O Impacto das Ações de Fomento na Produção Científica: Um Estudo Quantitativo a
Partir de Dados em Painel
Autoria: Marcos Gilberto Dos-Santos, Kelly Cristina Brito-de-Jesus, Fernanda Almeida Pereira,
Miguel Angel Rivera-Castro, Elizabeth Jorge da Silva Monteiro de Freitas
Resumo
Ações de fomento à produção científica buscam desenvolver a ciência, que pode ser
mensurada a partir de artigos científicos publicados em periódicos indexados. O objetivo da
presente pesquisa é identificar quais ações de fomento explicam o aumento da produção
científica entre 63 pesquisadores, durante seis anos. A partir de uma abordagem quantitativa
com uso de regressão de dados em painel, identificou-se que as ações de fomento que são
explicativas do aumento da produção científica são o tempo de doutorado, programa de
doutorado no exterior, número de orientandos de doutorado e ter feito o doutorado num
programa CAPES 5.
Palavras-Chave: Fomento à Pesquisa; Produção Científica; Dados em Painel.
1
1. INTRODUÇÃO
É crescente nos últimos anos o interesse governamental, de organismos ligados à ciência e de
especialistas por indicadores que sejam capazes de auxiliar na análise da dinâmica de ciência,
tecnologia e inovação. Esses indicadores são vistos como instrumentos para o planejamento e
tomada de decisões do governo em relação ao fomento da ciência e às políticas de pesquisa no
país. Mecanismos que monitoram e avaliam o desenvolvimento da pesquisa científica já são
práticas antigas em países desenvolvidos (SANTOS, 2003; LETA, 2011).
Nesse sentido, o Ministério da Ciência e Tecnologia (BRASIL, 2002), e também órgãos
internacionais, como a UNESCO – Organização das Nações Unidas para a Educação, a
Ciência e a Cultura (2010), assinalam a importância de indicadores de ciência e tecnologia
para a criação de estratégias, tanto no sentido de conhecer o campo, quanto para desenhar
políticas governamentais na área. Dada essa importância, o desempenho da pesquisa científica
no país cada vez mais tem sido medido e avaliado por parâmetros objetivos (LETA, 2011).
Nesse contexto, as métricas utilizadas foram traduzidas, ao longo dos anos, em indicadores de
produtividade, que dizem respeito ao número de publicações e de visibilidade, expressado
pelo número de citações. Estes indicadores são utilizados na maior parte dos países. No
Brasil, as principais agências de fomento utilizam esses indicadores para avaliar as políticas
de ciência e tecnologia no país, e mais especificamente, os programas de pós-graduação
(SANTOS, 2003; VELHO, 2010; LETA, 2011).
Leta (2011) considera que existem limitações conceituais e metodológicas nesse modelo de
avaliação baseado fundamentalmente nesses dois indicadores para a tomada de decisão em
políticas de ciência e tecnologia. Todavia, as estatísticas produzidas a partir dessas métricas
tornaram-se padrão para avaliação da pesquisa no Brasil e determinam em boa medida a
alocação de recursos. Assim, a autora assegura que uma nova geração de políticas de ciência e
tecnologia está relacionada com a produção de estatísticas válidas e confiáveis.
Nesse contexto, o objetivo deste artigo é identificar quais ações institucionais de fomento à
pesquisa geram impacto no aumento da produção científica. Este estudo se refere
especificamente à produção científica de professores lotados nos programas de pós-graduação
dos Institutos de Química e Física da Universidade Federal da Bahia, sendo a análise
conduzida a partir de microdados correspondentes à produção científica no período de 2002 a
2007, incluindo publicações até o ano de 2010, e submetidas à regressão de dados em painel
com modelo de efeitos fixos, modalidade útil para controlar os efeitos de variáveis não
incluídas no modelo e que não se alteram nos anos pesquisados. Para isso, esse trabalho
contará, além dessa seção introdutória, com duas seções de revisão da literatura sobre fomento
à pesquisa e produção científica. Uma quarta seção onde é apresentada a metodologia
quantitativa desenvolvida no estudo, seguida da apresentação dos resultados, discussão dos
achados e finalmente, uma conclusão.
2. FOMENTO À PRODUÇÃO CIENTÍFICA
Não há dúvidas de que a economia global se baseia no conhecimento. Alguns estudiosos
alcunharam a sociedade globalizada como sociedade do conhecimento ou da informação
(DUARTE, 2003). Nesse sentido, a necessidade de trocas científicas e tecnológicas para o
desenvolvimento tem fundamentado as políticas públicas para o fomento à ciência e a
tecnologia no Brasil (BARRETO; DOMINGUES, 2012; RAMOS; VELHO, 2013).
2
As políticas públicas capitaneadas pelas agências de fomento federais - Conselho Nacional de
Desenvolvimento Científico e Tecnológico – CNPq e a Coordenação de Aperfeiçoamento de
Pessoal de Nível Superior – CAPES, tem priorizado a emergência da formação de
pesquisadores. A grande questão que se coloca é a constatação de que há uma grande
carência de formação de recursos humanos especializados no país. Atrelar a pós-graduação à
produção do conhecimento científico e tecnológico é o grande desafio das agências de
fomento como agentes das políticas de pós-graduação no país (BARRETO; DOMINGUES,
2012).
Para Guimarães (2011), o aporte de recursos de fomento das agências nos últimos anos foi
ampliado significativamente, sobretudo, no crescimento do número e do valor das bolsas.
Outras melhorias podem ser constatadas, segundo o mesmo autor, como: o crescimento do
número de doutores, onde se dá a maior parte da produção científica brasileira; a avaliação
com base no desempenho individual do pesquisador; as exigências de desempenho dos cursos
nas avaliações da pós-graduação e a criação do Programa Qualis da Capes. Em outras
palavras, O CNPq e a CAPES concedem bolsas para a formação de recursos humanos no
campo da pesquisa científica e tecnológica de alto nível, visando estimular à formação de
pesquisadores para o desenvolvimento do país. Parte do fomento ofertado leva em
consideração também a internacionalização como proposta alternativa para troca de produção
de conhecimento científico e tecnológico com instituições e pesquisadores com saberes
reconhecidos em outros países (MAZZA, 2009).
