Prévia do material em texto
Marcos Marcon Negócios Inteligentes e Indústria 4.0 PROSPECÇÃO, INTELIGÊNCIA E CENÁRIOS TECNOLÓGICOS 2 SUMÁRIO CONHEÇA SUA DISCIPLINA 4 Entenda como funciona a disciplina do curso. COM QUEM APRENDEREI? 5 Conheça o professor que ministra a disciplina. PRINCIPAIS PONTOS 6 Entenda os principais pontos que podem ser percorridos ao longo da disciplina. AULA 1, PARTE 1 7 Apresentação, estudos do futuro e futuro em metáforas. AULA 1, PARTE 2 10 Teoria do conhecimento e tipos de conhecimentos. AULA 1, PARTE 3 12 Incerteza fundamental e processos decisórios. AULA 2, PARTE 1 14 Introdução a prospecção e técnicas de estudos futuro. AULA 2, PARTE 2 17 Métodos opinion-driven, métodos qualitativos. 3 AULA 2, PARTE 3 20 Data-Driven. AULA 3, PARTE 1 22 Priorização e decisão. AULA 3, PARTE 2 23 Métodos de decisão e portifólio. CURADORIA 25 Links dos materiais básicos e complementares da disciplina. ESTUDO DE CASO 29 Estudos de caso propostos pelo professor. INFORMAÇÕES 30 Informações sobre avaliação e canais de contato para dúvidas. 4 CONHEÇA SUA DISCIPLINA Apresentação e discussão dos principais conceitos teóricos e de implementação das fases do processo de Prospecção, Avaliação (AT) e Seleção de Tecnologias de Processo. Reflexões sobre algumas das mais conhecidas metodologias de prospecção e avaliação tecnológica, bem como alguns dos principais critérios como custos envolvidos, qualidade da produção e do produto, sustentabilidade e impactos sociais nas comunidades. Apresentação de casos nacionais e internacionais de avaliação e seleção de tecnologias. 5 COM QUEM APRENDEREI? MARCOS MARCON Sócio-fundador da OpenSense, primeira plataforma digital de prospecção tecnológica data-driven do Brasil, capaz de mapear e acessar massivamente estoques de conhecimentos científicos e tecnológicos do Sistema de Nacional Inovação (SNI) www.opensense.com.br. Coordenador Nacional de Corporate Venture da Associação Nacional de Empreendimentos Inovadores / ANPROTEC. Pioneiro na implementação de Instrumentos Fiscais de Apoio à Inovação no Brasil para investimentos em startups, responsável pelo planejamento estratégico, implementação e execução de programas de inovação aberta em grandes empresas nacionais e multinacionais. Formado Ciência da Computação pela Universidade Federal de São Carlos/ UFSCAR, possui também MBA em Gestão de Mercados pela Escola Superior de Propaganda e Marketing de São Paulo/ESPM e Doutorando em Política Científica e Tecnológica pela Universidade Estadual de Campinas / UNICAMP. Suas áreas de pesquisa incluem ciência de dados, econometria, empreendedorismo intensivo em conhecimento, internacionalização de empresas de base tecnológica, redes de conhecimento, encadeamento científico e tecnológico. CEO / OPENSENSE 6 PRINCIPAIS PONTOS CHECKPOINT DE APRENDIZAGEM Assuntos totalmente conectados com a essência da disciplina que requerem a compreensão e atenção do aluno. Destaques acerca dos pontos altos da aula. Atuam como marcos de destaque sobre pontos importantes que, juntos, irão compor um importante mapa da disciplina. CITAÇÃO IMPORTANTE Case ou situação prática que irá exemplificar a aplicação de conceitos importantes da disciplina em vivência real. Situações problema, reações e impactos, e consequências e soluções. REAL BUSINESS CASE Gráficos mais relevantes da disciplina com um breve resumo do que foi tratado e que precisa ser destacado. GRÁFICOS Importantes dicas sobre estratégias, aplicações práticas de conceitos apresentados e insights sobre profissões e mercado de trabalho. CONSULTORIA & MENTORIA Exibição de vídeos apresentados durante a aula. VÍDEOS Links importantes que são apresentados na aula por meio de QR Codes, com uma breve descrição do que contém. Assim, o aluno terá o acesso direto aos sites recomendados. ACESSO RÁPIDO Palavras-chave apresentadas ao longo da aula acompanhadas de sua tradução, significado ou origem. GUIA DE PALAVRAS Indicações de obras, autores, artigos e sites que irão contribuir para o processo de aprendizagem. SUGESTÃO DE LEITURA 7 AULA 1, PARTE 1 MARCOS MARCON 01:05 | CHECKPOINT DE APRENDIZAGEM APRESENTAÇÃO O professor apresenta o conteúdo que será desenvolvido durante a aula, que tem como objetivos: • Discutir e aproximar das teorias e dos aspectos práticos os processos de Prospeção, Avaliação e Seleção e Priorização de Tecnologias. • Efetuar reflexões sobre impactos das Metodologias de Prospecção e Avaliação Tecnológica e os critérios de priorização. • Apresentar abordagens qualitativas e quantitativas para aplicação prática dos conteúdos desenvolvidos e apresentação de casos nacionais e internacionais. O curso é estruturado sobre quatro áreas fundamentais: 1) Incerteza; 2) Teoria do Conhecimento; 3) Prospecção; 4) Priorização. 