O Problema da Indução sob a Ótica do Big Data: Um Ensaio a partir dos Argumentos do Filósofo Karl Popper

Autores

  • Marcos Luiz Lins Filho Universidade Federal do Rio Grande do Norte - UFRN
  • Manoel Veras de Sousa Neto Universidade Federal do Rio Grande do Norte - UFRN

DOI:

https://doi.org/10.21728/logeion.2018v5n1.p6-19

Palavras-chave:

E-Science. Big Data. Problema da indução. Karl Popper

Resumo

A busca pelo conhecimento permanecerá sempre viva entre os seres humanos mantendo ativos os debates e as discussões. Nesse contexto, o uso de Big Data nas pesquisas científicas reacende a discussão sobre o uso da indução como base para a construção do conhecimento científico. Esse ensaio apresenta uma análise teórica acerca do problema da indução sob a ótica do Big Data. Para tanto, tomou-se como base para o contraponto os argumentos apresentados pelo filósofo Karl Popper. Conclui-se que, sob a ótica do uso de Big Data, o método indutivo não apresenta inconsistências e os enunciados universais podem ser inferidos a partir de enunciados singulares, contrariando a ideia de Popper e reforçando a teoria indutivista.

Downloads

Não há dados estatísticos.

Biografia do autor

Marcos Luiz Lins Filho, Universidade Federal do Rio Grande do Norte - UFRN

Possui graduação em Bacharelado em Ciência da Computação pela Universidade Federal de Campina Grande (2003). Especialização em Segurança de Redes e Criptografia pela Universidade Federal Fluminense (2009). Mestrado em Ciência da Computação pela Universidade Federal de Pernambuco (2011). Especialização em Gestão de Tecnologia da Informação na Universidade Federal do Rio Grande do Norte (2013). Atualmente é Doutorando em Administração pela Universidade Federal do Rio Grande do Norte. Tem experiência na área de Ciência da Computação e Gestão, tendo atuado como Analista de Sistemas e gestor de projeto social na empresa Petrobras Distribuidora S/A.

Manoel Veras de Sousa Neto, Universidade Federal do Rio Grande do Norte - UFRN

Possui doutorado em Administração pela Universidade de São Paulo - USP (2001), mestrado em Engenharia Elétrica pela Universidade Estadual de Campinas - UNICAMP (1985) e graduação em Engenharia Elétrica pela Universidade Federal do Rio Grande do Norte - UFRN (1983) . É professor associado IV da UFRN atuando na área de Administração, com ênfase em Tecnologia da Informação. Coordena o grupo de pesquisa registrado no CNPQ : Estudos Organizacionais em Gestão de Projetos. Coordena a especialização em em Gestão da Tecnologia da Informação na UFRN. É autor de mais de cem artigos acadêmicos e de vários livros na área de Tecnologia da Informação e Gerenciamento de Projetos com foco em Capacitação Profissional. É assessor técnico da secretaria de gestão de projetos da UFRN. Faz parte do conselho de desenvolvimento acadêmico do Instituto Metrópole Digital (IMD) da UFRN. É o atual coordenador do Programa de Pós-Graduação em Administração (PPGA) [CAPES 5] da UFRN. Possui experiência no setor privado e no setor público.

Referências

ALBAGLI, S; APPEL, A. L.; MACIEL, M. L. E-Science e ciência aberta: Questões em debate. XIV Encontro Nacional de Pesquisa em Ciência da Informação – ENANCIB.

CHEN, J., CHEN, Y., DU, X., LI, C., LU, J., ZHAO, S. e ZHOU, X. Big data challenge: a data management perspective. Frontiers of Computer Science, vol. 7(2), February, 2013.

EDWARDS, P. Russell´s doubts about induction. Mind, v. 58, p. 141-163, 1949.

GRÁCIO, M. C. C. Sobre a indução. FFC/Unesp-Marília, 2005.