O CNPq é a agência de fomento responsável pelas políticas públicas para o desenvolvimento
científico e tecnológico do país e tem como missão: "fomentar a ciência, tecnologia e
inovação e atuar na formulação de suas políticas, contribuindo para o avanço das fronteiras do
conhecimento, o desenvolvimento sustentável e a soberania nacional” (BRASIL, 2013). Para
cumprir a sua missão, o CNPq empreende esforços em dois sentidos claros: o fomento à
pesquisa, que é a sua ação principal, e a difusão de ciência e tecnologia.
De maneira geral, as atividades de fomento do CNPq são dirigidas fundamentalmente para o
amparo e a capacitação de recursos humanos à pesquisa. A forma de acesso ao fomento
acontece periodicamente por meio de editais em calendário divulgado pela própria agência e
oferecem aos pesquisadores e estudantes bolsas e/ou auxílios (MUELLER; SANTANA,
2003). Dentre as diversas modalidades, podem ser citadas: Doutorado Pleno; Doutorado
Sanduíche; Pós-Doutorado Júnior; Pós-Doutorado Sênior; Desenvolvimento Científico e
Tecnológico Regional; Pesquisador Visitante; Pesquisador Visitante Especial; Produtividade
em Pesquisa; Pesquisador Sênior; Produtividade em Desenvolvimento Tecnológico e
Extensão Inovadora; Produtividade em Pesquisa. No Quadro 1 estão apresentadas as
principais modalidades de fomento disponíveis.
Quadro 1 – Modalidades de bolsas e auxílios de fomento do CNPq
Modalidade
Doutorado
Pleno
no
exterior
Finalidade
Formação em centros de excelência,
em
áreas
do
conhecimento
consideradas de vanguarda científicotecnológica, nas quais a pósgraduação no País ainda é deficiente
ou em áreas prioritárias, definidas
pelo Conselho Deliberativo do CNPq.
Apoia
aluno
formalmente
Benefícios
Mensalidade; auxílio instalação; seguro saúde;
auxílio deslocamento; taxas escolares. Até 36
meses, prorrogáveis por até 12 meses. De $1.300 a
$1.700; ou de C$1.470 a C$2.010; ou de A$1.650 a
A$2.250; ou de €1.300 a €1.700; ou de ¥148.890 a
¥203.030; ou de £910 a £1.190, de acordo com o
país e o número de dependentes (limitado a 2) que
acompanharão o bolsista.
Mensalidade; auxílio instalação; seguro saúde;
3
Doutorado
Sanduíche
PósDoutorado
Júnior
PósDoutorado
Sênior
Desenvolvimento
Científico e
Tecnológico
Regional
Pesquisador
Visitante
Produtividade em
Pesquisa
matriculado em curso de doutorado
no Brasil que comprove qualificação
inequívoca para usufruir, no exterior,
da oportunidade de aprofundamento
teórico, coleta e tratamento de dados
ou de desenvolvimento parcial da
parte experimental da tese a ser
defendida no Brasil.
Consolidação e atualização dos
conhecimentos ou o eventual
posicionamento da linha de pesquisa
do candidato.
Consolidação e atualização do
conhecimento na linha de pesquisa do
candidato.
Estimular a fixação de recursos
humanos para que atuem em
investigação científica e tecnológica.
Possibilitar a reconhecida liderança
científica
e
tecnológica
do
pesquisador brasileiro ou estrangeiro
para o desenvolvimento de linhas de
pesquisa ou de desenvolvimento
tecnológico, consideradas relevantes.
Destinada aos pesquisadores que se
destaquem
entre
seus
pares,
valorizando sua produção científica
segundo
critérios
normativos,
estabelecidos pelo CNPq.
auxílio deslocamento. De 3 a 12 meses,
condicionado à duração da bolsa de Doutorado no
País que, somadas, não podem ultrapassar o período
máximo de 48 meses.$1.300; ou C$1.470; ou
A$1.650; ou €1.300; ou ¥148.890; ou £910 - (de
acordo com o país de destino da bolsa)
Mensalidade; taxa de bancada mensal; auxílio
deslocamento. Dura de 06 a 12 meses, prorrogáveis
por igual período. O valor da bolsa é de R$
4.100,00.
Mensalidade; taxa de bancada mensal; auxílio
instalação; auxílio deslocamento. Dura de 06 a 12
meses. O valor da bolsa é de R$ 4.400,00.
Mensalidade;
auxílio
instalação;
auxílio
deslocamento. Até 36 meses. O valor da bolsa é de
R$ 4.200,00 a R$ 6.200,00.
Mensalidade;
auxílio
instalação;
auxílio
deslocamento. Dura de 03 a 12 meses, prorrogáveis
por até 12 meses. O valor da bolsa é de R$
5.200,00.
Mensalidade que varia de acordo com a
Categoria/Nível; Pode ter um acréscimo de
Adicional de Banca. O valor da bolsa, acrescido do
adicional de bancada pode totalizar até R$
2.800,00. A duração da bolsa Produtividade
categoria/nível 1A é de 60 (sessenta) meses; 1B, 1C
e 1D é de 48 (quarenta e oito) meses; e categoria 2
é de 36 (trinta e seis meses).
Fonte: Compilação pelos autores a partir do sítio do CNPq (BRASIL, [S/D]; 2013).
O aumento da produção científica é uma das consequências esperadas das ações
governamentais de fomento à pesquisa, entretanto, as políticas de fomento no formato atual
indicam a existência de um processo de retroalimentação da relação entre fomento e produção
científica, já que, entre os critérios de concessão de bolsa, existe a mensuração de produção
científica prévia (BRASIL, [s/d]; 2013).
3. PRODUÇÃO CIENTÍFICA NO BRASIL
A produção científica em forma de artigos publicados em revistas indexadas tem sida tomada
como expressão do avanço da ciência e ocorre, no Brasil, no âmbito da pesquisa em pósgraduação (BARRETO; DOMINGUES, 2012; GUIMARÃES, 2011). No intuito de gerar
indicadores do desenvolvimento da área de estudo, medidas que acompanham a publicação de
artigos, como fator de impacto e classificação QUALIS, participam do processo buscando
demarcar as contribuições mais relevantes.
