2014.
JOSEPHI, B. Prossionalismo jornalístico na era digital. In:
Brazilian journalism research - 2016. Volume 12 - Número 3 - SBPjor
/ Associação Brasileira de Pesquisadores em Jornalismo. 2016.
Disponível em: https://bjr.sbpjor.org.br/bjr/article/view/958/851.
Acesso em: 12/04/2018.
JUNK, I. Simondon: uma perspectiva ontoepistemológica para a
contemporaneidade. In: Transobjeto. 2017. Disponível em: https://
transobjeto.wordpress.com/2017/04/15/simondon-uma-perspectiva/.
Acesso em: 25/06/2017.
KAUFMAN, D. O protagonismo dos algoritmos de Inteligência
Articial: observações sobre a sociedade de dados. In: revista
TECCOGHS edição 17. 2018. Disponível em: http://www4.pucsp.
br/pos/tidd/teccogs/artigos/2018/edicao_17/teccogs17_artigo02.pdf.
Acesso em: 11/09/2018.
Informação, Conhecimento, Ação Autônoma e Big Data
183
LATOUR; JENSEN; BOULLIER; GRAUWIN; VENTURINI. e
Whole is Always Smaller Tan Its Parts” — How Digital Navigation
May Modify Social Teory. In: British Journal of Sociology, v. 63, n.
4, p. 591-615, 2011. Tradução de Flávia Gonsales e Beatriz Redko
para a Parágrafo. Jul./Dez. 2015. V. 2, N. 3, 2015. Disponível em:
http://revistaseletronicas.amfaam.br/index.php/recico/article/
view/329/336. Acesso em: 22/03/2017.
LATOUR, B. Bruno Latour, the Post-Truth Philosopher, Mounts a
Defense of Science - He spent decades deconstructing the ways that
scientists claim their authority. Can his ideas help them regain that
authority today? Por Ava Kofman. In: e New York Times Magazine.
2018. Disponível em: https://www.nytimes.com/2018/10/25/
magazine/bruno-latour-post-truth-philosopher-science.html. Acesso
em: 14/05/2019.
LEÃO, L. Labirinto da hipermídia - arquitetura e navegação no
ciberespaço. São Paulo: Iluminuras, 1999.
LEMOS, A. Cidades invisíveis, cidades rastreadas. 2011. Disponível
em: https://andrelemos.info/cidades-invisiveis-cidades-rastreadas/.
Acesso em: 21/04/2019.
NYCE, J. M.; KAHN, P. From Memex to Hypertext: Vannevar Bush
and the Mind’s Machine. London: Academic Press, 1991.
PARISER, E. e Filter Bubble: What the Internet Is Hiding from
You. New York: Penguin Press, 2011.
PRADO, M. Ciberativismo e Noticiário: da mídia torpedista as redes
sociais. Rio de Janeiro: Alta Books, 2015.
PRADO, M. Webjornalismo. Rio de Janeiro: LTC/GEN, 2011.
PRADO, M. Audiocast nooradio: redes colaborativas de
conhecimento. 2009. Dissertação Mestrado em Comunicação e
Semiótica. Pontifícia Universidade Católica de São Paulo, São Paulo.
SANTAELLA, L; LEMOS, R. Redes sociais digitais: a cognição
conectiva do twitter. São Paulo: Paulus, 2010.
SETZER, V. W. Dado, Informação, Conhecimento e Competência.
Departamento de Ciência da Computação, Universidade de São
Paulo. 25 maio 2015. Disponível em: www.ime.usp.br/~vwsetzer/
dado-info.html. Acesso em: 13/11/2017.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
184
TARDE, G. Les lois de l’imitation. Paris: Kimé Éditeur, 1895.
WARDLE, C. & DERAKHSHAN, H. Information Disorder: Toward
an interdisciplinary framework for research and policy making.
Council of Europe.2017. In: RM. Disponível em: https://rm.coe.
int/information-disorder-toward-an-interdisciplinary-framework-for-
researc/168076277c. Acesso em: 11/02/2019.
185
o Big Data no deSenvolvImento
da IndúStrIa 4.0: novaS PerSPeCtIvaS
Para o emPreendedorISmo aCadêmICo
Selma Leticia Capinzaiki Ottonicar
Gisele Rodrigues Atayde
Luis Antonio de Santa-Eulalia
A quarta Revolução Industrial, também conhecida
como Indústria 4.0, tem trazido mudanças para as organizações
contemporâneas. A principal transformação é a produção mas-
siva de dados e informações disseminadas por objetos, pessoas e
elementos biológicos (SCHWAB, 2016). Esse novo contexto foi
reconhecido a partir de 2013 na Alemanha e desde então vem
inuenciando pesquisas cientícas e a indústria manufatureira
em diversos países. As empresas sofrerão mudanças signicati-
vas em sua estrutura e nos modos de produção, modicando,
inclusive, a vida em sociedade. A Indústria 4.0 (I4.0) traz novas
oportunidades de negócios e novas formas de compreensão a
respeito da qualidade de vida da população.
A Indústria 4.0 possui várias tecnologias que a com-
plementam, dentre elas estão os recursos de Big Data. Os Big
https://doi.org/10.36311/2019.978-85-7249-055-9.p185-202
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
186
Data podem ser entendidos como o armazenamento de dados
provenientes de sistemas e da web a m de que possam ser
utilizados no futuro. O desao das pessoas é saber como fazer
o uso de tais dados para tomar decisão, inovar, construir co-
nhecimento, empreender e atuar perante as transformações da
estrutura social.
O acesso a esses dados é um instrumento fundamen-
tal para estimular a criatividade, aprendizagem e inovação
no contexto universitário. A universidade é um ambiente de
construção de conhecimento teórico e prático. Por isso, algu-
mas dessas instituições têm se tornado ambientes que propul-
sionam a inovação e o empreendedorismo dos indivíduos. Os
discentes, principalmente das áreas de Engenharia e Ciências
Sociais aplicadas lidam com a aplicação prática em sala de
aula. Desse modo, o empreendedorismo acadêmico contribui
para que possam criar novos negócios e realizar parcerias.
Nesse contexto, os prossionais necessitam saber
como usar a informação para tomar decisões ecazes. Com
isso, defende-se que essas novas transformações podem im-
pulsionar o empreendedorismo entre alunos universitários à
medida que vêm, nas lacunas do contexto, novas oportuni-
dades de negócios.
Assim, o problema de pesquisa é: como a Indústria 4.0
e os Big Data podem ser utilizados para estimular o empreen-
dedorismo acadêmico? O objetivo do artigo é demonstrar
como os Big Data no contexto da Indústria 4.0 contribui com
novas perspectivas para o empreendedorismo acadêmico. Para
atingir os objetivos propostos utilizou-se revisão bibliográ-
ca sobre os temas Big Data, Indústria 4.0 e empreendedoris-
mo acadêmico. Essa revisão teórica possibilitou a construção
de um quadro conceitual inter-relacionando as temáticas e,
Informação, Conhecimento, Ação Autônoma e Big Data
187
posteriormente, a construção de um modelo, demonstrando
a relevância dos temas para a área da Gestão Empresarial e da
Ciência da Informação.
1 IndúStrIa 4.0
A terceira Revolução Industrial iniciou-se em meados
de 1970, devido à revolução digital. Houve o aumento no uso
de semicondutores, automatização e robotização da produ-
ção, além do avanço nas comunicações e a internet (COSTA,
2017). A I4.0 complexica tais tecnologias, ao possibilitar que
elas estejam conectadas, produzam dados e se comuniquem
entre si de maneira inteligente.
A nova Revolução Industrial refere-se ao que estão
sofrendo as empresas manufatureiras por meio das tecnologias
inteligentes, conectadas e da Internet das Coisas (IoT). Suas
fontes de informação são as pessoas, os objetos e os elementos
biológicos (SCHWAB, 2016; DUTTON, 2014; ALMADA-
LOBO, 2015). A I4.0 traz novos desaos e oportunidades
para as organizações, principalmente devido à modicação
na estrutura e nas formas de se realizar o trabalho. Amorim
(2017, p. 248) explica que:
O termo “Indústria 4.0” surgiu a partir de um projeto
do governo alemão
27
que visava o desenvolvimento
das tecnologias voltadas para as indústrias,
objetivando, sobretudo, aumentar a competitividade,
através de “fábricas inteligentes”. Tais unidades de
produção “inteligentes” seriam proporcionadas
através da conexão de máquinas, sistemas e ativos
criando redes inteligentes ao longo do processo
produtivo controladas autonomamente, ou seja, com
intervenção humana ínma, consoante o tratamento
das informações produzidas pela cadeia produtiva e
pela demanda de produção.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
188
A I4.0 vem trazendo novos impactos socioeconômicos
que inuenciarão os países em escala global com o estímulo à
criação de novos negócios, o aumento da tecnologia de infor-
mação com foco na segurança dos sistemas, modicações no
mercado de trabalho por meio das demandas de novas pros-
sões e a extinção de outros cargos (AMORIM, 2017). Por isso,
os países necessitam estar atentos a tais novas mudanças e de-
senvolver políticas públicas que contribuam com a economia
e a vida prossional dos cidadãos.
Costa (2017) explica que as consequências dessa revo-
lução envolvem formas complexas de inovação. Há a combi-
nação de diferentes tecnologias que vêm modicando as orga-
nizações completamente. Os gestores precisam reetir sobre
novas formas de produção, desenvolvimento de processos,
criação de novos produtos e serviços e ajustar o marketing e a
distribuição da empresa.
Além disso, a I4.0 propicia modicações nas deman-
das dos consumidores, produtos inteligentes e produtivos,
parcerias e inovação colaborativa, modicações no modelo
operacional e a transformação para um novo modelo digital
(SCHWAB, 2016). A I4.0 é baseada em três principais pilares
tecnológicos que deverão ser adotados pelas organizações nos
próximos anos. Esses pilares são a Internet das Coisas (IoT),
os sistemas ciber físicos e o Big Data (COSTA, 2017).
As fábricas da I4.0 são baseadas em máquinas, produ-
tos e processos conectados. Tais objetos são capazes de analisar
dados e tomar decisões programadas. Existe a sintonia entre o
ser humano e a máquina voltados ao aumento da produtivida-
de, qualidade e melhora dos lucros. As pessoas e a tecnologia
avançada trabalham juntos (SALTIÉL; NUNES, 2017).
Informação, Conhecimento, Ação Autônoma e Big Data
189
Essa automação e conexão eliminará postos de tra-
balho, principalmente aqueles que exigem esforços físicos
ou condições perigosas. Nesse sentido há a valorização dos
indivíduos, pois as empresas precisarão de funcionários que
atuem na gestão e controle dessas tecnologias inteligentes
(GORECKY et al., 2014; JO, 2010; LEE; JO, 2007; NU-
NES; MENEZES, 2014; RUSSWURM, 2014).
Entretanto, a I4.0 tem como consequência o aumento
do desemprego da população, pois vários cargos deixarão de
existir e outros serão substituídos pelas tecnologias e robotiza-
ção, como é o caso da linha de produção. Nesse contexto, será
cada vez mais necessário saber como acessar, avaliar e usar a in-
formação para tomar decisão, resolver problemas e aprender.
Concomitantemente, novas demandas prossionais surgirão,
como é o caso daqueles que saibam atuar com a análise de da-
dos, mercado, inteligência competitiva, entre outros.
2 Big Data
Os Big Data envolvem quantidade massiva de dados
armazenados em sistemas de informação complexos (LE-
TOUZÉ, 2012; GOLDMAN et al., 2012). Os sistemas tra-
dicionais não conseguem suportar tamanha quantidade de da-
dos (GOLDMAN et al., 2012). Os Big Data é uma tecnologia
fundamental para a I4.0 e a tendência é que as empresas uti-
lizem cada vez mais esses sistemas. Isso acontece porque não
só as pessoas serão produtoras de dados e informação, como
também os objetos e elementos biológicos.
Costa (2017) explica que os Big Data contribuem para
armazenar a quantidade massiva de dados gerados pela Internet
das Coisas (IoT), que são produzidos em tempo real. Essa tec-
nologia traz desaos para as empresas de tecnologia da informa-
ção como onde guardar os dados de maneira segura e que sejam
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
190
facilmente acessados, além disto, como processar tais dados a
m de que sejam transformados em informação voltada a to-
mada de decisão inteligente?
Essa quantidade massiva de dados exige que sejam
trabalhados e atribuídos signicados, pois os dados são
números, palavras e sinais simples não codicados. Eles
podem ser vericados, mas, para tanto, precisam de análise,
interpretação e contextualização, tornando-se uma informação.
As informações são elementos fundamentais para que os
indivíduos desenvolvam suas hipóteses e consigam prever o
futuro (COSTA, 2017).
A análise desses dados disponíveis em sistemas, nas
nuvens, nas redes de negócios e na internet contribuem para
perceber as tendências do mercado e com isso, os gestores de-
senvolvem novas oportunidades de negócios. O desao dos
Big Data é de propiciar o armazenamento de informações de
maneira segura, respeitando a privacidade e a ética que envol-
ve o uso da informação organizacional e pessoal.
Pimenta (2013, p. 6) explica que: “Não obstante, tor-
na-se evidente o potencial político do controle do Big Data
quando compreendemos que seu advento representa um mo-
mento, ou uma experiência de “concretização” de uma mu-
dança tecnológica”. Assim, os Big Data possibilitam que os
“traços” das pessoas sejam monitorados pela internet, pois os
sistemas identicam seus gostos e preferências. São deixados
rastros de gostos políticos, relações comerciais e privados de
modo que os sistemas coletam esses dados por meio das tec-
nologias de vigilância e monitoramento (PIMENTA, 2013).
“Há também grandes expectativas sobre o impacto nas
relações políticas, seja pelo uso de ferramentas de BD pelos
políticos ou pelo novo modelo de organização e engajamen-
Informação, Conhecimento, Ação Autônoma e Big Data
191
to da sociedade através das redes sociais” (LUVIZAN; MEI-
RELLES; DINIZ, 2014, p. 4). Assim, os Big Data contribuem
em todas as áreas da sociedade, além dos negócios, podendo
ser utilizados na transparência do uso dos recursos públicos,
bem como no exercício da cidadania.
Os Big Data podem ser compreendidos em duas ver-
tentes diferentes. A primeira os identica como uma tecnolo-
gia que armazena quantidade massiva de dados e informação.
Já a segunda vertente compreende os Big Data como sendo
a quantidade dos dados presentes na internet (RIBEIRO,
2014). Breitman (2014) defende que dessa quantidade enor-
me de dados, apenas 1% é realmente analisado, por isso, Ri-
beiro (2014) aponta que essa é uma oportunidade de atuação
para os prossionais da informação.
O SEBRAE (2018) explica que os dados coletados por
meio dos dispositivos e sensores são aproveitados em proces-
sos inteligentes, por meio de algoritmos de mineração de dados
(Data Mining). Esses algoritmos computacionais contribuem
para que novas informações sejam desenvolvidas. Assim as má-
quinas determinam predições sobre os defeitos, matéria-prima,
energia elétrica, estrutura da fábrica a m de se ajustar às de-
mandas dos consumidores. Essas tecnologias contribuem para
que os gestores tomem decisões inteligentes sobre a produção, o
mercado e construam aprendizagem durante o processo.
3 o emPreendedorISmo aCadêmICo Como meCanISmo
Para formação de novaS ComPetênCIaS Para a I4.0
Atualmente as universidades estão incorporando o
desenvolvimento econômico e social como missão, com isto,
vão além do ensino e pesquisa, abrangendo a criação, com-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
192
partilhamento e comercialização de conhecimento, ou seja,
direcionando esforços para o empreendedorismo acadêmico
(SHANE, 2004; WRIGHT, 2007; ETZKOWITZ, 2008).
Além da exigência e exigente responsabilidade no re-
torno dos recursos recebidos à sociedade, a universidade con-
temporânea exerce novas funções. Segundo orp e Goldstein
(2010), há alguns pontos que precisam ser considerados. Pri-
meiramente, os problemas atuais são grandes e complexos, e
para atacá-los, deve haver recursos sem precedentes e aborda-
gens não tradicionais que vão além das disciplinas curriculares.