06:48 | CHECKPOINT DE APRENDIZAGEM ESTUDOS DO FUTURO A área de Estudos do Futuro é uma área transdiciplinar, ou seja, tangencia aspectos das ciências humanas, quanto das exatas. Estudos do Futuro como um campo de pesquisa leva em conta 3 aspectos: 8 - Marcos Marcon "Futuro é mudança. Mudança de estado." 14:19 | CITAÇÃO IMPORTANTE - Marcos Marcon “O que é trajetória? É a construção de uma sequência de mudanças dentro de uma linha temporal.” 16:17 | CITAÇÃO IMPORTANTE • Passado; • Presemte; • Futuro. Porém, deve-se compreender que quando falamos de presente ou passado, historiadores e jornalistas são pautados por fatos e evidências. Porém, os estudos do futuro são muito limitados quanto a fontes de pesquisas e praticamente não possuem evidências. Muitas das áreas científicas disponíveis estão associadas a investigação de mudanças e quando fala-se em mudanças que ocorrem dentro da uma sequência temporal, invariavelmente se chega ao elemento da trajetória. LEI DE MOORE Crescimento da capacidade de processamento computacional dobraria de tamanho, aproximadamente a cada dois anos. 31:08 | GUIA DE PALAVRAS 9 32:34 | CHECKPOINT DE APRENDIZAGEM FUTURO EM METÁFORAS Em um primeira perspectiva, imagina-se o futuro como um grande conjunto de eventos aleatórios, independentes entre si. Dentro desta visão, os eventos das metáforas aleatórios possui os fatores: • Não nítido; • Randômico; • Descontínuo; • Novos eventos não possuem relação com eventos anteriores. Outra metáfora que também ocorre é o chamado "efeito borboleta", que tem uma visão mais conexa de que os eventos estão completamente interligados entre si. São as características destes eventos: • Integrados; • Conexos; • Dependência sensitiva; • Futuro monolítico – Teoria do Caos: Efeito Borboleta. Por último tem-se a metáfora da "árvore hierárquica", que diz que as teorias das metáforas podem ser complementares entre si, sendo os eventos: • Contínuos; • Resultante de trajetórias causa-efeito; • Parcialmente randômicos; • Decisões e escolhas levam a novas escolhas; • Sujeito a “modificadores” estruturais e criativos. 1010 AULA 1, PARTE 2 MARCOS MARCON 00:56 | CHECKPOINT DE APRENDIZAGEM TEORIA DO CONHECIMENTO Para avançar nos estudos do futuro é preciso compreender os Fundamentos da Teoria do Conhecimento. É uma teoria que se inicia na compreensão dos aspectos mais fundamentais da racionaldiade humana, e se propaga para a coletividade de como esse conhecimento é ampliado do escopo do indívduo, ao escopo das organizações. Como primeiro fundamento da Teoria do Conhecimento, tem-se a Epistemologia, que reconhece a diferenciação entre três elementos centrais: verdade absoluta, crença humana, e o conhecimento, que faz interseção entre os elementos. - Marcos Marcon “Consciência focal é a capacidade cognitiva de concentrar a atenção deste indivíduo, ao que está sendo absorvido naquele momento." 14:03 | CITAÇÃO IMPORTANTE 09:32 | CHECKPOINT DE APRENDIZAGEM TIPOS DE CONHECIMENTO O professor apresenta uma análise a respeito dos tipos de conhecimentos, são eles: • Conhecimento Individual; • Conhecimento– Transformação; • Conhecimento Organizacional; • Conhecimento Técnico-científico; • Conhecimento – Representação. 11 - Marcos Marcon “Um conhecimento pode estar associado a diferentes contextos.” 27:57 | CITAÇÃO IMPORTANTE - Marcos Marcon “Ontologias, são as representações mais abstratas do conhecimento”. 40:10 | CITAÇÃO IMPORTANTE 1212 AULA 1, PARTE 3 MARCOS MARCON 00:32 | CHECKPOINT DE APRENDIZAGEM INCERTEZA FUNDAMENTAL E PROCESSOS DECISÓRIOS O pensamento científico atravessou inúmeras transformações e alterações paradigmáticas, tornando possível compreender a existência da incerteza e do seu tratamento. O primeiro caso documentado sobre o estudo da incerteza, foi o Princípio da Mutabilidade registrado por Platão. O fundamento filosófico de platão é: Foram registrados também estudos por outros autores: • Princípio da Incerteza Fundamental por Knight; • Teorema da Incompletude por Kurt Gödel; • Princípio da Incerteza por Heisenberg; • Teoria do Pensamento Complexo por Edgar Morin. 