A Segunda Guerra Mundial representou um ponto de inflexão, fazendo com que diversos países atentassem para o valor do planejamento estratégico e do manejo de situações complexas relacionadas ao futuro. E, consequentemente, atentassem para os estudos sobre o futuro.
Como obviamente não dispomos de séries históricas ou dados sobre o futuro, os estudos a esse respeito utilizam dados referentes ao passado e ao presente, além de opiniões de especialistas para tentar imaginar aquilo que pode vir a acontecer e seus respectivos desdobramentos.
Esses estudos recebem muitos nomes e abordagens. Forecasting e foresight, assim como suas variações, são os mais empregados. “Uma pergunta que sempre paira sobre a prospecção é se mais e melhores dados obtidos no presente seriam capazes de aumentar a acurácia de ‘previsões’. Prever o futuro seria um problema de disponibilidade de dados e capacidade computacional, ou nem com isso seria possível aumentar a acurácia da prospecção?”, pergunta o professor do Departamento de Política Científica e Tecnológica (DPCT) da Unicamp Sergio Salles-Filho.
Com a emergência de grandes bases de dados (big data) e do aprendizado de máquina (machine learning), os estudos prospectivos conseguirão superar a incerteza inerente ao futuro? Se sim, em que medida? Se não, por que não?, questionam os estudiosos.
Na edição de 25 de maio da revista científica Foresight, Sales-Filho e o pesquisador Vinicius Muraro, da Universidade de Lund, na Suécia, publicaram um artigo que analisa os usos de big data e machine learning nessa área do conhecimento. Ambos pesquisadores integram o Laboratório de Estudos sobre a Organização da Pesquisa e da Inovação (Lab-Geopi) da Unicamp.
Para fazer as análises, foram utilizadas duas técnicas: a bibliometria, ferramenta estatística que permite mapear e gerar diferentes indicadores sobre a gestão da informação e do conhecimento a partir de publicações científicas, com coleta de artigos publicados desde o ano de 2021, na base Scopus; e uma survey, que coletou respostas de 479 especialistas em estudos sobre foresight.
A partir dos resultados, os pesquisadores puderam compreender melhor como essas ferramentas têm sido incorporadas nos estudos de políticas e fornecer uma análise sobre as lacunas e os pontos aos quais outros pesquisadores devem estar atentos quando usarem big data e machine learning em seus estudos.
Dentre os impactos que os pesquisadores observaram a partir da adoção dessas ferramentas, está a necessidade de criar novas competências profissionais e mecanismos institucionais de controle que promovam uma interação dinâmica entre os resultados obtidos a partir dos dados e o conhecimento humano. Eles destacaram, no entanto, que o uso responsável das novas tecnologias será capaz de aumentar significativamente a capacidade de análise no campo dos estudos sobre o futuro, o que pode beneficiar a tomada de decisões estratégicas e a visualização, de forma mais embasada, de novos cenários sobre o futuro desejado para as sociedades.
Quanto a tornar a prospecção um exercício mais preciso, os autores apontaram que, mesmo contando com quantidades muito grandes de dados e alta capacidade de processamento desses dados, a incerteza só será contornada ou reduzida no caso de eventos de curto prazo e pouco suscetíveis a imprevistos. De outro lado, as questões futuras de maior abrangência, de menor definição no presente e de maior potencial de gerar impactos continuariam sendo naturalmente incertas, e os recursos de big data e machine learning pouco contribuíram para resolvê-las.
Mariana Ceci é jornalista do Projeto Pesquisa da Pesquisa/Geopi/Instituto de Geociências
