Absurdo do prêmio Nobel em Ciências

Todo ano, durante a premiação do Nobel, o principal da área acadêmica mundial, volta a discussão sobre a escolha realizada pela Fundação. Além das injustiças, este ano um artigo do The Atlantic destacou um fato importante: a premiação está distorcendo e reescrevendo a história. Além de muitas vezes deixar de fora bons pesquisadores, o processo científico nos dias atuais mudou. Com respeito ao primeiro ponto, não existe dúvida. O texto de Ed Yong (The Absurdity of the Nobel Prizes in Science) aponta vários casos. Eu lembro, na área de economia, o fato de Black e Tversky não terem sido premiados por terem falecido precocemente. Mas Baumol viveu bastante tempo e não foi contemplado.

Em muitos casos, o esquecimento pode representar reescrever a história da ciência. Yong narra o caso de Damadian que foi “esquecido” pelo Nobel, enquanto seus colegas, Paul Lauterbur e Peter Mansfield, foram contemplados. Damadian publicou anúncios em três jornais dos EUA protestando contra o esquecimento. No Nobel de Economia eu me lembro de Roberts (mas Fama, que escreveu depois sobre a eficiência de mercado, foi reconhecido), Milgrom (mas Myerson e Bengt Holmstrom) e Martin Weitzman (mas Nordhaus), sendo que este último “pode”  ter cometido suicídio pelo “esquecimento” do prêmio.

Mas o texto do The Atlantic destaca outro ponto também importante. Atualmente a ciência é um esforço de um grupo de cientistas. Reconhecer um cientista (ou dois ou três) é injusto com o grupo de trabalhou na pesquisa. Isto pode dar a impressão de que a ciência é feita por uma pessoa solitária, sem interação com outras pessoas:

críticos notam que é um absurdo e um anacronismo o reconhecimento do trabalho de cientistas. Em lugar de honrar a ciência, isto distorce sua natureza, reescreve a história e negligencia o papel de importantes pessoas [tradução livre]

Ganhar o prêmio traz vantagens, conforme lembra Yong: mais citações, um tempo de vida médio maior, lucro em palestras e a sensação de grandeza. Ser esquecido pode ser pior.

Rei morto, rei posto

Eis um gráfico interessante:

A linha pontilhada é quando um cientista estrela morre. A produção dos colaboradores, em vermelho, cai. Mas a produção de outros cientistas aumenta com a morte. Ou seja, isto faz renascer a pesquisa para outras pessoas e outras idéias.

Fonte: Aqui, via aqui

Big Data e Ciência

Zhang mostra com a grande presença de dados criou uma crise na ciência. O seu argumento parte de uma história envolvendo o estatístico Ronald Fisher. Uma senhora fez uma afirmação de que seria capaz de separar corretamente uma bebiba. Usando oito xícaras, Fisher distribuiu xícaras aleatoriamente para que a senhora provasse, sendo quatro de um sabor e quatro de outro. Lidando com uma distribuição hipergeométrica, ao acertar todos as xícaras, Fisher calculou que a chance do acerto ser por advinhação seria de 1,4%.

O processo usado por Fisher corresponde a construir uma hipótese, coletar dados e analisar o resultado. O problema é que o grande número de dados torna difícil fazer isto nos dias atuais.

Por exemplo, os cientistas podem agora coletar dezenas de milhares de expressões genéticas de pessoas, mas é muito difícil decidir se alguém deve incluir ou excluir um gene em particular na hipótese. Nesse caso, é atraente formar a hipótese baseada nos dados. Embora tais hipóteses possam parecer convincentes, as inferências convencionais dessas hipóteses são geralmente inválidas. Isso ocorre porque, em contraste com o processo do “de degustação da senhora”, a ordem de construir a hipótese e ver os dados se inverteu.

Se um cientista hoje usar 100 senhoras que não sabem distinguir o sabor após provar todas as oito xícaras. Mas existe uma chance de 75,6% de pelo menor uma pessoa advinhar, por sorte, o sabor. Se a análise fosse feita somente para esta pessoa, poderia concluir que ela tem condição de fazer a distinção entre os sabores. O problema é que o resultado não é reproduzível.