Em segundo lugar, as ferramentas ricas em informa-
ções e a substituição de indivíduos em atividades simples por
máquinas, levará o ensino para uma mentalidade empreende-
dora que explore novas formas de trabalho e novos modelos
de negócios. Em terceiro lugar, os estudantes possuem uma
nova visão sobre conhecimento e educação, e valorizam colher
resultados ao longo do processo. E por último, as fontes de
recursos para o nanciamento da ciência estão diminuindo
levando a novos modelos de parcerias para desenvolvimento
de projetos (THORP; GOLDSTEIN, 2010).
Tais pontos levam a crer que esse novo modelo se re-
laciona ao conceito de Universidade Empreendedora, que
segundo Clark (1998) é a universidade que busca frequente-
mente inovar sua estratégia e adequar sua estrutura para res-
ponder rapidamente às novas demandas da academia.
Diante dessas novas diretrizes no ambiente acadêmi-
co, Etzkowitz (2013) ressalta a importância da capacitação
empreendedora coletiva e institucional, ou seja, a universi-
dade necessita atuar como uma instituição empreendedora
em suas atividades.
Informação, Conhecimento, Ação Autônoma e Big Data
193
Ainda sobre capacitação no âmbito da universidade, é
fundamental desenvolver competência empreendedora. Ras-
mussen e Wright (2015) estabelecem dois argumentos sobre
a importância de direcionar esforços dentro da universidade
para criação de negócios e estabelecer uma competência em-
preendedora. O primeiro está relacionado ao impacto econô-
mico direto gerado por novos empreendimentos tecnológicos
resultando em empregos, receitas e competitividade interna-
cional. Já o segundo argumento é que tais empresas promo-
vem a transferência tecnológica que converte o conhecimento
em aplicação na sociedade.
No contexto da I4.0 e Big Data, é plausível que
somente as instituições acadêmicas serão capazes de lidar
com o capital humano e com a escala de tempo necessá-
ria para perceber o potencial das invenções descontínuas.
Além disso, a possibilidade de conectar ciência, tecnolo-
gia e inovação sem cair nas armadilhas da não traduzibili-
dade do mercado e o conhecimento tácito só poderão ser
realizadas dentro dos laboratórios e centros acadêmicos
(ETZKOWITZ; VIALE, 2010).
4 metodologIa
Essa pesquisa foi desenvolvida mediante os princípios
teóricos de Marconi e Lakatos (2013), com o uso da pesqui-
sa bibliográca (GIL, 2012; FONSECA, 2002). O artigo foi
desenvolvido e estruturado com base nos conceitos de autores
da área da Ciência da Informação e Gestão Empresarial. Esses
conceitos estavam presentes em artigos cientícos, disserta-
ções, teses e livros.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
194
As buscas foram realizadas nas seguintes bases de
dados: Scientic Electronic Library Online (SCIELO), Base
de Dados Referencial de Artigos de Periódicos em Ciência da
Informação (BRAPCI), Portal de Periódicos da Coordenação
de Aperfeiçoamento de Pessoal de Nível Superior (CAPES),
SCOPUS e Library and Information Science Abstracts (LISA).
Utilizou com base os termos Big Data, Indústria 4.0 e
Empreendedorismo Acadêmico.
Essa revisão da literatura contribuiu para a construção
de um quadro teórico-conceitual sobre os três principais
temas do artigo, Big Data, Indústria 4.0 e Empreendedorismo
Acadêmico (GIL, 2012; FONSECA, 2002; MARCONI;
LAKATOS, 2013). No nal, desenvolveu-se um modelo
teórico entre tais temáticas para demonstrar como sua inter-
relação pode contribuir com a aprendizagem dos indivíduos
envolvidos com as instituições de ensino, como é o caso das
universidades.
5 reSultadoS e dISCuSSõeS
A I4.0 possui diversas tecnologias que a compõem
no ambiente organizacional, dentre elas encontram-se os Big
Data. Essa tecnologia contribui para armazenar uma grande
quantidade de dados produzidas pelas pessoas e objetos. Essa
tecnologia e o advento da I4.0 trazem mudanças para as uni-
versidades e podem ser aproveitadas para desenvolver novas
formas de aprendizagem.
Assim, algumas universidades têm se preocupado com o
empreendedorismo dos alunos, professores e funcionários que
atuam na instituição. Para empreender, os acadêmicos precisam
acessar informações que são disponibilizadas pelos Big Data. Es-
Informação, Conhecimento, Ação Autônoma e Big Data
195
sas informações podem ser importantes para a geração de novas
ideias de negócios a serem criados pelos indivíduos. Essas rela-
ções estão detalhadas no quadro 1, conforme segue.
Quadro 1 – Contribuições do Big Data, Indústria 4.0 e do
Empreendedorismo Acadêmico
Big Data Indústria 4.0 Empreendedorismo Acadêmico
Armazenamento
de um grande
conjunto de
dados
Produção massiva de
dados e informações
por meio de
máquinas inteligentes
e conectadas
(TISLUK;
MOSCONI;
CHAMBERLAND
TREMBLAY, 2015)
A Universidade fornece estrutura
e apoio para alunos, docentes e
pesquisadores testarem e iniciarem
novos empreendimentos. Dessa
forma, a Universidade pode ser
um laboratório para teste de novos
modelos de negócios integrando
Big Data e I4.0.
Os dados ne-
cessitam ser
analisados para
que se agregue
valor ao seu
conteúdo.
É necessário que o
prossional saiba
como acessar, avaliar
e interpretar as
informações.
A Universidade pode auxiliar na
capacitação e formação de atitudes
e habilidades empreendedoras que
serão essenciais para o manuseio de
dados e informações.
Dados estão
presentes em
tecnologias
remotas,
inteligentes e
conectadas. Está
em processo de
transição.
Dados e informações
são produzidos,
armazenados e
compartilhados
pelas tecnologias
inteligentes e
conectadas.
Conectar especialistas de áreas
distintas para o desenvolvimento
de tecnologias inteligentes é
uma estratégia considerável para
identicação de oportunidades
de mercado e criação de negócios
baseados em dados e informações.
Networking e interdisciplinaridade
no ambiente acadêmico podem
apoiar estes negócios.
Dados podem
ser acessados
por meio da
internet.
Dados e informações
podem ser acessados
por meio do uso
das tecnologias
inteligentes.
A integração entre os Big Data e
I4.0 na universidade podem ser
estimuladas por meio de projetos
em parcerias com o ambiente
corporativo.
Fonte: Criado pelos autores – 2018
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
196
A quarta Revolução Industrial tende a modicar os mo-
dos de produção, a estrutura organizacional e a economia dos
países. Além disso, a produção massiva de dados estimula o de-
senvolvimento de negócios que atuam nessa área e o aumento
da procura por novas prossões, como é o caso dos analistas
de negócios, de inteligência competitiva e organizacional. Es-
ses prossionais necessitam ser competentes para interpretar as
informações. Essas demandas contribuem com o empreendedo-
rismo acadêmico, principalmente nos cursos de Gestão Empre-
sarial, Engenharias, Biblioteconomia e Arquivologia.
As tecnologias associadas aos Big Data possibilitam o
armazenamento de informação advindos das tecnologias da
I4.0. Tais tecnologias podem ser utilizadas na universidade a
m de possibilitar a pesquisa e desenvolvimento pelos estu-
dantes. Esses dados e informações contribuem para estimular
o empreendedorismo, à medida que demonstram as oportu-
nidades do mercado.
Tanto no contexto dos Big Data quanto da I4.0 as tec-
nologias estão conectadas e compartilham dados entre elas.
Essa quantidade de dados propicia um contexto interdiscipli-
nar, no qual estudantes de várias áreas podem realizar estudos
e desenvolver novas formas de negócios e soluções criativas
para o mercado.
Os dados armazenados precisam de análise ecaz, por
isso, os estudantes podem aprender como acessar, avaliar e
usar os dados para construir inteligência. Ao criar informa-
ções inteligentes é possível aprender sobre as oportunidades
do mercado. A universidade tem papel central como espaço
de treinamento e capacitação dos estudantes.
Os Big Data facilitam o acesso à internet e a I4.0
estimula o acesso a tecnologias conectadas, inclusive as redes
Informação, Conhecimento, Ação Autônoma e Big Data
197
que englobam a Web. Esses dados podem ser acessados pelos
estudantes. Ressalta-se a relevância em se possibilitar a par-
ceria de pesquisa entre universidade e empresa. Esse tipo de
projeto contribui para o crescimento de ambas intuições no
que tange aprendizagem, inovação e competitividade.
A partir de tais considerações elaboradas por meio do
quadro 1 foi possível desenvolver o modelo teórico-conceitual
abaixo que inter-relaciona as temáticas dos Big Data, I4.0 e o
empreendedorismo acadêmico.
Figura 1 – Inuência do Big Data e I4.0 no Empreendedorismo
Acadêmico
Fonte: Os autores - 2018
A gura 1 demonstra a relação existente entre Big Data
e I4.0 como propulsores de novos negócios acadêmicos. O
contexto da I4.0 vem trazendo mudanças para a economia
dos países desenvolvidos e, consequentemente, trará resulta-
dos e demandas para os demais países. Essas mudanças in-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
198
cluem transformações no modo de produção das indústrias e
no modo de vida da população.
Já os Big Data podem ser entendidos como uma tecno-
logia aplicada na sociedade e seus resultados têm contribuído
com a competitividade das organizações, empresas e institui-
ções educacionais. Essa tecnologia faz parte do arcabouço tec-
nológico da I4.0 e, portanto, demonstra as novas tendências
da sociedade.
Os empreendedores acadêmicos precisam estar atentos
a essas novas mudanças, a m de observar o contexto para
identicar os problemas e criar soluções viáveis para as pes-
soas. Por isso, precisam aprender como manusear e o funcio-
namento das tecnologias da I4.0, aplicando em suas empresas
e gerando projetos inovadores.
A utilização de cases para desenvolvimento de pro-
dutos que utilizem tecnologias conectadas a dados pode ser
aplicada em projetos interdisciplinares, ou seja, abrangendo
diversas disciplinas com conteúdos complementares. As áreas
que podem utilizar esse modelos são: gestão empresarial, en-
genharias, biblioteconomia, arquivologia, economia, ciências
da computação, entre outras.
ConSIderaçõeS fInaIS
Apesar da quarta Revolução Industrial ter como con-
sequência o desaparecimento de prossões, principalmente
aquelas que estão no chão de fábrica e serão substituídas pelas
máquinas, há novas demandas prossionais e de negócios que
estão cada vez mais relacionados com a busca, interpretação,
análise, organização e disseminação dos dados e informações.
Informação, Conhecimento, Ação Autônoma e Big Data
199
A Indústria 4.0 também contribui para que as má-
quinas inteligentes e a IoT produzam informações e dados
complexos. Estes dados armazenados, com recursos dos Big
Data, precisam ser avaliados e interpretados para a tomada
de decisão ecaz. Essa nova necessidade traz oportunidades
de negócios para os empreendedores acadêmicos, pois apren-
dem a partir do acesso e uso de dados e informações.
As informações armazenadas pelas tecnologias dos
Big Data são também produzidas no contexto da I4.0,
principalmente pelos objetos, pessoas e elementos biológicos.
Essa quantidade de dados pode ser utilizada nas universidades
para estimular o empreendedorismo acadêmico. Os docentes
e discentes podem utilizá-los para realizar análises de mercado
a m de identicar as oportunidades e as necessidades que
emergem em um contexto crescente.
Isso será possível por meio de informações, anterior-
mente disponíveis apenas para grandes instituições e agora nas
mãos de praticamente todos, dando aos indivíduos e pequenos
grupos poder e inuência anteriormente reservados a poucos.
Essa disseminação de conhecimento tem o potencial inovador,
criando uma oportunidade sem precedentes para qualquer
pessoa com características empreendedoras. E se o conheci-
mento é a energia que gera o motor de inovação da academia,
essa energia necessita ser livre e disponível para grande parte
da população.
referênCIaS
ALMADA-LOBO, F. e Industry 4.0 revolution and the future
of Manufacturing Execution Systems (MES). Journal of Innovation
Management, n. 3, vol. 4, p. 16-21, 2015.
200
AMORIM, E. A “Indústria 4.0” e a sustentabilidade do modelo de
nanciamento do Regime Geral da Segurança Social. Cadernos de
Dereito Actual, v. extraordinário, n. 5, p.243-254, 2017.
BRIETMAN, K. Big Data Overview. Palestra Apresentada no
1o. EMC Summer School on Big Data. EMC/NCE/UFRJ. Rio de
Janeiro. 2013.
CLARK, Burton R. Creating Entrepreneurial Universities:
Organizational Pathways of Transformation. Issues in Higher
Education. Elsevier Science Regional Sales, 665 Avenue of the
Americas, New York, NY 10010 (paperback: ISBN-0-08-0433545;
hardcover: ISBN-0-08-0433421, $27)., 1998.
COSTA, C. Indústria 4.0: o futuro da indústria nacional, POSGERE,
v. 1, n. 4, set., p. 5-14, 2017. ISSN 2526-4982
DUTTON, W. H. “Putting things to work: social and policy
challenges for the Internet of things”, info, Vol. 16 Issue: 3, p.1-21,
2014. https://doi.org/10.1108/info-09-2013-0047.
ETZKOWITZ, Henry. Anatomy of the entrepreneurial university.
Social Science Information, v. 52, n. 3, p. 486-511, 2013.
ETZKOWITZ, Henry. e triple helix: university-industry-
government innovation in action. Routledge, 2008.
ETZKOWITZ, Henry; VIALE, Riccardo. Polyvalent knowledge and
the entrepreneurial university: A third academic revolution? Critical
Sociology, v. 36, n. 4, p. 595-609, 2010.
FONSECA, J. J. S. Metodologia da pesquisa cientíca. Fortaleza: UEC,
2002. Apostila.
GIL, A. C. Métodos e técnicas de pesquisa social. 6.ed. São Paulo:
Atlas, 2012.
GOLDMAN, A., et al. Apache Hadoop: Conceitos Teóricos e
Práticos, Evolução e Novas Possibilidades. XXXI JORNADAS DE
ATUALIZAÇÕES EM INFORMÁTICA, 2012.
GORECKY, D. et al. Human-machine-interaction in the industry
4.0 era. Proceedings - 2014 12th IEEE International Conference on
Industrial Informatics, INDIN 2014, p. 289–294, 2014.
Informação, Conhecimento, Ação Autônoma e Big Data
201
JO, H. J. e Hyundai Way: e Evolution of a Production Model.
Global Asia, 2010.
LEE, B.-H.; JO, H.-J. e mutation of the Toyota Production System:
adapting the TPS at Hyundai Motor Company. International Journal of
Production Research, v. 45, n. 16, p. 3665–3679, 15 ago. 2007.
LETOUZÉ, E. Big Data for Development: Challenges &
Opportunities. UN Global Pulse, 2012.
LUVIZAN, S. L.; MEIRELLES, F. S.; DINIZ, E. H. Big Data:
publication evolution and research opportunities. 11th International
Conference on Information Systems and Technology Management –
CONTECSI May, 28 to 30, 2014 - São Paulo, Brazil.
MARCONI, M. de A.; LAKATOS, E. M. Técnicas de pesquisa. São
Paulo: Atlas, 2013.
NUNES, F. L. DE; MENEZES, F. M. Sistema Hyundai de Produção
e Sistema Toyota de Produção: Suas Interações e Diferenças. Revista
Acadêmica São Marcos, v. 4, n. 2, p. 101–120, 2014.
PIMENTA, R. M. Big Data e controle da informação na era digital:
tecnogênese de uma memória a serviço do mercado e do estado.
Tendências da Pesquisa Brasileira em Ciência da Informação, v. 6, n. 2,
jul./dez. 2013.
RASMUSSEN, Einar; WRIGHT, Mike. How can universities
facilitate academic spin-offs? An entrepreneurial competency
perspective. The Journal of Technology Transfer, v. 40, n. 5, p.
782-799, 2015.
RIBEIRO, C. J. S. Big Data: os novos desaos para o prossional da
informação. Informação & Tecnologia (ITEC), João Pessoa/Marília, v.
1, n. 1, p. 96-105, jan./jun., 2014.
RUSSWURM, S. Industry 4.0 - from vision to reality. Background
Information, p. 1, 2014.
