Publicação

Evolução e adopção das TI nas organizações

Detalhes bibliográficos
Resumo:	A teoria da difusão da inovação procura explicar como novas ideias e práticas se disseminam dentro de um sistema social, assim como entre os seus membros. Certos modelos existentes assentam em funções matemáticas simples cujos coeficientes de difusão necessitam de ser estimados para que possam descrever e prever a difusão da inovação. Normalmente, os métodos associados a essa estimação dependem de dados históricos ou de séries cronológicas, ou de difusões já consolidadas, o que inevitavelmente levanta alguns problemas porque nem sempre há dados históricos disponíveis ou suficientes, para além de poder ser impossível estabelecer-se qualquer paralelo entre inovações recentes e a difusão de inovações já consolidadas. Essas insuficiências e condicionalismos motivaram a procura de novas abordagens que possam auxiliar, nesse contexto, a descrever e a prever a difusão da inovação. Assim, concebeu-se uma nova abordagem alicerçada na tendência de adoção de um sistema social (ou população) que deu origem a três propostas que se concretizam: a primeira, num Algoritmo Probabilístico inspirado nos fundamentos dos Algoritmos Evolutivos que recorre ao modelo logístico decorrente da aplicação da regressão logística binária sobre um conjunto de variáveis que podem influenciar a adoção da inovação; a segunda, em Novos Coeficientes de Difusão para os macro-modelos da Logística, de Gompertz e de Bass, estimados a partir de expressões matemáticas deduzidas e envolvendo as variâncias do grau de exposição e do grau de conhecimento; e, a terceira, envolvendo as variâncias do grau de influência dos contactos e do grau de influência dos fatores externos. A tendência de adoção de um sistema social é materializada: 1. Na 1.ª proposta, através dos coeficientes de regressão inerentes às variáveis explicativas associadas ao logit, encontrados com a regressão logística binária; 2. Na 2.ª e 3.ª propostas, no indicador de adoção, cuja medida associada – a variância – avalia a variabilidade dos graus de influência (exposição, conhecimento, influência dos contactos e influência dos fatores externos) na adoção da inovação pela população. A aplicabilidade das propostas subjacentes à nova abordagem foi corroborada por trabalho de campo, tendo por referência a adoção do tablet (como inovação) por uma população retirada da comunidade educativa da Universidade de Trás-os-Montes e Alto Douro, confirmando-as, na ausência de dados, como complementos aos métodos “clássicos” para descrever e prever a difusão da inovação. Verifica-se, em termos de utilidade prática das propostas, que a segunda proposta e a terceira se revelam mais apropriadas para o estudo da difusão da inovação em macro-sistemas sociais, enquanto que a primeira se adapta melhor a micro-sistemas sociais. Saliente-se que, em consonância com as intenções comportamentais dos potenciais adotantes, se escolheu as previsões da primeira proposta (Algoritmo probabilístico), modelada temporalmente pela função logística, por ser, de acordo com as evidências comportamentais, a mais apropriada para descrever e prever a difusão do tablet nesta população em concreto. Paralelamente ao desenvolvimento das propostas, um conjunto de simulações realizadas com os algoritmos inerentes à primeira proposta (Algoritmo Probabilístico) e à segunda proposta (Algoritmo Young), em diversas populações, permitiu confirmar que o ritmo de difusão é influenciado: (a) pela percentagem de adotantes iniciais; (b) pela densidade populacional; (c) pela organização dimensional da rede; (d) pela heterogeneidade ou homogeneidade dos indivíduos; (e) pelo número de sub-redes e respetiva concentração de adotantes; (f) bem como pelas diferentes estruturas subjacentes às sub-redes que influenciam o grau de exposição. Comprova-se, também teoricamente, que a introdução de um coeficiente de pressão social, nas expressões que estimam os Novos Coeficientes de Difusão dos macro-modelos considerados, é pertinente para acelerar a difusão da inovação. A fase experimental (trabalho de campo) permitiu também demonstrar que: (a) o conhecimento e a exposição contribuem para explicar a adoção; (b) o grau de innovativeness dos adotantes depende de aspetos sociodemográficos; e (c) os adotantes têm um conhecimento e uma perceção de utilidade do tablet mais real e consistente face aos potenciais adotantes. Corroborou-se o pressuposto de que “o grau de conhecimento materializa as influências das relações interpessoais e das fontes de informações externas” e “complementaram-se” as características mais genéricas inerentes aos tipos de adotantes propostos por Rogers (1995) face à inovação. Demonstrou-se, portanto, que a grande vantagem dessas propostas que complementam os métodos “clássicos” é a de prescindirem de dados históricos para descreverem e preverem a difusão da inovação. Resultou, ainda, da aplicação das propostas uma outra vantagem – a sua “reversibilidade” –, uma vez que em qualquer momento poder-se-á retroceder na implementação da respetiva proposta, motivada em função de, por exemplo, saídas e/ou entradas de indivíduos na população.
Autores principais:	Sampaio, Luciano Magalhães de
Assunto:	Difusão Inovação Redes sociais Simulação Algoritmos evolutivos
Ano:	2017
País:	Portugal
Tipo de documento:	tese de doutoramento
Tipo de acesso:	acesso aberto
Instituição associada:	Universidade de Trás-os-Montes e Alto Douro
Idioma:	português
Origem:	Repositório da UTAD