HUME, D. Investigação sobre o entendimento humano. Lisboa: Imprensa Nacional – Casa da Moeda, 2002.

HUME, D. An Enquiry Concerning Humam Understanding: a critical edition. New York: Oxford University Press Inc, 2006.

JUNTA, C. M. John Stuart Mill e a filosofia das ciências sociais. São Carlos: UFSCar, 2011.Dissertação (Mestrado em Filosofia) – Programa de Pós Graduação em Filosofia e Metodologia, Universidade Federal de São Carlos, São Carlos, 2011.

KAISLER, S.; ARMOUR, F.; ESPINOSA, J. A.; MONEY, W. Big data: Issues and Challenges Moving Forward. In: 46th Hawaii International Conference on System Sciences (HICSS), Wailea, Maui – HI, 2013.

KATAL, A.; WAZID, M.; GOUDAR, R. H. Big Data: Issues, Challenges, Tools and Good Practices. In: Sixth International Conference on Contemporary Computing (IC3), Noida, 2013.

KUHN, T. S. The Structure of Scientific Revolutions. University of Chicago Press, 1962.

LINS FILHO, M. L., SOUZA NETO, M. V. Desafios na era de Big Data: uma revisão. XXI Simpósio de Engenharia de Produção, Universidade Estadual Paulista- UNESP, Bauru-SP, 2014.

MADDEN, S. From Databases to Big Data. IEEE, Internet Computer Society. pp. 4-6. May-Jun, 2012.

NATURE. Big Data: science in petabytes era. Nature Journal, vol. 455, no. 7209, 2008.

OLIVA, A. (org.) Epistemologia: a cientificidade em questão. Campinas: Papirus, 1990.

POLYA, G. A arte de resolver problemas. Rio de Janeiro: Interciência, 1978.

POPPER, K. R. A Lógica da Pesquisa Científica. São Paulo: Cultrix, 1972.

POPPER, K. R. Conjecturas e Refutações. 3ª ed. Brasília: UnB, 1981.

SAGIROGLU, S.; SINIANC, D. Big Data: A Review. In: IEEE International Conference on Collaboration Technologies and Systems (CTS), San Diego – CA, 2013.

SILVEIRA, F. L; OSTERMANN, F. A insustentabilidade da proposta indutivista de “descobrir a lei a partir de resultados experimentais”. Caderno Catarinense de Ensino de Física, Florianópolis, V. 19, N. ESPECIAL, p. 7-27, 2002.

SINGH, S.; SINGH, N. Big Data Analytics. In: IEEE International Conference on Communication, Information & Computing Technology (ICCICT), Mumbai, 2011.

VIANA, G. V. R; PEREIRA, E. S. O método indutivo. Revista Científica Faculdades Lourenço Filho, v. 5, n. 1, 2007.

Downloads

Publicado

31/08/2018

Como citar

LINS FILHO, M. L.; DE SOUSA NETO, M. V. O Problema da Indução sob a Ótica do Big Data: Um Ensaio a partir dos Argumentos do Filósofo Karl Popper. Logeion: Filosofia da Informação, Rio de Janeiro, RJ, v. 5, n. 1, p. 6–19, 2018. DOI: 10.21728/logeion.2018v5n1.p6-19. Disponível em: https://revista.ibict.br/fiinf/article/view/3974. Acesso em: 24 abr. 2024.

Edição

v. 5 n. 1 (2018)

Seção

Artigos

Licença

Copyright (c) 2023 Logeion: Filosofia da Informação

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

A revista é publicada sob a licença Creative Commons - Atribuição - Uso Não Comercial - Partilha nos Mesmos Termos 4.0 Internacional.

O trabalho publicado é considerado colaboração e, portanto, o autor não receberá qualquer remuneração para tal, bem como nada lhe será cobrado em troca para a publicação.

Os textos são de responsabilidade de seus autores.

É permitida a reprodução total ou parcial dos textos da revista, desde que citada a fonte.