Pesquisas Humanas: Finalidades e Metodologias

Dennis Werner

O mundo acadêmico é muito maior que a maioria das pessoas imagina. Só a Biblioteca do Congresso Nacional dos Estados Unidos possui 130 milhões de títulos e mais de 880 km. de prateleiras. São publicadas mais de 40.000 revistas acadêmicas por ano. (School of Information Management and Systems at the University of California, Berkeley, 2000).  Seria impossível qualquer ser humano ficar ao par de tanta produção intelectual. No entanto, é importante que todos os pesquisadores tenham uma noção mínima dos tipos de estudos feitos por seus colegas. A falta de comunicação entre diferentes pesquisadores fica evidente em qualquer congresso. Debatedores não entendem o vocabulário usado pelos seus colegas, ou pior, acham que entendem, mas na realidade usam as mesmas palavras com  sentidos totalmente diferentes. Acabamos assistindo monólogos em vez de debates. Um exemplo que me vem a mente foi um debate sobre "símbolos" no qual cada participante usava um conceito muito diferente de "símbolo". Mas pior que este problema de vocabulário, é o problema da falta de compreensão dos diferentes objetivos de pesquisadores. Como diferentes finalidades implicam em diferentes metodologias, criam-se conflitos metodológicos, às vezes muito acirrados. Acho que precisamos ter mais clareza sobre o que podemos ganhar com diferentes tipos de pesquisa e as metodologias necessárias ou úteis para alcançar estes objetivos.

Neste ensaio apresentarei uma tipologia, baseada em finalidades de pesquisa, com o qual pretendo abranger tudo que se faz no mundo intelectual.  Obviamente seria impossível uma única pessoa entender os detalhes de todos os tipos de pesquisa existentes, mas acredito que podemos achar eixos comuns por tras desta produção. Não ficaria de todo surpreso se alguém me fornecesse um exemplo de uma pesquisa que não se enquadrasse nas finalidades elaboradas aquí. Aliás, agradeceria um tal desafio. Mas acredito que esta tipologia realmente engloba o grosso do que se faz nas universidades e institutos de pesquisa. Acredito que esta tipologia dá conta tanto das pesquisas nas áreas exatas (principalmente, mas não exclusivamente, nas ciências naturais), como nas áreas menos exatas (principalmente, mas não exclusivamente, nas áreas humanas). No entanto, os exemplos fornecidos são sobretudo das áreas humanas. Isto, em parte, porque conheço melhor as áreas humanas, e, em parte, porque é nas humanas que vemos a maior diversidade de finalidades de pesquisa.

As cinco finalidades da pesquisa acadêmica

            Acho que todas as pesquisas acadêmicas têm como objetivo principal uma das cinco finalidades a seguir: 1) julgar; 2) descrever; 3) criar; 4) raciocinar; 5) explicar/testar. Claro que os pesquisadores muitas vezes trabalham com mais de uma destas finalidades ao mesmo tempo, e muitas vezes os resultados de uma pesquisa com uma finalidade são usados para ajudar a trabalhar outra finalidade. No entanto, acho que os projetos de pesquisa normalmente se concentram numa finalidade ou outra. Tentarei esclarecer um pouco cada uma.

JULGAR (FORMAR E JUSTIFICAR JULGAMENTOS)

            Para a maioria de nós, julgar é a coisa mais natural do mundo. Gostamos de esclarecer as nossas preferências pessoais ao ver um filme, provar uma comida ou escolher um candidato político. Só pessoas com sérios danos cerebrais ficam realmente indiferentes às coisas, e como conseqüência incapacitadas para julgar, tomar decisões ou levar uma vida normal. (Damasio 1994).

Mas quando as decisões são complicadas todos temos também momentos de indecisão. Também, muitas vezes precisamos justificar os nossos julgamentos perante amigos, colegas ou a lei. Nestes casos trabalhos acadêmicos podem ser úteis para formar ou justificar uma opinião. Filósofos e teólogos passam muito tempo julgando questões morais; críticos de literatura ou arte julgam questões estéticas; jornalistas e cientistas políticas julgam plataformas políticas; administradores e clientes julgam a qualidade de produtos e serviços;  psicólogos e médicos julgam a qualidade de vida dos seus pacientes; juízes julgam a legalidade de atos específicos.

Como é que se pode formar e justificar julgamentos? Citando dados neurológicos e recorrendo ao filósofo Spinoza, Damasio (2003) sugere que todos os nossos julgamentos têm como base um fundo emocional. Precisamos sentir para poder julgar. Isto não quer dizer que devemos basear os nossos julgamentos simplesmente no primeiro sentimento que aparece. O problema de usar sentimentos crus é que as coisas são muito interrelacionadas entre sí. Satisfazer um sentimento imediato pode ser prejudicial em outros momentos. Charles Darwin (que trabalhou com filosofia moral nos seus estudos para ser Pastor da Igreja Anglicana) teorizou a respeito da evolução de sentimentos morais. Ele observou que um animal pode ter instintos passageiros que entram em conflito com instintos duradouros. Exemplos de instintos passageiros são o desejo de comer (que logo passa ao satisfazer a fome), ou o instinto de um pássaro migrar (que só aparece com os primeiros sinais de outono e desaparece depois da migração). Um exemplo de um instinto duradouro é o desejo de cuidar da prole (que não desaparece tão rapidamente). Mas um instinto passageiro (como o desejo de migrar) pode temporariamente dominar um instinto duradouro (como cuidar da prole), fazendo com que um pássaro abandone os seus filhotes. Quando passa o instinto de migrar, o pássaro pode sentir remorso por ter abandonado os filhotes. Para Darwin (1998/1874), o sentimento moral se origina neste senso de remorso. É a capacidade de refletir a respeito do conflito entre instintos diferentes que inicia o processo da reflexão moral. Mas, como argumentou em outro trabalho (Werner 2003), os nossos julgamentos morais não devem se fundamentar nos nossos sentimentos – nem nos nossos sentimentos “instintuais” de justiça.

Quando intelectuais trabalham com questões de julgamento precisam lidar com dois momentos de pesquisa. Primeiro, precisam elaborar os critérios ou princípios que usarão para embasar os seus julgamentos. Depois usarão estes critérios para julgar casos específicos. Por exemplo, um filósofo interessado em questões morais primeiro tentará elaborar os princípios que norteiarão os seus julgamentos. A elaboração destes critérios envolve uma reflexão cuidadosa a respeito do conflito entre diferentes instintos ou desejos ou princípios. Isto é, os filósofos tentam averiguar se o príncipio que querem adotar poderia ser generalizado. Normalmente os filósofos começam com um possível critério (por exemplo, o princípio de "justiça") e depois imaginam diferentes cenários para ver se este princípio serviria. É comum na filosofia inventar dilemas morais fantasiosos para ver se o princípio em pauta funcionaria como querem. Eis um dilema moral muito usado -- o dilema do bonde:

                Um bonde vem em alta velocidade sem freios. Você está posicionado numa forquilha nas trilhas e poderia direcionar o bonde para um ou outro caminho. Numa trilha estão cinco prisoneiros trabalhando; Na outra trilha está uma criança. Não há tempo para as pessoas sairem, e com certeza a bonde vai matar quem está nas trilhas. O que você deve fazer?

Um filósofo poderia variar esta estória para examinar as implicações de diferentes princípios.  Em vez de prisoneiros vs. uma criança, pode ter um parente seu, versus dois inimigos; ou um doente terminal vs. o dono (e responsável) pela bonde. Cada variação exige que se pensa na adequação do princípio (neste caso "justiça") que se quer aplicar. Depois o filósofo poderia tentar aplicar outro princípio aos mesmos dilemas.

            Depois de esclarecer o princípio ou os critérios a serem adotados se pode elaborar um código de ética profissional ou simplesmente usar estes critérios diretamente para  examinar casos verdadeiros específicos

            As vezes é possível usar técnicas quantitativas para ajudar na elaboração de critérios para avaliar algo. Por exemplo, para avaliar a qualidade de diferentes marcas de geladeira poderíamos examinar vários critérios -- a) eficiência energética, b) durabilidade, c) preço, d) praticidade de uso, e) risco de perigo, f) satisfação declarada do frequês, g) número de queixas deixadas no PROCON. Se descobrimos que as mesmas marcas são avaliadas como melhores em todos estes critérios, temos uma boa justificativa para julgar estas marcas como realmente melhores. Estatisticamente achariamos correlações fortes entre os diferentes critérios e poderíamos simplesmente juntar todos os diferentes critérios num só. Teríamos, então, um índice geral de qualidade.

            De forma semelhante pode-se avaliar uma peça de arte ou literatura usando diferentes critérios como técnica, originalidade, imagens/emoções evocadas, pensamentos estimulados, implicações políticas, profundidade psicológica, etc.

È importante tomar cuidado em fazer avaliações pois elas podem ter implicações legais. Uma cidade que recebe uma baixa avaliação em qualidade de vida poderia entrar com processo contra o pesquisador (como de fato ja aconteceu) uma vez que isto implica em perda de dinheiro na forma de turismo, congressos, ou crescimento geral. Nos Estados Unidos a avaliação de candidatos a empregos também precisa ser feita com muito cautela, pois qualquer deslize pode implicar em processo. Por isto algumas empresas se especializam em elaborar critérios e testes para avaliação de candidatos. Um exemplo é "The Test Validation and Construction (TV&C) Unit of the California State Personnel Board" (2004). Para realizar o seu trabalho, empresas como esta precisam primeiro elaborar critérios para avaliar o desempenho de funcionários. Estes critérios podem incluir avaliações feitas por superiores, por colegas ou por clientes, e índices de produção dos funcionários. Por exemplo, para avaliar bancários poderia-se usar avaliações de chefes, colegas e clientes do banco, e índices de rendimento como número de clientes atendidos por dia, tipos de atendimento oferecidos, número de erros cometidos, etc. Depois são elaborados testes cognitivos, psicológicos, e de conhecimento que em princípio poderiam prever bom desempenho posterior. Para poder usar estes testes para avaliação de candidatos é necessário mostrar que os testes são válidos. Isto quer dizer que se precisa mostrar que estes testes realmente predizem quem terá melhor desempenho segundo os critérios originais (índices de rendimento e avaliações de chefes, colegas, e clientes). Ou seja, os testes precisam ser testados. Só com estes dados em mão é que o empregador consegue se proteger contra processos legais movidos por candidatos que se sentem prejudicados. No Brasil estas exigências ainda não têm a força de lei. (Nem o vestibular foi testado!). Mas imagino que em breve alguém vai ganhar o primeiro processo e os psicológos industriais e organizacionais terão muito emprego elaborando testes e outros critérios usados para concursos.

A idéia de formular de antemão os critérios a serem usados para avaliar programas políticas e sociais também está ficando cada vez mais popular. Atualmente o Banco Mundial e outras agências financiadoras de grandes projetos estão exigindo que estes critérios e sua forma de avaliação façam parte dos projetos submetidos para financiamento. Obviamente, precisa-se de profissionais qualificadas academicamente para assumir estas tarefas. A tarefa de julgar continuará sendo uma parte importante da vida acadêmica por muito tempo.