SALTIÉL, R. M. F.; NUNES, F. L. A Indústria 4.0 e o sistema
Hyundai de produção: suas interações e diferenças. Anais do V Simpósio
de Engenharia de Produção – SIMEP, 2017 - ISSN: 2318-9258.
SCHWAB, K. e fourth industrial revolution. Crown Business, New
York, 2016.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
202
SHANE, S. A. Academic entrepreneurship: University spinos and
wealth creation. Edward Elgar Publishing, 2004.
TISLUCK, G.; MOSCONI, E.; CHAMBERLAND-TREMBLAY,
D. Divergence, convergence et confusion au sein des processus de
l’intelligence d’aaire et de l’intelligence compétitive: une analyse des
implications pour les chercheurs et les praticiens. In: Association des
Sciences Administratives au Canada (ASAC), 2015. Proceddings [...].
Montreal, Québec, Canada.
THORP, H.; GOLDSTEIN, B. e entrepreneurial university.
Retrieved January, v. 19, p. 2016, 2010.
WRIGHT, M. Academic entrepreneurship in Europe. London, UK.
Edward Elgar Publishing, 2007.
203
algorItmoS genétICoS e aPrendIzagem:
quem, de fato, aPrende?
Monica Aiub
Considerando Big Data, tal como a denição do Oxford
English Dictionary, uma quantidade de dados tão grande que
sua manipulação exige desaos capazes de levar a mudanças
nas formas tradicionais de análise de dados, a questão que se
coloca não se refere à quantidade de dados, mas como analisá-
los. A forma tradicional de análise e interpretação dos dados,
diante de uma grande quantidade, torna-se pouco efetiva.
Para otimizar o processo de análise e interpretação de dados,
atingindo mais rapidez e precisão, são utilizados métodos
automatizados, especialmente estatísticos e de aprendizado de
máquina (machine learning). A principal tarefa destes métodos
é a mineração de dados (data mining), que ocorre a partir de
observação de padrões ou estabelecimento de relações entre
dados. Algoritmos genéticos – métodos de otimização e busca
introduzidos por John Holland (1975) e popularizados por
David Goldberg (1988) – têm se apresentado como uma
https://doi.org/10.36311/2019.978-85-7249-055-9.p203-218
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
204
possível resposta, entre outras, para a análise dessa grande e
complexa quantidade de dados.
Os algoritmos genéticos são baseados na evolução bio-
lógica, mais especicamente, na genética populacional. Ins-
pirados na seleção natural, funcionam a partir do modelo de
sistemas adaptativos, buscando as melhores soluções ou as so-
luções aceitáveis para os problemas através de conhecimentos
acumulados sobre os mesmos. Ao invés da codicação de um
parâmetro de solução, trabalham com conjuntos de parâme-
tros; não consideram indivíduos, mas populações; utilizam-se
de informações sobre custos e recompensas, e de regras pro-
babilísticas e não determinísticas. Ou seja, tentam replicar os
processos da evolução biológica, não apenas apresentando um
passo a passo determinístico, mas atuando a partir de cálculos
de probabilidade. Consideram, portanto, os elementos histó-
ricos referentes a origem do problema e formas anteriormente
testadas para solução como fontes de conhecimento que in-
tegram o cálculo probabilístico. Tentam, com isso, emular o
processo de evolução das espécies.
Seus principais componentes são nomeados numa lin-
guagem composta por termos também utilizados em Biolo-
gia, tais como: cromossomo, que corresponde à sequência de
códigos que representa uma possível solução. Um cromosso-
mo, como em Biologia, é formado por genes, que aqui corres-
pondem a cada parâmetro codicado no cromossomo. Outro
termo é população, que se refere ao conjunto de soluções do
problema. A população pode ser escolhida aleatória ou heu-
risticamente. São também utilizados termos como: avaliação
ou função de aptidão, que diz respeito à medida do grau de
aptidão de um indivíduo (qualidade quanto à solução ótima);
Informação, Conhecimento, Ação Autônoma e Big Data
205
e seleção, que consiste em copiar boas soluções e eliminar so-
luções de baixa aptidão.
Na linguagem dos algoritmos genéticos, incluem-se,
ainda: operadores genéticos – que visam transformar a po-
pulação através de sucessivas gerações, objetivando resultado
satisfatório; critérios de parada – estabelecidos por resultados
ou por tempo previamente determinado; e parâmetros de con-
trole – que correspondem a tamanho da população, taxa de
cruzamento, taxa de mutação, número de gerações.
Algumas pesquisas apresentam algoritmos capazes
de, por exemplo, reconhecer rostos (Universidade de Hong
Kong); diagnosticar depressão (Universidade de Vermont e
Universidade de Harvard); identicar sarcasmo (Universi-
dade Hebraica); determinar personalidade (Universidade de
Stanford e Universidade de Cambridge), resumir textos (em-
presa Salesforce); identicar usuário bêbado (Universidade de
Rochester); produzir arte criativa (Universidade de Rutgers);
identicar orientação sexual por análise facial (Universidade
de Stanford); decodicar pensamentos (Universidade da Ca-
lifórnia), entre outras atividades anteriormente consideradas
exclusividade humana. Armam os textos de divulgação des-
tas pesquisas que os resultados obtidos com o uso dos algorit-
mos são mais precisos que a análise humana.
1 oBServando algumaS PeSquISaS que utIlIzam
algorItmoS genétICoS
Wu Youyou, Michal Kosinski e David Stillwell (2015),
numa parceria entre as universidades de Cambridge e Stan-
ford, desenvolveram um estudo que compara a precisão dos
julgamentos de personalidade humanos com aqueles baseados
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
206
em algoritmos genéticos. Eles trabalharam com uma amos-
tra de 86.222 voluntários, que preencheram um questionário
com cem itens. A conclusão da pesquisa indica que as pre-
dições computacionais baseadas em algoritmos genéticos são
mais precisas do que as predições feitas pelos amigos de face-
book dos participantes.
Os pesquisadores utilizaram o Questionário de perso-
nalidade de cinco fatores (IPIP), medindo as características
– abertura, consciência, extroversão, amabilidade e neuroti-
cismo ou instabilidade emocional – pelo método lexical. Com
70.520 participantes, foram observados os likes no facebook.
A associação de padrões de gosto (likes no facebook) e traços
de personalidade geraram resultados mais precisos que a ava-
liação feita por amigos de facebook. Para a avaliação humana,
foram utilizados dez itens propostos a partir do Questionário
de personalidade de cinco fatores. Os critérios para avaliação,
em ambos os casos, foram a autoavaliação do voluntário, o
cruzamento entre avaliações de humanos (neste caso foram
considerados 14.410 voluntários) e a validade externa.
Armam os autores que as ferramentas de avaliação de
personalidade automatizadas, sendo mais precisas e baratas,
podem afetar a sociedade de várias maneiras: marketing adap-
tado aos usuários; trabalho de recrutadores facilitado; produ-
tos e serviços mais adequados a seus usuários e, para a ciência,
coleta de dados de personalidade sem sobrecarregar os parti-
cipantes com longos questionários. O mais curioso é a ar-
mação sobre, no futuro, as pessoas poderem abandonar seus
próprios julgamentos e conar mais em computadores para
tomar decisões importantes na vida, como escolher atividades,
carreira ou até mesmo parceiros para um relacionamento afe-
tivo (YOUYOU; KOSINSKI; STILLWELL, 2015, p. 1039).
Informação, Conhecimento, Ação Autônoma e Big Data
207
Andrew G. Reece e Christopher M. Danforth (2016),
das universidades de Harvard e Vermont, pesquisaram o ins-
tagram de 166 pessoas e utilizaram algoritmos genéticos para
identicar marcadores de depressão. Foram analisadas 43.950
fotos, sendo observados: características das fotos, como co-
res, saturação, brilho; metadados, como comentários e likes;
frequência de posts; e presença de pessoas nas imagens, identi-
cada com detecção algorítmica de faces. Suas conclusões in-
dicam que pessoas com depressão tendem a postar fotos mais
escuras, em tons de azul ou cinza; indicam uma relação inversa
entre o número de comentários nas fotos e os índices de de-
pressão, assim como uma relação direta entre a frequência de
posts e a depressão; maior incidência de fotos de rosto (seles)
entre os depressivos. Os resultados, segundo os pesquisado-
res, superam o sucesso da média dos diagnósticos médicos. Os
pesquisadores apontam novos caminhos para detecção preco-
ce de transtornos mentais e armam que o programa possibi-
lita diagnosticar com maior precisão e rapidez que os médicos.
Ahmed Elgammal, Bingchen Liu, Mohamed Elho-
seiny, Marian Mazzone (2017), do Laboratório de Arte e IA
da Universidade de Rutgers, inspirados na obra de Colin Mar-
tindale (1990) sobre a necessidade constante de inovação na
arte, produziram um software que aprende observando obras
de arte e é capaz de produzir obras de arte criativa. As obras
criadas pelo programa foram apresentadas à avaliação humana
e foi impossível a distinção entre as obras criadas por artis-
tas e as criadas pelo software, para 53% dos voluntários. Os
pesquisadores criaram dois algoritmos em competição: um al-
goritmo gerativo, que gerou aleatoriamente imagens com pa-
drões e formas distintas; e um algoritmo discriminativo, cuja
função era avaliar e selecionar as obras adequadas ao padrão de
referência. Quando o algoritmo discriminativo passou a iden-
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
208
ticar como adequadas ao padrão as obras “criadas” pelo algo-
ritmo gerativo, iniciou-se novo passo no projeto. O algoritmo
discriminativo foi alimentado com diferentes estilos de arte, a
m de criar um padrão de identicação do que é comumente
aceito como arte. O algoritmo gerativo tentava criar conforme
os padrões e o algoritmo discriminativo classicava. A compe-
tição entre os algoritmos funcionava segundo o seguinte crité-
rio: se o algoritmo discriminativo não conseguisse identicar
o estilo da obra criada, o algoritmo gerativo ganhava pontos;
se o algoritmo gerativo criasse obras facilmente classicadas,
perdia pontos. Na segunda fase da pesquisa, as obras foram
avaliadas por humanos.
2 algorItmoS genétICoS na aPrendIzagem
O desenvolvimento e a disseminação do ensino à dis-
tância trouxeram a necessidade de softwares educacionais que
pudessem atender a demandas desta modalidade de ensino. A
m de abarcar o grande campo de probabilidades presente na
área educacional, algoritmos genéticos também são utilizados
na construção destes softwares. A ideia inicial é que fossem
instrumentos para auxiliar os estudantes no desenvolvimento
de seu processo de aprendizagem.
Algoritmos genéticos utilizados em cursos de educação
à distância auxiliariam no processo de aprendizagem ao
indicarem objetos de aprendizagem mais adequados a cada
estudante, recomendando objetos sensíveis ao contexto
(JÁCOME JÚNIOR; MENDES NETO; SILVA, 2012). A
educação à distância, muitas vezes, dada a sua abrangência
– principalmente a partir da educação móvel (utilizada em
dispositivos sem o) –, para facilitar o acesso aos conteúdos
educacionais, acaba por apresentar conteúdos inadequados
Informação, Conhecimento, Ação Autônoma e Big Data
209
aos usuários. A m de solucionar este problema, são utilizados
algoritmos genéticos, para que sejam oferecidos aos estudantes
objetos de aprendizagem mais adequados.
Num primeiro momento, esta poderia parecer uma
forma interessantíssima para lidar com uma das questões fun-
damentais em educação: a necessidade de adequação dos con-
teúdos ao contexto e à linguagem do estudante. Contudo, con-
texto, neste caso, não se refere essencialmente à realidade do
estudante, que necessitaria de pesquisas muito mais detalha-
das, mas à localidade onde ele se encontra e outros elementos,
tais como as condições do equipamento que ele utiliza. Para
cada localidade há um repositório de objetos de aprendizagem
que serão oferecidos ao estudante. Assim, além de escolher
seus objetos de aprendizagem, o estudante terá um ambiente
virtual criado para ele, a partir dos dados coletados no repo-
sitório, considerando-se outros usuários com características
similares e padrões de escolhas anteriores. Isto possibilitaria,
segundo os pesquisadores (JÁCOME JÚNIOR; MENDES
NETO; SILVA, 2012), a criação de um micromundo virtual e
o desenvolvimento de autonomia, criatividade, atenção e me-
mória do usuário.
Hoje há plataformas, softwares e jogos educacionais
que não são trabalhados apenas nos cursos de educação à dis-
tância, mas são utilizados em cursos presenciais e apresentados
como um diferencial pedagógico em muitas escolas. Podemos
citar como exemplo, entre tantos outros, a plataforma Létrus,
que consiste num programa que objetiva melhorar a capaci-
dade de escrita dos estudantes, visando a nota de redação no
ENEM. Com base em “milhares de textos já escritos”, ou seja,
um banco de dados com as redações com excelente pontua-
ção, o programa começa por identicar o perl de escrita de
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
210
cada estudante, oferecendo orientações “personalizadas” para
melhorar a performance do aluno. Este programa é apresenta-
do como diferencial em várias escolas particulares e utilizado
na terceira série do Ensino Médio em algumas escolas da Rede
Pública Estadual de São Paulo. Assim como ele, vários progra-
mas já foram incorporados ao cotidiano educacional, os pro-
fessores também interagem com o programa, que “aprende” e
“incorpora” novos elementos.
É preciso, contudo, considerar que, ainda que os al-
goritmos genéticos trabalhem com probabilidades e que pos-
sam “aprender” com o usuário do software, suas bases iniciais
estabelecem limites de atuação, traçados pelo programa. Tais
limites, se comparados às possibilidades humanas, são, ain-
da, muito restritos. Porém, a despeito disso, alguns softwares
e aplicativos educacionais são usados mais como formas de
adestramento do que como processos múltiplos e variados de
aprendizagem. Ou seja, muitas vezes, ao invés de desenvol-
ver a habilidade reexiva e investigativa, tais programas são
utilizados de modo a gerar padrões especícos de associação
de dados, tornando tais padrões, através da repetição, hábitos
incorporados dos estudantes.
Se ao invés de desenvolver suas habilidades de escrita
o estudante aprender um formato padrão para escrever seus
textos, e apenas reproduzi-lo, impedindo-se de explorar a cria-
tividade na escrita, muito brevemente haverá programas ca-
pazes de “redigir textos” melhor do que muitos humanos. Se
inserirmos aqui os dados acerca das pesquisas citadas na sessão
anterior, especialmente o programa capaz de gerar arte criati-
va, poderíamos nos questionar: estaríamos gerando programas
capazes de criar e nos surpreender, ao mesmo tempo em que
Informação, Conhecimento, Ação Autônoma e Big Data
211
nos “adestramos” para responder conforme o esperado pelos
programas utilizados para nos avaliar?
Até mesmo as interações humanas que se dão por estas
interfaces são estabelecidas a partir dos padrões previamente
determinados por elas, isto é, ao interagir com outros usuários
de um aplicativo, programa ou jogo, há limites e possibilida-
des estabelecidos pelo software para esta interação. Além dis-
so, cada vez que um aplicativo é utilizado, novos dados dos
usuários são coletados, incluindo-se as formas de associação de
dados; tais dados são considerados “capital” da empresa pro-
prietária do aplicativo.
Se considerarmos as recentes mudanças em nossa Lei
de Diretrizes e Bases da Educação Nacional (LDBN), permi-
tindo que parte da carga horária seja à distância, inclusive na
Educação Básica; as discussões no Senado acerca de educação
domiciliar (homeschooling); a 4
a
Revolução Industrial, com a
aposta da paulatina substituição de prossionais (tais como
professores, médicos, advogados, engenheiros etc.) por sof-
twares, que rumos estaríamos traçando para a educação? Se-
riam tais rumos uma revolução educacional ou a continuidade
de um processo de precarização na educação?
3 uma leItura a PartIr de PeIrCe e edelman
A Teoria da Seleção dos Grupos Neuronais ou Darwi-
nismo Neural, de Gerald Edelman (1987), também inspira-
da na teoria evolutiva de Darwin, é baseada em três princí-
pios. O primeiro é a seleção no desenvolvimento, ou seja,
um processo que conduz à formação da neuroanatomia.
