Ciência de Dados e Ciência da Informação

evolução e paradigmas da ciência

Autores

DOI:

https://doi.org/10.36517/2525-3468.ip.v7i00.2022.78490.1-21

Palavras-chave:

Ciência de dados. Ciência da Informação. e-Science. Quarto paradigma. Evolução da ciência.

Resumo

A evolução da Ciência possibilita percorrer o entendimento do processo evolutivo da sociedade, sendo embasada pelos paradigmas científicos e pelas pesquisas. Os conhecimentos no campo científico têm sua definição pautada na densidade da base empírica, sendo construída por seus paradigmas. Neste alicerce, pelo processo de desenvolvimento tecnológico, destaca-se que quatros paradigmas compõem a ciência, sendo o primeiro pela descrição dos fenômenos naturais, o segundo pelo uso de modelos, o terceiro pelo ramo computacional, nas simulações desses fenômenos e o quarto pela grande quantidade de dados. Por meio desse avanço, este grande compartilhamento de dados e seu armazenamento, propiciaram o surgimento da e-science, formada pelo dilúvio de dados, sendo estes coletados, gerados ou simulados pela computação. O artigo tem como objetivo discutir a relação da ciência de dados na ciência da informação. Tem como procedimento metodológico a utilização de revisão de literatura. Deste modo, conclui-se que compreender os paradigmas da ciência até chegar-se à e-science são essenciais para estudar o comportamento da atual era a partir da grande quantidade de dados emergentes da web, chegando-se, atualmente, ao quarto paradigma

Downloads

Não há dados estatísticos.

Biografia do Autor

Makson de Jesus Reis, UFBA

Doutorando em Ciência da Informação pela Universidade Federal da Bahia; Mestre em Gestão da Informação e do Conhecimento (2019) e Graduado em Biblioteconomia e Documentação( 2016) pela Universidade Federal de Sergipe; Graduando em Admnistração pela Uniasselvi (2019-); Graduando em Direito pela UniFTC (2020-). Possui estudos e desenvolve pesquisas na área de Ciência da Informação, Administração e Direito, com ênfase em Ciência da Computação, atuando principalmente nos seguintes discussões temáticas: Biblioteconomia, Ciência de dados, Cientista de Dados, Inteligência Artificial, Big Data, Bibliotecário de Dados, Era da Conexão, Gestão de dados; Ciborgues Interpretativo, e-Science, Sistemas de Automação, Realidade Virtual e Estéticas Tecnológicas, Robótica, Interações Tecnológicas no Homem, Educação Tecnológica. Possui o blog: https://maksonreisprof.wordpress.com

Telma de Carvalho, Universidade Federal de Sergipe

Graduação em Biblioteconomia pela Fundação Escola de Sociologia e Política de São Paulo, mestrado em Administração de Sistemas de Informação pela Pontifícia Universidade Católica de Campinas e doutorado em Ciência da Informação pela Universidade de São Paulo. Foi docente no curso de graduação em Biblioteconomia e Ciência da Informação da Faculdade de Biblioteconomia e Ciência da Informação (FaBCI) da Fundação Escola de Sociologia e Política de São Paulo e no curso de pós-graduação da Escola Pós-Graduada da Fundação Escola de Sociologia e Política de São Paulo (FESPSP). Atualmente é docente adjunto no Curso de Biblioteconomia e Documentação do Departamento de Ciência da Informação da Universidade Federal de Sergipe (UFS), tendo exercido a função de coordenador do curso no período de 2014 a 2016. É coordenadora adjunta do Programa de Pós-Graduação em Ciência da Informação (PPGCI), no curso de Mestrado Profissional em Gestão da Informação e do Conhecimento (PROFIN). Coordenadora do Curso Bacharelado em Biblioteconomia na modalidade à distância no CESAD/UFS. Foi Presidente da Associação Profissional dos Bibliotecários e Documentalistas de Sergipe (APBDSE), nos períodos de 2015 a 2017 e 2018-2020. Vice-Presidente da Federação Brasileira de Bibliotecários, Cientistas da Informação e Instituições (FEBAB) no período de 2015 a 2017 e de 2018 a 2020. Atualmente é vice-presidente do CRB5 (Bahia/Sergipe) na 19a. gestão.