Como locus dessa produção científica, o campo da pós-graduação no Brasil tem sofrido
grandes transformações desde a década de 70 do século passado, quando a avaliação da pósgraduação stricto sensu passou a ser realizada pela CAPES (Centro de Aperfeiçoamento de
4
Pessoal de Nível Superior), consolidando-se como instrumento de grande importância para o
Sistema Nacional de Pós-Graduação. Entretanto, foi a partir do III Plano Nacional da PósGraduação (1986-1989), vinculado ao I Plano Nacional de Desenvolvimento da Nova
República, que a ênfase na pesquisa começou a ser delineada como meta de conquista de
autonomia nacional em ciência e tecnologia, de modo que a centralidade da docência,
presente nos planos anteriores, foi deslocada para a pesquisa e, consequentemente, para a
produção de conhecimento, influenciando o fomento, tanto por parte das agências brasileiras,
de setores governamentais e não governamentais, bem como de organismos internacionais
(YAMAMOTO et al, 2012).
Assim, formas sistemáticas de avaliação da pós-graduação atualmente em curso incluem a
produtividade científica dos programas, e consequentemente, dos seus pesquisadores,
incentivando-os a buscar um volume de produção e divulgação regular e expressiva, que não
se limita apenas ao cenário nacional, mas também publicações em periódicos internacionais,
influenciando não somente a classificação do programa de pós-graduação, mas também sendo
um importante fator para a conquista de recursos de fomento à pesquisa, tais como número e
tipo de bolsas, recursos para equipamentos e apoio técnico (KANNEBLEY JR, CAROLO &
NEGRI, 2013).
Nesse cenário, a implementação de ações avaliativas que incluem medidas de produtividade
científica nos programas de pós-graduação vem configurando uma restruturação e
reorganização do desenvolvimento da ciência e tecnologia no país. Existe uma intensificação
da ação de pesquisa em busca da produtividade científica (YAMAMOTO, et al, 2012;
BORSOI, 2012; LOPES, 2006).
Como consequências dos critérios de avaliação, a comunicação dos resultados das pesquisas
em periódicos busca priorizar aqueles mais bem avaliados segundo os critérios utilizados
(HORTA, 2006). No Brasil, dois critérios destacam-se entre os mais usados na classificação
dos periódicos científicos: o Qualis-CAPES e o Fator de Impacto. O primeiro traz a
classificação em três níveis, A, B e C, sendo o nível A subdividido em A1 e A2, o nível B
subdividido em B1, B2, B3, B4 e B5, e o nível C apresenta classificação única. Com
avaliação trienal (confirmar), o Qualis-CAPES inclui na sua classificação também periódicos
internacionais baseado no Fator de Impacto e mediante solicitação de autores brasileiros
(PINTO E ANDRADE, 1999). O outro critério de classificação de periódicos é o Fator de
Impacto (Fi), o mais importante e disseminado indicador internacional de periódicos
científicos, calculado a partir de revistas indexadas ao ISI (Institute for Scientific
Information). Desde 1986, o ISI utiliza dois critérios na escolha das revistas que compõem a
base de dados: a periodicidade e o impacto da revista. O Journal of Citation Reports (JCR)
publica anualmente, desde 1972, o índice Fi, que é o resultado do número de citações que a
revista recebe relativos aos números publicados nos dois anos anteriores, dividido pelo
número de artigos publicados no período (PINTO; ANDRADE, 1999; VILHENA;
FAZANELI, CRESPANA, 2002).
4. METODOLOGIA
Com o objetivo de descobrir quais ações de fomento são mais explicativas da produção
científica, a presente pesquisa utilizou uma abordagem quantitativa, com uso de análise
fatorial e regressão de dados em painel (HSIAO, 1986), para 378 observações de 63
pesquisadores da Universidade Federal da Bahia que participaram dos Programas de Pósgraduação em Física e em Química da UFBA, no período de 2002 a 2007, envolvendo artigos
publicados até o ano de 2010, considerando assim, o tempo de fechamento do projeto,
5
submissão e publicação dos artigos. Como uma pesquisa descritiva e quantitativa, o estudo
busca entender o fenômeno da produção científica a partir da relação entre as variáveis
envolvidas conforme o modelo apresentado na Figura 1.
Figura 1: Modelagem quantitativa da pesquisa
Fonte: Os autores
Neste trabalho, a variável explicada é a produção científica, mensurada por um índice anual
de cada pesquisador a partir de artigos publicados em revistas científicas com fator de
impacto publicado no Journal of Cited Reports (JCR), multiplicando-se o número de artigos
publicados pelo fator de impacto da revista no ano de 2010. Esse índice de produção científica
torna-se a variável proxy que representa a produção científica de cada pesquisador nos anos
analisados. Como variável explicada, a produção científica é aqui considerada como
consequência das várias ações de fomento às quais são submetidos os pesquisadores
analisados.
A modelagem quantitativa proposta neste artigo considera como variáveis explicativas da
produção científica as ações de fomento relacionadas a seguir: Bolsa de produtividade nas
modalidades 1A, 1C, 1D e 2 (não foi encontrado nenhum pesquisador beneficiário de Bolsa
1B entre os pesquisados); título de doutorado obtido no exterior; título de pós-doutor; tempo
de conclusão do doutorado; número de orientando em nível de doutorado; nota CAPES do
programa onde fez o doutorado e a produção do ano anterior publicada em periódicos
indexados pela ISI Web of Science.
Com o objetivo de minimizar os efeitos de variáveis que também possam impactar a produção
científica, foram incluídas variáveis de controle que incluem sexo, programa no qual o
pesquisador é lotado (Química ou Física) e elementos de capital social nas suas duas
dimensões, individual e grupal. Estudos anteriores, como o de Freitas (2013), indicam que o
capital social, tanto na sua dimensão individual quanto na dimensão grupal, impacta a
produção científica de pesquisadores. A utilização desses elementos como variáveis de
controle permitiu isolar os efeitos do capital social entre os pesquisadores analisados. Entre as
variáveis de capital social utilizadas, nove são oriundas da dimensão individual e cinco da
dimensão grupal. Assim, com o intuito de reduzir o número dessas variáveis, foi realizada
uma análise fatorial exploratória (AFE), extraindo-se fatores que representem as variáveis
originais (HAIR et al, 2009).