Esta, apesar de característica da espécie, possui um enorme
grau de variação, no qual as informações transmitidas por
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
212
herança genética constituirão, a partir do processo de desen-
volvimento do feto, um repertório primário de categorização
das experiências. Assim, o desenvolvimento neuronal do feto
gerará, mesmo em caso de gêmeos univitelinos, cérebros di-
ferentes ao nascer.
No segundo princípio, as conexões sinápticas são
fortalecidas ou enfraquecidas por processos bioquímicos. O
conjunto de variantes dos circuitos neuronais é chamado de
repertório secundário. O terceiro princípio “sugere que os
mapas cerebrais interagem através de um processo chamado
reentrada” (EDELMAN, 1995, p. 128).
Tenciono provar aqui que a seleção somática,
atuando sobre as cartograas globais, com novos
tipos de cartograas juntando-se aos anteriores ao
longo da evolução, é um poderoso meio de aquisição
de novas funções tais como memórias especializadas e
capacidades conceituais (EDELMAN, 1995, p. 148).
Poderíamos considerar a proposta de Edelman como
um elemento favorável ao desenvolvimento de algoritmos ge-
néticos que adquirissem, a partir da construção de um reper-
tório secundário, novas funções, tais como “memórias especia-
lizadas e capacidades conceituais”. Para tal, precisaríamos criar
padrões como se houvesse uma natureza regular, ordenada. O
próprio Edelman arma que o padrão da natureza é a varia-
ção, a diversidade. O estabelecimento de padrões e repetições
é próprio da mente humana. Observamos padrões naturais
porque eles se destacam em meio à diversidade, esta é obser-
vada como “a música nunca ouvida porque sempre ouvida”.
O pensamento em termos de populações considera
que a variabilidade não é um erro, mas sim, como
diz o grande evolucionista Ernst Mayr, um fenômeno
213
Informação, Conhecimento, Ação Autônoma e Big Data
real. A variabilidade individual de uma população é
a fonte de diversidade, sobre a qual atua a seleção
natural para produzir diferentes tipos de organismos
(EDELMAN, 1995, p. 111).
Peirce também considera a variação da natureza:
A natureza não é regular. Nenhuma desordem é
menos ordenada do que a combinação existente. É
verdade que as leis particulares e as regularidades
são incontáveis; mas ninguém pensa sobre as
irregularidades que são innitamente mais
frequentes. Cada fato verdadeiro sobre qualquer coisa
no universo está relacionado a qualquer outro fato
verdadeiro. Mas a grande maioria destas relações são
fortuitas e irregulares (PEIRCE, CP, 5.342).
1
A constatação da variabilidade, que segundo Edelman
é responsável pelo desenvolvimento, na espécie, de memória
e pensamento conceitual, exige um mesmo processo de va-
riação e irregularidade para que um algoritmo pudesse obter
resultados tão ou mais precisos que os resultados humanos.
Isto porque, ainda que o algoritmo trabalhe com uma quan-
tidade de dados extremamente grande, os padrões de relação
observados poderão ser fortuitos, ou seja, apenas coincidên-
cias observadas, mas que não apresentam uma relação de fato;
ou modicados pela ação do acaso ou por interações diversas.
Poderíamos argumentar que não temos condições de proces-
sar e relacionar tantos dados quanto um programa é capaz de
fazer e, por ter acesso a mais dados, o resultado obtido pelo
programa seria mais preciso.
A obra de Peirce está citada conforme a convenção: CP (Collected Papers). Os números que
seguem as letras correspondem, respectivamente, a volume e parágrafo.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
214
Porém, os padrões de relação estabelecidos por al-
goritmos genéticos são pautados em estatística, ou seja, a
partir do método indutivo. O que se observa a partir do
método indutivo não pode ser aplicado a cada indivíduo da
espécie pesquisada. Assim, não é possível considerar as rela-
ções estabelecidas por algoritmos genéticos como processos
de categorização universais. Como esclarece Queiroz:
Se lidamos com métodos indutivos, então não
podemos garantir universalidade na aplicação das
categorias. Metodologicamente, o problema é óbvio.
Não é possível, por observação, construir uma
lista na qual qualquer coisa que se possa pensar ou
experimentar tenha lugar (QUEIROZ, 2004, p. 34).
As formas humanas de categorização dos dados variam
de acordo com nossos repertórios primário e secundário e com
a reentrada. Ou seja, a cada situação vivida, a cada relação es-
tabelecida com o mundo ou com o outro, os próprios padrões
que utilizamos para categorizar nossas experiências podem ser
modicados, é o que chamamos plasticidade.
Peirce armou que “A mais plástica de todas as coisas é
a mente humana e, depois dela, vem o mundo orgânico […].
Ora, a tendência generalizante é a grande lei da mente, a lei da
associação, a lei de adquirir hábitos” (CP, 7.515).
A aprendizagem é, segundo Peirce, a realização da
plasticidade, ou seja, a possibilidade que temos de modicar
nossos hábitos diante das necessidades colocadas por nossas
relações com o mundo. Neste caso, não apenas os dados do
mundo são diversos, mas a mente humana modica seus há-
bitos de categorização e associação dos dados a partir das expe-
riências, ela é capaz de aprender com as experiências e os erros.
Informação, Conhecimento, Ação Autônoma e Big Data
215
Os algoritmos genéticos, em sua construção, utilizam
regras probabilísticas. A partir delas, categorizam e relacionam
dados, tais como cores e saturação de uma foto e depressão –
conforme pesquisa descrita na sessão anterior.
A própria probabilidade é uma ideia essencialmente
imprecisa, exigindo, no seu uso toda a precaução
do pragmatismo, no qual sua origem indutiva deve
ser rmemente mantida como se fosse uma bússola
pela qual devemos guiar com segurança nosso barco
neste oceano de probabilidades. A indução poderia
ser denida, em termos precisos, como sendo a
inferência virtual de uma probabilidade, se é que
a probabilidade pode ser denida sem a ideia da
indução (CP, 2.101).
Neste “oceano de probabilidades” que é o real, não po-
demos esquecer o caráter impreciso da indução. Ainda que
apontássemos as relações observadas por dados estatísticos
como um processo abdutivo, faltaria a tal processo a capacida-
de de interagir com a rede de signos e a diversidade de signi-
cados que podem ser atribuídos; faltaria, ainda, a interação e
movimentação constante entre os métodos dedutivo, indutivo
e abdutivo.
4 algunS queStIonamentoS
A partir destas observações, surgem alguns questiona-
mentos. Não temos respostas para eles, mas colocá-los poderá
nos provocar a pensar acerca do tipo de vida e de sociedade
que estamos construindo.
Que tipo de aprendizagem possui um estudante que
aprende, com seu professor do cursinho, como escrever uma
redação segundo os critérios do algoritmo utilizado para a
216
correção da mesma? E o estudante que aprende com progra-
mas como o Létrus? Se considerarmos aprendizagem a reali-
zação da plasticidade, estaríamos moldando nossas mentes,
como próteses cognitivas a partir das quais conduziremos
nossa existência? Seriam os algoritmos genéticos estímulos
ao desenvolvimento de nossas habilidades cognitivas ou a
replicação de padrões e modos de vida úteis à manutenção
da ordem vigente?
O estudante de música que aprende a “compor” a par-
tir do aplicativo “compositor” sem conhecer harmonia musi-
cal, teoria ou acústica, sem compreender os signicados das
relações entre a música e a sociedade será um compositor ou
um programa o superará na qualidade das composições?
Correríamos o risco, ao criarmos máquinas capazes de
escrever livros, compor e executar músicas, criar obras de arte,
ou seja, atividades consideradas exclusividade humana, de nos
tornarmos dependentes delas e, consequentemente, depen-
dentes dos detentores da propriedade de tais máquinas?
Se nossos saberes e capacidades criativas podem se
tornar “propriedade” de uma empresa, que tipo de sociedade
estamos criando? E nela, quais os limites de nossas ações e de
nossa criatividade?
Poderíamos, de fato, considerar que no uso de aplica-
tivos e/ou jogos, construídos a partir de algoritmos genéticos
há aprendizagem? Se há, quem, de fato, aprende? O usuário, o
aplicativo ou a empresa proprietária do aplicativo?
Se o programa for uma ferramenta, um instrumento
de apoio para auxiliar estudantes, professores, pesquisado-
res, prossionais etc., ele poderá ser muito útil, principal-
mente porque nos oferecerá acesso a uma quantidade maior
Informação, Conhecimento, Ação Autônoma e Big Data
217
de dados. Contudo, esses dados já serão “ltrados” segundo
critérios previamente estabelecidos e, consequentemente, o
resultado cará limitado a este “ltro”. Se pensarmos numa
educação desenvolvida exclusiva ou majoritariamente ten-
do programas como interface, perderemos a perspectiva da
diversidade, da variabilidade que o encontro e o convívio
propiciam.
Se vistos como instrumentos, Big Data, algoritmos ge-
néticos, mineração de dados, programas etc. – ou seja, o de-
senvolvimento de tecnologias e inteligência articial não têm
o poder de revolucionar, pois apenas nos auxiliarão na conti-
nuidade de nossos processos.
Se vistos como sucientes para desempenhar ativida-
des humanas melhor que os humanos, também não serão re-
volucionários, pois apenas intensicarão o processo de preca-
rização da existência.
referênCIaS
AMARAL, F. Aprenda mineração de dados. Rio de Janeiro: Alta Books,
2016.
EDELMAN G. M. Biologia da Consciência. Lisboa: Instituto Piaget,
1995.
EDELMAN G. M. Neural Darwinism: e eory of Neuronal
Group Selection. New York: Basic Books, 1987.
ELGAMMAL, A.; LIU, B.; ELHOSEINY, M.; MAZZONE,
M. CAN: Creative Adversarial Networks Generating “Art” by
Learning About Styles and Deviating from Style Norms. In
arXiv:1706.07068v1 [cs.AI] 21 Jun 2017. Disponível em: https://
arxiv.org/pdf/1706.07068.pdf. Acesso em 15/04/2018.
GOLDBERG, D.E. Genetic Algorithms in Search, Optimization, an
Learning. Boston: Addison-Wesley, 1989.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
218
HOLLAND, J. H. Adaptation in Natural and Articial Systems. Ann
Arbor: University of Michigan Press, 1975.
JÁCOME JÚNIOR, L.; MENDES NETO, F. M.; SILVA, L. C. N.
Uma abordagem baseada em algoritmo genético para recomendação
de objetos de aprendizagem sensível ao contexto do estudante. Anais
do 23o Simpósio Brasileiro de Informática na Educação (SBIE 2012),
ISSN 2316-6533. Rio de Janeiro, 26-30 de Novembro de 2012.
Disponível em: http://www.br-ie.org/pub/index.php/sbie/article/
viewFile/1673/1435. Acesso em 15/04/2018.
MARTINDALE, C. e clockwork muse: e predictability of artistic
change. New York, NY, US: Basic Books, 1990.
MEISTER, I. A terceira margem: O conhecimento nas redes sociais.
São Paulo: Mackenzie, 2014.
OXFORD ENGLISH DICTIONARY [Internet]. Oxford: Oxford
University Press; 2015. Big Data; [cited 2015 Apr 17]; [1 paragraph].
Available from: http://www.oed.com/view/Entry/18833.
PEIRCE, C.S. Collected Papers of Charles Sanders Peirce. (CP). CD-
ROM past masters. Charlotterville: Intelex Corporation, 1992.
QUEIROZ, J. Semiose segundo Peirce. São Paulo: EDUC/PUC, 2004.
REECE, A. G.; DANFORTH, C. Instagram photos reveal predictive
markers of depression. In EPJ Data Science, 6, 2016. Disponível em:
https://www.researchgate.net/publication/306186650/download.
Acesso em 15/04/2018.
YOUYOU, W.; KOSINSKI, M.; STILLWELL, D. Computer-based
personality judgments are more accurate than those made by humans.
PNAS January 27, 2015 112 (4) 1036-1040. Disponível em: http://
www.pnas.org/content/112/4/1036. Acesso em 15/04/2018.
219
regIme de Informação e análISe do
dISCurSo: aProxImaçõeS teórICaS e
ConCeItuaIS na era
Big Data
Mariana da Silva Caprioli
Larissa de Mello Lima
João Batista Ernesto de Moraes
Frohmann (1995) sinaliza para o fato de como a in-
formação é materializada através do meio institucional. Ele
introduz o conceito de “Regime de Informação”, explicando
que este possui uma estrutura polêmica na medida em que é
formada por grupos sociais, artefatos cientícos, tecnológicos
e discursos. Denomina essa estrutura de híbrida porque carre-
ga olhar discursivo e social simultaneamente.
Este viés é importante para ser explorado uma vez que
a Ciência da Informação também convive com uma multi-
plicidade de agentes de caráter híbrido, responsáveis por fo-
mentar a área em contexto nacional. Exemplos desses agen-
tes podem ser identicados a partir da Unesco, da Fundação
https://doi.org/10.36311/2019.978-85-7249-055-9.p219-232
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
220
Getúlio Vargas e do então Instituto Brasileiro de Bibliograa
e Documentação (IBBD, atual IBICT), ou seja, a partir de
um respaldo institucional, há a caracterização de instâncias de
validação cientíca propriamente discursivas e institucionais
que impulsionaram o nascimento da Ciência da Informação
no Brasil, na década de 1970. Interligar a perspectiva institu-
cional com a discursiva é ater-se ao conceito de “Regime de
Informação” apresentado por Frohmann.
A partir de Frohmann (1995), González de Gómez
(2012) pontua que a criação do então IBBD, atual IBICT,
indicou o surgimento de um novo regime de informação no
Brasil, uma vez que sua criação foi oriunda de uma parceria
da Unesco com a Fundação Getúlio Vargas, por intermédio
de seu representante no Brasil, Paulo Carneiro, o qual indicou
Lydia de Queiroz Sambaquy, juntamente com Jannice Mon-
te-Mór, para percorrerem as principais bibliotecas e centros de
documentação da Europa e Estados Unidos durante quase um
ano, viagem essa, que tinha a nalidade de fomentar o estabe-
lecimento de centros bibliográcos nacionais, beneciando-se
da política da Unesco.
Tal ação contou com o apoio da Fundação Getúlio
Vargas e serviu para ampliar as ideias de Lygia de Queiroz
Sambaquy sobre a estruturação que um órgão que fosse de-
dicado a trabalhos bibliográcos deveria possuir para impul-
sionar atividades cientícas e tecnológicas do país. Tal cria-
ção conrma a teoria de regime de informação.
Um regime de informação seria o modo informacional
dominante em recursos, uma formação social, o
qual dene quem são os sujeitos, as organizações,
as regras e as autoridades informacionais e quais os
meios e os preferenciais de informação, os padrões de
excelência e os modelos de sua organização, interação
Informação, Conhecimento, Ação Autônoma e Big Data
221
e distribuição, enquanto vigentes em certo tempo,
lugar e circunstância (GÓMEZ, 2012, p 15).
O novo regime de informação que surgia, caracteriza-
do pela centralidade do fenômeno informacional, apenas viria
a se desenvolver plenamente ao longo das décadas seguintes,
mas nesse momento já denia suas diretrizes, pautado no sur-
gimento do IBBD e nas novas posturas prossionais.
Paralelo a esse regime de informação, surgia, com o
advento da Web 2.0, o fenômeno dos Big Data:
Em 1980, surgiram os conceitos de Data Warehouse,
até chegar à ideia de Big Data, o que ocorreria em
1990. A diferença de Data Warehouse e Big Data
é a velocidade com que os dados precisam ser
disponibilizados, uma vez que, em um projeto de Data
Warehouse, o processo de ETL torna-se mais lento
até que as informações estejam disponíveis. Segundo
Taurion (2013), o Big Data está muito além de um
grande Data Warehouse. Entretanto, pode-se dizer
que o Big Data se relaciona com o Data Warehouse
(CALDAS; SILVA, 2016).
A Análise do Discurso de matriz francesa, preocupada
com o contexto em que tal discurso está sendo construído,
com os atores e entidades envolvidos, relaciona-se com o Re-
gime de Informação, uma vez que:
[...] pode-se concluir que o regime de informação
seria aquele que reúne atores e artefatos em práticas
de informação que giram em torno de um interesse
comum e em cujas relações se legitimam políticas
explícitas ou implícitas que direcionam e ordenam
essas práticas. Representa um conceito estrutural e
estruturante para a Ciência da Informação porque
não se prende à informação em si mesma, mas ao
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
222
real objeto de estudo da disciplina, ou seja, ao
conjunto de relações que a informação estabelece
ao redor dos múltiplos interesses de atores e pela
adoção especíca de artefatos direcionados pelas
práticas informacionais desses sujeitos (MAGNANI;
PINHEIRO, 2011, p.16).