Se a mesma senhora fizesse o experimento novamente, ela provavelmente classificaria os copos erroneamente - não tendo a mesma sorte que na primeira vez - já que ela não poderia realmente dizer a diferença entre eles.

O exemplo mostra como algumas pesquisas, nos dias atuais, dependem de “sorte” para produzir resultados desejados.

Big Data e Teoria

A questão do Big Data ainda irá gerar uma boa discussão na ciência. Há uma certa associação entre a chegada do Big Data e o fato de estarmos livre da teoria. A pesquisa tradicional começa com uma teoria. Em uma ótica mais atual, coleta-se uma tonelada de dados para validar o palpite e tenta encontrar padrões.

A questão é que os padrões podem surgir em um grande conjunto de dados sem que exista uma base para isto

Em seu best-seller 2001 Good to Great, Jim Collins comparou 11 empresas que superaram o mercado de ações geral nos últimos 40 anos com 11 empresas que não o fizeram. Ele identificou cinco características que as empresas de sucesso tinham em comum. "Nós não começamos este projeto com uma teoria para testar ou provar", gabou-se Collins. "Procuramos construir uma teoria a partir do zero, derivada diretamente da evidência".


O fracasso de Collins é bastante conhecido.

Após a publicação de Good to Great, o desempenho das magníficas 11 ações da Collins foi claramente medíocre: cinco ações tiveram um desempenho melhor do que o mercado de ações em geral, enquanto seis tiveram resultados piores.

Em um exemplo mais recente, a empresa Google criou um programa que usava as consultas de pesquisa para prever os surtos de gripe. Usando 50 milhões de consultas de pesquisa, foram identificados 45 termos que possuíam mais correlação com a incidência de gripe. Depois disto, o programa estimou os casos. Na verdade, superestimou, já que o número de casos previsto foi o dobro do que realmente ocorreu.

Segundo Gary Smith:

Uma boa pesquisa começa com uma ideia clara do que alguém está procurando e espera encontrar. A mineração de dados apenas procura padrões e, inevitavelmente, encontra alguns.

Um pouco nesta linha, aqui uma interessante discussão entre o aprendizado de máquina e a econometria.

A importância dos resultados nulos

Um trabalho publicado na plataforma PsyArXiv indica que a proporção de pesquisas que não conseguem confirmar hipóteses formuladas por seus autores é maior do que se calculava – e sugere que o expediente de descartar ou omitir esses resultados negativos por considerá-los irrelevantes sobrevaloriza os achados positivos e pode produzir vieses. Os psicólogos Chris Allen e David Mehler, da Universidade de Cardiff, no Reino Unido, avaliaram pela primeira vez uma prática que vem ganhando espaço para dar mais transparência ao processo científico: a publicação em revistas especializadas dos chamados relatórios registrados, um tipo de paper que apresenta métodos e planos de análise de uma pesquisa ainda não iniciada, mas que foram avaliados por pares. Posteriormente, essas revistas se comprometeram a publicar os resultados, mesmo que sejam nulos ou inconclusivos, o que permite comparar a ambição do projeto com o seu desfecho.

Ao analisar 113 desses relatórios, que envolviam experimentos em ciências biomédicas e psicologia, a dupla de pesquisadores contabilizou 296 hipóteses formuladas – e observou que 61% delas não foram confirmadas pelos resultados alcançados. De acordo com os dois autores, a literatura científica considerava uma proporção em um patamar bem inferior, entre 5% e 20% de resultados negativos. Existem hoje cerca de 140 periódicos que registram previamente objetivos de pesquisas e depois divulgam os resultados, sejam eles quais forem. Boa parte dessas revistas cataloga protocolos de ensaios clínicos de medicamentos e novas terapias, que, por imposição da legislação dos Estados Unidos, precisam ser registrados antes de sua realização. O cuidado em oficializar os objetivos de um experimento científico previne práticas viciadas, como a modificação extemporânea de hipóteses para adaptá-las a dados já encontrados, ou ao menos evita que resultados negativos sejam esquecidos.