13 15:54 | CHECKPOINT DE APRENDIZAGEM PROCESSOS DECISÓRIOS A discussão de Schackle sobre a incerteza seria uma interferência nos padrões de evolução do fututro, causados por fatores estruturais e criativos. Schackle conceitua decisão como um corte entre o passado e o futuro, ou seja, a introdução de um modificador no emergente padrão da história e na dinâmica da construção do futuro. Recomenda que, se de um lado, quando a incerteza ilimitada, uma decisão é impotente ou desempoderada. Do outro lado, a previsão perfeita que seria o cenário impossível de ser atingido na prática, deve haver um espaço no qual as decisões humanas façam algum sentido, e o nome que se da é espaço natural das decisões. O gráfico demonstra a evolução de uma incerteza absoluta representada pelo vazio universal, e que com a evolução começa-se a criar fronteiras de conhecimento. - Marcos Marcon “É irrelevante tomar uma decisão qualquer que seja, em um contexto de incerteza ilimitada”. 18:23 | CITAÇÃO IMPORTANTE 1414 AULA 2, PARTE 1 MARCOS MARCON 01:27 | CHECKPOINT DE APRENDIZAGEM INTRODUÇÃO A PROSPECÇÃO Quando fala-se em prospectar quer dizer, investigar, descobrir, tornar visível alguns aspetos que estão ocultos a percepção como indivíduo ou organização. Nesta aula de prospecção e modelagem do futuro, serão trabalhadas as formas de modelagem possíveis: 15 06:35 | CHECKPOINT DE APRENDIZAGEM TÉCNICAS DE ESTUDOS FUTURO As técnicas de estudos futuros diferenciam duas palavras importantes, são elas: • Foresight: exploraçaõ de um conjunto de futuros plausíveis, que podem emergir eventualmente, até disruptivos em relação ao passado e presente. • Forecasting: explora um conjunto de futuros baseados em dados e fatos efetivamente evidenciados no passado e no presente, fornecendo tendências de transformação do mundo atual para o mundo futuro. O ciclo de Foresight, possui cinco grandes etapas, conforme segue na imagem: - Marcos Marcon “Um exercíco de estudos do futuro, tem maiores chances de sucesso se for um exercício coletivo.” 11:02 | CITAÇÃO IMPORTANTE 16 MODELOS DE TOMADAS DE DECISÃO São probabilísticos, univariados ou multivariados e que trazem elementos matemáticos, que permitem orientar um processo de tomada de decisão logicamente estuturado. 13:44 | GUIA DE PALAVRAS - Marcos Marcon “O processo de Foresight está inserido em outro processo usualmente mais amplo de tomada de decisão. Ele é o estágio de um processo de tomada de decisão.” 21:49 | CITAÇÃO IMPORTANTE 1717 AULA 2, PARTE 2 MARCOS MARCON 00:09 | CHECKPOINT DE APRENDIZAGEM MÉTODOS OPINION-DRIVEN O professor apresenta os principais métodos de análise baseado em opiniões, são eles: • Métodos qualitativos: aqueles centrados em opiniões humanas, que demandam obtenção de percepções do problema analisado.Tendem à subjetividade ou criatividade, e são expressos usualmente através de mecanismos intangíveis em textos, julgamentos, e percepções. • Métodos quantitativos: medem variáveis utilizando análises estatísticas baseadas em grandes volumes de dados históricos, associados a contextos específicos. • Métodos Semi-quantitativos: combinam os elementos dos outros métodos qualitativos e quantitativos. É a aplicação de princípios estatísticos e matemáticos para quantificar subjetividades e pontos de vista de atores engajados na geração do foresight, por exemplo associando pesos ou probabilidades. 05:03 | CHECKPOINT DE APRENDIZAGEM MÉTODOS QUALITATIVOS Dentro dos métodos qualitativos existem diversas ferramentas que é possível utilizar no exercício de prospecção, são elas: Brainstorming: ferramenta muito útil para coleta de informações de um tema específico e para acontecer é necessário a presença de um moderador ou facilitador. Um fator importante deste método é que ele tem um tempo para começar e para terminar. Painéis de cidadãos: é aplicado a grupos de usuários que tem interesses em comum e o comportamento dos envolvidos é mais confrontador, por isso, se faz necessário a presença de um mediador. Conference/Workshop: organização de grupos que recebem objetivos específicos, que são interrelacionados entre si, com o proprósito de gerar debates e propostas de soluções com estruturas mais complexas. Expert Panels: grupos altamente especializados de representantes pela reputação, competências e realizações, em um contexto do conhecimento (regional, nacional ou internacional). 