Seleção de atributos para modelos de inferência sobre o desempenho científico de pesquisadores da área de conhecimento Odontologia

Autores

  • Renê Rodrigues Veloso Universidade Estadual de Montes Claros
  • Luís Antônio Guisso Lopes Instituto Federal de Educação, Ciência e Tecnologia do Norte de Minas Gerais
  • Hugo Andrei Mendes da Silva Fundação Educacional Montes Claros
  • Romulo Barbosa Veloso Universidade Estadual de Montes Claros
  • Nilton Alves Maia Universidade Estadual de Montes Claros

DOI:

https://doi.org/10.18225/ci.inf.v47i3.4282

Palavras-chave:

Extração de atributos, Currículo Lattes, Potencial de pesquisa, Odontologia

Resumo

Esforços diversos foram empreendidos para a elevação da produção científica do Brasil. No entanto, ainda há ações a serem tomadas para conduzir os níveis produtivos atuais a patamares mais elevados. Neste sentido,acredita-se que a avaliação dos pesquisadores, a partir de seus históricos profissionais, é uma etapa importante para a tomada de decisão futura e, consequentemente, permite que essas diversas ações sejam mais bem direcionadas, trazendo benefícios como: formação de equipes otimizadas para execução de projetos, aplicação adequada de recursos para financiamentos, aumento do prestígio das instituições a partir do incremento de produtividade de seus pesquisadores, dentre outros. Por tratar-se de tema de estudo não esgotado e com ganhos relevantes para toda a sociedade, neste trabalho investiga-se a extração dos principais atributos dos pesquisadores que indicam o potencial produtivo futuro a partir de dados de seus currículos cadastrados na Plataforma Lattes. O foco do estudo foi a área de conhecimento Odontologia, a partir da qual foram empregados métodos de descoberta de conhecimento, tendo como referência o respectivo documento de área. Como resultado, os principais atributos dos pesquisadores são apresentados de acordo com a sua relevância na determinação de produtividade futura dos pesquisadores.

Downloads

Não há dados estatísticos.

Biografia do autor

Renê Rodrigues Veloso, Universidade Estadual de Montes Claros

Doutor em Ciência da Computação pela Universidade Federal de Minas Gerais (UFMG), Belo Horizonte,Minas Gerais, Brasil. Professor da Universidade Estadual de Montes Claros (UNIMONTES) e da Fundação Educacional Montes Claros (FEMC-FACIT), Montes Claros, Minas Gerais, Brasil.

Luís Antônio Guisso Lopes, Instituto Federal de Educação, Ciência e Tecnologia do Norte de Minas Gerais

Mestre em Modelagem Computacional e Sistemas pela Universidade Estadual de Montes Claros UNIMONTES), Montes Claros, Minas Gerais, Brasil. Professor EBTT do Instituto Federal de Educação, Ciência e Tecnologia do Norte de Minas Gerais (IFNMG) - Campus Montes Claros, Montes Claros, Minas Gerais, Brasil.

Hugo Andrei Mendes da Silva, Fundação Educacional Montes Claros

Mestre em Modelagem Computacional e Sistemas pela Universidade Estadual de Montes Claros UNIMONTES), Montes Claros, Minas Gerais, Brasil. Professor da Fundação Educacional Montes Claros FEMC-FACIT), Montes Claros, Minas Gerais, Brasil.

Romulo Barbosa Veloso, Universidade Estadual de Montes Claros

Doutor em Engenharia Florestal pela Universidade Federal de Lavras (UFLA), Lavras, Minas Gerais, Brasil. Professor da Universidade Estadual de Montes Claros (UNIMONTES, Montes Claros, Minas Gerais, Brasil.

Nilton Alves Maia, Universidade Estadual de Montes Claros

Doutor em Engenharia Elétrica pela Universidade Federal de Minas Gerais (UFMG), Belo Horizonte, Minas Gerais, Brasil. Professor da Universidade Estadual de Montes Claros (UNIMONTES, Montes Claros, Minas Gerais, Brasil.

Referências

ABBASI, A.; ALTMANN, J.; HOSSAIN, L. Identifying the effects of co-authorship networks on the performance of scholars: A correlation and regression analysis of performance measures and social network analysis measures. Journal of Informetrics, v. 5, n. 4, p. 594 – 607, 2011.

ACUNA, D. E.; ALLESINA, S.; KORDING, K. P. Future impact: Predicting scientific success. Nature, Nature Publishing Group, a division of Macmillan Publishers Limited. All Rights Reserved., v. 489, n. 7415, p. 201–202, set. 2012.

BRYNKO, B. The science of predicting nobel prize winners. Information Today, v. 27, n. 10, p. 43–43, 2010.

CAVALCANTE, R. A. et al. Perfil dos pesquisadores da área de odontologia no Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq). Revista Brasileira de Epidemiologia, SciELO Salud Publica, v. 11, p. 106 – 113, 03 2008.

CIMENLER, O.; REEVES, K. A.; SKVORETZ, J. A regression analysis of researchers’ social network metrics on their citation performance in a college of engineering. Journal of Informetrics, v. 8, n. 3, p. 667 – 682, 2014.

CONSELHO NACIONAL DESENVOLVIMENTO CIENTÍFICO E TECNOLÓGICO. Plataforma Lattes. 2015. Disponível em: <http://lattes.cnpq.br/>. Acesso em: 31/03/2015.

_____. Critérios de Julgamento - CA-OD: Vigência 2015 a 2017. 2015. Disponível em: <http://cnpq.br/web/guest/view/-/journal_content/56_INSTANCE_0oED/10157/49701>. Acesso em: 12.05.2015.

DIJK, D.; MANOR, O.; CAREY, L. Publication metrics and success on the academic job market. Current Biology, v. 24, n. 11, p. R516 – R517, 2014.

GUEDES, M. de C.; AZEVEDO, N.; FERREIRA, L. O. A produtividade científica tem sexo? Um estudo sobre bolsistas de produtividade do CNPq. Cadernos Pagu, SciELO, p. 367 – 399, 12 2015.

LAURANCE, W.F. et al. Predicting publication success for biologists. BioScience, v. 63, n. 10, 10 2013.

LETA, J. Brazilian growth in the mainstream science: The role of human resources and national journals. Journal of Scientometric Research, v. 1, n. 1, p. 44–52, 2012.

MUGNAINI, R.; JANUZZI, P.M.; QUONIAM, L. Indicadores bibliométricos da produção científica brasileira: uma análise a partir da base pascal. Ciência da Informação, v. 33, n. 2, p. 123, 2004.

NOORDEN, R.V. The impact gap: South America by the numbers. 2014. Disponível em: <http://www.nature.com/news/the-impact-gap-south-america-by-the-numbers-1.15393>. Acesso em: 16/04/2015.

REZENDE, S.M. Produção científica e tecnológica no brasil: conquistas recentes e desafios para a próxima década. RAE, v. 51, p. 202+–, 2011.

SARIGÖL, E. et al. Predicting scientific success based on coauthorship networks. EPJ Data Sci., Berlin/Heidelberg, v. 3, n. 1, p. 1–16, 2014.

Downloads

Publicado

21/12/2018

Como citar

Veloso, R. R., Lopes, L. A. G., da Silva, H. A. M., Veloso, R. B., & Maia, N. A. (2018). Seleção de atributos para modelos de inferência sobre o desempenho científico de pesquisadores da área de conhecimento Odontologia. Ciência Da Informação, 47(3). https://doi.org/10.18225/ci.inf.v47i3.4282

Edição

Seção

Artigos