DESCREVER

            Talvez seja a descrição a atividade que mais ocupa o tempo dos pesquisadores. Pode parecer algo relativamente "simples". Afinal é só ir para algum lugar, ou usar algum instrumento novo e escrever tudo sobre o que se vê. Mas a descrição nunca é tão "simples" assim. As escolhas a respeito do que se quer descrever, de como se buscam os dados, e de como se organizam as informações sempre dependem de uma outra finalidade mais específica. Por exemplo, Aristóteles uma vez fez a experiência de abrir um ovo de galinha para cada dia depois de ser posto. Ele queria descrever em detalhe como se desenvolve a ave dentro do ôvo. Mas Aristóteles tinha uma finalidade maior que ditava o que ele precisava descrever. Ele queria contrastar dois argumentos a respeito de como os seres vivos se desenvolvem. Uma teoria (chamada a teoria da "pré-formação")  argumentava que já existiam, desde o início, todas as partes de uma planta ou animal,  e que o desenvolvimento implicava simplesmente no crescimento das diferentes partes (embora com taxas de crescimento diferemtes). A outra teoria (chamada de "epigênese") argumentava que o desenvolvimento implicava na criação de partes totalmente novas (Harré 1981). Foram estes argumentos que fizeram com que Aristóteles prestasse atenção especial em quaisquer indícios de olhos, patas, asas, etc. nos primeiros dias do desenvolvimento do pintinho. De forma semelhante, Galileu usou a sua nova invenção, o seu telescópio, para descrever fenômenos astronômicos. Mas também Galileu prestou atenção especial a fenômenos com implicações maiores. Ficou muito contente em poder observar as manchas no sol, pois o movimento destas manchas mostrou que o sol girava, o que apoiava a idéia de que a terra também poderia girar, dando sustento à visão de Copérnico a respeito do sistema solar (Santillana 1955). Estas observações de Aristóteles e Galileu foram usadas para contrastrar explicações, uma finalidade que será abordada mais tarde.

            A descrição também pode ter a finalidade de ajudar na criação. Por exemplo, Picasso estudou arte primitiva com a intenção de buscar elementos para usar nas suas próprias obras, e compositores examinam a música de culturas distantes com a mesma intenção. Da mesma maneira alguns historiadores estudam batalhas antigas para conseguir dicas sobre estratégias de guerra atual, ou químicos descrevem organismos no mar ou teias de aranha para descobrir truques sobre como fabricar substâncias novas. A busca de inspiração é uma função importante da descrição, mas como a criação será abordada mais tarde, também deixarei esta finalidade para depois. Nesta seção gostaria de focalizar outras finalidades por trás da descrição que não se enquadram nas tentativas de avaliar explicações, nem angrariar elementos para criação. São elas: 1) levantar novidades para explicar, 2) diagnosticar situações, e 3) compreender o ponto de vista de outras pessoas.

Descrever para levantar novidades para explicar.

Uma das finalidades por trás da descrição é simplesmente a curiosidade em saber o que existe "lá fora." A nossa imaginação é limitada pelas nossas experiências e pela biologia dos nossos cérebros, enquanto o mundo real desconhece tais limites. Por isto a realidade é muito mais estranha que a ficção. Buscar novidades tem sempre sido uma atividade muito valorizada. Especialmente quando se trata de fenômenos mais "exóticos" ficamos estimulados a repensar as coisas. Por isto as viagens de descobrimento são tão cativantes. Um documentário na televisão descreve um lago em Camarões que periodicamente explode, liberando dioxódio de carbono dissolvido no fundo e matando pessoas e animais ao redor. Um biólogo descreve como um sapo dá a luz pela pele das suas costas. Um antropólogo descreve uma cultura amazônica onde os jovens precisam passar meses presos num cantinho da casa. Um neurocientista descreve como autistas conseguem visualizar e sentir prazer em contemplar números primos enormes. Queremos saber os porques destes fenômenos, e muitas vezes descobrimos que as respostas são ligadas a outros fenômenos, talvez mais familiares e mais relevantes no nosso dia a dia.

            Mas a busca para novidades não precisa se limitar a exotismos.  Às vezes basta considerar alguma variação comum que não tem recebido muita atenção para abrir todo um leque de novas pesquisas. Um exemplo é a distinção feita por Elizabeth Bott (1957) entre redes sociais "de malha estreita" versus redes de "malha frouxa". No seu estudo de casais britânicos Bott observou que havia uma diferença enorme entre as vidas sociais de casais de famílias operárias versus profissionais. Nas famílias operárias os maridos e mulheres tinham vidas sociais distintas. As mulheres se relacionavam principalmente com as suas famílias de origem, enquanto os homens se relacionavam mais com os seus amigos de infância. Os amigos, tanto das mulheres como dos homens, se conheciam muito bem e mantinham muitas relações entre si (criando uma rede social "estreita"). Em contrapartida o marido e mulher da classe profissional tinham amigos em comum, mas estes amigos não se conheciam entre si, criando redes sociais "frouxas." Colegas de trabalho não conheciam colegas do clube, ou da igreja, etc. É claro que estas diferenças teriam implicações sobre outros aspectos da vida dos casais -- desde questões de dependência moral e financeira até questões de sexualidade e amor romântico. Até questões psicológicas, como a construção de uma identidade pessoal, são implicadas uma vez que é muito diferente ter um grupo de amigos que lhe conhece em muitos aspectos da sua vida ou amigos que conhecem apenas um aspecto da sua vida (como a sua vida profissional ou a sua vida de lazer, por exemplo).  Como mostrou Bott, estas diferenças podem ser quantificadas e as pessoas podem ser classificadas como tendo redes sociais mais estreitas ou mais frouxas.

            Enquanto a distinção de Bott se baseia numa única variável (redes "frouxas" versus "estreitas"), às vezes os pesquisadores inventam classificações que envolvem mais de uma variável. Neste caso os pesquisadores buscam elaborar "tipologias" para enquadrar sociedades ou indivíduos ou substâncias de acordo com mais de um critério. Por exemplo, no seu estudo sobre conflitos rurais, Paige (1975) classificou sistemas agrárias em cinco "tipos": 1) sistemas de parceria (nos quais o agricultor paga uma percentagem da sua produção ao dono da terra); 2) sistemas de "hacienda" (nos quais o agricultor trabalha na terra do dono, mas recebe em compensação um pedaço para cultivo próprio); 3) sistemas de trabalho migratório (nos quais o agricultor só trabalha durante um período -- época da colheita, por exemplo); 4) sistemas de "engenho" (nos quais o produto agrícola é processado no campo e o trabalhador recebe um salário fixo); e 5) sistemas de pequenos proprietários (onde o dono trabalha a sua própria terra). Embora não haja nenhuma razão a priori para pensar que esta tipologia pudesse contemplar todos os sistemas de agricultura que já existiram no mundo, Paige mostrou que uma grande parcela dos sistemas de agricultura se encaixava num ou outro tipo. Com esta tipologia Paige pôde prever o tipo de reivindicações que os agricultores teriam e os tipos de conflito que ocorreriam. Muitas pesquisas descritivas visam elaborar tipologias, com o intuito de depois usar estas tipologias em pesquisas que visam explicar variações. A elaboração de uma tipologia geralmente tem como finalidade usar a tipologia como causa ou conseqüência numa explicação. Por exemplo, o ensaio que você está lendo aquí tem como finalidade elaborar uma tipologia de finalidades de pesquisa para entender as implicações (conseqüências) destas finalidades quanto a metodologias usadas na pesquisa e a utilidade que cada finalidade pode ter.

            Tipologias constituem um tipo de padrão. Muitos filósofos naturais se dedicam a descrever padrões na natureza – modelos ou equações matemáticas que descreveriam fenômenos da natureza. Exemplos incluem os modelos elaborados por Ptolomeu e Copérnico para descrever o movimento das planetas e estrelas, ou os padrões descobertos por Döbereiner e Newman para descrever a periodicidade dos elementos químicos. Muitas vezes estes padrões são descritos como “leis” da natureza. Trata-se de fenômenos empíricos observados, mas que carecem de explicações. Na matemática tais observações são às vezes consideradas como axiomas, mas são semelhantes às “leis” da natureza. Por exemplo, a observação de que “todos os números pares podem ser expressos como a soma de dois números primos” nunca foi comprovada matemáticamente, mas foi examinada até o número 10¹⁴ (Chaitin 2006). A busca para padrões se assemelha à atividade de “explicar/testar” descrita mais adiante, mas existem algumas diferenças essenciais. A explicação/teste  implica na extrapolação de dados que já conhecemos para dados que ainda não temos. Neste sentido a tabela periódica de elementos elaborada por Mendeleev era diferente das observações de Döbereiner e Newman. Mendeleev deixou espaços na sua tabela para elementos que ainda não tinham sido descobertos, e previu (corretamente) que algum dia estes elementos seriam descobertos e que possuiriam os pesos e as características previstos pela tabela (Levere 2001) Além disso, uma explicação deveria ainda dizer algo a respeito dos “porques” do padrão encontrado. Neste sentido as teorias de Newton a respeito da força da gravidade e a inércia, forneceram uma explicação pelos padrões encontrados no movimento dos corpos celestes, e ainda serviram para prever a localização de outra planeta ainda não descoberta.

            Descrever para Diagnosticar

            Outro objetivo de uma descrição é diagnosticar um caso específico para saber como agir. A utilidade de um diagnóstico depende de um bom entendimento das causas e conseqüências do que se quer diagnosticar. Exige, então, pesquisas anteriores que visam explicar fenômenos. Por exemplo, um médico pode exigir uma bateria de exames para descrever a situação de um paciente. Mas pouco vale o diagnóstico se não existem pesquisas anteriores que esclarecem as causas de problemas e (se espera) formas de remediá-los. São estas pesquisas anteriores que vão orientar o médico a respeito do que ele deve procurar. Normalmente o paciente e o médico conseguem descrever algumas coisas de imediato -- a presença de febre, ou erupções na pele, por exemplo. Mas como há muitas coisas que podem causar febre e erupções é preciso ir além. O médico levanta algumas possíveis causas para estes fenômenos --  trata-se de uma alergia? de uma infecção de estafilococo? de herpes zoster? Para distinguir entre estas possibilidades precisa-se de mais informações. Se for herpes zoster as erupções estariam apenas num lado do corpo, e o paciente teria que ter contraído catapora antes na vida. Se for uma alergia seria possível identificar o agente que a causou? Às vezes mais vale simplesmente tentar usar um remédio para ver se resolve o problema -- sai mais barato que fazer testes de laboratório. Em fim, um bom diagnóstico depende de um entendimento prévio das possíveis causas ou conseqüências do que se quer diagnosticar.