Continue lendo aqui

Fraude na pesquisa da vacina

Existe um grupo de pessoas que acredita existir uma ligação entre autismo e a vacinação; talvez a pessoa mais conhecida seja a modelo e ex-playmate Jenny McCarthy.Esta crença começou com uma pesquisa científica que foi publicada em um periódico de alto impacto. Posteriormente, um repórter investigou o assunto e descobriu que a pesquisa era uma fraude:

“Quando entrevistei essa ativista, mãe de uma das crianças do estudo, vi que as informações que ela me passava não batiam com nenhum dos casos relatados na pesquisa. Achei estranho e fui procurar quem tinha financiado esse estudo. Foi então que descobri que Wakefield [o pesquisador] havia sido contratado por advogados para produzir dados contra a vacina para que eles pudessem ganhar dinheiro processando os fabricantes do produto”, resumiu Deer [a jornalista]

Mesmo assim, muitas pessoas ainda acreditam que a ligação seja real.Uma consequência deste fato é um novo aumento em algumas doenças, como sarampo, em vários países.

Desinformação na era da internet

Em 1917 H. L. Mencken publicou um artigo no New York Evening Mail lamentando que o 75o. aniversário da adoção da banheira nos Estados Unidos tenha passado sem qualquer notícia. Mencken detalhava a história da banheira nos Estados Unidos e a resistência médica a novidade. A história tem sido amplamente lida e citada, mas possui dois problemas. Primeiro, Mencken era um grande humorista, talvez um dos maiores de todos os tempos. Segundo, em 1926 o próprio autor confirmou que muito do que estava no texto era mentira. O exemplo é tão importante que possui uma entrada na Wikipedia para ele: Bathtub Hoax.

Em um artigo da PNAS, Granter e Papker Jr usam este exemplo para ilustrar os perigos da desinformação médica na era do Google. Parece muito antigo para ser um problema, mas Granter e Papker informam que muitos artigos com dados fraudulentos continuam sendo citados e apenas uma pequena parcela da citação (menos de 6%) reconhecia a fraude.

A desinformação ainda é um problema hoje, não só a despeito da tecnologia, mas também por causa dela. Aqui, propomos que a comunidade científica dedique mais recursos a abordagens tecnológicas que abordem a desinformação.

Generalista x Especialista

Na ciência é melhor ser um pesquisador com conhecimentos mais amplo - denominado generalista - ou ter conhecimentos específicos - os chamados especialistas? Esta é uma questão importante. Aparentemente, os especialistas são vencendo a batalha, já que aprofundar em um tema tem sido considerado uma razão do sucesso de alguns países. Quando algumas pesquisas de produção acadêmica destacam os autores mais produtivos em um determinado tema, estamos enfatizando o especialista. O mesmo ocorre quando um periódico encaminha um artigo sobre um tema específico para um autor em particular, que já pesquisou sobre o assunto. No nosso país, é difícil ser especialista, já que temos recursos escassos. Mesmo assim, é cada vez mais comum associarmos um determinado tema, por exemplo contabilidade de seguradora, com um pesquisador.

Mas no fundo não sabemos o que é melhor. Um artigo tentou responder a este dilema usando dados de matemáticos teóricos após a dissolução da União Soviética:

os cientistas generalistas tiveram um desempenho melhor quando o ritmo da mudança foi mais lento e sua capacidade de extrair o conhecimento dos diversos domínios foi uma vantagem, mas os especialistas ganharam vantagem quando o ritmo da mudança aumentou e sua especialização mais profunda permitiu que eles usassem novos conhecimentos criados na fronteira do conhecimento.