1 formaçõeS dISCurSIvaS e IdeológICaS e o regIme de
Informação
Pode-se observar o regime de informação de duas
formas: o autor, inserido na sociedade, com suas vivências
e formações, escreve seu discurso dentro de suas próprias
leis de vigência; o poder estando apenas em suas mãos,
mas ao mesmo tempo atrelado à sua formação discursiva
e ideológica, sendo esses, então, uma forma de controle,
de onde o discurso sai “condicionado”. É na Formação
Discursiva que se constitui o sentido e a identicação do
sujeito. É onde todo sujeito se reconhece, por meio de sua
relação consigo mesmo e com outros sujeitos, é onde adquire
identidade (ORLANDI, 2008). É o que pode ou não ser
dito em uma determinada Formação Ideológica, dessa forma,
relacionando ambas.
Então pode-se dizer que a Formação Discursiva é
aquilo que, em uma Formação Ideológica dada, articula o
que pode ser dito, levando em consideração o contexto em
que os sujeitos estão inseridos. Orlandi (2009) dizia que as
palavras (ou discursos, aqui) não têm sentido nelas mesmas,
mas sim derivam de suas formações discursivas, onde estão
inseridas no contexto, ou seja, têm seu suporte em uma for-
mação ideológica.
Informação, Conhecimento, Ação Autônoma e Big Data
223
2 metodologIa
A metodologia empregada utiliza o aporte da Análise
do Discurso de matriz francesa que apresenta uma denição
extremamente estruturada. Segundo Orlandi (1999, p.15):
A Análise de Discurso, como seu próprio nome indica,
não trata da língua, não trata da gramática, embora
todas essas coisas lhe interessem. O discurso é assim
palavra em movimento, prática de linguagem: com o
estudo do discurso observa-se o homem falando.
De tal forma, a autora leva a observar que a Análise do
Discurso não trabalha com a língua como um sistema abstra-
to, mas com está no mundo.
Dessa forma, Brandão (2004) procurou entender a
Análise do Discurso de matriz Francesa em seu ponto de sur-
gimento, quando suas bases iniciais se debruçavam sobre os
discursos políticos com posições bem denidas, como os de-
bates entre direita e esquerda, e era denida como “o estudo
linguístico das condições de produção de um enunciado”.
A partir desse procedimento, passou-se a entender que
a Análise do Discurso de matriz francesa, não se limita a estu-
dos linguísticos, tratando-se de analisar somente a parte gra-
matical da língua, como também leva em conta os aspectos
externos da língua como os elementos históricos, sociais, cul-
turais, ideológicos que permeiam a produção de um discurso
e que, por tal motivo, nele se reetem. Tais elementos externos
são partes essenciais de uma abordagem discursiva.
Tem-se então:
Um conceito fundamental para a AD é, dessa
forma, o de condições de produção, que pode ser
denido como o conjunto dos elementos que cerca a
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
224
produção de um discurso: o contexto histórico-social,
os interlocutores, o lugar de onde falam, a imagem
que fazem de si, do outro e do assunto de que estão
tratando. Todos esses aspectos devem ser levados em
conta quando procuramos entender o sentido de um
discurso (BRANDÃO, 2004, p. 6).
O discurso está em constante inuência, como visto,
de elementos que o cercam, e dessa forma, observa-se que o
contexto institucional é de grande relevância no momento da
análise de um discurso. Pontuando acerca dessa perspectiva,
Pêcheux (1997) nos lembra que se ater ao contexto é levar em
conta uma sequência linguística exível na medida em que:
É impossível analisar um discurso como um texto,
isto é, como uma sequência linguística fechada sobre
si mesma, mas [que] é necessário referi-lo ao conjunto
de discursos possíveis a partir de um estado denido
de condições de produção (PÊCHEUX,1997, p.74).
Estar sofrendo constante inuência do contexto em
que se está inserido leva à denição de Formação Discursiva
e Ideológica, tão presentes na A.D. e que permitem a melhor
compreensão acerca do tema. Dessa forma,
Chamaremos, então, formação discursiva aquilo que,
em uma formação ideológica dada, isto é, a partir
de uma posição dada em uma conjuntura dada,
determinada pelo estado da luta de classes, determina
“o que pode e o que deve ser dito” (articulado sob
a forma de uma alocução, de um sermão, de um
paneto, de uma exposição, de um programa, etc.)
(PÊCHEUX 1997, p. 160)
Informação, Conhecimento, Ação Autônoma e Big Data
225
Baseado em um determinado contexto, pautado em
determinada Formação Ideológica, a Formação Discursiva de-
termina o que pode ou não ser dito, levando a concluir que
um discurso construído dependerá do contexto inserido, ou
seja, de quem o fala, como o fala, em que época o fala, entre
outros para expressar o que se deseja. Interligar o olhar discur-
sivo com o viés institucional que consolida as práticas cientí-
cas é se ater ao conceito de Regime de Informação proposto
por Frohmann (1995). Dessa forma, o regime de informação
trata de um modo informacional em uma organização social,
o qual dene quem são, neste contexto, as organizações e em
qual contexto estão inseridas.
Assim, observa-se que tanto a Análise do Discurso de
matriz francesa, quanto o Regime de Informação tratam do
discurso impresso ou digital em um determinado contexto.
A primeira importando-se com os elementos que permeiam
a formação do discurso, sendo o âmbito histórico-social ou
qual a instituição de onde fala esse discurso, ou seus interlo-
cutores, o assunto de que se está tratando; enquanto o Regime
de Informação trata-se de um modo informacional em uma
organização social, ao qual dene quem são, nesta situação, as
organizações e em qual contexto estão inseridos.
3 reSultadoS e dISCuSSõeS
No que tange ao delineamento do conceito de Regime
de Informação, Carvalho (2009, p. 214) nos explica que:
Frohmann (1995) introduz o conceito de regime de
informação – qualquer sistema ou rede que permite o
uxo de informação, através de estruturas especícas,
de canais e produtores a consumidores, e este conceito
passa a ser entendido como um elemento passível de
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
226
ser utilizado como ponto de partida para a elaboração
de políticas nacionais de informação. A partir de
vários regimes de informação, pode-se pensar na
discussão de uma política nacional de informação.
A partir desta sinalização, em linhas gerais, dos aspec-
tos teóricos que formam um regime de informação, é possí-
vel entender esse enquanto uma rede formada por atores que
interagem em uma estruturação hierárquica de poder, essa
estrutura atual de grande intercâmbio de dados em platafor-
mas diversas. Tal rede delimitada a partir da estrutura hierár-
quica de poder é formada através do contorno institucional,
possuindo viés discursivo na medida em que as instituições
legitimam determinadas instâncias enunciativas em detri-
mento de outras. A validação faz parte de um jogo complexo
em que decisões repercutem em escalas relacionadas às ins-
tâncias de poder.
Dessa forma, trazendo tal conguração para o con-
texto da Ciência da Informação em nível nacional, é possível
dizer que o conceito de Regime de Informação, de Frohmann
(1995), relaciona dinâmicas de poder propriamente discursi-
vas, a partir do aporte institucional que começou a ser deli-
neado na década de 70, com a criação do IBBD pela funda-
ção Getúlio Vargas, por incentivo da Unesco.
O IBBD pode ser caracterizado então como um ator
fundamental para a área em contexto nacional. A partir dele,
pode-se dizer que a estruturação hierárquica de poder da área
em contexto nacional começa a ser delineada. Neste processo
é importante situar dois veículos de divulgação cientíca que
nascem a partir do mesmo: o periódico Ciência da Informação,
considerado um dos periódicos mais importantes da área, foi
Informação, Conhecimento, Ação Autônoma e Big Data
227
criado em 1972 pelo IBBD, que, no mesmo ano, também
criou a Revista da Escola de Biblioteconomia, da UFMG.
Essa iniciativa por parte do órgão IBBD pode ser en-
tendida como reexo da criação do primeiro curso de mestra-
do em Ciência da Informação, em 1970, ou seja, a partir do
momento em que são formados pesquisadores na área, passam
a ser necessários veículos para divulgar as pesquisas cientí-
cas da mesma. É possível dizer que a conjuntura histórica da
Ciência da Informação no Brasil possui alicerces estruturados
sob o viés institucional. Denominamos por instâncias de va-
lidação cientíca da Ciência da Informação no Brasil as insti-
tuições que caracterizam e até mesmo determinam a história
da área no país.
É possível notar a relação hierárquica que há entre as
instâncias de validação cientíca, uma vez que tal relação não é
aleatória, representando uma série de decisões que foram toma-
das e repercutiram em posições na esfera de institucionalização
da área. Sendo assim, é possível dizer que tais órgãos funcionam
como atores que formam um Regime de Informação da área
em contexto nacional. Estas características são discursivas e re-
etem o “jogo” que se remete à ação ideológica e às instituições
que legitimam a atuação dessa ideologia, na medida em que o
discurso é uma instância que registra essa atuação.
Frohmann (1995, p. 5) ainda deniu regime de infor-
mação como qualquer sistema ou rede mais ou menos estável,
onde a informação ui por determinados produtores especí-
cos, via estruturas organizacionais especícas, para consu-
midores especícos, para ele, “descrever um regime de infor-
mação signica mapear os processos agonísticos que resultam
em tentativas de estabilização e conitos entre grupos sociais,
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
228
interesses, discursos e até artefatos cientícos e tecnológicos”
(FROHMAN, 1995, p.5).
Big Data, por sua vez, segundo a denição de Boyd e
Crawford, trata-se de
um fenômeno cultural, tecnológico e acadêmico ba-
seado na interação de três fatores: (1) Tecnologia: ma-
ximização da precisão dos algoritmos e do poder de
computação para reunir, analisar, relacionar e compa-
rar grandes conjuntos de dados; (2) Análise: proces-
samento de grandes conjuntos de dados para identi-
car padrões para atender às necessidades de ordem
econômica, social, técnica e legal; e (3) Mitologia: a
ampla crença de que grandes conjuntos de dados pos-
sibilitam uma forma mais avançada de inteligência
e conhecimento que podem gerar insights até então
impossíveis de se alcançar, de forma objetiva e coná-
vel (BOYD; CRAWFORD, 2012, p. 2, tradução de
LOTT; CIANCONI, 2018).
Sendo o fator (2) talvez, de interesse para o Regime de
Informação aqui apresentado, uma vez que as formações dis-
cursivas e ideológicas podem auxiliar no tratamento da mas-
siva quantidade de dados na Era de Big Data, pois opõem-se
a formas tradicionais de análise e processamento ao fazer o
analista se deparar com elementos de intercomunicação e in-
teroperabilidade de dados na esfera institucional da Ciência
da Informação.
Os conceitos e aplicabilidades da Análise do discurso
e do Regime de Informação ao contexto dessa grande quan-
tidade de dados permitem reunir fontes heterogêneas, explo-
rar e fornecer signicado a diferentes conjuntos, facilitando
a aplicação do processamento semântico (CONEGLIAN;
SEGUNDO; SANTANA, 2017), ou seja, a Análise do Dis-
Informação, Conhecimento, Ação Autônoma e Big Data
229
curso conjuntamente com o Regime de Informação extraem
volume, velocidade, variedade e valor da avalanche de dados
no momento em que mudam a forma de fazer a análise des-
ses, legitimando determinadas instâncias enunciativas em de-
trimento de outras e, assim, colaborando para que o uxo de
dados seja mais robusto.
ConCluSõeS
É possível pontuar que o conceito de Regime de Infor-
mação de Frohmann (1995) relaciona a perspectiva institu-
cional com a discursiva. Ela torna possível a compreensão das
instâncias de validação cientíca da Ciência da Informação
no Brasil, situadas enquanto atores que relacionam dinâmicas
de poder da área no país, podendo ser uma alternativa teórica
para trabalhar a massiva quantidade de dados.
Fica claro que a informação cientíca também se ma-
terializa através do viés institucional. Através da caracterização
do IBBD, por meio da iniciativa da Unesco em parceria com
Fundação Getúlio Vargas, e a partir dos primeiros periódi-
cos fundacionais da área (Ciência da Informação e Revista da
Escola de Biblioteconomia da UFMG), torna-se viável armar
que esses se rmam enquanto agentes de caráter híbrido que
fomentam a área no Brasil.
A relação hierárquica entre esses órgãos pode ser dita
como pautada em dinâmicas de poder na medida em há a ca-
racterização de instâncias de validação cientíca propriamente
institucionais e discursivas que deram suporte para o nasci-
mento da Ciência da Informação no Brasil na década de 1970.
Buscou-se interligar a perspectiva institucional com a
discursiva ao fazer um paralelo entre o conceito de “Regime de
230
Informação”, apresentado por Frohmann (1995), com o con-
texto brasileiro da Ciência da Informação à luz da matriz teó-
rica da Análise do Discurso de origem francesa. Entendeu-se
que tanto a Análise do discurso de matriz francesa, quanto o
regime de informação tratam do discurso impresso, atendo-se
a determinado contexto.
Conclui-se que o conceito de Regime de Informa-
ção de Frohmann (1995) interliga a perspectiva institucio-
nal com a discursiva ao tornar possível a compreensão das
instâncias de validação cientíca da Ciência da Informação
no Brasil, situadas enquanto atores que tornam possível a
relação entre instâncias de poder na área.
Assim, Formação Discursiva e Formação Ideológica,
como visto anteriormente, possuem uma relação com Regi-
me de Informação, se observarmos esse primeiro contexto; o
discurso do autor, presente nos livros, representado em uma
unidade de informação seguindo as regras de representação
documental; o prossional que representa o item se observa
controlado por tais regras, evidenciando o Regime de Infor-
mação que se encontra presente na instituição.
referênCIaS
BOYD, D.; CRAWFORD, K. Critical questions for Big Data.
Information, Communication & Society, v. 15, n. 5, p. 662-679, 2012.
BRANDÃO, N. H. H. Introdução a análise do discurso. 2.ed.
Campinas: Ed. Da Unicamp, 2004.
CALDAS, M.S.; SILVA, E.C.C. Fundamentos e aplicação do Big
Data: como tratar informações em uma sociedade de yottabytes.
Bibliotecas Universitárias: pesquisas, experiências e perspectivas, Belo
Horizonte, v. 3, n.1, p. 65-83, jan. /jun. 2016
Informação, Conhecimento, Ação Autônoma e Big Data
231
CARVALHO, A, M, A. Novos enfoques no campo da Ciência da
informação: uma discussão sobre a aplicabilidade do conceito de
regime de informação em arranjos produtivos locais. Perspectivas em
Ciência da Informação, v.14, n. especial, 2009.
CONEGLIAN, C. S.; SEGUNDO, J. E. S.; SANTANA, R. C. G.
Big data: fatores potencialmente discriminatórios em análise de dados.
Em Questão, v. 23, n. 1, p. 62-86, 2017. DOI: 10.19132/1808-
5245231.62-86. Disponível em: http://www.scielo.br/readcube/epdf.
php?doi=10.1590/S1413-99362009000400015&pid=S1413993620
09000400015&pdf_path=pci/v14nspe/a15v14nspe.pdf. Acesso em:
11/04/2019
FROHMANN, B. Taking information policy beyond information
science: applying the actor network theory. 23
rd
Annual Conference:
Canadian Association form Information, 1995.
GÓMEZ, M. N. G. Regime de informação: construção de um
conceito. Informação & Sociedade: Estudos, João Pessoa, v.22, n.3,
2012.
LOTT, Y. M.; CIANCONI, R. de B. Vigilância e privacidade, no
contexto do big data e dados pessoais: análise da produção da Ciência
da Informação no Brasil. Perspectivas em Ciência da Informação, [s.l.],
v. 23, n. 4, p.117-132, out/dez, 2018. Disponível em: http://www.
scielo.br/pdf/pci/v23n4/1413-9936-pci-23-04-00117.pdf. Acesso em:
10/04/2019.