18 Visão dos gênios: é o engajamento de indivíduos renomados, tipicamente líderes em suas áreas de atuação, dotados de competência e criatividades. Entrevistas: são instrumentos de troca de conhecimentos tácitos entre indivíduos. É uma ação de bom custo benefício quando é necessário interagir com grande quantidades de usuários. Revisão da literatura: é uma etapa de processo de pesquisa e desenvolvimento. Morphological Analysis: está relacionada a construção de ontologias. Role play / Acting: é uma simulação teatral. O facilitador estabelece missões e papéis a cada indivíduo com antecedência, para que no encontro com os demais aconteça o debate e gere visões antagônicas. Horzion Scanning: é conjunto de ferramentas analíticas com olhar para diferentes dimensões. Ele complementa a ferramente da revisão da literatura. Scenarios Writing: estabelece hipóteses que descreve de uma maneira estrutura as possibilidades futuras da análise realizada. Scenarios Workshops: contribuem para o aprofundamento de cada cenário individualmente e para a construção do encadeamento dos cenários. Science Fictioning: visões criativas são documentadas dentro de obras de ficção científica. Gaming é possibilidade de criações de ambientes virtuais. Surveys: as pesquisas tem flexibilidade de atingir massivamente uma quantidade grande de respostas, porém tem a desvantagem que por ser muito utilizada, os indíces de repostas vem decrescendo estatísticamente. Stakeholder analysis (mactor): auxilia na priorização dos atores dentro de um determinado contexto. SWOT: análise das forças, fraquezas, oportunidades e ameaças. Wild Cards: são cartões selvagens que tem o objetivo de tentar identificar sinais que são chamados de fracos, os sinais não evidentes, mas que podem causar transformações se acontecerem. Backcasting ferramenta de construção de um futuro imaginado, que leva atráves de um caminho planejado e estruturado desde o momento presente ao futuro. BENCHMARK É a busca por competidores, produtos ou processos similares, que a organização deseja desenvolver. 41:11 | GUIA DE PALAVRAS 19 01:02:41 | SUGESTÃO DE LEITURA Bibliografias básicas indicadas pelo professor: • Journey To The Center Of The Earth, de Jules Verne. • 20,000 Leagues Under The Sea, de Jules Verne. • Around The World In Eighty, de Jules Verne. • Admirável mundo novo, de Aldous Huxley. • 1984, de George Orwell. MICROSURVEY Novo formato de pesquisa com perguntas rápidas, sem tomar muito tempo de resposta. 01:11:06 | GUIA DE PALAVRAS 2020 AULA 2, PARTE3 MARCOS MARCON 00:08 | CHECKPOINT DE APRENDIZAGEM DATA-DRIVEN O professor apresenta o papel dos instrumentos data-driven, assim como, as ferramentas do método quantitativo, que são mais orientadas a análise númerica e estatísticas: • Benchmarking: é interpretar as variáves analisadas para determindado problema. Apresenta também elementos tangíveis e quantitavos, sobre variáveis e sobre atores. • Bibliometrics: tem a característica ampliada de buscar análises estatísticas. • Time Series Analysis (TSA): envolve disponibilidade anterior de dados. Faz sentido aplicá-la se os dados históricos associados a determinados fenômenos encontram-se disponíveis para análise. • Modeling: refere-se ao uso de sistema computadorizado para construção de comportamentos. • Patent Analysis: é um anaálise de profundidade. Verifica o que acontece ou pode acontecer em determinadas áreas. • Trend / Extrapolation / Impact Analysis: determinada curva de tendência que ocorre e matematicamente se extrapola a tendência do que poderá vir a acontecer, se todas as variáveis daquele sistema se mantiverem estáveis. • Cross-Impact: permite estabelecer grandes quantidades de fatores, sendo possível fazer várias dimensões de análises. • Delphi: é um instrumento recursivo de diálogo com os usuários. • Polling / Voting: muito utilizado em processos de priorização . • Roadmapping: apresenta de forma estruturada caminhos críticos de elaboração de etapas tecnológicas até o uso prático. Pode ser organizado em duas dimensões, atemporal e em fatores que gerem encadeamento. • The Foresight Diamond: traz alguns orientativos sobre quais instrumentos utilizar dependendo da demanda e possui quatro eixos de análises, a criatividade, a evidência, a expertise e a interação. 