A análise fatorial exploratória é uma técnica de análise de dados que utiliza a variância comum
das variáveis para agrupá-las em fatores. Cada fator é uma combinação linear das variáveis
originais e representam as dimensões latentes do construto. Cada fator gerado passa a representar
um conjunto de itens (HAIR et al, 2009) que compartilham parte da sua variância, representada
6
pela comunalidade. A construção de fatores que representam um conjunto de variáveis faz sentido
se existe uma correlação entre as variáveis. Assim, o primeiro passo na análise fatorial consiste na
montagem da matriz de correlação dos itens. Nesta matriz, as correlações entre os itens podem
revelar estruturas de relação inerentes aos dados. Em uma inspeção visual, a matriz deve
apresentar correlações significativas (>0,30) e em número suficiente para que a análise fatorial
seja executada. Em seguida executa-se a análise de componentes principais (ACP) e consiste na
construção de componentes que possuem parte da variância dos itens. A matriz de cargas dos
componentes principais nos permite calcular o autovalor de cada componente, representado pelo
quadrado do desvio padrão. Além do autovalor dos componentes, outras duas informações dos
componentes principais são importantes nesta etapa: o percentual da variância explicada em cada
componente principal e o seu valor acumulado a cada componente incluído na análise. O número
de fatores a serem extraídos na análise pode ser feita a partir de uma variedade de critérios, entre
as quais figuram: componentes com autovalor maior que um; percentual desejado da variância
explicada; e critério a priori.
Uma vez decidido o número de fatores buscados, gera-se uma nova distribuição das variâncias e
constrói-se a tabela de cargas fatoriais. Como a leitura das cargas pode tornar-se difícil devido à
distribuição nos fatores, o procedimento normal é executar uma rotação, até que as cargas fatoriais
permitam a clara identificação de cada item com o fator ao qual ele está associado. Existem dois
métodos de rotação: ortogonal e oblíquo. O método de rotação ortogonal busca oferecer uma
solução em que os fatores formados não apresentam correlação entre si. É indicado em situações
em que o pesquisador busca redução de variáveis independente da sua significação prática, ou
ainda para uso dos fatores em regressão e outra técnica de previsão. Nesse método, cada variável
tende a concentrar sua carga em um fator, com cargas próximas de zero nos outros fatores. Já o
método de rotação oblíqua tem como resultado fatores com alguma correlação entre si. Sua
principal diferença em relação ao método ortogonal é que oferece fatores com variáveis agrupadas
em torno de uma maior significância prática onde cada fator deve representar uma dimensão do
construto estudado. A opção escolhida na presente pesquisa é o método de rotação ortogonal do
tipo varimax. Executada a rotação dos fatores, faz-se a associação dos itens aos fatores onde as
cargas apresentam-se mais significativas.
Formados os fatores, procedem-se os testes fatoriais. Esta etapa envolve quatro procedimentos de
verificação da qualidade dos fatores: teste de unidimensionalidade, de confiabilidade, de
adequação da amostra e de correlação entre os itens do fator, com parâmetros apresentados no
Quadro 2.
Quadro 2 - Testes fatoriais e parâmetros
Critério
Unidimensionalidade
Confiabilidade
Adequação da amostra
Correlação intrafator
Fonte: Adaptado de Hair et al (2009).
Teste
Verificação das cargas fatoriais
Alfa de Cronbach
KMO
Correlação entre os itens
Parâmetro
< -0,30 ou > 0,30
>0,60
>0,50
>0,30
Testados e aprovados os fatores, estes assumem a representação das variáveis utilizadas diante
de outras técnicas estatísticas, como a regressão de dados em painel aplicada na presente
pesquisa.
A segunda ferramenta estatística utilizadas é o modelo de dados em painel, que se mostra de
grande valor quando se observam eventos ao longo do tempo e tem sido utilizado em estudos
econométricos e nas ciências sociais aplicadas. Por meio do modelo de dados em painel, é
possível reunir características de séries temporais (time-series) com dados em corte
7
transversal (cross-section). Segundo Hsiao (1986), os modelos para dados em painel possuem
vantagens, tais como a possibilidade de controle da heterogeneidade presente nos indivíduos,
assim como da redução da colinearidade entre as variáveis explicativas ao usar mais
observações, o que aumenta o grau de liberdade. Além disso, o autor cita a capacidade de
identificar e mensurar efeitos que não são possíveis de serem detectados por meio isolado de
análise de dados em corte transversal ou de séries temporais. O modelo geral para a regressão
de dados em painel é representado por:
,
(1)
onde i indica os indivíduos, t o período de tempo que está sendo analisado, β0 o parâmetro do
intercepto, β1...n o coeficiente angular correspondente à n-ésima variável do modelo e x1...n
representam as variáveis independentes, incluindo as variáveis explicativas e de controle. No
modelo geral apresentado na Equação 1, o intercepto e os parâmetros-resposta são diferentes
para cada indivíduo e para cada período de tempo. A partir do modelo geral apresentado na
Equação 1, pode-se optar pelo modelo de efeitos fixos ou aleatórios. O modelo de efeitos
aleatórios considera que as variáveis explicativas que não foram relacionadas no modelo e
invariáveis no tempo (como sexo ou tamanho do Estado onde atua o indivíduo) estão
concentradas no erro, tornando o intercepto variável no tempo.
Mostrando-se mais adequado à presente pesquisa, o modelo de efeitos fixos procura controlar
os efeitos das variáveis omitidas que variam entre indivíduos e permanecem constantes ao
longo do tempo. Para tanto, o modelo pressupõe que o intercepto (β0) não varia ao longo do
tempo, apenas de um indivíduo para outro. Além disso, os parâmetros-resposta são constantes
para todos os indivíduos e em todos os períodos de tempo. O modelo contempla as
estimativas por mínimos quadrados ordinários. Elas são não-tendenciosas e consistentes, já
que o modelo pressupõe que os erros possuem distribuição normal, variância constante e não
são correlacionados. De acordo com Hill, Griffiths e Judge (1999), o modelo apresenta:
β0it= β0i ; β1it = β1......βkit= βk
(2)
e é dado por:
(3)
A parte constante αi na Equação 3 é fixa ao longo do tempo e diferente para cada indivíduo,
captando o efeito das diferenças invariantes no tempo, como por exemplo, personalidade,
habilidade, dimensão do Estado onde nasceu e outras características que têm pequena
variação no curto prazo e podem influenciar a variável explicada. Um teste estatístico foi
desenvolvido por Hausman (1978) e verifica a correlação entre o intercepto e as variáveis
explicativas, útil para a confirmação da escolha entre o modelo de efeito fixo e o aleatório. O
teste tem a hipótese nula da não existência da correlação investigada. Assim, um p-valor
<0,05 indica o uso do modelo de efeito fixo. Os resultados esperados da regressão de dados
em painel são as variáveis explicativas com estimadores significantes diferentes de zero,
identificando as ações de fomento que explicam a variação da produção científica no grupo
pesquisado.