Publicação Ibero-America

Um longo artigo de Cortés-Sanchez, sobre a publicação científica na área de negócios, administração e contabilidade na ibero-América tem alguns itens interessantes. Mas destaco dois: 

A Espanha é a grande potência e nos últimos 22 anos produziu mais do que os outros 21 países ibero-americanos juntos.

A revista Espacios é a que mais publica na área (1.700 artigos em 2017). A razão, segundo o Cortés-Sanchéz, é a rapidez do processo de análise e a taxa de envio baixa.

Patente e a previsão de pesquisas futuras

O grupo utilizou ferramentas de big data, como mineração de dados e análise de redes, para desenvolver um método que facilita a vida de cientistas e de empresas na busca por rotas, tendências e parcerias tecnológicas em qualquer área do conhecimento. A nova metodologia identifica tendências tecnológicas a partir de informações obtidas em bancos internacionais de patentes.

Mais do que levantar as patentes em uma área, o método identifica as rotas tecnológicas utilizadas por empresas e universidades em vários países, as que estão se desenhando como tendência e as redes de parceria entre empresas e instituições científicas que atuam no setor.

Inovador, o método está descrito em artigo que acaba de ser publicado na Nature Biotechnology. Também já estão em andamento pesquisas para traçar rotas tecnológicas nas áreas de energia solar, biocombustíveis, sementes e plantas medicinais. Os resultados dessas pesquisas serão publicados futuramente.

Fonte: Aqui

Tornado a ciência acessível

Existem diversas maneiras de tornar a ciência acessível. Um delas é fazer com que os textos dos artigos sejam o mais simples possível, usando a menor quantidade de jargão. Outra forma é disponibilizar as pesquisas de maneira gratuita para o público em geral. Finalmente, a divulgação das pesquisas pode ser feita por obras de divulgação científica, como alguns livros e sites que tentam "traduzir" a pesquisa para o leitor comum.

Um movimento interessante foi realizado pela LSE Library que decidiu transformar alguns artigos em quadrinhos. Veja um exemplo abaixo:

Produção científica

Esta pesquisa buscou verificar, sob uma perspectiva longitudinal (1994-2009), o papel desempenhado pelos autores no desenvolvimento da produção científica brasileira em contabilidade. Realizou-se uma pesquisa bibliométrica e sociométrica, consultando-se 4.052 artigos. Analisaram-se
categorias de produção e de continuidade, classificando-se os autores em continuantes, transientes, entrantes, one-timers e retirantes. Os resultados demonstraram a importância dos autores continuantes para o desenvolvimento, a consolidação e o amadurecimento da pesquisa em contabilidade. Isso porque esses autores apresentaram a maior produtividade quantitativa; atuam intermediando o relacionamento com outras categorias, ou seja, agenciam as informações de diferentes pesquisadores; os oitos autores continuantes com maior número de publicações são centrais em suas redes, articulando as pesquisas de diferentes pesquisadores; e são os principais responsáveis por parcerias internacionais. Apesar da importância dos continuantes, notou-se que estes representam o menor percentual entre as categorias. Em contraposição, o maior número de autores identificados classificou-se como one-timer, ou seja, realizou uma única publicação em todo o período. Esta última categoria, aliada aos entrantes, indica a atratividade exercida sobre pesquisadores pela área do conhecimento, podendo consistir nas principais fontes de inovações e de novas abordagens. Quanto aos retirantes, observou-se certa rotatividade, o que é natural em todos os campos da pesquisa.

Dica de Poly Silva. 

Meu nome consta da pesquisa e percebi que entre 1995 a 2009 publiquei pelo menos um artigo por ano. Um total de 52 artigos. Entretanto, 37% da produção se deu com "retirantes", o que talvez não seja bom.

Ciência e preprint

A velocidade dos tempos modernos não está sendo acompanhada pelo processo de divulgação científica. O tempo entre o "fazer" e a "divulgação" do conhecimento científico é muito longo. Uma solução seria o preprint:

Para a América Latina, modelos como o preprint não apenas permitem solucionar um problema sobre a gestão do tempo e a gestão do trabalho acadêmico, como tende a equilibrar as desigualdades geradas sobre a publicação científica de um modelo tradicional cuja decisão do editor é soberana.