21 - Marcos Marcon “A palavra chave de qualquer análise quantitativa sempre será variável.” 01:29 | CITAÇÃO IMPORTANTE 22 AULA 3, PARTE 1 MARCOS MARCON 01:00 | CHECKPOINT DE APRENDIZAGEM PRIORIZAÇÃO E DECISÃO É apresentado ferramentas que auxilia na abordagem de priorização de análise de elementos dos métodos qualitativos e quantitativos, que são um primeiro estágio do processo de decisão estruturada, como: • O valor agregado x o nível de esforço; • Ciclo de TRL (Technology Readiness Level); • Adhoc Methods; • Economic Methods; • Mathematical Methods; • Multicriteria Methods (MDCA); • Machine Learning; • Combination Methods. 23 AULA 3, PARTE 2 MARCOS MARCON 00:25 | CHECKPOINT DE APRENDIZAGEM MÉTODOS DE DECISÃO Como um dos métodos decisão tem-se a Inteligência Coletiva. Uma ferramenta estatística utilizada pelo reconhecimento da existêcia do conceito denominado Wisdom of the Crowd, que tem como significado, a sabedoria das multidões. Ela contribui como instrumento de mensuração de fatores probabilísticos associados a ocorrência de um evento futuro. 00:41 | VÍDEO THE WISDOM OF THE CROWD O vídeo recomendado pelo professor apresenta a busca pela resposta estatística de um problema inusitado. Link disponível para acesso: https://www.youtube.com/watch?v=iOucwX7Z1HU - Marcos Marcon “A inteligência coletiva é um instrumento de aprimoramento, aperfeiçoamento da qualidade da informação disponível, que será utilizada efetivamente no processo de tomada de decisão.” 10:05 | CITAÇÃO IMPORTANTE https://www.youtube.com/watch?v=iOucwX7Z1HU https://www.youtube.com/watch?v=iOucwX7Z1HU 24 10:33 | CHECKPOINT DE APRENDIZAGEM POTIFÓLIO O portfólio tem como conceito ser um catálogo de projetos de forma estruturada. Recursos humanos, recursos fisícos e expectativas são elementos centrais e estão intrinsecamente interconectados a existência de um portfólio. O Ciclo de Foresight diáloga com a gestão de portfólio e quando o ciclo chega no momento da ação, é hora de colocar o projeto em um plano que vai demonstrar a todos a sua viabilidade (ou não). Esse passo é o portfólio: Ainda neste cenário, existe também uma fórmula com todas as variáveis que cálcula o valor comercial esperado de um determinado novo projeto, chamada de Porfolio Ranking (COOPER): 25 CURADORIA BIBLIOGRAFIA BÁSICA • SHACKLE, G. L. S. (1969/2010). Decision Order and Time in Human Affairs, 2nd Edition. Cambridge: University Press. Cap. 9. • JANTSCH, E. (1967). Technological Forecasting in Perspective: A Framework for Technological Forecasting, its Techniques and Organisation. OCDE, 401p. Cap. 1.6; 2.1; 2.2; 2.3; 2.4 • Georghiou, L., Harper, J. C., Keenan, M., Miles, I., Popper, R. (2009). The Handbook of Technology Foresight. Cheltenham: Edward Elgar Publishing. Cap. 2, 3 e 17. • DECKER, M., & LADIKAS, M. (2004). Bridges between science, society and policy: technology assessment- methods and impacts. Springer Science & Business Media. • COATES, J. F. (1974). Some methods and techniques for comprehensive impact assessment. Technological Forecasting and Social Change, 6: 341-357. BIBLIOGRAFIA COMPLEMENTAR • TRAN, T. A., & DAIM, T. (2008). A taxonomic review of methods and tools applied in technology assessment. Technological Forecasting and Social Change, 75(9), 1396-1405. • ROTHER, M. & SHOOK, J. (2009). Aprendendo a enxergar: mapeando o fluxo de valor para agregar valor e eliminar o desperdício. São Paulo: Lean Institute Brasil. • NASH, M. A. & POLING, S. R. (2008). Mapping the total value stream: a comprehensive guide for production and transactional processes. Boca Raton: CRC Press. • YEHEZKEL DROR (1970) – “A Policy Sciences View of Future Studies: Alternative Futures And Present Action” - International Future Research Conference, Kyoto, April 10-16, 1970. • HAYES, R. H., WHEELWRIGHT, S. C, & CLARK, K. B. 1988. Dynamic manufacturing: creating the learning organization. New York: The Free Press. INTRODUÇÃO AOS ESTUDOS DO FUTURO, CONHECIMENTO E INCERTEZA Parte 1.1: Estudo do Futuro 26 • Yehezkel Dror (1970) – “A Policy Sciences View of Future Studies: Alternative Futures And Present