            Bons diagnósticos para outras questões seguem a mesma lógica. Por exemplo, um detetive precisa descobrir a causa (e/ou) agente de uma morte. Para fazer um diagnóstico do caso o detetive precisa ter alguma idéia das possíveis causas das evidências que encontra na cena do crime. A posição do corpo do morto sugere algo sobre como morreu? Substâncias químicas no corpo revelam algo? O local diz alguma coisa? Outros restos encontrados no lugar revelam algo? Às vezes se pode fazer uma pequena experiência ad hoc para ver se alguma evidência é compatível com o cenário imaginado. Por exemplo, as pegadas encontradas sugerem que a pessoa estava correndo ou andando devagar? Faça uma experiência. Usando sapatos parecidos corra num lugar parecido e depois ande devagar. As pegadas que você encontrou se parecem mais com aquelas deixadas quando você corria ou quando andava devagar? A ciência criminalística está cheia de pequenas experiências já realizadas que apontam as causas das evidências que se encontra numa cena de crime. Isto vale até para avaliações das características psicológicas de criminosos. Por exemplo, o FBI mantém um corpo de especialistas que retrata o perfil social e psicológico de assassinos seriais. Estes perfis são possíveis porque pesquisadores tinham entrevistado anteriormente assassinos seriais já capturados e tinham buscado correlações entre características dos assassinos e evidências encontradas nas cenas dos seus crimes (Burgess et alii 1986; Douglas et alii 1986).

            Outros tipos de diagnóstico seguem a mesma lógica. Uma boa pesquisa de mercado, por exemplo, depende de uma análise anterior a respeito do que leva a maiores vendas. Algumas empresas (MacDonalds, por exemplo) já possuem um corpo de pesquisas que esclarecem quais variáveis predizem a venda do seu produto. Pesquisas anteriores podem usar técnicas estatísticas (como regressão múltipla) para desenvolver fórmulas do tipo: "O número de hambúrgueres vendidos por dia é igual a 15 + 0,02 X o número de pessoas que passam pela frente do restaurante por dia + 0,001 X o número de carros que passam pela frente do restaurante por dia + 0,03 X o número de adolescentes que passam pelo local à noite". Claro que não possuo as fórmulas verdadeiras usadas pelas empresas, que devem ser segredos muito bem guardados. Mas a lógica é clara. Com estas fórmulas já estabelecidas via pesquisas anteriores, é possível prever as vendas que um restaurante teria num dado local simplesmente juntando dados sobre as variáveis em pauta para aquele local. Uma notícia mais recente mostrou que MacDonalds agora consegue prever o que pessoas específicas vão pedir no restaurante a partir de observações do que acontece no parque de estacionamento. Esta informação ajuda a preparar a comida certa no momento certo, evitando a necessidade de jogar comida fora e poupando 25 a 40 segundos no tempo de atendimento para cada freguês (Sheehan 2004)

            Incluídas neste tipo de pesquisa estão não apenas pesquisas de mercado para empresas, mas também pesquisas de opinião para eleições, os censos usados por administradores que precisam avaliar a necessidade de hospitais ou escolas num local, e outras pesquisas do gênero. Existe um mercado grande hoje em dia para pesquisadores que fazem diagnósticos para grandes projetos governamentais. Agências financeiras como o Banco Mundial exigem relatórios de impactos ambientais, econômicos e sociais antes de autorizar qualquer projeto grande -- uma barragem, um canal, ou a implantação de um parque industrial. A rigor estas pesquisas diagnósticas deveriam poder se basear em pesquisas sistemáticas anteriores sobre impactos de obras semelhantes em situações variadas. Mas nem toda pesquisa deste tipo possui estudos anteriores suficientes para esclarecer o que se precisa saber para fazer um bom diagnóstico. Às vezes os pesquisadores simplesmente pressupõem que sabem as implicações. Às vezes estas pressuposições estão certas. Às vezes não.

            Pesquisas de mercado são muito caras. Muitas vezes são baseadas em amostragens que precisam ser grandes e representativas das populações alvas. Com tais amostragens pode-se chegar a conclusões do tipo: "temos 95% de certeza que neste bairro entre 11% e 14% das pessoas tem 10 anos de idade." Vale a pena perguntar se este tipo de conclusão merece sempre tanto esforço. Especialmente quando pesquisas anteriores não esclarecem as implicações ou conseqüências destas afirmações, a utilidade destas conclusões pode ser muito limitada. Por exemplo, podendo calcular o número de crianças com 10 anos de idade realmente nos diz o que devemos fazer em termos de escolas? Ou a decisão a respeito da construção de escolas depende também de outros fatores, talvez mais relevantes -- como o número de escolas particulares já existentes no bairro, ou o desejo dos pais de manterem os filhos na escola. Às vezes estas outras questões merecem mais atenção.

            Muitas vezes diagnósticos precisam levar em conta a interação de muitas variáveis. Para saber o que vai acontecer com um sistema ecológico, por exemplo, um pesquisador precisa analisar um conjunto de variáveis interrelacionadas que formam um sistema. Neste caso o ecólogo muitas vezes recorre a simulações de computador para analisar como todas estas variáveis interagem. Médicos também podem precisar fazer análises deste tipo para entender como diferentes remédios interagem ou para entender como um paciente com várias enfermidades vai reagir.  Nestes casos as simulações dependem não somente de pesquisas anteriores sobre causas e efeitos específicos para cada par de variáveis, mas também de pesquisas sobre como sistemas como um todo funcionam.

            Para resumir, bons diagnósticos são importantíssimos, mas sempre dependem de pesquisas anteriores a respeito das implicações das evidências que se quer desvendar com o diagnóstico. Estas pesquisas anteriores serão discutidas posteriormente na seção intitulada "Explicar/testar”.

            Descrever para Compreender

            A compreensão consiste em analisar os significados por trás da comunicação e/ou cognição humana, e geralmente consiste na análise de categorias e intenções encontradas em textos, falas, gestos, e material "multimídia". Atualmente, a compreensão do ponto de vista de outras pessoas tem se tornada uma das finalidades de pesquisa mais populares nas ciências humanas. Esta popularidade tem se redundado em várias orientações teóricas denominadas por rótulos como "hermenêutica", "análise de texto", "análise de discurso", "construtivismo", "etnociència", "etnometodologia", "semiótica", "semiologia", "interacionismo simbólico", "antropologia simbólica", etc. Historiadores, antropólogos, sociólogos, estudiosos do Direito, e psicanalistas todos buscam a compreensão, mas nem sempre pelas mesmas razões. Muitas vezes as finalidades destas pesquisas correspondem às finalidades já descritas em outras partes deste ensaio como "julgar", "diagnosticar", ou "explicar”.Mas como a compreensão de significados tem se tornado tão importante no mundo acadêmico hoje, acho que merece uma seção própria neste ensaio.

            Historicamente um dos primeiros objetivos da compreensão foi a interpretação correta de textos antigos. Já na antigüidade estudiosos judeus buscavam interpretar textos sagrados hebraicos, e na idade média cristãos também interpretavam a Bíblia para saber como deveriam agir nas suas vidas. A compreensão, então teve a finalidade de "julgar" o que se deveria fazer.  Foi a partir do século XV que os cristãos se preocuparam mais em usar a metodologia chamada "hermenêutica" (de Hermes, o Deus grego da comunicação) para interpretar estes textos da forma "correta" e não de acordo com as suas próprias imaginações. Ainda hoje muitos consideram estes textos a autoridade máxima para as suas vidas, e assim querem evitar recorrer a autoridades eclesiásticas ou à imposição nos textos sagrados das suas próprias opiniões (p.ex. Thomas 1990). O problema de interpretação destes textos envolve tanto a questão de traduzir os textos de idiomas já extintos como o problema de entender a sua aplicação a novas situações. Nesta versão da hermenêutica os estudiosos olham os textos como um todo examinando minuciosamente todas as menções de uma dada palavra, e todas as referências a um dado assunto para poder entender o significado original das palavras. Evitam interpretações "figurativas", a não ser que hajam razões especificas vindas do próprio texto, e geralmente tentam entender a intenção por trás do texto, prestando muita atenção ao contexto no qual foi escrito (Erkel 1999).

            Como muitos destes textos sagrados também serviam como Lei nas suas sociedades de origem, não é de se admirar que a hermenêutica também tem sido muito usada na interpretação de leis por parte de juízes e estudiosos do Direito. Dentro do Direito há vários correntes sobre como a hermenêutica deve ser aplicada. Para os "originalistas" o que interessa é a intenção dos formuladores das leis originais. Para os "não-originalistas" a interpretação pode (e deve) se basear em interpretações históricas, que incluem interpretação dos textos legais em si, independentemente dos significados dados por seus formuladores originais. Em parte esta diferença reflete o grau de cinismo das autoridades legais quanto aos formuladores das leis (Fish 1992). Por exemplo, numa frase famosa atribuída a Otto Bismarck, Primeiro Ministro do Reino da Prússia e posteriormente Chancelar do Império Alemão, "de leis e lingüiça, é melhor nem saber como foram feitas”.O debate entre interpretações que visam exclusivamente descobrir o significado original dos textos e interpretações que visam "traduzir" estes textos para situações concretas atuais, também se reflete no debate entre uma hermenêutica "tradicional" e uma hermenêutica "existencial". Uma hermenêutica existencial da Bíblia, por exemplo, visa traduzir o texto original em termos que se comunicam com a experiência existencial que cada um tem de Deus.

            Hoje, muitos pesquisadores das áreas de arte, literatura, jornalismo, lingüística, história, antropologia, sociologia, e psicanálise também tentam descobrir os significados por trás de textos e outras formas de comunicação, como multimídia, ou interações pessoais. Mas estes estudiosos não estão buscando um guia para julgar comportamento. Em vez disso, visam criticar a "construção" destas idéias, mostrando as suas limitações e defeitos. Ao "desconstruir" estes conceitos, pretendem reconstruir outros conceitos mais adequados, e menos preconceituosos. Por exemplo, numa "análise de discurso crítica" Lu (2002)  comparou reportagens sobre a situação política entre China e Taiwan em jornais norte-americanos vs. chineses. Ela contou o número de referências de diferentes tipos de palavras ou frases nos jornais dos dois países. Ao se referir ao protagonista do artigo, 63% das referências chinesas falavam do "governo, povo e exército" chinês, enquanto apenas 26% das referências norte-americanas falavam isso. Em contrapartida, 39% das referências norte-americanas mencionavam o "governo e povo taiwanês", contra apenas 4% das referências chinesas. Lu também observou que os textos jornalísticos norte-americanos eram mais compridos, abordavam mais assuntos e falavam mais de conflitos entre Taiwan e China, enquanto os textos chineses falavam muito mais da "política de uma China única".        

            Diferenças entre os discursos de homens e mulheres também têm sido muito estudadas usando análises de textos e discursos. Por exemplo, no seu estudo de e-mails dos chats de rapazes e meninas, Arunachalam, et alii (2005) mostraram que rapazes usam muito mais palavras de frustração (como "cale a boca”) e a palavra "não". Analisando textos literários (principalmente romances) Koppel et alii (2002) conseguiram distinguir com 80% de acertos quais textos eram escrito por homens e quais por mulheres, pois os homens falavam mais de coisas, enquanto as mulheres falavam mais de relacionamentos.