5. RESULTADOS
8
No período analisado, os pesquisadores produziram 898 artigos que foram publicados em
periódicos indexados na ISI Web of Science, entre os quais, 443 artigos foram elaborados por
32 pesquisadores do programa de pós-graduação do Instituto de Química e 455 por 31
pesquisadores do Programa do Instituto de Física. Entre os 63 indivíduos, 45 são do sexo
masculino (71%) e 18 do sexo feminino (29%).
O histograma da variável explicada, o índice anual de produção científica, indica uma maior
concentração nos índices iniciais. Apenas dois pesquisadores mantiveram índices anuais
maiores do que 100 ao longo dos seis anos analisados. A mediana do índice em 10,52 e a
média em 20,98 indicam que a média foi inflacionada pelos grandes índices, já que metade
dos pesquisadores tem índices menores do que 10, 52.
Em relação às variáveis explicativas, entre as 378 observações, existem 43 ocorrências para
CAPES 5, 25 para CAPES 6 e 107 para CAPES 7. Em relação aos pesquisadores que fizeram
doutorado no exterior, existem 74 ocorrências e 124 para pós-doutorado. Em relação ao
número de orientandos de doutorado, a quantidade varia entre 0 e 8, porém o terceiro quartil
igual a zero indica que menos de 25% das observações possuem orientandos. A variável
número de artigos publicados (e indexados) no ano anterior varia entre 0 e 22, sendo que o
terceiro quartil igual a 2 e a mediana igual a 1 indicam uma concentração das observações
entre 0 e 1 artigo indexado no período.
As variáveis de controle oriundas do capital social em suas duas dimensões, individual e
grupal, foram submetidas à análise fatorial exploratória. As variáveis de capital social
individual, em numero de nove, apresentam numerosas correlações significativas,
confirmando a indicação de análise fatorial. A análise de componentes principais indicou que
dois fatores conseguem representar 70% da variância presente nas variáveis originais e
apresentam autovalor maior que um. A Tabela 1 mostra as cargas fatoriais para os fatores
FRedeI 1 e FRedeI 2.
Para as variáveis de capital social grupal, foram verificadas correlações significativas entre as
variáveis e realizada a análise de componentes principais, que revelou o primeiro fator
explicando 74% da variância, sendo o único fator com autovalor maior que um. Assim, a
opção foi feita pela solução unifatorial para as variáveis de capital social grupal, cujo fator foi
chamado de FRedeS e tem as cargas fatoriais apresentadas na Tabela 2.
9
Tabela 1 - Cargas fatoriais para 2 fatores em rotação VARIMAX. Variáveis integrantes de
construto de capital social individual.
Variáveis
DEGREE
BONA_I
EFFSIZE
EFF
CONST
SIZE
TIES
PAIRS
DENSIT
FRedeI 1
0,985
0,667
0,964
0,601
-0,208
0,986
0,865
0,916
FRedeI 2
-0,162
-0,223
0,781
-0,159
-0,168
0,997
Fonte: Dados da pesquisa.
Nota: As cargas fatoriais em negrito indicam o fator onde a variável está alocada. Cargas em branco indicam
valores próximos de zero.
Tabela 2 - Cargas fatoriais para 1 fator em rotação VARIMAX. Variáveis integrantes de
construto de capital social.
Variaveis
CEN_R
BETW_CEN_R
SW_R
DENS_R
Fator 1
0,908
0,414
-0,849
0,997
Fonte: Dados da pesquisa.
Nota: Cargas fatoriais em branco indicam carga da variável próxima de zero no fator. Cargas fatoriais em negrito
indicam o fator ao qual a variável será incorporada.
A carga fatorial negativa da variável SW_R indica uma correlação significativa negativa junto
às outras variáveis do construto. Assim, na composição do fator, formado pela média do valor
das variáveis, o item SW_R participa com o seu valor multiplicado por (-1). A Tabela 3
apresenta os testes dos três fatores formados.
Tabela 3 - Teste dos fatores de capital social individual e grupal
Fator
Itens
KMO
Alfa
Correlação
FRedeI1
DEGREE, BONA_I, EFFSIZE, EFF, SIZE, TIES, PAIRS
0,81
0,56
Significativa
FRedeI2
CONST, DENSIT
0,50
0,28
Significativa
FRedeS
CEN_R, BETW_CEN_R, SW_R, DENS_R
0,62
0,63
Significativa
Fonte: A pesquisa
Nota: O KMO fornece o índice de adequação da amostra; o Alfa refere-se ao valor do alfa de Cronbach,
revelando a confiabilidade do fator; correlação significativa a partir de 0,30.
Os resultados dos testes para os fator FRedeI e FredS indicam KMO, Alfa de Cronbach e
correlação adequados, tornando-os fatores robustos e aptos a representar as variáveis
associadas. Porém, o teste do fator FRedeI 2, apesar da correlação significativa entre os dois
itens, apresentou o KMO no limite (=0,50) e valor do Alfa de Cronbach igual a 0,28, portanto
abaixo do valor desejado de 0,60. Sendo assim, o fator FRedeI 2 não deve ser utilizado para
representar as variáveis CONST e DENSIT. Neste caso, as duas variáveis serão utilizadas
separadamente no próximo passo da metodologia quantitativa, a regressão de dados em
painel.
A regressão de dados em painel executada apresenta-se balanceada, ou seja, não existem
dados omissos ou perdidos. Está desenhada para 63 indivíduos num período de seis anos,
10
totalizando 378 observações. O modelo de efeito fixo foi escolhido e confirmado no teste de
Husman, com p-valor 3,99-9, rejeitando a hipótese nula de que o modelo de efeitos aleatórios
seria o mais adequado. Os parâmetros e testes da regressão estão apresentados na Tabela 4 a
seguir.