Action” - International Future Research Conference, Kyoto, April 10-16, 1970. • Slaughter, Richard (1990) - " The foresight principle". Futures, Volume 22, Issue 8, October 1990, Pages 801- 819. • Bray, Margaret (1990) – “The perfect foresight”. Utility and Probability pp 144-148, 1990. Parte 1.2: Teoria do Conhecimento • MELLONE, S. H. (1894) - "Psychology, Epistemology, Ontology, Compared and Distinguished" Mind New Series, Vol. 3, No. 12, pp. 474-490. Published by: Oxford University Press on behalf of the Mind Association Stable URL: https://www.jstor.org/stable/2247848, (Oct., 1894). • POLANYI, MICHAEL. (1966) - "The Tacit Dimension". Doubleday & Company Inc. Library of Congress Catalog Card number 66-21015. First Edition, 1966. • NONAKA, IKUJIRO (1994) - "A Dynamic Theory of Organizational Knowledge Creation". Organization Science, Vol. 5, No. 1 (Feb., 1994), pp. 14-37. Published by: INFORMS Stable URL: https://www.jstor.org/ stable/2635068. • LATOUR, BRUNO (1987) - " SCIENCE IN ·ACTION - How to follow scientists and engineers through society". Harvard University Press, Cambridge. Massachusetts. ISBN 0-674-79290-4. 1987. Parte 1.3: Incerteza Fundamental e Processos Decisórios • Knight, F. (1921) Risk, Uncertainty and Profit. Boston: Houghton-Mifflin. Cap 7 e 8. • Dequech, D. (2000) Fundamental uncertainty and ambiguity. Eastern Economic Journal, 26(1). p. 41-60. • Shackle, G. L. S. (1969/2010). Decision Order and Time in Human Affairs, 2nd Edition. Cambridge: Cambridge University Press. Cap. 9. • Davidson, P. (1982/83) Rational Expectations: A Fallacious Foundation for Studying Crucial Decision-Making Processes. Journal of Post Keynesian Economics, 5(2). p. 182-198. • *Stacey, R. (2009). Complexity and Organizational Reality. New York, Routledge, 2009. Cap. 3. PROSPECÇÃO E MODELAGEM DO FUTURO Parte 2.1: Introdução à Prospecção • Jantsch, E. (1967). Technological Forecasting in Perspective: A Framework for Technological Forecasting, its Techniques and Organisation. OCDE, 401p. Cap. 1.6; 2.1; 2.2; 2.3; 2.4. • Georghiou, L.,Harper, J. C., Keenan, M., Miles, I., Popper, R. (2009). The Handbook of Technology Foresight. Cheltenham: Edward Elgar Publishing. Cap. 2, 3 e 17. • Ian Miles; Ozcan Saritas, (2012),"The depth of the horizon: searching, scanning and widening horizons", Foresight, Vol. 14 Iss 6 pp. 530 – 545. 27 Parte 2.2: Métodos 'opinion-driven' • Gary, J.E.; Gracht, H.A. (2015). The future of foresight professionals: Results from a global Delphi study. Futures, 71. p. 132–145. • Gracht, H.A.; Stillings, C. (2013). An innovation-focused scenario process — A case from the materials producing industry. Technological Forecasting & Social Change, 80. p. 599–610. • Loveridge, D. (2002). Experts and Foresight: review and experience. PREST, Discussion papers series. • Saritas, O.; Smith, J.E. (2011). The Big Picture – trends, drivers, wild cards, discontinuities and weak signals. Futures, 43. p. 292–312. • Saritas, O.; Aylen, J. (2010). Using scenarios for roadmapping: The case of clean production. Technological Forecasting & Social Change, 77. p. 1061–1075. Parte 2.3: Métodos 'data-driven' • Palomino, M.A. et al. (2012). Web-based horizon scanning: concepts and practice, Foresight, 14(5). p. 355 – 373. • Miner, G. (2012). Practical Text Mining and Statistical Analysis for Non-structured Text Data Applications. Science Direct. Cap 1. (http://www.sciencedirect.com/science/book/9780123869791). • Hedgebeth, D. (2007). Data-driven decision making for the enterprise: an overview of business intelligence applications, VINE, 37(4). p. 414 – 420. • Chang, S. (2012). Using patent analysis to establish technological position: Two different strategic approaches. Technological Forecasting & Social Change, 79, p. 3–15. • Daim, T.U.; Rueda, G.; Martin, H.; Gerdsri, P. (2006). Forecasting emerging technologies: Use of bibliometrics and patent analysis. Technological Forecasting & Social Change, 73. p. 981–1012. PRIORIZAÇÃO, AVALIAÇÃO E SELEÇÃO Parte 3.1: Principais problemas e abordagens para priorização e decisão • Heidenberger, K; Stummer, C. (1999). Research and development Project selection and resource allocation: a review of quantitative modelling approaches. International Journal of Management Reviews, 1(2). p. 197- 