Tenho dúvidas se a forma como estamos fazendo o preprint nos periódicos de contabilidade resolvem o problema do tempo apontada.

Como melhorar a pesquisa?

Diversas políticas são apresentadas para melhorar a qualidade da pesquisa de um país. Uma pesquisa mostrou que um fato pode ser relevante: o custo da viagem. Este fator interfere na colaboração dos cientistas. Novas rotas de empresas de baixo custo trazem um aumento de 50% nas colaborações acadêmicas.

A redução de fricções geográficas é particularmente benéfica para cientistas de alta qualidade (...)

Pesquisando artigos

A seguir, um conjunto de links que um pesquisador pode usar para pesquisar artigos:

Google Acadêmico
1Findr
Dimensions
Microsoft Academics
World Cat 
My Science Work 
Science Open
Semantic Scholar
Unpaywall 
Lean Library
Anywhere access

Baseado aqui 

Faltou algum? Ajude a completar esta relação...

Scopus
Sci Hub (Este site, por não respeitar as leis de direitos autorais, pode mudar seu link)

Jensen e o milagre da multiplicação

O economista Michael Jensen, um dos grande nomes de finanças e fundador do SSRN, foi acusado de usar o mesmo artigo três vezes em diferentes periódicos. A publicação ocorreu em 2001 e 2002, com “more or less simultaneously vetting versions of the Jensen article.” Segundo o denunciante

In my view, duplicate publications harm researchers by creating inefficiencies. Time is wasted when researchers wade through various iterations of the same work. Duplicate publications also take valuable space in journals, displacing original work by others that might otherwise have been published. This practice can create an illusion of productivity for authors, distort future meta-analyses, and violate copyright, in addition to wasting the time of manuscript reviewers and resources of publishers. When editors of journals issue retractions or EOCs for duplicate publications, they correct the scholarly record and let readers know that undisclosed duplicate publication is professionally unacceptable.


Jensen tem trabalhos conhecidos sobre remuneração com opções e a teoria da agência. Seus artigos possuem mais de 37 mil citações, sendo que “Theory of firm – managerial behavior, agency costs and ownership structure,” foi citado mais de 14 mil vezes.

Excesso de informação científica

Nos dias de hoje não podemos reclamar do acesso as informações de pesquisas publicadas recentemente. Entretanto, em muitos casos, estas informações são mera distrações para o que é realmente importante. Um texto de Anne-Wil Harzing oferece alguns conselhos para se manter atualizado nas novas publicações relevantes, aproveitando o que a internet tem de melhor a oferecer.

Harzing começa lembrando do tempo onde a sobrecarga de informação não era um problema expressivo. As pesquisas envolviam ir à biblioteca e folhear os periódicos disponíveis. E no caso de interesse, tirar cópia dos artigos. E somente dos artigos relevantes, já que o custo era elevado.

Nos dias atuais, estamos estressados com medo de perder a última novidade. Entre as dicas citadas, gostei da discussão sobre “redes sociais”. De pronto, não confunda vida pessoal do cientista com pesquisa científica. Muitas vezes seguir um pesquisador em uma rede social não garante que você tenha acesso as novidades da ciência. Pelo contrário, talvez você fique sabendo que o professor gosta de vinho ou que estava na praia lendo um livro. Veja o que Harzing diz sobre o ResearchGate:

“Não acompanho quase ninguém no ResearchGate e desabilitei 95% dos alertas, incluindo os alertas de seguidores que informam quando alguém lê ou cita seu artigo, bem como o tipo de alerta gratuito “você / seu papel é / é o melhor”. Mas mesmo assim, ainda recebo vários e-mails por semana, pois eles não têm uma função de "resumo". Os alertas de mídia social normalmente fornecem informações de baixa qualidade que desviam sua atenção de qualquer pesquisa em que você esteja trabalhando e o tenta a fazer login novamente para verificar toda a atividade. Isso é bom se sua intenção é distração e diversão, mas não se for para manter-se atualizado com pesquisas sérias.