Tabela 4 – Parâmetros e testes para Regressão em Painel
Variáveis
Tempo de Doutorado
Capes5
Capes6
Capes7
Doutorado no Exterior
Pós-Doutorado
Nº de orientandos de
doutorado
Produção do ano anterior
Bolsa CNPq
Cap. Soc. Ind1
CONST
DENSIT
Cap. Soc. Grupal
Estimadores
Teste t do estimador
Estimador b
Erro padrão
t-valor
1,757
7,191
-6,705
2,803
9,350
-0,982
0,363
3,346
5,246
3,253
4,151
2,625
4,84
2,14
-1,27
0,86
2,25
-0,37
0,000***
0,032*
0,201
0,389
0,025*
0,709
Sig.
1,482
0,628
2,36
0,019*
0,369
12,291
0,001
-6,053
0,029
0,676
0,294
8,524
0,004
2,977
0,029
0,312
1,25
1,44
0,29
-2,03
0,99
2,17
0,211
0,150
0,770
0,042*
0,320
0,031*
Estatística F
Grau de ajustamento
F
Sig.
R²
R² ajustado
8,667
0,000
0,27
0,22
Fonte: Dados da pesquisa
Nota: Teste t e Estatística F considerados significantes se p-valor (Sig.) < 0,05. Variável explicada: produção
científica. 378 observações de 63 indivíduos em 6 anos.
Os resultados indicam a regressão de dados em painel significativa (F=8,667, p-valor =
0,000), com capacidade de explicar 22% da variação da produção científica (R² ajustado =
0,22). Em relação às variáveis explicativas de fomento, CAPES 6 e 7, Pós-doutorado,
Produção do ano anterior e Bolsa de produtividades CNPq não são significativas para explicar
a variação da produção científica dos indivíduos pesquisados com 95% de confiança.
Figura 2: Histograma dos resíduos da regressão de dados em painel com efeito fixo
As variáveis explicativas cujo estimador é estatisticamente diferente de zero e, portanto,
impactam a produção científica são: Tempo de doutorado, com estimador de 1,76, CAPES 5,
com estimador 7,19, Doutorado no exterior, com estimador de 9,35 e Número de orientando
de doutorado, com estimador de 1,48, todos com p-valor < 0,05. As Figuras 2 e 3 apresentam
o histograma e o gráfico da distribuição dos resíduos da regressão.
11
Figura 3: Distribuição dos resíduos da regressão de dados em painel com efeito fixo
Os resíduos da regressão se concentram em torno de zero, conforme histograma apresentado
na Figura 2. A Figura 3 mostra a distribuição dos resíduos ao longo das observações,
mostrando típico comportamento homocedástico.
6. DISCUSSÃO
Os resultados apresentados indicam como variáveis significativas para explicar a produção
acadêmica as seguintes variáveis relacionadas ao fomento: Tempo de doutorado, CAPES 5,
Doutorado no exterior e Número de orientandos de doutorado.
O tempo de doutorado influencia a produção científica no público pesquisado com correlação
positiva, ou seja, quanto mais tempo de doutorado, maior a publicação científica. O tempo de
doutorado indica um aumento na experiência e habilidade do pesquisador, que desenvolve
novos domínios de ferramentas de pesquisa com o passar do tempo. Também a rede de
trabalho colaborativo do pesquisador incorpora novos contatos e parcerias de trabalho ao
longo do tempo, o que pode favorecer novas cooperações de trabalho e pesquisa. Essa
variável representa ações de fomento na medida em que a permanência de doutores ligados
aos respectivos programas de pós-graduação ocorre em conjunto com ações diretas e indiretas
de fomento que viabilizam a continuidade das atividades de pesquisa, como financiamentos
aos projetos de pesquisa, avaliação dos programas, bolsas para estudantes de mestrado e
doutorado. Oliveira, Lima e Borges-Andrade (1999) já haviam chegado a resultado
semelhante numa pesquisa com 1079 pesquisadores da região sudeste de seis áreas do
conhecimento, identificando que o tempo de doutorado influencia positivamente não somente
a publicação de artigos no exterior, mas também o número de orientações de doutorado e
mestrado, além da atuação como editor de livros. Assim, como a senioridade na atividade de
pesquisa depende de influxo de fomento para a manutenção da atividade, esta se mostra
impactando significativamente na produção científica dos indivíduos pesquisados.
A classificação do curso de doutorado do qual o pesquisador é proveniente mostrou-se
significativo para a nota CAPES 5 e não significativo para as notas CAPES 6 e 7. A partir do
tratamento dados aos dados foi possível perceber que, no estudo em questão, a maior nota do
programa de pesquisa não implica na formação de pesquisadores mais produtivos, isto é, com
maior número de publicações em periódicos indexados. Espera-se que pesquisadores oriundos
de programas de pesquisa com maior/melhor nota de avaliação segundo os critérios da Capes
12
formem, por consequência, pesquisadores mais produtivos do ponto de vista da produção
científica. Entretanto, a partir dos dados de pesquisa foi possível identificar que,
contrariamente ao esperado, foi possível constatar que essa expectativa pode não se efetivar.
Tais achados indicam que esse é um tema que merece ser aprofundado em estudos
posteriores, de modo que se verifique se a maior produção científica de pesquisadores
formados por Programas CAPES 5 se dá em função de maior capacidade de produção
individual e grupal dos pesquisadores oriundos a partir deles, se comparado aos originados a
partir de Programas Capes 6 ou 7, e se esse resultado se repete em outras realidades. No grupo
pesquisado, 9 pesquisadores são oriundos de Programa Capes 5, incluindo um pesquisador
com alta produtividade (média anual do índice de produção científica de 125,93, diante da
média geral de 20,98 para os 63 pesquisadores), que pode ter viesado os resultados do seu
grupo.
