Difusão do conhecimento de um tema específico em um determinado intervalo de tempo

Abstract

Diante do evidente empenho no estudo da Difusão do Conhecimento nas diversas áreas, verifica-se a disponibilização, por parte da comunidade científica, de várias técnicas e métodos de modelagem computacional, como alternativas para a democratização do conhecimento. Tratandose de conjuntos de soluções, encontra-se o universo das otimizações combinatórias que oferece um número considerável de métodos adequados para solucionar uma diversidade de problemas. Para o estudo da Difusão do Conhecimento de um tema específico em um determinado intervalo de tempo, objeto em voga, dentre os métodos adequados priorizou-se o Algoritmo Genético. O Algoritmo Genético fundamenta a lógica do seu funcionamento no Princípio da Evolução Natural proposto por Charles Darwin aliado às idéias de Genética proposta por Gregor Mendel. É facilmente adaptável para a resolução de uma grande variedade de problemas e os únicos componentes que dependem diretamente do domínio do problema são a representação (alelos ou repertório genético que codificam seus parâmetros) e a função de avaliação (determinante na adaptação do cromossomo na população). Optou-se pela Taxonomia de Objetivos Educacionais, proposta por Benjamin S. Bloom e colaboradores, 1956, uma vez que esta preenche os requisitos para uma boa representação dos cromossomos, sob a perspectiva dos níveis de aprendizagem. Como função de avaliação foi considerada a soma dos alelos de cada gene no cromossomo. A Taxonomia de Bloom classifica a aprendizagem em seis níveis obedecendo a uma hierarquia evolutiva. Para a modelagem proposta, considerou-se a seguinte codificação: um número [1,6] para indicar o genótipo e a denominação da categoria como fenótipo, conforme apresentado por Bloom (i.e. 1. Conhecimento; 2. Compreensão; 3. Aplicação; 4. Análise; 5. Síntese; 6. Avaliação). Ademais, por não ser contemplada na Taxonomia de Bloom a ausência de conhecimento, foi introduzida a categoria: 0. Desconhecimento total do tema. As simulações foram realizadas considerando diversos cenários. Os parâmetros usados foram: mutação (0,1%; 1%; 10%), crossover (20%; 40%; 60%; 80%; 100%), tamanho da população (2; 5; 10; 20; 50; 100; 150; 200; 250; 300) e número de gerações (500 ou mais). Com o propósito de obter maior diversidade de cromossomo na população, a população inicial foi XLI SBPO 2009 - Pesquisa Operacional na Gestão do Conhecimento Pág. 3129 gerada de forma aleatória. Porém foram realizadas simulações com todos os cromossomos da população possuindo o mesmo nível de aprendizagem. Na análise das simulações dos diversos cenários, observa-se que considerando populações com um número cada vez maior de indivíduos há uma tendência de uniformização do conhecimento. Isto nos leva a inferir que em populações maior que 50 indivíduos a diversidade de seus níveis de aprendizagem nas gerações iniciais contribui para uma aceleração da difusão do conhecimento, provocada pelo grau de adaptação de cada indivíduo, que em geral evolui a cada nova geração, atingindo uma estabilidade a partir de 200 gerações. Não obstante, o que mais despertou a atenção foram os resultados obtidos para população inicial com todos os cromossomos possuindo o mais alto nível de aprendizagem. Houve uma queda considerável do conhecimento nas gerações posteriores. Por falta de novas informações os indivíduos das gerações subseqüentes, propensos às mutações perdem a oportunidade de dispor de um nível de conhecimento já estabelecido na geração atual. Isto retrata a trajetória das organizações que não interagem com as inovações do mercado, experimentando como conseqüência a obsolescência de suas atividades.