MAGNANI, M. C. B.; PINHEIRO, M. M. K. “Regime” e
Informação”: a aproximação de dois conceitos e suas aplicações na
Ciência da Informação. Liinc Em Revista, v.7, n.2, 2011, p. 593-610.
ORLANDI, E. P. A linguagem e seu funcionamento. São Paulo:
Brasiliense, 1984.
ORLANDI, E.P. Análise de discurso: princípios e procedimentos.
Campinas: Pontes, 1999.
ORLANDI, E. P. Discurso e leitura. 8. ed. São Paulo: Cortez, 2008
ORLANDI, E. P. Análise de Discurso: princípios e procedimentos.
Campinas, SP: Pontes, 2009.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
232
PÊCHEUX, M. Semântica e discurso: uma crítica à armação
do óbvio. Tradução de Eni Pulcinelli Orlandi et al. Campinas:
UNICAMP, 1997.
homenagem a marIana BroenS
235
ConverSa Com
lauro frederICo BarBoSa da SIlveIra
É um prazer, uma honra muito grande, estar aqui com
o professor Lauro Frederico Barbosa da Silveira, que vai nos
falar a respeito de sua amizade e parceria com a professora
Mariana Claudia Broens, homenageada neste livro.
O professor Lauro é Graduado em Filosoa pela Uni-
versidade de São Paulo (1969) e doutor em Filosoa pela Pon-
tifícia Universidade Católica de São Paulo (1974). Tem expe-
riência na área de Direito, com ênfase em Semiótica Jurídica.
Ele também pesquisa semiótica em Medicina e em Psicanálise,
com ênfase nas relações médico-paciente e analista-analisan-
do. Atua, principalmente, nos seguintes temas: semiótica, in-
terpretante, signo, hábito.
ProfeSSor lauro, quaIS aS melhoreS lemBrançaS que o
Senhor tem da ProfeSSora marIana?
Primeiro, é uma alegria muito grande estar com
você aqui. Eu gostaria de agradecer muito o convite, es-
pecialmente porque é uma homenagem a uma colega por
Entrevista realizada e transcrita por Edna Alves de Souza, em 09 de maio de 2019.
https://doi.org/10.36311/2019.978-85-7249-055-9.p235-249
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
236
quem tenho muita admiração, respeito e uma profunda
amizade. A vinda da professora à UNESP foi um dos bons
encontros, que permitiu que o departamento de losoa
e a pós-graduação se mantivessem estáveis, com todas as
diculdades que temos vivido. Acho que isso é um aspecto
muito importante. Estava vendo nesses cartazes dos pri-
meiros eventos realizados no departamento, dentre eles o
congresso em homenagem ao professor Antonio Trajano
Menezes Arruda, e outros que não estão mais presentes en-
tre nós... Mas a Mariana, sem dúvida alguma, é uma contri-
buição muito grande, dado o seu conhecimento, o rigor de
seu pensamento, honestidade e, sobretudo, seu empenho
afetivo com o departamento, conosco, comigo também,
muito grande. É uma grande amizade mesmo! Ela é uma
pessoa maravilhosa.
Conte um PouquInho da hIStórIa do dePartamento de
fIloSofIa da uneSP: o que o Senhor Se lemBra de Seu
IníCIo e da Chegada da marIana?
Olha, o início, eu vou tentar me lembrar... Primeiro,
estávamos todos nós no prédio da Avenida Vicente Ferreira,
ainda. Quando eu cheguei lá na Vicente Ferreira, o profes-
sor Ubaldo Martini Puppi já estava; a Ligia Fraga Silveira,
minha mulher, também já estava lecionando lá. Nem havia
acesso até o Campus Universitário; ainda não tinha o viaduto
de entrada ao Campus. Foi quando houve um acidente, em
que morreu um aluno [ao tentar atravessar a rodovia para
chegar ao Campus], que se construiu o viaduto, para aumen-
tar a segurança de quem vem para cá. Infelizmente, no Brasil
isso é muito frequente: depois que acontece uma desgraça é
que se acaba tomando um investimento público. E foi um
Informação, Conhecimento, Ação Autônoma e Big Data
237
investimento importante, porque foi um investimento de se
fazer, de se estudar losoa, onde quer que a gente estivesse.
Foi na gestão da professora Mariana que mudamos da Vicen-
te Ferreira para o Campus novo.
uma daS PreoCuPaçõeS da ProfeSSora marIana é Com o
tema do antroPoCentrISmo, aInda domInante em noS-
Sa SoCIedade. o Senhor aCha que o antroPoCentrISmo
exPreSSa uma vISão SImPlISta SoBre a natureza do Pen-
Samento?
O pensamento não é propriedade privada. Quando se
diz ‘autoria de pensamento’, ‘autoria’ quer dizer que a gente
propõe, mas o pensamento não é da gente. Essa hipótese é
do Peirce; é ele quem diz: o pensamento não está em nós;
nós estamos em pensamento. Eu acho bastante razoável en-
tender que o pensamento é uma vibração de todos nós. Por
que conseguimos, facilmente, nos encontrar com as pessoas
certas? Por que há um campo, vamos chamar de energético
(mas no sentido bem amplo da palavra), psicossomático; um
campo, antes de tudo, espiritual; não digo ‘espiritual’ como se
estivesse pensando em alguma coisa transcendente, mas nessa
capacidade que a gente tem de conviver com as coisas e, antes
de nós as interpretarmos, elas nos interpretam.
O pensamento não é sequer uma exclusividade do ser
humano; ele permeia, nos modos mais diversos, toda a rea-
lidade. Ele é o que dá à trama da realidade algum sentido e
que nos permite ao longo do tempo inteligir, de alguma ma-
neira, a cada momento, o signicado de viver, o signicado
de ser. E aí todo nosso trabalho que vem sendo feito; não só
com os clássicos, mas em toda a história da losoa. Quando
nos dedicamos à losoa, buscamos e sugerimos respostas a
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
238
questões de várias naturezas ao longo do tempo. Considere,
por exemplo, um fragmento de um pré-socrático e veja o que
está escrito lá. É impressionante! A discussão de Heráclito com
Parmênides e daí por diante: é um compartilhar de algo muito
profundo. Nós tivemos oportunidade dentro do pensamen-
to greco-ocidental: Pré-socráticos, Platão Aristóteles... Mas, o
mesmo se dá nas mais diversas tradições. Na tradição bíblica,
por exemplo, veja o livro da Sabedoria: o que há de reexão, o
que há de expressão, diríamos assim, do que é uma liberação
no sentido poético, que a gente entende como poiesis! É fazer
de um pensamento não a procura de uma outra coisa, mas,
sobretudo, aquilo que ele pode nos constituir. Não é incrível?
Cada um, a seu jeito, compartilha. E não é só exclusivamente
o ser humano quem compartilha. Se você tem um cachorrinho
dentro de casa, não há um afeto? E é recíproco. Chegando até
em situações emocionantes em que falece o dono e o cachorro
entra em um processo de luto. Não posso me esquecer, de jei-
to nenhum: aos oito anos de idade, eu morava em São Paulo,
mas a gente vinha para o interior, pois meu pai sempre trazia
a gente. Uma vez, eu estava montado a cavalo, escorreguei da
sela e caí no chão. O cavalo parou, foi assim com o focinho,
sei lá, me agradar, me apoiar.
a realIdade é muIto ComPlexa. Para a ProfeSSora ma-
rIana, aSSumIr que a afetIvIdade e meSmo o PenSamen-
to, a IntelIgênCIa, é, neCeSSarIamente, exCluSIvIdade
humana, ConSISte em uma PoStura equIvoCada, em muI-
toS aSPeCtoS. o Senhor ConCorda Com a ProfeSSora?
Sem dúvida! A afetividade, o pensamento, a inteli-
gência não constituem exclusividade humana. Nós com-
partilhamos de uma totalidade complexa. Quando dizemos
Informação, Conhecimento, Ação Autônoma e Big Data
239
que uma or murcha e morre, morre. Quando vemos uma
sementinha se desenvolvendo em uma planta, é vida. Se
nós mudamos um pouco a escala e nos vemos na escala
metabólica, é um compartilhar total disso tudo. E nós não
somos um acréscimo; somos uma expressão disso; o ser hu-
mano não está no centro do universo, mas é uma de suas
partes expressivas!
a ProfeSSora marIana hoje é Coordenadora do
Programa de PóS-graduação em fIloSofIa da uneSP
de marílIa e defenSora aguerrIda, SoBretudo, da
área de ConCentração em fIloSofIa da mente,
ePIStemologIa e lógICa deSSe Programa, que é Bem
Inovadora em termoS do modo de Se fazer fIloSofIa
no BraSIl. o que o Senhor tem a dIzer SoBre o
meStrado, Sua ImPlantação e manutenção, Bem Como
o PaPel da ProfeSSora, neSSe Contexto?
Foi um desdobramento e um avanço, muito feliz, de
toda uma experiência de pensamento que carregava comigo
até mesmo antes de eu vir para a Faculdade de Filosoa. A
partir dessa experiência, o mestrado surgiu com a colabora-
ção das professoras Maria Eunice Quilici Gonzalez, Carmen
Beatriz Milidoni, Ligia Fraga Silveira e do professor Cosme
Damião. Estava me lembrando também da Revista Transfor-
mação: o registro de um pensamento de longa data de uma
revista que está aí a quantos números! Inclusive, com aquela
parte de entrevistas, dos diversos artigos. É uma contribuição
que nós recebemos e tentamos devolver da melhor maneira
possível. Espero que a gente consiga fazer sempre isso.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
240
ConSIderando que o Senhor é uma PreSença Central na
hIStórIa do dePartamento de fIloSofIa, o que o Senhor
Se lemBra do IníCIo dele, Como foI a Sua ImPlantação?
Houve colaboração de toda uma parte que vinha da
fenomenologia de tradição europeia, que vinha do Tomismo,
inclusive, tanto do professor Puppi como meu. Eu fui domi-
nicano; z meu mestrado em Tomas de Aquino: providência e
governo do mundo; depois fui fazendo outras coisas.
O pensamento acontece. Há uma efetivação de um en-
contro de questões, de propostas, até no sentido, que eu acho
maravilhoso, da palavra erro. Erro é caminhar. Errante é aque-
le que caminha. Uma pessoa absolutamente convicta consigo
mesma é estática. Errar é um benefício. No seio do diálogo, o
erro é exatamente o que permite que nós construamos nossos
conceitos e não nos deixemos prender pelos nossos preconcei-
tos. Isso para mim é absolutamente fundamental. Isso marca,
dentro dos meus limites, a minha vida.
Aonde você for, sempre procure admirar. Você sem-
pre vai encontrar o admirável. Ou o admirável acaba te en-
contrando. Tudo é limitado. É limitado, mas é innito; pode
crescer indenidamente e em todas as esferas: esfera cultural,
esfera de transmissão do código genético... Trazemos conosco
toda uma tradição. Para mim, isso é de extrema importância.
Isso no departamento foi sendo desenvolvido realmente, com
algumas pessoas que foram saindo, outras que foram entran-
do, sempre em uma procura de avançar o conhecimento, de
resolver possíveis impasses. E agora estamos aí...
Informação, Conhecimento, Ação Autônoma e Big Data
241
Como o Senhor vê a trajetórIa da marIana neSSe
ProCeSSo?
Cada um de nós tem tantas coisas que a gente vai des-
cobrindo aos poucos... Mas, pelo que eu conheço da Mariana,
primeiro, acho que ela contribuiu e teve ocasião de encontrar
um campo afetivo muito importante de acolhimento no de-
partamento; ela foi e está sendo capaz de contribuir profun-
damente para com ele. Isso é muito importante porque é isso
que permite ampliar o conhecimento. Por outro lado, ou em
outra dimensão, o afeto é um afeto lúcido. E da parte dela isso
me parece muito claro. Há realmente um empenho, que não
é um empenho particular, interesseiro, mas é realmente um
empenho para que ela e o departamento se desenvolvam. Para
que ela se desenvolva, esse empenho precisa ser compartilhado
por todos nós; supõe enfrentar as diculdades, que não foram
e nem são, certamente, pequenas. E a Mariana, efetivamente,
tem uma história para isso: ela vem da Argentina, é formada
em Filosoa e em Direito... Seria interessante ouvi-la também
a esse respeito.
o Senhor Se lemBra de quando ConheCeu a marIana?
foI na uneSP?
Quando eu a conheci, eu estava na UNESP, na Vicente
Ferreira antes de nossa mudança para cá, quando ela se propôs
e foi aceita no departamento. Eu estou a mais tempo do que
ela, certamente. Mas, como estava dizendo, e isso é verdadei-
ro: foi nesse campo afetivo, que não é um campo boboca. Ao
contrário, é um campo lúcido, crítico, no bom sentido, de
tentar fazer com que a verdade predomine, capaz de enfrentar
as adversidades, algumas extremamente sérias.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
242
a exIStênCIa deSSe “CamPo afetIvo”, Como o ProfeSSor
o denomIna, Com um tIPo de afetIvIdade muIto
PeCulIar, é reConheCIda Por aqueleS que, Como eu,
ConvIveram ou mantêm, de algum modo, relaçõeS
eStreItaS Com o dePartamento. Como Se deu a
ConStItuIção deSSe CamPo afetIvo? foI algo fáCIl de
Se ConStruIr?
Não foi fácil, de modo algum. Quando se leva a sério
a construção de um campo afetivo, nunca é fácil. Ninguém
ganha isso de presente. Se estiver tudo muito fácil, descone.
Está valendo a lei da inércia. Se existe uma emulação, uma
exigência, de que a gente cresça em conhecimento, cresça nas
nossas relações, vai ter sempre obstáculos a serem vencidos,
diculdades a serem enfrentadas. Na medida do possível, eu
acho que isso foi possível de acontecer no departamento. O
tempo vai permitindo que a gente veja com maior clareza.
Não foi nada fácil! Mas, foi possível que certas pessoas fossem
se unindo afetivamente e acho que isso foi uma coisa boa.
Se, Por um lado, Só o temPo PermIte que a gente
veja Com maIor Clareza determInadaS SItuaçõeS,
Por outro, há CertaS ConfIguraçõeS que PareCem
reClamar Por medIdaS PrátICaS urgenteS, meSmo no
eSCuro. Como o Senhor vê o CenárIo atual do BraSIl,
maIS eSPeCIfICamente, no que dIz reSPeIto à PeSquISa
CIentífICa? hoje, Como eStão aS CoISaS?
O cenário atual não é nada fácil de entender. Sob al-
guns aspectos, é uma situação mais favorável, do que, por
exemplo, a de todo o período, por nós vivido, da ditadura,
com repressão, com mortes, com situações realmente trágicas.
Informação, Conhecimento, Ação Autônoma e Big Data
243
Então, acho que o acesso a mais informação foi sendo possível:
as bibliotecas estão aí, o acesso via internet ampliou profun-
damente o nosso campo de pesquisa. Agora, tudo isso é um
convite para que a gente interaja, senão as interações cam sem
sentido. Não só às vezes sem sentido, mas às vezes até em pre-
juízo do próprio avanço do conhecimento. No entanto, existe
hoje um campo possível, que vem sendo feito, de interagir
com a realidade, de elaborar mais o pensamento, de publicar
mais – diculdades que havia antes.
hoje Se fala que vIvemoS a era da datIfICação, em que
tudo São dadoS, e que oS dadoS não São oBjetIvoS.
o Senhor vê neSte novo CenárIo de ImPortânCIa,
Senão de dePendênCIa, doS dadoS, daS teCnologIaS
de Informação e de ComunICação, um lugar Para um
realISmo?
A cada momento em que se vive, se vive tudo isso. Esta
conguração é a conguração que nós, neste momento, esta-
mos vivendo. Mas, se você observar, em momentos anteriores
ou em lugares diferentes, o pensamento só se desenvolve se ele
for desaado. E no desao você tem a possibilidade de que se
interaja com ele e o risco de se deixar ser dominado pela, por
assim dizer, banalidade, pela força bruta.
Chegou o jornal agora... Você vê? Volta-se a se defender
que todo mundo possa andar armado... O que é isso, gente?
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
244
aCredIto que Seja um doS SInaIS do que eStá Sendo
Chamado de era da ‘PóS-verdade’, ‘PóS-realIdade’.
neSte momento, de “deSafIo do PenSamento”, quando
vemoS notíCIaS Como eSSa que o Senhor aCaBa de
menCIonar, tememoS que a Balança eSteja Se InClInando
Para a tendênCIa à força Bruta e à BanalIzação. eStamoS
dIante da BanalIzação de PrInCíPIoS muItoS CaroS à
fIloSofIa, à humanIdade.