            A busca para significados pode ser feita com outras finalidades além de julgar comportamentos. Psicanalistas muitas vezes procuram entender os significados por trás de acontecimentos, narrativas, e discursos com o intuito de diagnosticar os problemas dos seus pacientes. Podem, por exemplo, pedir que pacientes mantenham um diário esclarecendo o que fazem durante o dia, e os sentimentos que estas atividades evocam, para depois buscar correlações entre situações e sentimentos. Ou podem simplesmente observar mais minuciosamente as associações que as pessoas fazem entre diferentes temas ao relatar coisas sobre as suas vidas. Mudanças abruptas de temas, por exemplo, muitas vezes significam alguma associação não muito clara, e os "lapsos" "Freudianos" revelam outras.

            Antropólogos também buscam compreender outros povos simplesmente para elaborar novos assuntos para análise, embora muitas vezes a busca de significados de outros povos possa também ajudar a combater o preconceito ao revelar outros pontos de vista. Às vezes a procura de significados pode levar a novas idéias para uma atividade criativa -- como inspiração para escrever um romance. Ou a compreensão de outras pessoas pode fazer parte de uma tentativa de explicação. Um exemplo desta última finalidade é o estudo das frases escritas por crianças nos seus e-mails. Matushansky e Wexler (2001) descobriram que crianças pequenas falham em não comunicar o sujeito das suas frases, e que a explicação mais provável é o problema de entender o ponto de vista do outro. Só com o amadurecimento cognitivo é que as crianças se dão conta de que outras pessoas podem não ter as mesmas informações que elas, e que é necessário esclarecer "quem" fez o que numa frase.

             A busca de significados envolve não apenas a quantificação dos assuntos ou frases usados em diferentes textos ou discursos, mas também uma atenção especial a fatores mais sutis. Por exemplo, numa análise de multimídia, pode ser interessante observar o olhar ("gaze" em inglês). Quem é que as pessoas estão olhando? Fotografias antigas em revistas como Geografia Universal raras vezes mostravam pessoas de outras culturas olhando diretamente para a câmera, mas fotos mais recentes mostram este tipo de olhar, talvez refletindo o fato dos leitores da revista encararem os povos diferentes como menos "exóticos". O ângulo da câmera num filme também defina o ponto de vista do espectador. Nas últimas décadas críticos têm observado que as vítimas de assassinos são muitas vezes filmadas do ponto de vista do assassino, o que não ocorria antes.

            Uma atenção toda especial tem sido dada à construção dos conceitos de diferentes povos, períodos históricos, etc. Entender como estes conceitos são construídos envolve duas questões. Primeiro pesquisadores podem se focalizar no conceito em si, e especialmente nas suas conotações, não apenas nas suas denotações. Isto pode ser feito examinando associações destes conceitos com outros conceitos. Por exemplo, a palavra "audaz" tem uma conotação boa, enquanto a palavra "arrogante" soa ruim, embora os dois conceitos possam se referir ao mesmo comportamento. O verbo "querer" soa popular, enquanto "desejar" soa mais formal. Um estudo das situações nas quais diferentes palavras aparecem num dado idioma ou cultura ajudam a entender estas conotações. Muitas vezes a etimologia de uma palavra ajuda a entender como um conceito foi construído. Por exemplo, muitas das palavras que usamos para xingar as outras pessoas derivam de gestos de primatas (Arango 1989; Werner 1998)

                Etimologias mostram que palavras mais abstratas geralmente são construídas a partir de fenômenos mais concretos. Mas com a complexificação, significados mais exatos dependem de contrastes com palavras com significados semelhantes. Pense nas diferenças entre palavras como "todo", "agregado", "conjunto", "inteiro". Este processo de criar significados via contrastes se revela mais claramente nos gestos inventados por surdo mudos e na invenção de diferentes escritas. Em ambos os casos se começa com gestos ou desenhos que parecem muito com o que pretendem comunicar. Depois estes gestos/desenhos são abreviados, o que cria ambigüidade (por exemplo, entre o gesto para “vem cá” e o gesto para “comer”). Finalmente, se estabelece critérios arbitrários para distinguir os diferentes gestos que não parecem mais com o que pretendem significar (Burlem 2005; Pender 1994; Woodard 1996). Muitas especialidades acadêmicas passam muito tempo esclarecendo as distinções sutis dos seus jargãos.

            Para entender os princípios por trás de diferentes contrastes, estudiosos muitas vezes usam técnicas emprestadas da lingüística. Uma técnica muito usada pela etnociência é a análise de “características distintas”. Uma análise das características distintas de consoantes em inglês, por exemplo, observaria um padrão nos contrastes entre os consoantes /p/, /b/, e /m/,  os consoantes /t/, /d/, e /n/,  e os consoantes /k/, /g/, e /ng/.  Apenas dois fatores distinguem estes nove consoantes -- "lugar de articulação", e "voz".

De forma semelhante, uma análise de características distintas ajuda a entender melhor a lógica das cinco maneiras diferentes de dizer "nós" no idioma dos índios Caiapós ("bar", "ba me", "gu", "gwai", e "gu me"). A lógica por trás dos seus pronomes se baseia em apenas duas dimensões: "tamanho do grupo", e "pessoa". Análises de características distintas têm sido usadas para entender classificações de fenômenos tão dísparos como insetos (Posey, 1979), instrumentos musicais (Bastos 1988), e refeições (Burling  1970).

A análise de características distintas é apenas uma entre muitas técnicas para esclarecer o significado de conceitos. Ratcliff (2005) distinguiu 15 técnicas diferentes.

            Pesquisadores de significados procuram entender mais do que sistemas de classificação de conceitos. Existe todo um leque de problemas a analisar. Para dar apenas um exemplo, existem muitas pesquisas dedicadas a entender exclusivamente os algoritmos (seqüência de procedimentos ou regras) que as pessoas usam para tomar decisões relacionadas a questões como saúde (Langdon 1986), agricultura (Barlett 1980), ou disputas legais (Martino e Natali 1985). Cada questão destas tem gerado várias técnicas para desvendar o problema.

CRIAR

                 Em última análise, a criação é o objetivo final da produção acadêmica, e é sobre ela que incidem os direitos intelectuais como patentes, direitos autorais e registros de marca. Associamos o processo criativo principalmente à produção de obras de arte  e a invenções tecnológicas, mas também lidamos com criatividade ao elaborar novos testes psicológicos (que aliás podem receber patentes), novos instrumentos financeiros (como sistemas de seguro ou derivativos), ou novas formas de administração (como franquias, sistemas de "agricultura integrada", programas políticas, novos métodos de ensino, etc.). Em fim, a criatividade tem como objetivo qualquer produto a ser produzido ou programa a ser implementado. Também classificaria como atividades de criação a organização de textos, ou a elaboração de explicações a serem examinadas pela ciência. Mas não classificaria como criação a finalidade de examinar o impacto de algum produto ou programa. Uma analogia com a seleção natural esclarece a questão. A seleção natural consiste em duas etapas: 1) a produção de variações, e 2) a seleção de algumas destas variações para reprodução futura. É na primeira etapa (a produção de variações) que jaz a criatividade. A segunda regra (seleção) lida com a questão de julgar ou testar o que foi criado. Claro que às vezes precisamos criar instrumentos para avaliar as coisas que criamos, mas quando a nossa meta final é selecionar os melhores produtos ou as melhores explicações, estamos lidando julgamentos ou explicações/testes.

            Como é que se dá a criação? Gostaria de distinguir várias fontes, todas também comuns no processo de seleção natural. Primeiro, a fonte mais comum de variações é fazer uma pequena modificação em algo que já existe. Na seleção natural isto se dá principalmente via recombinações novas de coisas já existentes ou via pequenas mutações. Nos trabalhos acadêmicos ocorre algo parecido. Uma pintora faz uma pequena mudança no movimento dos pinceis e acaba produzindo quadros diferentes. Um músico modifica sutilmente o ritmo de alguma música e cria um novo estilo (aliás, uma das recomendações de Johannes Brahms para compositores iniciantes era escrever variações sobre um tema para poder se dar conta das implicações destas modificações). Um engenheiro muda a posição de controle de um aparelho de DVD, ou um cientista modifica sutilmente uma teoria pré-existente.

            Às vezes uma pequena modificação produz grandes efeitos no produto final. Por exemplo, Wolfram (2001) mostrou como pequenas modificações nas taxas de crescimento de diferentes partes de conchas resultam nos mais variados crustáceos. De forma semelhante, qualquer um que tenha trabalhado com teares ou tricô reconhecerá as enormes diferenças que surgem da modificação de uma regra simples. O mesmo acontece nos trabalhos de compositores -- uma pequena modificação no sistema rítmico do baixo modifica totalmente a música. Engenheiros percebem a mesma coisa quando modificam sutilmente as proporções de diferentes materiais numa mistura, ou produzem ondas eletromagnéticas de tamanhos minimamente diferentes. O matemático LaPlace comentou uma vez que se conhecêssemos todas as condições iniciais da natureza e todas as suas leis, poderíamos prever o futuro. Hoje, com  o princípio de incerteza de Heisenberg não acreditamos mais na possibilidade de conhecer todas as condições iniciais, e os teóricos de caos mostraram que pequenas diferenças nas condições iniciais de processos naturais produzem resultados totalmente diferentes (o "efeito borboleta"), tornando a previsão do futuro impossível. Wolfram (2001) vai além dos teóricos do caos e mostra que mesmo sabendo as condições iniciais e todas as regras, ainda não poderemos prever o futuro. Ele fez simulações de computador com regras extremamente simples (apenas cinco regras por exemplo) que resultaram em padrões totalmente imprevisíveis. Como argumenta Wolfram, tentar modelar o futuro levaria tanto tempo quanto a passagem do tempo em si. É um pouco como o mapa descrito num conto de Jorge Borges. Este mapa apresentava tantos detalhes que era do mesmo tamanho da área original que pretendia mapear.

            Um tipo de mudança pequena que tem impactos tremendos é a junção de duas coisas pré-existentes num novo produto. O exemplo mais conhecido da natureza foi a evolução das primeiras células eucariotes (células com núcleos que protegem o DNA). Imagina-se que as células eucariotes se originaram da simbiose de duas células distintas que se fundiram numa só, sendo que uma das células se tornou o núcleo da outra. A história da tecnologia está cheia de tais fusões de elementos pré-existentes. Um exemplo recente é a fusão do telefone celular com o computador de mão. Nas artes, o cinema juntou teatro e fotografia. O ensino a distância juntou a internet e a educação.

