Palavras-chave
Como Citar
Resumo
O futuro está para ser construído – é múltiplo e incerto. Dentro das ciências sociais, cenários podem ser definidos como descrição de uma situação futura e de um curso de eventos que permita o movimento de uma posição original para essa situação futura. Atualmente, existe à disposição uma enormidade de métodos e ferramentas para construção de cenários, entre eles métodos de abordagem essencialmente racionalista, como o de Michel Godet. A proposta deste trabalho é utilizar o método hipotético-dedutivo para reduzir, a partir do Método de Cenários de Michel Godet e de suas ferramentas, a complexidade no processo de construção de cenários, mas ao mesmo tempo manter a robustez das conclusões. Para isso, foram propostas duas abordagens: (1) integrar em apenas uma etapa a análise estrutural e a análise de impactos cruzados, a primeira resultando automaticamente do preenchimento da última; (2) utilizar o conceito de redes bayesianas como forma de integrar a matriz de impactos cruzados e a análise morfológica. Ambas as abordagens visam reduzir a quantidade de informações necessárias para alimentar as ferramentas e melhoram o critério de feedback, resultando em maior agilidade no processo e melhor visão holística do sistema. Cientificamente, essas abordagens abrem um novo campo para estudos de planejamento de cenários já que se apropriam do conceito de redes bayesianas, muito utilizado em outras áreas do conhecimento (inteligência artificial, estudos geológicos, diagnósticos médicos, classificação de padrões, etc.) e o trazem para o campo das ciências sociais.
Referências
Arcade, J., Godet, M., Meunier, F., & Roubelat, F. (1994). Structural analysis with the MICMAC method & actors’ strategy with MACTOR method. In J. C. Glenn, & T. J. Gordon (Orgs.), Futures research methodology. Paris: AC/UNU Millennium Project.
Ben-Gal, I. (2007). Bayesian networks. In F. Ruggeri, R. S. Kennett, & F. W. Faltin (Orgs.), Encyclopaedia of statistics in quality and reliability. UK: John Wiley & Sons.
Charniak, E. (1991). Bayesian networks without tears. AI Magazine, 12(4), 50-63.
Duncan, N. E., & Wack, P. (1994). Scenarios designed to improve decision making. Planning Review, 22(4), 18-46.
Fischer, R. B. (2010). Desenvolvendo o conceito de redes bayesianas na construção de cenários prospectivos. Dissertação de Mestrado, Escola Brasileira de Administração Pública e de Empresas da Fundação Getulio Vargas (EBAPE/FGV), Rio de Janeiro, RJ, Brasil.
Godet, M. (1993). From anticipation to action: a handbook of strategic prospective. Paris: UNESCO.
Godet, M., & Roubelat, F. (1996). Creating the future: the use and misuse of scenarios. Long Range Planning, 29(2), 164-171.
Godet, M., Monti, R., Meunier, F., & Roubelat, F. (1999). A caixa de ferramentas da prospectiva estratégica. Lisboa: CEPES.
Gordon, T. J. (1994). Cross impact method. In J. C. Glenn, & T. J. Gordon (Orgs.), Futures research methodology. Paris: AC/UNU Millennium Project.
Heijden, K. (2004). Planejamento de cenários: a arte da conversação estratégica. Porto Alegre: Bookman.
Jensen, F. (1996). An introduction to Bayesian networks. London: UCL Press.
Kjærulff, U. B., & Madsen, A. L. (2005). Probabilistic networks: an introduction to Bayesian networks and influence diagrams. Recuperado em 30 de junho, 2009, de http://www.cs.aau.dk/~uk/papers/pgm-book-I-05.pdf
Lacerda, W. S., & Braga, A. P. (2004). Experimento de um classificador de padrões baseado na regra naïve de Bayes. INFOCOMP Journal of Computer Science, 3(1), 30-35.
Lowd, D., & Domingos, P. (2005). Naïve Bayes models for probability estimation. Proceedings of the International Conference on Machine Learning, 22, Bonn, Germany.
Marcial, E. C., & Grumbach, R. S. (2005). Cenários prospectivos: como construir um futuro melhor (3a ed.). Rio de Janeiro: FGV.