224. • Cooper, R.; Edgett, S.; Kleinschmidt, E. (2001). Portfolio management for new product development: results of an industry practices study. R&D Management, 31(4). p. 361-380. • Shehabuddeen, N.; Probert, D.; Phaal, R. (2006). From theory to practice: challenges in operationalizing a technology selection framework. Technovation, 26. p. 324-335. • Salles-Filho, S.; Bin, A.; Azevedo, A.; Massaguer, P.; Duarte, L. Seleção, priorização e decisão na formação de portfolios de projetos de pesquisa, desenvolvimento e inovação: principais abordagens e desafios. Artigo em preparação. Parte 2.2: Métodos 'opinion-driven' • Gary, J.E.; Gracht, H.A. (2015). The future of foresight professionals: Results from a global Delphi study. Futures, 71. p. 132–145. • Gracht, H.A.; Stillings, C. (2013). An innovation-focused scenario process — A case from the materials producing industry. Technological Forecasting & Social Change, 80. p. 599–610. • Loveridge, D. (2002). Experts and Foresight: review and experience. PREST, Discussion papers series. • Saritas, O.; Smith, J.E. (2011). The Big Picture – trends, drivers, wild cards, discontinuities and weak signals. Futures, 43. p. 292–312. • Saritas, O.; Aylen, J. (2010). Using scenarios for roadmapping: The case of clean production. Technological Forecasting & Social Change, 77. p. 1061–1075. Parte 2.3: Métodos 'data-driven' • Palomino, M.A. et al. (2012). Web-based horizon scanning: concepts and practice, Foresight, 14(5). p. 355 – 373. • Miner, G. (2012). Practical Text Mining and Statistical Analysis for Non-structured Text Data Applications. Science Direct. Cap 1. (http://www.sciencedirect.com/science/book/9780123869791). • Hedgebeth, D. (2007). Data-driven decision making for the enterprise: an overview of business intelligence applications, VINE, 37(4). p. 414 – 420. • Chang, S. (2012). Using patent analysis to establish technological position: Two different strategic approaches. Technological Forecasting & Social Change, 79, p. 3–15. • Daim, T.U.; Rueda, G.; Martin, H.; Gerdsri, P. (2006). Forecasting emerging technologies: Use of bibliometrics and patent analysis. Technological Forecasting & Social Change, 73. p. 981–1012. PRIORIZAÇÃO, AVALIAÇÃO E SELEÇÃO Parte 3.1: Principais problemas e abordagens para priorização e decisão • Heidenberger, K; Stummer, C. (1999). Research and development Project selection and resource allocation: a review of quantitative modelling approaches. International Journal of Management Reviews, 1(2). p. 197- 224. • Cooper, R.; Edgett, S.; Kleinschmidt, E. (2001). Portfolio management for new product development: results of an industry practices study. R&D Management, 31(4). p. 361-380. • Shehabuddeen, N.; Probert, D.; Phaal, R. (2006). From theory to practice: challenges in operationalizing a technology selection framework. Technovation, 26. p. 324-335. • Salles-Filho, S.; Bin, A.; Azevedo, A.; Massaguer, P.; Duarte, L. Seleção, priorização e decisão na formação de portfolios de projetos de pesquisa, desenvolvimento e inovação: principais abordagens e desafios. Artigo em preparação. 28 Parte 3.2: Técnicas de revisão por pares • Feller, I. (2013). Peer review and expert panels as techniques for evaluating the quality of academic research. In: Link, A. N.; Vonortas, N. S. (Ed.) Handbook on the Theory and Practice of Program Evaluation. Cheltenham/Northampton: Edward Elgar. p. 115-142. • Zuckerman, H.; Merton, R. K. (1971). Institutionalized patterns of evaluation in Science: institutionalisation, structure and functions of the referee system. Minerva, 9(1). p. 66-100. • Rigby, J. (2013). Looking for the impact of peer review: does count of funding acknowledgements really predict research impact? Scientometrics, 94, 57–73. • OECD (2011). Issue Brief Peer Review. OECD Innovation Policy Platform. Parte 3.3: Métodos de apoio à decisão • Behzadian, M. et al. (2010). PROMETHEE: A comprehensive literature review on methodologies and applications. European Journal of Operational Research, 200(1). p. 198-215. • Shakhsi-Niaei, M.; Torabi, S.A.; Iranmanesh, S.H. (2011). A comprehensive framework for project selection problem under uncertainty and real-world constraints. Computers & Industrial Engineering, 61. p. 226-237. • Mavrotas, G.; Diakoulaki, D.; Capros, P. (2003). Combined MCDA – IP approach for project selection in the electricity market. Annals of Operations Research, 120, p. 159-170. • Feng, B.; Ma, J.; Fan, Z. (2011). An integrated method for collaborative R&D project selection: Supporting innovative research teams. Expert Systems with Applications, 38. p. 5532-5543. • Jung, U.; Seo, D.W. (2010). An ANP approach for R&D project evaluation based on interdependencies between research objectives and evaluation criteria. Decision Support Systems, 49. p. 335-342. • Zopounidis, C.; Doumpos, M. (2002). Multicriteria classification and sorting methods: a literature review. European Journal of Operational Research, 138. p. 229-246. 