            Outra fonte de criatividade é o uso de algo pré-existente para uma função nova. Na evolução tais mudanças de função (chamadas "exaptação") são comuns. As plumas nos primeiros dinossauros serviam principalmente para aquecer o corpo. Só depois é que serviram principalmente para voar. Um dos ossos do nosso ouvido funcionou nos nossos antepassados distantes como parte de uma mandíbula. Só depois é que serviu para transmitir vibrações. No caso da seleção natural estas mudanças de função provavelmente ocorreram devagar, sendo que a mesma estrutura desempenhava simultaneamente mais de uma função. As penas aqueciam o corpo, ao mesmo tempo em que ajudavam o animal a quebrar uma queda ou a subir numa árvore. O mesmo osso serviu para articular a mandíbula e também para transmitir vibrações (como nos casos de cobras e hipopótamos hoje). A exaptação é muito comum nas artes. Na música, por exemplo, o estilo "responsorial" no qual uma pessoa canta uma parte, e depois o grupo responde, pode ter se originado em grupos de trabalho, ou rituais religiosos (o padre entoa, e a congregação entoa). Só depois é que este estilo foi usado para distinguir a voz mais talentosa do coro geral no gospel e hoje na música popular. A exaptação é extremamente comum nas inovações tecnológicas. Por exemplo, a roda de água primeiro movimentava moinhos de trigo, para depois ser usado na tecelagem, e na geração de energia. O arco serviu primeiro para sustentar tetos, e depois também serviu para reter a água atrás de uma barragem. A aspirina originalmente serviu só para aliviar dores, mas hoje muitos tomam aspirina para deixar o sangue mais fluido. É justamente por ser tão comum que a exaptação está criando problemas hoje nas leis de patentes. Por exemplo, pesquisadores na área de genética às vezes ganham o patente de um gene (na realidade o patente é para a proteína produzida pelo gene) ao argumentar que serve para algum uso frívolo -- como xampu. Depois outro pesquisador que descobre um uso mais importante para aquela mesma proteína é obrigado a pagar royalties para o dono do patente. Por causa destes problemas críticos estão buscando novas regras para patentes, e exigindo que o uso do produto seja melhor definido. Talvez no futuro se ganhará o patente apenas para o uso especificado no patente em si.

            Exaptação também é muito importante na administração.  Como no caso da seleção natural o mesmo programa pode servir várias funções, mas a função principal pode mudar com o tempo.  Por exemplo, um imposto sobre gasolina pode ser criado com a finalidade de arrecadar dinheiro para a construção de estradas, mas pode-se descobrir depois que tem outra função, até mais importante  -- o incentivo para uso de fontes alternativas de energia. Aposentadorias para agricultores foram criadas para sustentar velhos do campo, mas descobriu-se que também incentivaram os jovens a cuidarem melhor dos seus pais e avós, e a morarem com eles. Isto afeta toda a construção de famílias, e implica em maior controle dos velhos sobre o comportamento dos jovens.

            A última fonte de inspiração criativa é a analogia. Na evolução vemos o papel de analogias nas adaptações "convergentes" de diferentes espécies a problemas semelhantes. Por exemplo, a forma de torpedo e a pele lisa encontrados em tubarões, baleias, pingüins e submarinos resultaram de adaptações independentes ao mesmo problema de turbulência e fricção na água. O que está por trás destas adaptações são as mesmas leis físicas. Processos semelhantes ocorrem nas analogias feitas por intelectuais. Aliás, alguns pesquisadores argumentam que é a capacidade para fazer analogias que melhor explica a criatividade de grandes artistas e cientistas. Analogias captam “paralelas” em diferentes situações, mas a maior criatividade ocorre quando as semelhanças são encontradas nas estruturas profundas por trás dos fenômenos e não em características superficiais. Dois exemplos de paralelos nas estruturas por trás da música e da pintura ilustram a questão. Pesquisas sobre a nossa cognição visual mostram que temos uma tendência a ignorar elementos repetidos num desenho, e focalizar nos elementos que fogem desta repetição. Na música vemos este mesmo fenômeno quando uma peça repete os mesmos acordes com todas as notas iguais com exceção de apenas uma nota. Neste caso percebemos a nota móvel como a melodia. De forma semelhante um arpegio repetido com o mesmo ritmo será logo ignorado, e as notas com ritmos mais variados serão percebidos como a melodia. Também nas representações visuais tendemos a "completar" formas escondidas “por trás” de outras formas (por exemplo, um círculo parcialmente escondido por trás de um retângulo "na frente"). Bebés, recém nascidos já mostram surpresa se estas formas são separadas e se descobre que o "círculo" de fato falta um pedaço. Na música este mesmo fenômeno de percepção ocorre quando uma segunda voz começa uma melodia antes que a primeira voz termina a sua melodia -- uma técnica muito comum na música renascentista e barroca. Nas nossas cabeças completamos as formas visuais e as melodias, mesmo se faltam pedaços.

            Inovações tecnológicas e científicas muitas vezes se originam com analogias. Edison usou um modelo hidráulico para a sua invenção do telégrafo quadruplexo (Edison 1969). Maxwell usou o modelo de vórtices de água para explicar as linhas de força magnética descritas por Faraday (Haley 2005). É claro que a situação social de um cientista influencia os modelos ou analogias disponíveis para uma mente criativa. Atualmente, com o desenvolvimento de sistemas complexos de computação e comunicação, o modelo de computação está sendo usado para muitas questões. Por exemplo, antigamente o sistema imunológico foi descrito usando termos militares (sistema de defesa, células assassinas, ataques, invasores, etc.). Hoje se usa muito mais o vocabulário da comunicação (células mensageiras, marcadores, informação, "feedback").

            Na administração a analogia também tem sido muito usada. Administradores públicos adotam modelos de empresas particulares. Psicoterapeutas fazem analogias com práticas xamânicas na tentativa de buscar novas terapias. Empresas analisam a organização de negócios em outros países, etc.

            A simples adoção de analogias não garante sucesso criativo.  Pesquisadores e pessoas criativas concordam que um aspecto muito importante do processo criativo é a capacidade para jogar fora idéias que não funcionam  (Dunbar 199). Por exemplo, um dos conselhos mais básicos de Brahms para jovens compositores era a importância de descartar músicas que não davam certas. Pode se tentar um pouco ajustar uma linha de baixo para que uma música funcione, mas não se deve gastar muito tempo nisto. É muito melhor começar de novo com outro esquema. Muitos empresários bem sucedidos passaram por muitas tentativas fracassadas. A disponibilidade para começar tudo de novo com outra idéia era essencial para o sucesso de pessoas como Hershey (do chocolate Hershey).  Um dos maiores perigos na ciência é o "viés para confirmação" de pesquisadores. É preciso poder se desapegar de idéias quando a evidência mostra que não estão funcionando como queria. Isto corresponde à segunda etapa do processo de seleção natural -- "selecione apenas algumas variações para produção futura." Para os acadêmicos, isto corresponde à finalidade de "Explicar-testar".

            Não existe uma regra clara sobre quando deveriamos jogar fora uma idéia ou um produto, e quando devemos tentar uma modificação, mas pesquisadores de complexidade têm mostrado que quando os critérios para continuar com uma idéia são muito frouxos acabamos “poluindo” as nossas cabeças com idéias de pouco valor, o que limita a criatividade. Mas o oposto – critérios muito severos – também é problemático, pois acabamos rejeitando idéias que teriam chances de sucesso. A maior complexidade se cria justamente quando os critérios de seleção não são nem severos, nem frouxos demais (Waldrop  1992; Johnson 2001).

RACIOCINAR

                Todas as finalidades acadêmicas exigem um bom raciocínio. Isto implica não apenas em evitar contradições lógicas, mas também em perceber quando palavras estão sendo usadas com sentidos diferentes, quando argumentos se referem a fenômenos diferentes, ou quando pesquisadores estão trabalhando com finalidades diferentes. Um bom levantamento descritivo precisa deixar claro quando os dados se referem à mesma coisa, uma boa diagnóstica precisa discriminar muito bem os sintomas do caso, e um bom trabalho de compreensão precisa evitar atribuir significados semelhantes quando os textos ou os informantes estão falando de coisas diferentes. Bons julgamentos, boas criações e boas explicações todos precisam destas capacidades. E a diferença entre uma boa e uma má revisão da literatura sobre um assunto jaz justamente nestas capacidades para raciocinar, discriminar, confrontar, e compatibilizar. É muito diferente de uma mera coleção de fichamentos de textos.

                Embora o raciocínio faça parte de todas as atividades acadêmicas, algumas pesquisas têm como finalidade única o raciocínio. Por isto achei necessário separar raciocínio como uma finalidade de pesquisa em si. O trabalho de raciocínio mais tradicional e mais desenvolvido é a matemática. Embora muitas pessoas identifiquem a matemática com a “ciência”, neste ensaio prefiro separar as duas coisas. Modelos matemáticos podem fornecer boas descrições de movimentos planetários, movimentos de objetos, ou interações eletromagnéticas, mas não constituem em si trabalhos científicos. Como esclarecerei mais adianta a metodologia científica exige a busca de dados para contrastar explicações alternativas. Modelos matemáticos podem servir de explicações, mas é necessário acrescentar pesquisas empíricas para averiguar quais modelos melhor dão conta dos dados encontrados.

                Hoje em dia a computação está rapidamente assumindo a liderança nos estudos de raciocínio. Alguns pesquisadores (Wolfram 2001) até contemplam a possibilidade de reinventar todas as leis já descobertas pela ciência a partir de simulações de computador em substituição às fórmulas matemáticas. Hoje, simulações de computador estão sendo usadas para analisar a lógica de argumentos muito mais complexas que a matemática seria capaz de tratar -- como a logística de sistemas de transporte, o desenvolvimento de sistemas "inteligentes", e o esclarecimento de fenômenos naturais como a expansão do universo, a previsão do tempo, ou a evolução de sistemas ecológicos. Embora simulações sejam mais comuns nas áreas mais tecnológicas e nas ciências naturais, algumas áreas humanas (como a economia e a demografia) também dependem muito de simulações. Até algumas das técnicas de simulação mais populares (como a teoria de jogos) foram desenvolvidas primeiro nas áreas humanas para depois serem utilizadas nas ciências naturais.

                Simulações de computador são, na realidade, fantasias muito bem especificadas. Imaginam-se algumas regras, incluindo os momentos da sua aplicação (algoritmos) e depois se pergunta: "se as regras funcionavam deste jeito, qual seria o resultado?" Geralmente pesquisadores fazem muitas simulações diferentes, modificando alguns algoritmos ou algumas condições iniciais, para poder observar diferenças nos resultados. As simulações podem ser usadas para várias finalidades. Um uso é simplesmente ver se um argumento tem nexo. Por exemplo, um físico poderia imaginar um cenário para a expansão do universo, e usar uma simulação deste cenário para ver se as suas idéias resultariam no universo como o conhecemos. Durante várias décadas antropólogos debatiam as conseqüências para a vida social de certas regras para casamento (como a preferência para um rapaz se casar com a filha do irmão da mãe). Situações demográficas (por exemplo, a inexistência de tal prima) afetariam muito o cumprimento de tais regras, e as conseqüências para a estrutura social. Só com simulações mais precisas é que se tornou viável examinar estas questões (por exemplo, White  1999). Muitas vezes simulações deste tipo empregam a metodologia "Monte Carlo". Por exemplo, Werner (1982) queria saber se os índios Mekranoti davam preferência a parentes como amigos. Para avaliar esta questão, simulou o que aconteceria se os índios simplesmente escolhiam amigos por acaso. Fez 100 simulações da escolha de amigos por acaso entre os membros da aldeia, e registrou o número de parentes que apareceram "por acaso" em cada simulação. Isto resultou numa curva normal de "número de parentes citados". O número de parentes que os índios de fato tinham escolhido como amigos estava muito próximo ao número médio de parentes que apareceram nas simulações de escolhas feitas ao acaso. Concluiu-se, então, que os índios não davam preferência a parentes nas suas escolhas para amigos. O confronto de tais simulações com dados reais serve para eliminar modelos que obviamente não correspondem à realidade, nos ajudando a entender melhor como funciona (ou pelo menos a entender como não funciona) a natureza.