Fazer o doutorado no exterior impacta significativamente na produção científica do
pesquisador. Entre os indivíduos analisados, aqueles cuja titulação de doutorado foi obtida
fora do Brasil tiveram uma produção científica significativamente superior, acrescentando
9,35 no seu índice de produção científica ao ano, indicado pela magnitude do estimador da
variável. Esse resultado sinaliza que a formação do pesquisador no exterior tem conseguido
desenvolver mais habilidade para publicação internacional em periódicos indexados. Esse
achado corrobora o resultado encontrado na pesquisa de Oliveira, Lima e Borges-Andrade
(1999), segundo o qual pesquisadores brasileiros doutorados no exterior têm maior produção
científica publicada em periódicos internacionais. Segundo a mesma pesquisa, doutores
formados no Brasil têm maior produtividade em periódicos nacionais.
As ações de fomento para enviar estudantes brasileiros para programas de doutorado no
exterior configuram-se, então, como importante alavanca para a produção científica nacional
com impacto internacional. A ação de fomento para Doutorado Pleno no Exterior do CNPq e
da CAPES oferece bolsa com duração de quatro anos, acompanhada da exigência de o
pesquisador permanecer no Brasil por igual período de tempo ao final da bolsa. Apesar de um
reduzido numero de bolsistas não retornarem ao Brasil, a maioria dos beneficiários o faz,
engajando-se em universidades nacionais ou com a possibilidade de ser beneficiada com outra
ação de fomento denominada bolsa de pós-doutorado júnior, com vigência de um ano
(CAPES, 2014).
O número de orientandos de doutorado também se mostra explicativo da produção acadêmica,
com incremento de 1,48 no índice de produção científica do pesquisador para cada orientando
que possui. Como atividade própria de desenvolvimento do pesquisador, durante o curso de
doutorado, o orientando desenvolve a própria pesquisa, gerando artigos em coautoria com o
orientador. Também, ao participar da rede de colaboração do orientador, podem-se verificar
orientandos atuando em pesquisas mais amplas nas quais o orientador está envolvido. Esse
fato aumenta a produção científica tanto do orientando quanto do orientador. Pesquisa de
Digiampietri, Mugnaini e Alves (2013) identificou que o número de orientandos de
doutorados apresenta correlação positiva e significativa com a quantidade de publicação de
artigos em anais de congressos e em periódicos para pesquisadores de programas de Ciências
da Computação.
Porém, o pesquisador não está livre para aumentar o seu número de orientandos. Regras
institucionais e limitações de bolsas para curso de doutorado impõem fortes restrições aos
pesquisadores. Sendo assim, os achados indicam que uma maior oferta de bolsas de doutorado
13
poderia aumentar a produção científica, ao aumentar o número de orientandos de doutorado
dos pesquisadores.
Entre as ações de fomento não significativas uma chama a atenção: A bolsa de produtividade
CNPq, que pode ser concedida nas categorias 1A, 1B, 1C, 1D e 2. Essa bolsa busca fomentar
a produção científica através de um auxílio financeiro “Destinada aos pesquisadores que se
destaquem entre seus pares, valorizando sua produção científica segundo critérios normativos,
estabelecidos pelo CNPq, e específicos, pelos Comitês de Assessoramento (CAs) do CNPq”
(BRASIL, [s/d], p. 01). Espera-se que, mediante incentivo pecuniário, o pesquisador apresente
um volume de publicação indexada, com participação em periódicos nacionais e
internacionais.
Contrariamente ao esperado pelo CNPq, de acordo com o levantamento realizado nesta
pesquisa, a ocorrência da bolsa não se mostrou estatisticamente significativa para explicar o
aumento da produção científica, de modo que, embora preenchendo os critérios para
recebimento da bolsa do tipo produtividade, o aumento do volume de produção não se
mostrou significativo para 95% das 378 observações realizadas nos seis anos pesquisados.
Este tipo de bolsa é concedido com a duração de três anos com possibilidade de renovação e
mudança de nível. Tais achados nos levam a considerar que, na realidade estudada, a bolsa
produtividade não aumenta a produção científica, mas premia os pesquisadores com certo
nível de produção, que podem primar pela sua regularidade com o objetivo de manter a bolsa.
Esse resultado não indica que bolsistas produzem menos, mas que ser bolsista de
produtividade não está associado a um aumento de produção diferente daqueles não
contemplados com a bolsa.
A identificação das ações de fomento que impactam a produção científica pode contribuir
para a própria universidade repensar os critérios de solicitação de ajuda junto aos organismos
responsáveis e os próprios órgãos de fomento que, em diálogo com a comunidade científica,
podem construir políticas de fomento que atendam aos interesses da sociedade.
7. CONCLUSÃO
A produção científica mensurada por artigos publicados em periódicos indexados tem sido
associada à evolução da ciência e buscada, no âmbito brasileiro, por pesquisadores que atuam
em pós-graduação como expressão da qualidade e da quantidade de conhecimento produzido.
Com o intuito de aumentar a produção científica brasileira, organismos de fomento à pesquisa
têm financiado o trabalho de pesquisadores com variadas linhas de atuação como bolsas de
estudos de doutorado no Brasil e no exterior, bolsa produtividade para pesquisadores, bolsas
de pós-doutorado, entre outras.
Identificar as ações de fomento que explicam o aumento da produção científica é o objetivo
deste trabalho de cunho quantitativo, desenvolvido junto a 63 pesquisadores dos Institutos de
Química e Física da Universidade Federal da Bahia a partir da sua produção científica ao
longo de 6 (seis) anos. Para atingir o objetivo da pesquisa, foi usada regressão de dados em
painel com modelo de efeitos fixos, com o intento de identificar a relação entre fomento e
produção científica. Essa técnica permite avaliar as variáveis explicativas de produção
científica, isolando-se os efeitos de variáveis não observadas ou inalteradas ao longo do
tempo.
Os principais resultados indicam que o tempo de doutorado, ter feito o doutorado numa
instituição com nota CAPES 5, ter feito o doutorado no exterior e o número de orientandos de
14
doutorado são as variáveis explicativas mais significativas estatisticamente para justificar a
variação da produção científica. Outras ações de fomento não se mostraram explicativas
significativamente para os indivíduos pesquisados, como ter feito doutorado em programas
com notas 6 e 7, possuir pós-doutorado, produção científica do ano anterior e ser bolsista de
produtividade CNPq.
A reduzida amostra da pesquisa e o critério unicamente quantitativo e baseado em periódicos
com fator de impacto para avaliar a produção científica se mostram como limitações da
presente pesquisa. Novas investigações sobre cada uma das ações de fomento numa amostra
mais ampla e contemplando diferentes áreas do conhecimento poderá ser muito útil para uma
melhor avaliação das políticas de fomento à pesquisa, além de prezar pelo uso adequado e
eficiente das verbas, especialmente as públicas, nas atividades de pesquisa.
