Handshake 2009183 1920

Fatores que influenciam a cooperação em rede

Fatores são o foco de estudos sobre redes

Em variados contextos o #teamVIA abordou a temática de redes em suas pesquisas. Também, o assunto possui relevância significativa em ações de extensão uma vez que o grupo possui parcerias, como a Innovation Network Florianópolis e a Rede Veracidade. Logo, o grupo de estudos da semana abordou o assunto sob a perspectiva de dois artigos, veja o outro aqui 🙂

Um dos artigos estudado foi o “Factors that influence cooperation in networks for innovation and learningFactors that influence cooperation in networks for innovation and learning” (SIE, RIJPKEMA, STOYANOV, SLOEP, 2014). Os autores mencionam que em diversas ocasiões necessitamos trabalhar juntos em troca de benefícios. Entretanto, se essa cooperação é composta por mais de duas partes, temos uma rede de atores de interação. Sie, Rijpkema, Stoyanov e Sloep (2014) apresentam as tipologias de redes com ênfase para as redes de inovação e redes de aprendizagem. Para distinguir, a rede de inovação enfoca o desenvolvimento de novos produtos e o compartilhamento de riscos. Por outro lado, a rede de aprendizagem ressalta o compartilhamento de conhecimento. Desta maneira, a cooperação em rede traz como benefícios a criatividade, inovação e novos conhecimentos.

Alguns estudos citados buscam fatores determinantes para a cooperação efetiva. Entre os referidos, encontram-se: a valorização do outro e de seus conhecimentos, identidade social, similaridade entre atores e o poder.

Em vista disso, o artigo teve como objetivo descobrir quais os fatores relevantes para a cooperação em rede?

Geração e análise de fatores

O método foi desenvolvido para que um software pudesse apresentar o valor futuro e os fatores da cooperação efetiva. Para isso, utilizou-se a estratégia Delphi adaptada para o ambiente online de discussão. Isso se deu uma vez que essa abordagem permite solicitar informações de especialistas e identificar tendências.

Para as rodadas foram selecionados dois grupos com 6 especialistas cada. Para tanto, o primeiro grupo é formado por profissionais acadêmicos com 5 anos de experiência em conhecimentos como teoria das redes e psicologia social. Semelhantemente, o segundo grupo é constituído por especialistas em redes de aprendizagem.

Além disso, previamente os especialistas foram introduzidos ao tema por meio da descrição do contexto com um exemplo prático e feeds do Twitter, Delicious and Google News com as palavras ‘cooperação’ e ‘rede’.

O procedimento metodológico se dividiu em duas etapas:

  1. Gerar fatores por meio de posts e respostas anônimas no fórum online e avaliar a relevância dos fatores relatados. Os moderadores atuavam nesta primeira etapa de forma a estimular que todos os especialistas contribuíssem. Esta primeira etapa teve duração de 4 semanas;
  2. Criar clusters centrais com a utilização do software WebSort.net para análise de agrupamento de dados durante 1 semana. Então, o cálculo foi realizado pela técnica do agrupamento hierárquico aglomerativo e a matriz de similaridade.

Resultados obtidos

Como resultados, teve-se a geração de 33 fatores, sendo 13 distintos ao primeiro grupo e 21 ao segundo. Contudo, apenas o fator ‘confiança’ foi semelhante em ambos os grupos.

Figuras: Fatores do grupo 1 e grupo 2 extraídos do artigo.

Os fatores gerados pelo grupo 1 se mostram menos confiáveis, uma vez que estes obtiveram uma baixa interação, refletida pelo número de avaliações. Contudo, os fatores gerados são populares para aquele grupo em seu contexto.

Portanto, os moderadores classificaram os fatores em 4 clusters: i) características pessoais; ii) diversidade; iii) cooperação efetiva, e iv) aspectos gerenciais.

Com isso, os autores concluem que:

  1. Poucos fatores podem influenciar negativamente as redes;
  2. Alguns fatores presentes na literatura não foram abordados pelos especialistas como poder e status;
  3. Alguns fatores abordados não foram previamente mencionado na literatura;
  4. As respostas estão sujeitas a contextos.

Dessa forma, Sie, Rijpkema, Stoyanov e Sloep (2014) concluem que é relevante utilizar os fatores abordados pela literatura e pelos especialistas.

Referência:

SIE, R. L. L.; RIJPKEMA, M. B., STOYANOV, S.; SLOEP, P. B. Factors that influence cooperation in networks for innovation and learningFactors that influence cooperation in networks for innovation and learning. vol. 37, p. 377-384. Computers in Human Behavior. 2014.

The following two tabs change content below.

Clarissa da Silva Flôr

Administradora pela UFSC, atenta às mudanças, à inovação e às diferentes formas de pensar. Técnica em meio ambiente que se preocupa com o futuro das pessoas e do planeta e percebe a pesquisa como uma forma de criação de conhecimento e evolução.

Latest posts by Clarissa da Silva Flôr (see allVIA - Knowledge Station

other Posts