                Simulações podem ser usadas também para criar algo. Por exemplo, um especialista em transporte pode examinar as conseqüências para o fluxo do tráfico de diferentes arranjos de estradas e sinaleiras e depois usar as simulações para decidir como construir um sistema de rodovias. Hoje engenheiros usam simulações em vez de testes reais para averiguar projetos iniciais de construção de aviões, e até bombas.

                Muitas vezes simulações são usadas para ter uma idéia de como será o futuro. Mas o uso de simulações para prever o futuro é muito arriscado, uma vez que pequenas mudanças nos algoritmos da simulação ou nas suas condições iniciais podem resultar em cenários totalmente diferentes. Hoje em dia vemos muitos debates a respeito das conseqüências ecológicas de diferentes atividades humanas. Por exemplo, muitos cientistas fazem simulações para avaliar o impacto de diferentes poluentes sobre o aquecimento global, e têm usado estas simulações para sugerir políticas a serem tomadas. Mas, como demonstrou Lomborg (2001), pequenas mudanças nas simulações resultam em conseqüências tão diferentes que é de se perguntar se servem como embasamento para políticas internacionais. Simulações são extremamente úteis e necessárias, mas precisamos ter sempre em mente que elas (como fórmulas matemáticas, ou silogismos lógicos) são, no fundo, fantasias. Podem esclarecer possíveis conseqüências dos nossos atos, mas não são bolas de cristal que prevêm o futuro.

EXPLICAR/TESTAR

                Geralmente quando se fala em "metodologia científica" é a avaliação de explicações que se tem em mente. Explicações (argumentos) lidam com relações de causa e efeito. Estudos de efeitos geralmente consistem em avaliações sobre as conseqüências (efeitos) de alguma novidade -- como um novo remédio, um novo regime alimentar, ou uma nova metodologia de ensino. Estudos sobre causas geralmente tomam a forma de uma estória de detetive no qual se busca o responsável por algo.

                Neste momento preciso fazer uma distinção entre a concepção da ciência como uma “metodologia,” e a identificação da ciência como uma “filosofia natural.”  Muitas pessoas ressaltam o papel de explicações naturais (versus explicações sobrenaturais) como o critério para chamar algo de “científico.” Quem adota esta visão costuma ver na filosofia natural dos antigos gregos a origem da “ciência,” e usa termos como “explicação científica” ou “conceito científico”. Mas a “metodologia científica” não precisa se restringir a explicações naturais. É possível examinar explicações que envolvem forças divinas com o método científico. Com efeito, no início do século XIX explicações derivadas da “teologia natural” podiam (e às vezes foram) testadas usando métodos científicos. A “teologia natural” se baseava na idéia de que poderíamos achar Deus na natureza – especialmente nas adaptações perfeitas das plantas e dos animais aos seus ambientes. A idéia era que só Deus poderia ter criado tal perfeição. A metodologia científica poderia ser usada para averiguar se certas adaptações realmente estavam correlacionadas às necessidades imaginadas pelos pesquisadores. Por exemplo, a forma de torpedo realmente está associada à vida na água (como no caso de pingüins, golfinhos, ou tubarões)? Seria injustificável afirmar que as pesquisas realizadas sob a égide da “teologia natural” eram menos científicas que aquelas realizadas sob a égide da “filosofia natural”.  Também é preciso esclarecer que muitas explicações “naturais” (sem elementos sobrenaturais) nunca foram examinadas com uma metodologia científica. Exemplos incluem muitas explicações a respeito dos poderes curativos de diferentes plantas ou “energias.”  Explicações e conceitos não são “científicos” em si, pois a ciência é apenas uma metodologia para avaliar explicações.

                Neste sentido, a metodologia científica é muito mais antiga que a filosofia grega. È provável que seja conhecida por toda a humanidade. Por exemplo, na minha pesquisa de campo entre os índios Mekranoti, observei um índio fazer uma experiência científica para descobrir como plantar feijão (um produto novo no seu grupo). Ele plantou parte do feijão no centro da roça onde receberia muito sol, e parte na periferia onde receberia mais sombra para descobrir onde cresceria melhor (Werner 1984).

Também, preciso esclarecer um ponto muito importante, mas muito esquecido sobre o que constitui uma explicação – Este ponto é que não podemos explicar fenômenos em si! Só podemos explicar variações. Só podemos explicar porque estes têm algo, e aqueles não têm; porque alguns são mais e outros são menos, etc. Por exemplo, não podemos explicar "diabetes”.Mas podemos explicar porque algumas pessoas sofrem de diabetes e outros não; porque diabetes existe entre alguns animais mas não entre outros, ou porque algumas sociedades têm maiores incidências de diabetes (Werner 1999).  Muitos críticos da ciência reclamam que "tudo" é multicausal, e que a busca de causas únicas para fenômenos é errada. Mas esta crítica decorre de um mal-entendido a respeito da causalidade. Quando deixamos claro que estamos falando de causas de variações torna-se viável buscar um único fator que "dá conta" de toda a variação que encontramos. Claro, muitas vezes não conseguimos achar um único fator, mas pressupor de antemão que isto é impossível não é correto. De toda maneira, descobrir um fator que dá conta de parte da variação que queremos explicar já é uma grande realização. Mesmo se um remédio não consegue salvar todos os doentes, pode salvar muitos, e isto em si já é uma vantagem.

Assim, a primeira etapa num estudo dedicado a testar explicações consiste em esclarecer a variação que se quer explicar. Muitos projetos de pesquisa falham justamente neste ponto fundamental. A falha em esclarecer a variação a ser explicado resulta em raciocínio torto e na impossibilidade de “dar conta” de qualquer coisa. Bons projetos de pesquisa dão exemplos da variação que se pretende explicar antes de sugerir possíveis explicações para esta variação. Este esclarecimento inicial do objeto da pesquisa é extremamente importante porque temos uma tendência a pressupor que as outras pessoas entendem a variação que queremos explicar quando na realidade não entendem. Por exemplo, quando um jornalista pergunta a um assaltante porque matou alguém, o assaltante pode muito bem responder algo como: "porquê ele reagiu." O assaltante estava esclarecendo porquê matou esta vítima mas não outras vítimas que assaltou. Mas o jornalista geralmente quer saber porque algumas pessoas estão dispostas a matar enquanto outras pessoas não matariam.

Esta questão mostra uma das dificuldades com a interpretação de explicações nativas para coisas. É preciso não confundir tais explicações com as explicações que interessam os pesquisadores ou administradores. Outro exemplo ilustra o problema. Uma pesquisa recente (que tomou a forma de pesquisa de mercado) perguntou às pessoas porque saíram do campo para morar nas cidades. As respostas incluíam frases como "porque tenho uma namorada na cidade". Ou "porque recebi uma oferta de trabalho". Administradores e políticos interessados em diminuir o êxodo rural precisam ter muito cuidado em interpretar estas explicações -- por várias razões. Primeiro as pessoas nem sempre esclarecem a variação que estão explicando. Muitas vezes o informante está simplesmente esclarecendo porquê ele resolveu se mudar para a cidade neste momento e não outro momento, ou porquê ele saiu do campo mas não o seu irmão, ou porquê foi para a cidade e não para outro lugar no campo. Provavelmente os administradores estão interessados em explicar outras variações -- porque há maiores taxas de emigração para a cidade agora em comparação com o passado, ou porque alguns municípios conseguem segurar as pessoas no campo e outros municípios não. A explicação destas variações e a sua avaliação exigem outras metodologias.

Além do problema do esclarecimento da variação a ser explicada, também há outros problemas com uma dependência em explicações nativas. Às vezes as pessoas simplesmente não sabem porquê fazem o que fazem. Pergunte para um transexual porquê ele quer ser mulher. Ele pode muito bem entender que você está interessado em saber porquê ele, mas não outros homens, quer mudar de sexo. Mas pode não fazer idéia de porquê. Responderá simplesmente algo como "sempre quis, desde pequeno." Também às vezes as pessoas mentem ou ajustam as suas respostas numa tentativa de agradar o pesquisador ou se apresentar numa luz melhor. Em fim, levantamentos descritivos sobre explicações nativas podem ajudar a esclarecer quais variações que se quer explicar, ou até servir para inspirar uma explicação a ser testada, mas descrições de explicações nativas não constituem em si, pesquisas com a finalidade de explicar/testar.

A avaliação de uma explicação geralmente consiste em buscar algo que "dá conta" da variação que se quer explicar. Isto geralmente toma a forma da busca de uma correlação entre a variação a ser explicada e as variações estipuladas na explicação. O esclarecimento das co-variações que se imagina encontrar numa pesquisa se chama elaboração de "hipóteses" no jargão da ciência. (As outras finalidades de pesquisa descritas neste ensaio não envolvem a elaboração de hipóteses.) Hipóteses geralmente tomam a forma: "quanto mais a, mais b",  "quanto mais a, menos b", ou "onde tem a, também devemos encontrar b" ou ainda "onde tem a, mas com pouco c, então devemos encontrar mais b", etc.  Quando pesquisadores não encontram a co-variação esperada eles são obrigados a repensarem as suas idéias, modificando-as, ou simplesmente jogando-as fora. Neste sentido a metodologia científica é muito especial, pois inclui um mecanismo de "autocorreção".

                Mas mesmo quando pesquisadores encontram a co-variação esperada, ainda pode haver muitas dúvidas a respeito da explicação por trás dos achados. Primeiro, outros pesquisadores devem poder replicar a pesquisa e encontrar os mesmos resultados. Para permitir esta replicação, cientistas precisam ser muito claros sobre como estão procedendo nas suas pesquisas. Precisam fornecer "receitas" para que outros possam realizar a mesma pesquisa para averiguar que não há erros, ou fraudes. Caso não haja replicação, as explicações precisam ser repensadas.

                Também, correlações podem ser encontradas por razões que não tem nada a ver com a explicação do pesquisador. Por exemplo, pesquisadores podem ter uma teoria sobre as virtudes nutricionais do tomate, e realizar uma pesquisa epidemiológica que mostra que pessoas que consomem mais tomates têm menores incidências de câncer. Mas isto, em si, não comprova os efeitos salutares de tomates, pois pessoas que consomem mais tomates geralmente compartem também outras características -- consomem mais verduras em geral, se preocupam mais com a saúde, e fazem mais exercícios físicos, etc. Para ter mais confiança que há algo especial no tomate pesquisadores precisam "controlar" estas outras questões.

                Controle de variáveis

 Há basicamente 3 métodos para eliminar os efeitos de outras variáveis externas ao propósito da pesquisa: "controlá-las," "neutralizá-las," e "descontá-las".

                i) "Controle" de variáveis externas à pesquisa.

Uma maneira de lidar com variáveis externas é literalmente "controlá-las", isto é, não deixar que variem. Por exemplo, um físico pode manter constante a temperatura e pressão atmosférica enquanto examina o que acontece quando manipula outra variável para avaliar o seu efeito sobre o que quer examinar.

ii). "Neutralização" de variáveis externas à pesquisa.