Descrição
Resumo:	A teoria da difusão da inovação procura explicar como novas ideias e práticas se disseminam dentro de um sistema social, assim como entre os seus membros. Certos modelos existentes assentam em funções matemáticas simples cujos coeficientes de difusão necessitam de ser estimados para que possam descrever e prever a difusão da inovação. Normalmente, os métodos associados a essa estimação dependem de dados históricos ou de séries cronológicas, ou de difusões já consolidadas, o que inevitavelmente levanta alguns problemas porque nem sempre há dados históricos disponíveis ou suficientes, para além de poder ser impossível estabelecer-se qualquer paralelo entre inovações recentes e a difusão de inovações já consolidadas. Essas insuficiências e condicionalismos motivaram a procura de novas abordagens que possam auxiliar, nesse contexto, a descrever e a prever a difusão da inovação. Assim, concebeu-se uma nova abordagem alicerçada na tendência de adoção de um sistema social (ou população) que deu origem a três propostas que se concretizam: a primeira, num Algoritmo Probabilístico inspirado nos fundamentos dos Algoritmos Evolutivos que recorre ao modelo logístico decorrente da aplicação da regressão logística binária sobre um conjunto de variáveis que podem influenciar a adoção da inovação; a segunda, em Novos Coeficientes de Difusão para os macro-modelos da Logística, de Gompertz e de Bass, estimados a partir de expressões matemáticas deduzidas e envolvendo as variâncias do grau de exposição e do grau de conhecimento; e, a terceira, envolvendo as variâncias do grau de influência dos contactos e do grau de influência dos fatores externos. A tendência de adoção de um sistema social é materializada: 1. Na 1.ª proposta, através dos coeficientes de regressão inerentes às variáveis explicativas associadas ao logit, encontrados com a regressão logística binária; 2. Na 2.ª e 3.ª propostas, no indicador de adoção, cuja medida associada – a variância – avalia a variabilidade dos graus de influência (exposição, conhecimento, influência dos contactos e influência dos fatores externos) na adoção da inovação pela população. A aplicabilidade das propostas subjacentes à nova abordagem foi corroborada por trabalho de campo, tendo por referência a adoção do tablet (como inovação) por uma população retirada da comunidade educativa da Universidade de Trás-os-Montes e Alto Douro, confirmando-as, na ausência de dados, como complementos aos métodos “clássicos” para descrever e prever a difusão da inovação. Verifica-se, em termos de utilidade prática das propostas, que a segunda proposta e a terceira se revelam mais apropriadas para o estudo da difusão da inovação em macro-sistemas sociais, enquanto que a primeira se adapta melhor a micro-sistemas sociais. Saliente-se que, em consonância com as intenções comportamentais dos potenciais adotantes, se escolheu as previsões da primeira proposta (Algoritmo probabilístico), modelada temporalmente pela função logística, por ser, de acordo com as evidências comportamentais, a mais apropriada para descrever e prever a difusão do tablet nesta população em concreto. Paralelamente ao desenvolvimento das propostas, um conjunto de simulações realizadas com os algoritmos inerentes à primeira proposta (Algoritmo Probabilístico) e à segunda proposta (Algoritmo Young), em diversas populações, permitiu confirmar que o ritmo de difusão é influenciado: (a) pela percentagem de adotantes iniciais; (b) pela densidade populacional; (c) pela organização dimensional da rede; (d) pela heterogeneidade ou homogeneidade dos indivíduos; (e) pelo número de sub-redes e respetiva concentração de adotantes; (f) bem como pelas diferentes estruturas subjacentes às sub-redes que influenciam o grau de exposição. Comprova-se, também teoricamente, que a introdução de um coeficiente de pressão social, nas expressões que estimam os Novos Coeficientes de Difusão dos macro-modelos considerados, é pertinente para acelerar a difusão da inovação. A fase experimental (trabalho de campo) permitiu também demonstrar que: (a) o conhecimento e a exposição contribuem para explicar a adoção; (b) o grau de innovativeness dos adotantes depende de aspetos sociodemográficos; e (c) os adotantes têm um conhecimento e uma perceção de utilidade do tablet mais real e consistente face aos potenciais adotantes. Corroborou-se o pressuposto de que “o grau de conhecimento materializa as influências das relações interpessoais e das fontes de informações externas” e “complementaram-se” as características mais genéricas inerentes aos tipos de adotantes propostos por Rogers (1995) face à inovação. Demonstrou-se, portanto, que a grande vantagem dessas propostas que complementam os métodos “clássicos” é a de prescindirem de dados históricos para descreverem e preverem a difusão da inovação. Resultou, ainda, da aplicação das propostas uma outra vantagem – a sua “reversibilidade” –, uma vez que em qualquer momento poder-se-á retroceder na implementação da respetiva proposta, motivada em função de, por exemplo, saídas e/ou entradas de indivíduos na população.