Marques, E. (1988). Prospec: modelo de geração de cenários em planejamento estratégico. Recuperado em 11 de abril, 2007, de http://www.bndes.gov.br/conhecimento/livro_ideias/livro-11.pdf
Miles, I. (2005). Scenario planning. In UNIDO Technology foresight manual (vol. 1, pp. 168-193) Vienna: Unido.
Pearl, J. (1988). Probabilistic reasoning in intelligent systems: network of plausible inference. San Francisco, CA: Morgan Kaufmann.
Pearl, J. (1999). Graphs, structural models and causality. In C. Glymour, & G. F. Cooper (Orgs.), Computation, causation and discovery. Cambridge, MA: AAAI/MIT Press.
Pearl, J. (2000). Causality: models, reasoning, and inference. New York, NY: Cambridge University Press.
Perestrelo, M. M. M. C., & Caldas, J. M. C. (1998). Instrumentos de análise para utilização no método dos cenários: I – análise estrutural. Lisboa: Dinâmia.
Rish, I. (2001). An empirical study of the naïve Bayes classifier. Proceedings of the International Joint Conference on Artificial Intelligence, 17, Seattle, USA.
Ritchey, T. (2002). General morphological analysis: a general method for non-quantified modelling. Recuperado em 20 de abril, 2007, de http://www.swemorph.com/pdf/gma.pdf
Ritchey, T. (2005). Futures studies using morphological analysis. Recuperado em 20 de abril, 2007, de http://www.swemorph.com/pdf/futures.pdf
Sandnes, F. E., & Sinnen O. (2004). Stochastic DFS for multiprocessor scheduling of cyclic taskgraphs. Proceedings of the International Conference on Parallel and Distributed Computing: Applications and Technologies, 5, Singapore.
Schnaars, S. P. (1987). How to develop and use scenarios. Long Range Planning, 20(1), 105-114.
Schwartz, P. (2000). A arte da visão de longo prazo: planejando o futuro em um mundo de incertezas (4a ed.). São Paulo: Best Seller.
Wack, P. (1985a, September-October). Scenarios: uncharted waters ahead. Harvard Business Review, 63(5), 72-89.
Wack, P. (1985b, November-December). Scenarios: shooting the rapids. Harvard Business Review, 64(6), 139-150.
Authors who publish with this journal agree to the following terms:
1. Authors who publish in this journal agree to the following terms: the author(s) authorize(s) the publication of the text in the journal;
2. The author(s) ensure(s) that the contribution is original and unpublished and that it is not in the process of evaluation by another journal;
3. The journal is not responsible for the views, ideas and concepts presented in articles, and these are the sole responsibility of the author(s);
4. The publishers reserve the right to make textual adjustments and adapt texts to meet with publication standards.
5. Authors retain copyright and grant the journal the right to first publication, with the work simultaneously licensed under the Atribuição NãoComercial SemDerivações 4.0 Internacional, which allows the work to be shared with recognized authorship and initial publication in this journal.
6. Authors are allowed to assume additional contracts separately, for non-exclusive distribution of the version of the work published in this journal (e.g. publish in institutional repository or as a book chapter), with recognition of authorship and initial publication in this journal.
7. Authors are allowed and are encouraged to publish and distribute their work online (e.g. in institutional repositories or on a personal web page) at any point before or during the editorial process, as this can generate positive effects, as well as increase the impact and citations of the published work (see the effect of Free Access) at http://opcit.eprints.org/oacitation-biblio.html
• 8. Authors are able to use ORCID is a system of identification for authors. An ORCID identifier is unique to an individual and acts as a persistent digital identifier to ensure that authors (particularly those with relatively common names) can be distinguished and their work properly attributed.
• 9 The authors commit to serving as reviewers for the journal: As a form of reciprocity with the academic community, Future Studies reinforces the commitment that authors of accepted articles have to act as reviewers for manuscripts submitted to the journal.
Os artigos publicados estão licenciados sob uma licença Creative Commons Atribuição - Não comercial - Sem derivações 4.0 Internacional.