Neste método indivíduos são designados aleatoriamente a um grupo "experimental" ou a um grupo "de controle". Os grupos recebem tratamentos diferenciados. Com este método, diferenças preexistentes entre indivíduos que poderiam interferir nos resultados da pesquisa são efetivamente neutralizadas, pois os dois grupos acabam sendo "iguais" nas suas variações preexistentes. Logo, diferenças posteriores entre os grupos só podem ser atribuídas aos tratamentos diferenciados que receberam. O método "duplamente cego" usado para pesquisas médicas é um exemplo. Nestas pesquisas alguns pacientes recebem um placebo (só soro, por exemplo) enquanto outros recebem o remédio em pauta. Nem os pacientes, nem os médicos sabem quem recebeu o placebo e quem recebeu o remédio.

iii). "Desconto" de variáveis externas à pesquisa.

Com esta metodologia o pesquisador precisa medir não apenas as variáveis usadas para explicar a variação de interesse, mas também outras variáveis que poderiam teoricamente interferir com os resultados. Por exemplo, na pesquisa que pretende avaliar o efeito do consumo de tomates sobre taxas de câncer pode-se descontar o efeito das outras variáveis associadas ao consumo de tomates -- consumo de outras verduras, maior preocupação geral com a saúde, etc.  Técnicas estatísticas (como correlações parciais, ou regressão múltipla) geralmente são usadas para "descontar" o efeito destas outras variáveis. Projetos que usam esta metodologia devem ter muito cuidado em contemplar (e medir) todas as variáveis que poderiam teoricamente interferir com os resultados das análises estatísticas.

Pesquisas geralmente se concentram em apenas um método para controlar variáveis Mas nada impede que um projeto use todas. Por exemplo, considere um projeto que visa avaliar porque alguns homens preferem mulheres mais gordas e outros preferem magras. Este projeto poderia controlar "idade" e "sexo" ao incluir na amostra apenas homens entre 20 e 25 anos (primeiro método). Poderia usar informações de um questionário para descontar muitas variáveis como nível sócio-econômico, tamanho da família de origem, peso da mãe, etc. E poderia incluir uma pequena experiência para avaliar se preferências para gordas estão relacionadas ao sentimento de dominância ou não. Por exemplo, depois de receber um questionário, o pesquisador poderia fingir analisar umas respostas e depois informar o sujeito (de forma aleatória) que ele é alto (ou baixo) em qualidades de liderança, para depois pedir para o sujeito avaliar qual de 4 desenhos de mulher ele acha mais atraente.

                Hoje em dia, jornalistas de ciência estão dando mais atenção à necessidade de esclarecer como pesquisadores controlaram, neutralizaram ou descontaram os efeitos de variáveis que não tinham a ver com os argumentos sendo testados. Por exemplo, lemos frases como "Pesquisadores do Instituto... mostraram que, independentemente do seu consumo geral de verduras ou seu exercício físico, pessoas que consomem mais tomates têm menores incidências de câncer..." Às vezes se diz simplesmente que "controlando consumo de verduras em geral e exercício físico, pesquisadores acharam..." Neste contexto o significado do verbo "controlar" é generalizado para significar controle, neutralização ou desconto de variáveis. Mas ainda, às vezes, se lê algo muito mal relatado. Recentemente uma manchete anunciou que pesquisadores descobriram que "ingerir esperma diminui a depressão". Ao ler o artigo se percebe que o que foi encontrado foi simplesmente uma correlação mostrando que pessoas que engolem mais esperma têm menores incidências de depressão psicológica. Imagino que esta correlação seria muito melhor explicada com uma teoria bem mais simples: "Pessoas deprimidas se interessam menos por atividades sexuais, e por isso fazem menos felação."

                Amostras

A questão de controle de variáveis estranhas à pesquisa é muito importante, mas, infelizmente, muitas vezes negligenciada em projetos de pesquisa. Em contrapartida, a questão de amostragem muitas vezes recebe uma atenção desmerecida. O problema é que pesquisadores confundem as diversas finalidades de pesquisa. Pesquisas eleitorais e de mercado dependem muito de amostras "representativas", mas pesquisas que visam testar explicações não exigem esta representatividade. O que interessa em pesquisas que testam explicações é simplesmente esclarecer como as amostras são feitas para que outros pesquisadores possam replicar a pesquisa. Também se quer evitar que simples vieses na seleção das amostras possam dar conta dos resultados. Um exemplo de um viés deste tipo seria uma pesquisa que compara dois bairros quanto à participação dos seus moradores em organizações comunitárias. O pesquisador pode querer avaliar se diferentes programas (tipos de esporte, por exemplo) ajudam a esclarecer diferentes taxas de participação. Mas dificilmente os dois bairros serão iguais. Pode haver diferenças de idade ou de renda, ou de laços de parentesco nos dois bairros. Então qualquer diferença encontrada poderia ser atribuída a estas diferenças e não a diferenças na oferta de programas comunitários. A solução metodológica deste problema é simplesmente descontar estatisticamente estas outras variáveis. Para fazer isto, é muito importante incluir no projeto original informações sobre como se pretende medir estas outras variáveis (idade, renda, e laços de parentesco) dentro de cada bairro, e não se preocupar tanto com a "representatividade".

                Outra questão de amostragem que preocupa muitos pesquisadores é saber o tamanho da amostragem que se deve usar. É possível calcular o tamanho de amostra necessária para poder tirar conclusões tipo: “temos 95% de certeza que entre 10 e 14% dos moradores tem...”  Mas não existem fórmulas para determinar o tamanho "certo" quando  se faz uma pesquisa que visa testar explicações. No entanto, há duas considerações importantes. Primeiro, deve-se lembrar que correlações fracas só chegam a ser significativas estatisticamente (isto é só podemos confiar na sua autenticidade) se as amostras são grandes. Assim, quanto menor se imagina ser a correlação a ser encontrada, maior terá que ser a amostra. Segundo, pesquisas que precisam controlar muitas variáveis, necessitam amostras maiores.

                Existem ainda muitas outras questões metodológicas a respeito do uso de estatísticas para avaliação de explicações, mas encaminho o interessado para outras fontes para estas discussões. Em particular sugiro o capítulo sobre "Formas Intelectuais de Pensar" em Werner (1997) para uma discussão de mal-entendidos comuns.

            Emergência

            Muitos pesquisadores reclamam do “reducionismo” inerente a estas idéias sobre o teste de explicações. De fato na maior parte das pesquisas analisadas aquí um fenômeno maior é explicado ao “reduzí-lo” a relações de causa e efeito entre variáveis menores. O funcionamento de um átomo é “explicado” ao reduzí-lo a interação de partículas menores. O funcionamento de moléculas é explicado em termos de interrelações entre átomos. Células são explicadas em termos da interação entre moléculas. Uma sociedade é explicada em termos da interação entre pessoas individuais. Muito tem sido descoberto com este tipo de análise. Mas hoje há um contingente cada vez maior de pessoas interessadas em fazer o caminho inverso – buscar as “leis” que explicam como novos fenômenos “emergem” da interação entre elementos mais elementares. Pesquisadores interessados em “sistemas,” “complexidade,” “auto-organização” e “redes” têm buscado as regras que regem esta emergência. Por exemplo, a análise das propriedades de redes (sejam elas a Internet, redes sociais, ligações entre espécies num ecosistema ou a interação de moléculas dentro de uma célula) têm destacado a importância especial de nódulos centrais que possuem muito mais ligações que outros nódulos. Se estes nódulos centrais (“hubs”) são inativados as consequências são bem mais graves para a rede do que a inativação de outros nódulos mais periféricos. Um ataque a Google no World Wide Web afetaria profundamente a Internet, enquanto um ataque a meu homepage pessoal teria praticamente nenhum impacto sobre a rede. Da mesma forma a extinção de uma espécie com muitas ligações com outras espécies num sistema ecológico teria muito mais impacto que a extinção de uma espécie mais isolada. Uma doença que ataca uma célula com muitas ligações é muito mais grave do que um ataque a uma célula mais isolada (Barabási 2003). Ainda há muitas idéias a serem testadas a respeito de como se cria complexidade. Por exemplo, Barabási (2003) sugere que nódulos mais antigos numa rede em fase de crescimento ou evolução têm maiores chances de serem nódulos centrais – o que explicaria, por exemplo, o maior número de conexões dos neurônios mais antigos no cérebro. Já na seção sobre criação neste artigo mencionei outra “lei” a respeito do que cria mais complexidade -- a descoberta que a maior complexidade ocorre quando os critérios de seleção não são nem muito severos nem muito frouxos. Esta descoberta tem implicações importantes até para a metodologia científica: Para garantir a produtividade de boas idéias não é bom exigir provas e metodologias exigentes demais, nem aceitar metodologias frouxas demais. No primeiro caso acabamos rejeitando idéias boas, enquanto no segundo caso poluimos o ambiente científico com idéias com pouca chance de serem produtivas.

Interdisciplinaridade

            Nas universidades os departamentos acadêmicos costumam ser organizados de acordo com o tema estudado, não de acordo com as finalidades da pesquisa descritas neste ensaio. Imagino que muitos pesquisadores se sentem mais à vontade falando com pesquisadores de outras áreas que trabalham com finalidades semelhantes, do que com os próprios colegas de trabalho. Embora isto crie constrangimentos e conflitos entre colegas, acho que a organização não está tão errada assim. Muitas vezes é necessário juntar pesquisadores com finalidades diferentes para resolver problemas. Como exemplo, podemos examinar a história de AIDS.

            No final da década de 70 e início da década de 80 alguns médicos começaram a descrever casos "exóticos" de perda de imunidade. Estas descrições iniciais foram seguidas por levantamentos mais sistemáticos que tentavam achar pontos em comum e criar tipologias de sintomas. Algumas das primeiras tentativas para analisar as causas destes sintomas vinham de epidemiologistas e sociólogos, que contrastavam diferentes hipóteses que tinham sido levantadas na época. Alguns achavam que a doença era causada por um esgotamento do sistema imunológico causado pela introdução de muitos organismos estranhos ao corpo (neste caso, espermatozóides). Outros suspeitavam de um agente infeccioso -- um vírus ou uma bactéria. As pesquisas epidemiológicas (Goedert et alii 1985; Schlecter et alii 1985) mostraram correlações dos sintomas da doença com três fatores: 1) Muitos parceiros sexuais, 2) sexo anal passivo, e 3) visitas recentes às cidades de New York ou San Francisco. Esta última correlação sugeriu um agente infeccioso. Pesquisadores posteriores compararam doentes e não doentes numa tentativa de identificar o micróbio que poderia distinguir os dois grupos. Agentes infecciosos suspeitos foram testados em experiências com outros animais, e pesquisas de laboratório tentavam descrever as atividades dos agentes infecciosos num corpo. Outros se inspiravam em analogias, exaptações e pequenas variações de outros remédios, para criar possíveis remédios. Os efeitos dos remédios foram testados em animais, e depois em seres humanos, e os remédios que passavam estas fases foram testados nos seres humanos que tinham mais a ganhar (a menos a perder) com os testes. Ao mesmo tempo epidemiologistas faziam simulações da expansão da doença, e economistas estudaram o mercado para remédios. Outros pesquisadores realizavam trabalhos de compreensão para entender melhor como as pessoas encaravam a doença e para sugerir elementos a serem usados nas campanhas de prevenção, e nos programas para tratamento. Finalmente, diferentes sociedades tinham que julgar quais as políticas que deveriam adotar para o controle da doença. Em fim, pesquisadores usavam todas as finalidades de pesquisa descritas aqui para trabalhar a questão.