REFERÊNCIAS
BARRETO, F.C.; DOMINGUES, I. O PNPG 2011-2020: os desafios do país e o sistema
nacional de pós-graduação. In: Educação em Revista. v. 28, n. 03, p. 17-53. Belo Horizonte
set. 2012.
BORSOI, Trabalho e produtivismo: saúde e modo de vida de docentes de instituições públicas
de Ensino Superior In: Cadernos de Psicologia Social do Trabalho, vol. 15, n. 1, p. 81-100,
2012.
BRASIL, CNPq/MCTI. Produtividade em pesquisa. [s/d] Disponível em:
<http://www.cnpq.br/documents/10157/5f43cefd-7a9a-4030-945e-4a0fa10a169a>
Acesso
em: 22/abr/2014.
BRASIL, CNPq/MCTI. Bolsas e Taxas no país.
http://www.cnpq.br/no-pais> Acesso em: 22/abr/2014.
2013.
Disponível
em:
< BRASIL. CAPES. Normas gerais para concessão de bolsas no exterior. Disponível em
<http://www.cnpq.br/pt/web/guest/view/-/journal_content/56_INSTANCE_0oED/10157/515
690#4> acesso em 15/04/2014.
BRASIL. Ministério da Ciência e Tecnologia. Livro Branco: Ciência, Tecnologia e
Inovação. Brasília, 2002.
DIGIAMPIETRI, L. A. ; MUGNAINI, R. ; ALVES, C. M. . Análise da participação dos
orientandos na produção dos orientadores: um estudo de caso em Ciência da Computação. In:
II Brazilian Workshop on Social Network Analysis and Mining (BraSNAM 2013), 2013,
Maceió, Alagoas, Brasil. Anais do XXXIII Congresso da Sociedade Brasileira de
Computação (CSBC 2013), 2013.
DUARTE, N. Sociedade do Conhecimento ou Sociedade das Ilusões?: Quatro ensaios
crítico-dialéticos em filosofia da educação. Campinas, SP: Autores Associados, 2003.
FREITAS, Elizabeth Jorge da Silva Monteiro de. Capital social e humano e a produção
científica: um estudo sobre redes sociais de conhecimento em uma universidade pública
brasileira. Tese (Doutorado em Administração). Salvador: Universidade Federal da Bahia,
2013.
GUIMARÃES, J. A. As razões para o avanço da produção científica brasileira. Jornal da
Ciência, SBPC, 2011. Disponível em: <http://www.jornaldaciencia.org.br/Detalhe.jsp?id=64
182>. Acesso em: 03/abr/2014.
15
HAIR, J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON, R. E.; TATHAM, R. L. Análise
multivariada de dados. Porto Alegre: Bookman, 2009.
HILL, C.; GRIFFITHS,W.E.; JUDGE,G.G. Econometria. São Paulo: Saraiva,1999. HORTA, J. S. B. Avaliação da Pós-graduação: com a palavra os Coordenadores de
Programas. In. Perspectiva. Florianópolis, v. 24, n. 1, p. 19-47, jan/jun. 2006
HSIAO, C. Analysis of Panel Data. Cambridge: Cambridge University Press, 1986.
HUSMAN, J.A. Specification tests in econometrics. Econometrica, n. 46, 1978. p.1251–
1271.
KANNEBLEY JR, CAROLO & NEGRI. Impacto dos Fundos Setoriais sobre a Produtividade
Acadêmica de Cientistas Universitários. In: Estud. Econ., São Paulo, vol. 43, n. 4, p. 647685, out.-dez. 2013.
LETA, J. Indicadores de desempenho, ciência brasileira e a cobertura das bases
informacionais. Revista USP, São Paulo, n.89, p. 62-77, mar./mai., 2011.
LOPES, M. C. R. “Universidade produtiva” e trabalho docente flexibilizado. In: Estudos e
Pesquisas em Psicologia, 2006, (35-48).
MAZZA, D. Intercâmbios acadêmicos internacionais: Bolsas Capes, CNPQ e FAPESP. In:
Cadernos de Pesquisa, v. 39, n.137, mai./ago., 2009.
MUELLER, S. P. M; SANTANA, M. G. A Ciência da Informação no CNPq - fomento à
formação de recursos humanos e à pesquisa entre 1994-2002. In: Revista de Ciência da
Informação, v. 4 n.1 fev., 2003.
OLIVEIRA, M. A. P. da S.; LIMA, S. M. V.; BORGES-ANDRADE, J. E. Comprometimento
no trabalho e produção científica entre pesquisadores brasileiros. Revista de Administração,
v. 34, n. 3, p. 12-20, jul./set., 1999.
PINTO, A. C.; ANDRADE, J. B. Fator de impacto de revistas científicas: qual o significado
deste parâmetro? In: Química Nova, 1999, (448-453).
RAMOS, M. Y.; VELHO, L. Formação de doutores no Brasil: o esgotamento do modelo
vigente frente aos desafios colocados pela emergência do sistema global de Ciência.
Avaliação, v. 18, n. 1, p. 219-245, mar., 2013.
SANTOS, R. N. M. dos. PRODUÇÃO CIENTÍFICA: Por que medir? O que medir? In:
Revista Digital de Biblioteconomia e Ciência da Informação, Campinas, v . 1, n. 1, p. 2238, jul./dez.. 2003 – ISSN: 1678-765X.
UNESCO. Science Report 2010. The Current Status of Science Around the World. Paris,
Unesco, 2010.
VELHO, L. Modos de produção de conhecimento e inovação: estado da arte e
implicações para a política científica, tecnológica e de inovação. Nota Técnica do Centro
de Gestão e Estudos Estratégicos. Brasília, fev. 2010
VILHENA, FAZANELI e CRESPANA. Produção científica: Critérios de avaliação de
impacto. In: Ver. Assoc. Med. Bras. 2002, (1-25).
YAMAMOTO, et al. Produção científica e “produtivismo”: há alguma luz no final do túnel?
In: RBPG, Brasília, v. 9, n. 18, p. 727 - 750, dez., 2012.
16