Sim: à humanidade, à dignidade do ser humano. Eu
acho que isso é alguma coisa que nós temos que enfrentar...
Eu acho que há uma contribuição nossa, da área em que
trabalhamos – a losoa –, de reetirmos sobre isso, de trazer
contribuições, porque a tendência à força bruta não só é muito
premente, como está sempre presente.
a marIana é uma ProfeSSora muIto mIlItante, muIto
PreoCuPada Com aS queStõeS étICaS, Com aS queStõeS
SoCIaIS, então, eSSe CenárIo, que Se deSenha hoje, é
PreoCuPante Para ela. qual o PaPel, a ContrIBuIção,
do realISmo PeIrCeano Para aS dISCuSSõeS CorrenteS
doS rumoS tomadoS Pela noSSa SoCIedade neSta era da
datIfICação?
Antes de tudo, não fugir da realidade. O que não é fácil.
Em segundo lugar, ter a capacidade poética de, em conjunto,
construirmos uma expressão, de uma maneira profundamente
falível, mas que permita uma consciência dessa realidade. Esse
papel é a maneira de você assumir a ética sem assumir o mora-
lismo. A coisa mais fácil é o moralismo, porque ele enquadra e
reitera o poder violento.
Informação, Conhecimento, Ação Autônoma e Big Data
245
o exemPlo que o Senhor deu a PouCo da ProPoSta de
lIBeração do Porte de armaS é BaStante eluCIdatIvo
neSSe SentIdo: trata-Se de uma IdeIa BaSeada no
moralISmo.
Certamente há uma questão ou até mais de uma. Mas
a resposta já é a da violência, da força bruta. Como se isso
resolvesse alguma coisa! Eu co muito impressionado. Esse
pensamento, vamos chamar de reacionário, carrega a oportu-
nidade de ter os meios de comunicação com ele e tudo o mais.
Esta reexão que estamos fazendo, é a reexão de uma mino-
ria, que, se possível, é calada.
Soluções fáceis são todas muito perigosas. Lembro-me
agora de Lewis Carroll... Disse a Rainha de Copas: “Cortem-
lhe a cabeça”. Em vez de resolver um problema, elimina. Não
vem de agora isso. Não vem de agora...
Uma coisa importante, inclusive, é manter o diálo-
go; entender as pessoas; respeitar as pessoas; não deixar que
os nossos preconceitos predominem. Se a gente tiver um
pouco de sensibilidade para perceber, quanta sabedoria está
nas pessoas que às vezes estão exercendo funções extrema-
mente humildes?
SIm, muIta. Como faz falta àS vezeS ouvIr eSSaS PeSSoaS!
Não é verdade, meu bem? Eu sinto: se a gente não tem
esse cuidado, porque não é uma coisa rígida, a gente é tomada
por preconceitos.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
246
e daí a ImPortânCIa de Se ouvIr aS maIS dIverSaS e
dIferenteS vozeS e, em eSPeCIal, daquelaS PeSSoaS Com
exPerIênCIa. eu Sou uma admIradora do Senhor. o
ProfeSSor não tem IdeIa do quanto eu o ConSIdero
uma PeSSoa SáBIa, Serena. Por ISSo, eu goStarIa que
o Senhor deIxaSSe uma menSagem de eSPerança, uma
menSagem Para oS InICIanteS na arte da fIloSofIa, uma
menSagem Para a gente da Sua exPerIênCIa de vIda,
Como ProfeSSor, Como fIlóSofo, Como PeSSoa...
Você que é um encanto! Espero que eu corresponda a
isso...
Existem mais aspectos admiráveis na realidade do que
aqueles que nós podemos dominar. Nós compartilhamos des-
se pensamento, mas não somos donos dele. Não somos donos
do pensamento. O pensamento está em nós e nós estamos em
pensamento. Ele não é privilégio daqueles que são chamados
“intelectuais”. Mais importante do que isso, a dimensão que
não pode se perder, é a dimensão da busca da verdade, a di-
mensão do afeto, a dimensão do respeito, da sensibilidade da
gente, porque os preconceitos são insidiosos, e bem mais do
que parecem ser. Eu sempre mantenho uma atenção, talvez ao
longo do tempo, com minha idade, atualmente, eu até tenha
mais coisas das quais eu certamente me iludia, mas isso não é
para entrar em um estado de desespero, ao contrário, é para
exatamente se tornar mais simples. Eu acho que isso é tão gos-
toso como experiência! Às vezes, estou fazendo compras no su-
permercado e vejo uma mãe com uma criancinha: é uma coisa
tão linda! Aprender, se preocupar também, mas ter uma sen-
sibilidade por essas pessoas, inclusive aquelas que vêm pedir
esmolas. O mundo está preconceituoso e muitos estão, assim,
em busca de privilégios. Olha, que não sejamos tomados por
Informação, Conhecimento, Ação Autônoma e Big Data
247
privilégios! Mas que avancemos no conhecimento, que avan-
cemos nas questões, sempre guardado que: pensamento que
cresce é o pensamento que assume a sensibilidade; que, sobre-
tudo, é gerado num contexto de afetividade. Estava lembran-
do agora, falando com você, que eu estava lendo Bion [Wil-
fred Ruprecht Bion], quando ele fala da criança com sua mãe,
a busca do seio. A boa mãe é aquela que acolhe no seu seio a
criancinha que está nascendo. Essa desenvolve dimensões da
personalidade que, ainda bem, ela não tem sequer consciência,
não precisa ter consciência. Ter consciência já é um processo
que, não digo malévolo, mas tem o perigo de ser restritivo,
como se só aquilo que nós temos consciência fosse importan-
te. Ao contrário, ela só tem sentido, em um contexto muito
mais amplo de todas as relações, mais complexo, que não nos
cabe dominar. Cabe-nos sensibilizar para viver. Se você do-
mina, você restringe. Entram em jogo outras dimensões que
iludem. Essa sensibilidade é um mistério: aquilo que está es-
condido. Mistério, em grego, é aquilo que está escondido.
eSSa não é a IdeIa da CIênCIa moderna: entender Para
Controlar, Para domInar, a natureza, e que, de Certa
forma, deSemBoCou neSSa era da datIfICação?
Exatamente. Ela restringe o acesso à expressão da tota-
lidade das qualidades que a natureza tem, e despreza um ocea-
no de possibilidades para car lá tentando no vermelhinho,
vamos dizer assim.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
248
e o que ISSo gera? quaIS aS ConSequênCIaS PrátICaS
deSSe modo de ProCeder?
Isso só pode dar coisas monstruosas! Mas, ter essa sen-
sibilidade constante, acho que é a coisa mais importante. Aí,
nela, tudo vai podendo ser feito. Como é que podem surgir
as grandes hipóteses, realmente, as grandes hipóteses? Porque
as pessoas que as propuseram estavam liberadas das cascas de
suas crenças. Li em um texto que Einstein estava em uma esta-
ção ferroviária e viu um trem andando, então, se perguntou: e
se esse trem andar na velocidade da luz? Daí eu me perguntei:
mas essa não é uma ideia fugal? Não, espere um pouco: talvez
ele reconheça no passado um momento importantíssimo em
que a hipótese de uma teoria da relatividade pudesse surgir.
é muIto Bom Poder ConverSar Com o Senhor,
ComPartIlhar eSSaS reflexõeS. maS, ProfeSSor, Para
feChar eSta entrevISta, deIxe uma menSagem eSPeCífICa
Para a ProfeSSora marIana. o que o Senhor dIrIa,
agora, neSSe momento eSPeCIal da CarreIra dela?
Antes de mais nada, Mariana, que você esteja sempre
conosco, nessa relação afetiva, que dá sentido às nossas inves-
tigações teóricas e daí por diante. Antes de tudo isso, que esse
pensamento do qual compartilhamos, você pode ter certeza,
Mariana, traz para nós uma contribuição importantíssima.
Que a gente sempre possa continuar fazendo isso.
Você sabe, Mariana, todo encanto que tenho por você;
a felicidade que foi tê-la no departamento, que foi tê-la co-
nhecido, e espero, sim, que você possa sempre contar comigo
Eu estou emocionado!
Informação, Conhecimento, Ação Autônoma e Big Data
249
É tão gostoso falar com vocês, viu querida. Eu só tenho
a agradecer. Que coisa boa! Foi uma alegria estar com vocês.
Vamos continuar sempre assim...
eu que lhe agradeço, ProfeSSor. a alegrIa é
reCíProCa. SIm, vamoS ContInuar, SemPre ConverSando,
refletIndo, tentando entender o PeIrCe...
Errando enquanto caminhando! Errante é aquele que
caminha. Lembrar sempre que nunca devemos achar que está
tudo bem. Não está. Esse pensamento nos ajuda a estar sem-
pre buscando. Ter sempre um oceano de possibilidades. Nós
conhecemos muito pouca coisas, como aquela criança na beira
do oceano catando umas areinhas. E tomara que continuemos
caminhando. O quanto, não nos cabe saber. Se pudéssemos
saber, já seria falso.
PequenaS PalavraS Para tanto afeto
e admIração
253
Mariana Cláudia Broens é uma destacada intelectual,
ativista, querida amiga e professora de muitos. Precisaríamos
de um novo e grande livro para conter os depoimentos em
agradecimento a seu trabalho e sua amizade. Ainda assim,
seriam pequenas palavras diante de tanto afeto e admiração
cultivados nos encontros da vida. Aqui registramos alguns de-
poimentos que representam o agradecimento, a amizade e o
carinho de todos nós.
marIana BroenS – querIda amIga
Já de longa data tenho o privilégio de desfrutar da amizade de
Mariana Broens. Temos feito muitas coisas juntos, partilhan-
do intensa e contínua convivência acadêmica, mesmo sem
sermos colegas em uma mesma instituição. Meu testemunho
sobre Mariana nutre-se não apenas de sua seriedade prossio-
nal, seu senso de justiça, sua transparência de conduta e sua
atuação docente estimulante, mas, do mesmo modo, de seu
caráter profundamente humano, comprometido com a rea-
lidade social de nosso país e atenta a tudo o que a história
de agora faz deslar pela nossa experiência, convocando-nos a
nos posicionar em face dela.
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
254
Penso que somente uma anidade de valores e sentimento de
mundo, muitas vezes não ditos, guardados em silêncio na in-
terioridade, sustentam o contínuo prazer dos amigos estarem
juntos, garantindo a continuidade incólume de um relacio-
namento que não se deixa fraturar por divergências contin-
gentes. Com respeito a Mariana, com alegria, reconheço esse
contínuo prazer de uma convivência que comunga trabalho e
anidade humana.
Rendo à minha querida Mariana o meu mais terno afeto,
esperando que nossa sólida amizade permaneça prosperando
por longo tempo ainda.
Ivo Ibri – 17 de maio 2019
Mariana, falar sobre a Mariana!
Uma das pessoas mais incríveis que conheço e com quem
convivo.
Bem formada, competente, responsável, dedicada, excelente
professora e acadêmica admirável.
Mas tudo isso é pouco, Mariana é muito mais.
Mariana é exemplar, vive o que pensa, crê e defende.
Em nossa convivência pessoal e acadêmica, reconheço, por
sua expressão facial, quando não está de acordo ou algo a
desagrada, pois Mariana, mesmo com esforço, não consegue
dissimular ou disfarçar.
Informação, Conhecimento, Ação Autônoma e Big Data
255
Mariana é a personicação, em ação, do que pensa e crê.
Uma grande prossional, uma grande mestra, mas, sobretudo,
uma inestimável amiga, um exemplo de comportamento ético
a ser seguido.
Obrigada, Mariana, é um privilégio estar com você nesta nos-
sa caminhada!
Ítala Maria Loredo D’Ottaviano
É um privilégio muito grande poder trabalhar ao lado
da professora Mariana. Ela é uma pessoa que ensina
com dedicação e paciência e me auxilia muito nas
diculdades prossionais, principalmente em relação ao
microcomputador. Ela age com simplicidade e está sempre
disposta a ajudar em qualquer hora, em qualquer momento.
É aquela pessoa que, quando tudo está bem difícil, abre um
sorriso e diz: calma, você vai conseguir!
Enm, ela é uma grande professora e uma grande amiga, que
me deu a chance de olhar a vida sob um novo horizonte, a
partir do momento que comecei a trabalhar no Departamen-
to de Filosoa.
Parabéns Mariana e que todo seu esforço seja recompensado
com muitas alegrias!
Edna Bonini de Souza
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
256
À professora Mariana Broens,
A primeira vez que assisti uma palestra da professora Mariana
foi em 2014 no Encontro Nacional de Filosoa da Universida-
de Federal de Ouro Preto. Como membro da organização eu
havia trabalhado bastante durante o dia e a noite seguiria para
casa, mas resolvi conferir se tudo estava correndo bem com a pa-
lestra da noite intitulada “Uma introdução à Filosoa da Men-
te”. Comecei a assistir e me esqueci completamente do cansaço
permanecendo totalmente atenta. É provável que a professora
Mariana não saiba o quanto modicou a minha vida a partir da-
quele instante. Até então, meu caminho pela Filosoa estava em
processo de construção e não havia especicamente nenhuma
área a qual eu estivesse inclinada a me especializar. A partir disso
passei a ler os poucos livros do meu departamento sobre Ciência
Cognitiva e Filosoa da Mente, aumentando meu entusiasmo e
curiosidade intelectual.
Procurei participar de eventos sobre Ética e Filosoa da Men-
te e pude assistir novamente a Mariana e não restou dúvidas:
precisava estudar com essa professora! Ao terminar a graduação
ingressei no mestrado em Filosoa da Mente da Unesp e tive o
privilégio de ser orientada por aquela que acendeu essa inquie-
tação losóca tão especial. O que eu não fazia ideia é do quan-
to aprenderia com ela em poucos anos de convivência. Além da
orientação, que proporcionou um fecundo desenvolvimento -
losóco, aprendi lições sobre ética, moralidade, justiça, empatia
e respeito por todas as formas de vida. Obrigada professora Ma-
riana Broens por todas as valiosas lições que levarei para sempre
com grande carinho, respeito, admiração intelectual e pessoal.
Bárbara Linda Tavares
13 de Agosto de 2019.
Informação, Conhecimento, Ação Autônoma e Big Data
257
A professora Mariana é uma pessoa extraordinária e muito
querida. Em sua dinamicidade cotidiana ela abraça seus alu-
nos e as pessoas a sua volta e mesmo sem prometer, garante
que tudo dará certo e nos mostra que as coisas podem ser ain-
da melhores do que esperamos. Sua humildade, seu carinho,
seus atos justos e éticos nos mostram como somos afortunados
por tê-la em nossas vidas. Desejo que seja feliz, professora.
Espero que a injustiça do mundo não embruteça sua humani-
dade. E enquanto orientanda e aluna, espero que a deixemos
tão orgulhosa quanto você nos deixa. Muito obrigada pelos
seus ensinamentos.
Camila da Cruz Silva
No atual contexto em que vivemos, ter a possibilidade de con-
viver com pessoas como a Professora Mariana é um grande
privilégio e razão de uma imensa alegria. Sua disposição e ho-
nestidade com as investigações losócas inspiram a todos que
estão ao seu redor. Como sua orientanda, sou especialmente
grata por toda sua contribuição acadêmica e, para além disso,
existencial. Com certeza levarei seus ensinamentos por toda a
minha vida.
Emanuelly Nakaryn Rodrigues
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
258
Além de ser uma excelente intelectual em Filosoa da Men-
te, a Profa. Mariana é também uma pessoa muito humana,
inteligente e criativa que faz seus orientandos se sentirem bas-
tante responsáveis pelos impactos do trabalho que realizam.
Eu, particularmente, não teria continuado a estudar losoa
se não fosse por sua dedicação inspiradora e por ela ter acredi-
tado em mim primeiro. Como seu orientando, na maioria das
vezes, senti-me parte de um projeto cientíco muito maior,
podendo ousar ser eu mesmo enquanto pesquisador iniciante.