29 ESTUDO DE CASO Caro aluno(a) FIA Online, O professor Marcos Marcon a partir do conteúdo demonstrado durante a aula, apresenta em forma de vídeo quatro estudo de casos. O primeiro relata um estudo global de uma projeção de futuros possíveis para o ano de 2030, referente as relações entre os homens e as máquinas. Neste estudo de caso em específico foi levantado a pergunta: como as tecnologias emergentes, em destaque a da área de inteligência artificial, poderiam reformatar o modo como vivemos e trabalhamos em 2030? O segundo refere-se a uma prospecção realizada em âmbito global, que questiona sobre o impacto da corrida espacial sobre os ambientes de negócios na terra. Também faz uma reflexão do futuro do mercado em consequênciadessa corrida espacial. O terceiro apresenta a avaliação e priorização tecnológica, fazendo o seguinte questionamento: qual é o futuro digital interconectado das áreas de mobilidades no contexto de saúde e educação? Um grupo de convidados que domimam a temática foram convidados para fóruns de debate, afim de contribuir com o tema proposto. Por fim, o quarto caso, que é o Programa de Inovação aberta estabelecida no Brasil, com a expectativa de expandir o processo de inovação para além da organização. Iniciado com o processo de Foresight, com o intuito de entender quais são as tecnologias emergentes em um ciclo temporal em curto e médio prazo. CASOS APRESENTADOS NO VÍDEO: • DELL 2030 • Global KPMG • Picmet • Programa de Economia Criativa Clique aqui para acessar o vídeo dos estudos de casos propostos nos arquivos anteriores. https://matrix.fiaonline.com.br/file/9908 https://matrix.fiaonline.com.br/file/9909 https://matrix.fiaonline.com.br/file/9910 https://matrix.fiaonline.com.br/file/9911 https://vimeo.com/665995514 30 INFORMAÇÕES AVALIAÇÃO Está disponível a avaliação da sua disciplina. O prazo para realização é de 2 meses a partir da data de lançamento das aulas. Quanto ao acesso aos conteúdos, fique tranquilo, pois ele ficará liberado durante todo o curso. Toda disciplina conta com uma avaliação e você deverá ser aprovado, com nota mínima de 7 pontos (equivalente ao conceito C). PRECISA DE AJUDA COM O CONTEÚDO? Caso tenha alguma dúvida sobre a disciplina e seus conteúdos, use a área de comentários que fica abaixo da videoaula respectiva para obter soluções. • Marque Networking quando quiser apenas trocar mensagens com colegas. • Marque EQUIPE FIA ONLINE quando quiser ajustes em materiais. • Marque TUTOR quando precisar de feedback ou dúvidas sobre conteúdo e gabaritos de prova. AJUDA COM OUTROS TEMAS GERAIS Se tiver necessidades gerais como questões sobre a sua matrícula, financeiro, documentação e outras que não envolvam conteúdo, use os canais de atendimento disponíveis em fiaonline.com.br/contatos http://fiaonline.com.br/contatos Conheça sua disciplina Entenda como funciona a disciplina do curso. CoM QUEM APRENDEREI? Conheça o professor que ministra a disciplina. PRINCIPAIS PONTOS Entenda os principais pontos que podem ser percorridos ao longo da disciplina. AULA 1, PARTE 1 Apresentação, estudos do futuro e futuro em metáforas. AULA 1, PARTE 2 Teoria do conhecimento e tipos de conhecimentos. AULA 1, PARTE 3 Incerteza fundamental e processos decisórios. AULA 2, PARTE 1 Introdução a prospecção e técnicas de estudos futuro. AULA 2, PARTE 2 Métodos opinion-driven, métodos qualitativos. AULA 2, PARTE 3 Data-Driven. AULA 3, PARTE 1 Priorização e decisão. AULA 3, PARTE 2 Métodos de decisão e portifólio. CURADORIA Links dos materiais básicos e complementares da disciplina. ESTUDO DE CASO Estudos de caso propostos pelo professor. INFORMAÇÕES Informações sobre avaliação e canais de contato para dúvidas.