            Como ilustra este caso, precisamos de intelectuais para trabalhar todas as questões descritas neste ensaio. Pode haver divergências de opinião sobre quanto devemos investir em cada finalidade, mas nunca devemos querer simplesmente eliminar as abordagens daqueles que adotam finalidades diferentes das nossas. Precisamos de uma maior tolerância para as áreas de estudo dos outros, e uma melhor compreensão de como cada área funciona. Especialmente em congressos e outros momentos públicos os acadêmicos muitas vezes recorrem a argumentos “desonestos” para derrubar os seus colegas (ver Schopenhauer 1962 e Werner 1997, 2003 para exemplos). Estes truques baratos muitas vezes refletem lealdades acadêmicas mais do que críticas verdadeiras, e incluem o uso indevido de indignação moral, rótulos insultuosos, e citações de nomes de moda. Espero que este ensaio consegue elevar o diálogo entre diferentes pesquisadores para um nível mais produtivo.  A interdisciplinaridade depende não só de saber algo sobre os temas de outros pesquisadores mas também de uma compreensão dos seus objetivos, finalidades, e metas.

REFERÊNCIAS CITADAS

ARANGO, A.C. Dirty words: psychoanalytic insights. Northvale, N.J.: Jason Aronson, 1989.

ARUNACHALAM, S., GOULD, D., ANDERSEN, E., BRYD, D. e NARAYANAN, S. Politeness and Frustration Language in Child-Machine Interactions. Discourse and Syntax, http://sail.usc.edu/publications/euro01-chaimkids_ed.pdf. 2005.

BARABÁSI, Albert-László. Linked: How Everything is Connected to Everything Else and What it Means for Business, Science, and Everyday Life. New York: Penguin Books. 2003

BARLETT, P.F. (org.) Agricultural decision making : anthropological contributions to rural development
New York : Academic Press, 1980.

BASTOS, R.  Música cultura e sociedade no Alto Xingú: A Teoría musical do Índios Kamayurá. Folklore americano, v.  45,  p. 49-71, 1988 (enero-junio).

BOTT, E. 1957. Family and social network; roles, norms, and external relationships in ordinary urban families. London: Tavistock Publications, 1957.

BURLING, R. Man’s Many Voices: Language in its cultural context. New York: Holt, Rinehart and Winston, 1970.

BURLING, R. Motivation, Conventionalization, and Arbitrariness in the Origin of Language. http://www-personal.umich.edu/~rburling/SantaFe.html. 2005

BURGESS, A., DOUGLAS, J., D’AGOSTINO, R. HARTMAN, C, E RESSLER, R. Sexual Killers and Their Victims: Identifying Patterns Through Crime Scene Analysis, Journal of Interpersonal Violence, Vol. 1, No.3, Sept. 1986, 288-308.

CHAITIN, G. The Lmits of Reason.  Scientific American, Vol 294, No.3. March  2006, 54-61.

DAMASIO, A. R.. Descarte’s Error: Emotion, Reason, and the Human  Brain. New York: G.P. Putnam’s Sons, 1994

DAMASIO, A. R. Looking for Spinoza: Joy, Sorrow, and the Feeling Brain. New York: Harcourt, 2003.

DARWIN, C. The descent of man. New York: Prometheus Books, 1998 (Edição original de 1874).

DOUGLAS, J., RESSLER, R., BURGESS, A., E HARTMAN, C.  Criminal profiling from crime scene analysis, in: Behavioral Sciences and the Law, v.4, p. 401– 426. 1986.

DUNBAR, K. “Scientific Creativity”, The Encyclopedia of Creativity. New York: Academic Press, v 1, p. 1379-1384. 1999.

EDISON, T.M.  "Diversity Unlimited: The Creative Work of Thomas A. Edison," a condensation of a paper given before the MIT Club of Northern New Jersey, January 24. 1969.

ERKEL, D.M.. A GUIDE TO BASIC BIBLE INTERPRETATION. THOUSAND OAKS, CA: CHURCH IN FOCUS. http://www.churchinfocus.org/modules.php?name=News&file=categories&op= ewindex&catid=4. 1999.

FISH, S. Play of Surfaces: Theory and the Law. In: LEYH, G. (org.). Legal Hermeneutics: History, Theory, and Practice. Berkeley:  University of California Press,  1992.

GOEDERT, J.J., BIGGAR, R.U., WINN, D.M., MANN, D.L., BYAR, D.P., STRONG, D.M., DIGIOIA, R.A., GROSSMAN, R.J., SANCHEZ, W.C., KASE, R.G., GREENE, M.H. HOOVER, R.N. e BLATTNER, W.A. Decreased Helper T Lymphocytes in Homosexual Men, II. Sexual Practices. American Journal of Epídemiology, v. 121(5): p. 637-644, 1985.

HALEY, C. James Clerk Maxwell (1831-1879) mathematical physics. http://www.victorianweb.org/ science/maxwell1.html. 2005

HARRÉ,R. Great Scientific Experiments: Twenty Experiments that Changed our View of the World. Oxford: Oxford University Press. 1981.

HUGHES,  T.P. Designing, Developing and Reforming Systems. Daedalus fall. 1998.

JOHNSON, Steven. Emergence: The Connected Lives of Ants, Brains, Cities and Software. New York: Scribner 2001.

KOPPEL, M., ARGAMON, S., SHIMONI e A.R. Automatically Categorizing Written Texts by Author Gender Literary and Linguistic Computing v. 17(4), p.1-16, 2002

LANGDON, J. Saúde Indígena: A lógica do processo de atendimento. Trabalho apresentado no simpósio “Saúde e Índio,,” ministério de Saúde, Brasilia, D.F. agosto 1986.

LEVERE, T. H. Transforming Matter: A History of Chemistry from Alchemy to the Buckyball. London: The John Hopkins University Press. 2001.

LOMBORG,  B. The skeptical environmentalist : measuring the real state of the world. New York : Cambridge University Press, 2001.

LU, X. Discourse and ideology: The Taiwan issue in the Chinese and American media. In Christopher N. Candlin (org.), Research and Practice in Professional Discourse, pp. 589-608. Hong Kong: City University of Hong Kong Press, 2002.

MARTINO, A.A. e NATALI, F.S. (orgs.). Automated Analysis of Legal Texts (Logic, Informatics, Law). Proceedings of the Second International Conference on Logic, Informatics, Law
Florence, 3-6 September 1985

MATUSHANSKY, O. e WEXLER, K. Again on the subject of English null subjects. http://mapage.noos.fr/matushansky/Downloads/GALA_handout.pdf. 2001

PAIGE, J. M. Agrarian revolution : social movements and export agriculture in the underdeveloped world. New York : Free Press, 1975.

PINKER, S.

Plants - the Silent Witnesses to Crime, (sem autor) http://story.news.yahoo.com/news?tmpl= story&cid=570&ncid= 753&e= 7&u=/nm/20040908/sc_nm/crime_plants_dc.  Sept. 8 2004

POSEY, D. A. Ethnoentomology of the Gorotire Kayapó of Central Brazil. Ph.D. dissertation.University of Georgia, Athens, Georgia. 1979.

RATCLIFF, D.  15 Methods of Data  Analysis in Qualitative Research http://www.vanguard.edu/uploadedFiles/faculty/dratcliff/qualresources/15methods.pdf, 2005.

SANTILLANA,  G. de. The Crime of Galileo. Chicago: University of Chicago Press, 1955.

SCHLECTER, M.T., BOYKO, W.J., JEFFRIES, E., WILLOUGHBY, B., NITZ, R., CONSTANCE, P., WEAVER, M., WIGGS, B. O’SHAUGHNESSY, M. The Vancouver Lymphadenopathy – AIDS Study: 4. Effects of exposure factors, cofactors and HTLV-III seropositivity on number of helper T cells. Journal of the Canadian Medical Association, v. 133: p. 286-292, 1985.

School of Information Management and Systems at the University of California at Berkeley. How Much Information. http://www.sims.berkeley.edu/research/projects/how-much-info/index.html 2000.

SCHOPENHAUER, A. The Art of Controversy. In The Essential Schopenhauer. London: Unwin Books, pp. 165-196. 1962.

SHEEHAN, C. (AP Business Writer).  New Technology Estimates Fast-Food Demand. http://story.news.yahoo.com/news?tmpl=story&u=/ap/20040908/ap_on_hi_te/mcprofiling 8/9/04

The Test Validation and Construction (TV&C) Unit of the California State Personnel Board. x12.fearweb.net/index.php?url=http://www.spb.ca.gov/tvc. 2004.

THOMAS, R.L. The Link between Exegesis and Expository Preaching, Paper presented at 35th annual meeting of the Evangelical Society, Dallas Texas, and published in The Master´s Seminary Journal V.1(1).  (Spring 1990).

WALDROP, Mitchell. Complexity: The emerging Science at the Edge of Order and Chaos. New York: Simon and Schuster. 1992.

WERNER, D. Leadership Inheritance and Acculturation among the Mekranoti of Central Brazil. Human Organization.v. 41(4). P. 342-345. 1982.

WERNER, D. Amazon Journey: An Anthropologist´s Year among Brazil’s Mekranoti Indians. New York: Simon and Schuster. 1984.

WERNER, D. O pensamento de animais e intelectuais: evolução e epistemologia. Florianópolis: Editora da UFSC. 1997.

WERNER, D. Sobre a evolução e variação cultural na homossexualidade masculina. In Joana Maria Pedro e Miriam Pillar Grossi (orgs). Masculino, Feminino Plural. p. 99-129. Florianópolis: ed. Mulheres. 1998.

WERNER.D. Sexo, Símbolo e Solidariedade: Ensaios de Psciologia Evolucionista. Florianópolis: Coleção Ilha. Programa de Pós-Graduação em Antropologia Social. UFSC. 1999.

WERNER, D. Princípios morais e a evolução de um senso moral. Revista de Ciências Humanas, v. 34. p. 253-281. UFSC. Outubro 2003.

WHITE, D.R.  Controlled Simulation of Marriage Systems Journal of Artificial Societies and Social Simulation vol. 2, no. 3, http://www.soc.surrey.ac.uk/JASSS/2/3/5.html. 1999.

WOODARD, R. Writing Systems. In COMRIE, b., Matthews, S. e Polinsky, M. (orgs.). The Atlas of Languages: The Origin and Development of Languages throughout the World. p. 162-209. New York: Facts on File. 1996.

WOLFRAM, S. A New Kind of Science. Champaign, IL.:Wolfram Research, 2001.