Reprodutibilidade e Replicabilidade

Há uma diferença sutil entre reprodutibilidade e replicabilidade na ciência, segundo Leek:

Reprodutibilidade = tomar os dados de uma publicação anterior, reve-los e obter os mesmos resultados.
Replicabilidade = executar um experimento e obter resultados "consistentes" com o estudo original usando novos dados.

Eis um exemplo. Uma pesquisa testou a relação entre tamanho do ativo e margem líquida para as empresas abertas no ano de 2014. A reprodutibilidade significa pegar as mesmas empresas, os mesmos valores e recalcular os testes estatísticos. Já a replicabilidade é usar as técnicas do texto original e verificar se o mesmo se aplica aos resultados de 2017.

Segundo Leek, os resultados que não são reprodutíveis são difíceis de verificar e os resultados que não se replicam em novos estudos são mais difíceis de confiar. Mas uma boa ciência se faz com ambos. Para isto, o pesquisador deve guardar os resultados e disponibilizar quando necessário.

Um estudo de alguns anos atrás mostra a importância disto. Dois pesquisadores econômicos conhecidos cometeram um erro ao calcular a média em uma planilha Excel. A fórmula usada não contemplava todos os países. o estudo apontava uma média na taxa de crescimento de diversos países de -0,1% e o valor correto era de 2,2%. O erro só foi descoberto graças a reprodutibilidade.

Os problemas com a reprodutibilidade e a reprodutividade ocorrem, segundo Leek, por falta de treinamento em estatística e computação por parte dos cientistas, aos incentivos financeiros para publicar resultados desejáveis, os incentivos dos periódicos para publicar resultados inovadores, as limitações estatísticas dos estudos (tamanho da amostra, por exemplo), a não consideração de alternativas nas explicações para os resultados, entre outros aspectos. Como parecerista de artigos em periódicos tenho notado um descuido com ambas as questões; muitos textos preferem falar da classificação da pesquisa, do que esclarecer como a pesquisa foi feita.

Há um outro aspecto: o desprezo com a ética por parte de alguns pesquisadores. Tenho notado isso ao longo da vida acadêmica e isto inclui desde usar o “CRTL C CRTL V” até a tentativa de torturar os dados. Quem não segue este padrão é taxado de “preciosista” pelos colegas.

Quantidade x Qualidade na pesquisa científica

O bom pesquisador deve deixar de lado a quantidade e focar na qualidade? Uma pesquisa mostra que isto depende da área. Mas em geral,

há um retorno de qualidade positivo do aumento da produtividade. Um número maior de documentos resulta em números ainda maiores de artigos citados. Em outras palavras, estimular a produção de artigos importa e parece ser um incentivo positivo e não negativo aos pesquisadores. Sendo assim, os níveis de produção devem ser levados em consideração na avaliação de pesquisadores e organizações. Isso, é claro, não implica que a produção seja o único critério de avaliação relevante; mas que é relevante parece indiscutível.

O gráfico abaixo resume a relação por área:

Experimentos de montadoras alemãs: cheirar diesel

Recentemente a indústria automobilística teve que confessar que manipulava os dados de emissão de gás carbônico. Agora outro escândalo: algumas empresas da Alemanha financiaram estudos “científicos” em seres humanos e macacos sobre a inalação de gases emitidos por veículos à diesel. As empresas queriam conhecer os efeitos da inalação na circulação sanguínea e no sistema respiratório.

O estudo foi financiado por três grandes empresas: Volkswagen, Mercedes e BMW e envolveu 19 homens e 6 mulheres, além de 10 macacos. O local o experimento foi em Aachen, Alemanha, e em Albuquerque, Estados Unidos. Um dos objetivos era contestar uma decisão da Organização Mundial de Saúde, que considerou o diesel como cancerígeno.

A Volks anunciou mudanças nos seus executivos, incluindo o relações públicas do grupo.