Sou imensamente grato pelas excelentes orientações da profes-
sora Mariana e, apesar de estar sempre muito ocupada devido
à sua generosidade, espero que seja reconhecida o quanto an-
tes como merece, por sempre deixar pessoas razoáveis sempre
muito confortáveis a seu redor.
Felipe Eleutério
No cenário atual brasileiro há um profundo descaso com a
área da educação, algo que é especialmente desanimador para
nós lósofas(os). Mas, apesar de estarmos vivendo tempos
difíceis e obscurantistas, tenho aprendido com a professora
Mariana a não desistir de meus estudos e lutar sempre pelo
bem e o justo. Dessa forma, muito obrigada, professora, por
ser mais que uma orientadora para a vida universitária, mas
também uma orientadora para a vida. Mais que respeito, te-
nho um profundo carinho e admiração pela senhora, que o
tempo jamais será capaz de apagar. Enquanto eu estiver viva
me lembrarei de seus ensinamentos e contarei para todos ao
Informação, Conhecimento, Ação Autônoma e Big Data
259
meu redor o quanto a senhora foi importante em minha vida.
Meus sinceros e profundos agradecimentos, professora.
Júlia Rodrigues de Lima
Professora Mariana, é muito graticante estar em um cam-
pus como o da UNESP de Marília pela proximidade que
isso possibilita com uma grande professora como a senhora,
poder conviver, cursar disciplinas, tutoria, ser diretamente
orientado e poder dizer que tive a honra de tal convívio com
tantos aprendizados. Através da senhora tive contato com
temas e abordagens que enaltecem e dão direcionamento ao
prossional que desejo me tornar, inclusive as suas críticas.
Expresso aqui meus mais sinceros agradecimentos, obrigado
por tudo.
Rafael Otavio Ribeiro de Mattos
Sobre os organizadores
263
danIel martínez-ávIla
dmartinezavila@gmail.com
Daniel Martínez-Ávila é professor do Departamento de Ciência
da Informação da Universidade Estadual Paulista (UNESP),
Marília. Ele obteve o título de Doutor pela Universidad Carlos
III de Madrid, em 2012, sob a supervisão de Rosa San Segundo
e de Hope Olson, da University of Wisconsin-Milwaukee. Foi
professor assistente no Departamento de Biblioteconomia
e Documentação da Universidad Carlos III de Madrid. Em
2013 assumiu o cargo de pesquisador e instrutor adjunto na
School of Information Studies at University of Wisconsin-
Milwaukee. Em 2014, tornou-se professor titular do Curso
de Pós-Graduação em Ciência da Informação da UNESP;
seu principal interesse de pesquisa é em organização do
conhecimento, estudos de gênero, Big Data, epistemologia e
avaliação de pesquisas. Atualmente, é membro da International
Society for Knowledge Organization e Scientic Advisory
Council. Ele também atua como Coordenador Internacional
na Satija Research Foundation for Library and Information
Science, da Índia, e no Instituto de Estudos de Gênero da
Universidad Carlos III de Madrid, na Espanha.
edna alveS de Souza
souzaednaalves@gmail.com
Edna Alves de Souza é pesquisadora de pós-doutorado pelo
Programa de Pós-Graduação em Filosoa da Universidade
Estadual Paulista “Júlio de Mesquita Filho” (UNESP), Campus
de Marília, na área de concentração em Filosoa da Mente,
Epistemologia e Lógica, com o apoio nanceiro da CAPES
e sob supervisão da Dra. Maria Eunice Quilici Gonzalez;
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
264
participa do Projeto “Understanding opinion and language
dynamics using massive data”, que tem apoio nanceiro
da FAPESP. Ela obteve o título de Doutora em Filosoa
pela Faculdade de Filosoa, Letras e Ciências Humanas da
Universidade de São Paulo (USP), em 2014; seu principal
interesse de pesquisa é sobre metodologia cientíca, realismo
cientíco, racionalidade, informação, complexidade e Big
Data; é membro do Grupo Acadêmico de Estudos Cognitivos
(UNESP) desde 1999 e do Grupo Interdisciplinar do Centro
de Lógica, Epistemologia e História da Ciência (UNICAMP);
possui artigos e capítulos de livro publicados nas Áreas de
Filosoa da Ciência e Filosoa da Informação.
marIa eunICe quIlICI gonzalez
eunice.gonzalez@unesp.br
Maria Eunice Quilici Gonzalez é pesquisadora PQ1 do
CNPq, professora livre-docente do Departamento de Filosoa
da UNESP; sua tese de doutorado: “A cognitive approach to
visual perception” foi concluída em 1989, na Universidade
de Essex, Inglaterra. Ela é membro fundadora da Sociedade
Brasileira de Ciência Cognitiva e do Grupo Acadêmico de
Estudos Cognitivos (UNESP) e desde 1989 participa do
grupo CLE auto-organização, UNICAMP. Tem experiência
na área de losoa, com ênfase em Epistemologia, Filosoa
da Informação e Tecnologia, Ciência Cognitiva e Filosoa
da Mente, desenvolvendo pesquisa sobre os seguintes
temas: autonomia e informação, auto-organização, sistemas
complexos e Big Data. Por quatro décadas, ela vem ajudando na
construção de uma concepção epistemológico-interdisciplinar
da relação entre informação e ação, reunindo a losoa,
as ciências sociais, biológicas e naturais. Atualmente ela é
Informação, Conhecimento, Ação Autônoma e Big Data
265
também membro da Complex Systems Society e da Ecological
Psychology Society, e coordena o Projeto “Understanding
opinion and language dynamics using massive data”, com
apoio nanceiro da FAPESP.
SoBre oS autoreS
269
danIel martínez-ávIla é Professor do Departamento de
Ciência da Informação da Universidade Estadual Paulista
“Júlio de Mesquita Filho” (UNESP, Campus de Marília).
E-mail: dmartinezavila@gmail.com
davIdSon Bruno da SIlva, graduando em Sistemas
de Informação pela Universidade Federal dos Vales do
Jequitinhonha e Mucuri. E-mail: davidsonbruno@outlook.
com
edna alveS de Souza, pesquisadora de pós-doutorado pelo
Programa de Pós-Graduação em Filosoa da Universidade
Estadual Paulista “Júlio de Mesquita Filho” (UNESP, Campus
de Marília). E-mail: souzaednaalves@gmail.com
ely franCIna tannurI de olIveIra é Livre Docente na área
de Estudos Bibliométricos; doutora e mestre em Educação
pela Universidade Estadual Paulista (UNESP); graduada em
Pedagogia pela (UNESP) e em Matemática pela Faculdade
de Filosoa, Ciências e Letras (Osvaldo Cruz – SP); atua no
programa de Pós-Graduação em Ciência da Informação da
(UNESP), Campus de Marília; é bolsista pesquisadora CNPq
(2). E-mail: ely.tannuri@unesp.br
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
270
gISele rodrIgueS atayde é Gestora da Sevna Startups,
Ribeirão Preto; Mestra em Engenharia de Produção pela USP,
Bauru; Bacharel em Administração pela Faculdade FGP. E-mail:
giatayde@usp.br
jaCquelIn tereSa CamPeroS-reyeS é Doutoranda e Mestre
em Ciência da Informação pela Universidad Estadual Paulista
(UNESP); Engenheira de Sistemas pela Universidad Francisco
de Paula Santander (UFPS), Colômbia. E-mail: jtcamperos@
hotmail.com
jean fernandeS BrIto é Doutorando em Ciência da
Informação na Área de concentração: Informação, Tecnologia e
Conhecimento pela Universidade Estadual Paulista (UNESP);
possui o título de mestre em Ciência da Informação na Área de
concentração: Gestão da Informação pela Universidade Federal
de Santa Catarina (UFSC); Bacharel em Biblioteconomia pela
UNESP. E-mail: jjeanfernandes@gmail.com
joão BatISta erneSto de moraeS é Professor Associado do
Departamento de Ciência da Informação, da Faculdade de
Filosoa e Ciências (UNESP), Marília. E-mail: joao.batista@
unesp.br
laíS alPI landIm é Mestra e Doutoranda em Ciência da
Informação pelo Programa de Pós-Graduação em Ciência
da Informação (PPGCI) da UNESP, Campus de Marília;
graduação em Ciências Sociais pela mesma universidade;
coordenadora discente do Laboratório de Pesquisa em Design
e Recuperação da Informação. E-mail: laisalpi@gmail.com
Informação, Conhecimento, Ação Autônoma e Big Data
271
larISSa de mello lIma é Mestre em Ciência da Informação e
Doutoranda junto ao Programa de Pós-Graduação em Ciência
da Informação da Faculdade Filosoa e Ciências (UNESP),
Marília. E-mail: larissalima.unesp@gmail.com
lauro frederICo BarBoSa da SIlveIra, Graduado em Filosoa
pela Universidade de São Paulo (1969) e doutor em Filosoa
pela Pontifícia Universidade Católica de São Paulo (1974).
É professor do Programa de Pós-Graduação em Filosoa da
UNESP. E-mail: lfbsilv@terra.com.br
leIlah SantIago Bufrem é doutora em Ciências da
Comunicação (USP) e Mestre em Educação (UFPR), atuando
nos Programas de Pós-Graduação em Ciência da Informação
das Universidades Federais da Paraíba e de Pernambuco;
bolsista pesquisadora do CNPq (1). E-mail: santiagobufrem@
gmail.com
leonardo lana de Carvalho, doutor em Psicologia
(Cognitiva) pela Universidade de Lyon II, professor adjunto
do Departamento de Computação da Universidade Federal
dos Vales do Jequitinhonha e Mucuri. E-mail: leonardolana.
carvalho@ufvjm.edu.br
luCIneIa da SIlva BatISta é Mestra pelo programa de Pós-
Graduação em Ciência da Informação da Faculdade de Filosoa
e Ciência (UNESP), Marília; graduada em Biblioteconomia
e Arquivologia; colaboradora voluntária no Laboratório de
Pesquisa em Design e Recuperação da Informação. E-mail:
lucineia.bat@gmail.com
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
272
luIS antonIo de Santa-eulalIa é Professor da École de
Gestion da Université de Sherbrooke (UdeS); Doutor em
Engenharia de Produção pela Université Laval, Quebec;
Mestre em Engenharia de Produção pela USP; Engenheiro
de Produção pela UFSCar. E-mail: Luis.Antonio.De.Santa-
Eulalia@usherbrooke.ca
luIza de menezeS romanetto é Doutoranda em Ciência da
Informação pela Universidade Estadual Paulista (UNESP);
Mestre em Ciência da Informação pela UNESP; possui
Bacharelado em Biblioteconomia e Ciência da Informação
pela Universidade Federal de São Carlos (UFSCar). E-mail:
luizaromanetto@hotmail.com
magaly Prado, pós-doutoranda no Departamento de
Informação e Cultura, da Escola de Comunicações e Artes,
da Universidade de São Paulo; doutora em Comunicação e
Semiótica e mestre em Tecnologias da Inteligência e Design
Digital pela Pontifícia Universidade Católica de São Paulo;
Jornalista e pós-graduada em Comunicação Jornalística pela
Faculdade Cásper Líbero. E-mail: magalypprado@gmail.com
marIa eunICe quIlICI gonzalez, Professora Livre-Docente
do Departamento de Filosoa da Universidade Estadual
Paulista “Júlio de Mesquita Filho” (UNESP, Campus de
Marília). E-mail: eunice.gonzalez@unesp.br
Informação, Conhecimento, Ação Autônoma e Big Data
273
marIa joSé vICentInI jorente é Livre Docente em
Cultura Digital e Informação Pós Custodiada em Redes de
Colaboração; Doutora pelo Programa de Pós-Graduação em
Ciência da Informação da Universidade Estadual Paulista
Júlio de Mesquita Filho (UNESP); Especialista em Design
de Produto; Licenciada em Artes pela Fundação Armando
Álvares Penteado (FAAP) e em Letras pela Universidade de São
Paulo (USP); Professora Adjunta em Regime de Dedicação
Integral à Docência e à Pesquisa da UNESP, Campus de
Marília, Departamento de Ciência da Informação. E-mail:
mj.jorente@unesp.br
marIana da SIlva CaPrIolI é Bibliotecária da Biblioteca
Municipal “João Mesquita Valença” – Marília – SP; Mestre
em Ciência da Informação e Doutoranda junto ao Programa
de Pós-Graduação em Ciência da Informação da Faculdade
Filosoa e Ciências da UNESP, Marília. E-mail: mariana.
caprioli@gmail.com
monICa aIuB, Graduada em Filosoa (UNISANTOS) e
Música (UNESP), com mestrado (UFSCAR) e doutorado
(PUC-SP) em Filosoa, atua como orientadora losóca,
pesquisadora e professora no Espaço Monica Aiub: Filosoa,
Arte e Cultura, em São Paulo-SP. E-mail: monicaaiub@
monicaaiub.com.br
Daniel Martínez-Ávila, Edna Alves de Souza & Maria Eunice Quilici Gonzalez
274
nandIa letICIa freItaS rodrIgueS é Mestranda em
Ciência da Informação e graduada em Biblioteconomia
pela Universidade Estadual Paulista Júlio de Mesquita Filho
(UNESP); colaboradora do Laboratório de Pesquisa em Design
e Recuperação da Informação. E-mail: nandiarodrigues@
gmail.com
PláCIda leoPoldIna ventura a. da CoSta SantoS é
Livre-docente em Catalogação pela Universidade Estadual
Paulista (UNESP); Docente do Departamento de Ciência da
Informação da UNESP. E-mail: placidasantos@gmail.com
rafael gutIerreS CaStanha é Mestre em Ciência da
Informação pela Universidade Estadual Paulista (UNESP),
Campus de Marília e graduado em Licenciatura em
Matemática, pela UNESP, Campus de Presidente Prudente.
Docente da Faculdade Católica Paulista (FACAP); doutorando
em Ciência da Informação pela UNESP, Campus de Marília.
E-mail: r.castanha@gmail.com
rene fauStIno gaBrIel junIor graduação em Biblioteconomia
e Documentação pela Pontifícia Universidade Católica
do Paraná, mestrado em Ciência, Gestão e Tecnologia da
Informação pela Universidade Federal do Paraná e doutorado
em Ciência da Informação pela Universidade Estadual Paulista
Júlio de Mesquita Filho. É professor adjunto da Universidade
Federal do Rio Grande do Sul e do Programa de Pós-Graduação
em Ciência da Informação da mesma universidade. E-mail:
rene.gabriel@ufrgs.br
Informação, Conhecimento, Ação Autônoma e Big Data
275
rICardo CéSar gonçalveS Sant’ana é Professor Associado
da Universidade Estadual Paulista (UNESP), Campus de
Tupã; Professor do Programa de Pós-Graduação em Ciência
da Informação da UNESP, Campus de Marília; Graduado em
Matemática e Pedagogia; Mestrado em Ciência da Informação;
Doutorado em Ciência da Informação; Livre-Docente em
Sistemas de Informações Gerenciais pela UNESP. E-mail:
ricardo.santana@unesp.br
Selma letICIa CaPInzaIkI ottonICar é Doutoranda em
Ciência da Informação pela UNESP, Campus de Marília;
Mestra em Ciência da Informação pela UNESP, Campus de
Marília, e Tecnóloga em Gestão Empresarial, FATEC. E-mail:
selma.leticia@hotmail.com
tIago CamPoS ferreIra, graduando em Sistemas de
Informação pela Universidade Federal dos Vales do
Jequitinhonha e Mucuri. E-mail: camposferreiratiago@
gmail.com
Capa
Profa. Maria José Vicentini Jorente
Isabelle Ribeiro O. C. Lima
Diagramação
Gláucio Rogério de Morais
Assessoria Técnica
Renato Geraldi
Ocina Universitária
Laboratório Editorial
labeditorial.marilia@unesp.br
2019
Impressão e acabamento
FiloCzar
Formato
14 x 21cm
Tipologia
Adobe Garamond Pro
Papel
cana-de-açúcar 75g/m², branco (miolo)
papel fotográco glossy 230g/m² (capa)
Acabamento
Colado
Tiragem
300
SoBre o lIvro
FiloCzar
A
N
I
C
I
F
O
Á
R
I
T
I
S
A
R
E
V
I
N
U
ISBN 978-85-7249-054-2
Informação, Conhecimento, Ação Autônoma e
continuidade ou revolução?