Referências

ALVARO, E.; BROOKS, H.; HAM, M.; POEGEL, S.; ROSENCRANS, S. E-science librarianship: field undefined. Issues in Science and Technology Librarianship, v. 66, Summer 2011. Disponível em: <http://www.istl.org/11-summer/article1.html> Acesso em: 20 jan. 2019.
AMARAL, Fernando. Introdução à ciência de dados: mineração de dados e big. Rio de Janeiro: Alta Books, 2016.

BERTIN, P. R. B.; VISOLI, M. C.; DRUCKER, D. P. A gestão de dados de pesquisa no contexto da e-science: benefícios, desafios e oportunidades para organizações de P&D. Ponto de Acesso, Salvador, v. 11, n. 2, p. 34-48, 2017. Disponível em: <https://portalseer.ufba.br/index.php/revistaici/article/view/21449> Acesso em: 03 jan. 2019.

BUGNION, P.; MANIVANNAN, A.; NICOLAS, P.R. Scala: Guide for data science professionals. Birmingham: Packt Publishing, 2017, 1077 p.

CORDEIRO, D.; BRAGHETTO, K.; GOLDMAN, A.; KON, F. Da ciência à e-ciência: paradigmas da descoberta do conhecimento. Revista USP, São Paulo, n. 97, p. 71-81, maio 2013. Disponível em: <http://www.revistas.usp.br/revusp/article/view/61867> Acesso em: 19 de jan. 2019.

DEMO, P. Praticar ciência: metodologias do conhecimento científico. São Paulo: Saraiva, 2011. 208 p.

DILTHEY, W. Introdução às ciências humanas – tentativa de uma fundamentação para o estudo da sociedade e da história. Trad. de Marco Antônio Casanova. Rio de Janeiro: Forense Universitária, 2010.
Disponível em: <https://www.tandfonline.com/doi/abs/10.1080/1369118X.2012.678878>. Acesso em: 19 jan. 2019.

FENTANES, E.G. A tarefa da ciência experimental: um guia prático para pesquisar e informar resultados nas ciências naturais. Rio de Janeiro: LTC, 2014. 187p.

FINZER, W. The data science education dilemma. Technology Innovations in Statistics Education, California, v. 7, n. 2, 2013. Disponível em: <https://escholarship.org/uc/item/7gv0q9dc >. Acesso em: 22 dez. 2018

FRICKÉ, Martin. Big data and its epistemology. Journal Association for Information Science and Technology, New Jersey, v. 66, issue 4, p. 651-661, May 2014. Disponível em: <https://onlinelibrary.wiley.com/doi/10.1002/asi.23212>. Acesso em: 10 jan.2018.

GRAY, Jim. Jim Gray on e-Science: A transformed scientific method based on the transcript of a talk given by Jim Gray to the NRC-CSTB1 in Mountain View, CA, (orgs). The fourth paradigm. Data-intensive scientific discovery. Redmond, WA: Microsoft Research, 2007. 284p.

HOFFMANN, L. Q& A: Gray’s paradigm. Communications of the ACM, v. 53, n. 10, p. 112. Disponível em: <https://dl.acm.org/citation.cfm?id=1831407 >. Acesso em: 10 jan. 2019.

INTERAGENCY WORKING GROUP ON DIGITAL DATA. Harnessing the power of digital data for science and society, 2009. Disponível em: <https://www.nitrd.gov/about/harnessing_power_web.pdf >. Acesso em: 19 jan. 2019

KELLEHER, J. D.; TIERNEY, B. Data Science. Cambridge, MA: The MIT Press, 2018, p. 282.

KOLTAY, T. Data literacy for researchers and data librarians. Journal of Librarianship and Information Science, Newbury Park, v. 49, n. 1, 2017. Disponível em: <http://journals.sagepub.com/doi/abs/10.1177/0961000615616450>. Acesso em: 15 dez. 2018.

KUHN, T. S. A estrutura das revoluções científicas. 9. ed. São Paulo: Perspectiva, 2005.

LE COADIC, Yves-françois. Ciência da Informação. 2. ed. Brasília: Briquet de Lemos, 2004. 124 p.

MAATTA, S. Placements & salaries: The emerging databrarian. London: Library Journal, New York, Oct. 2013. Disponível em: <https://www.libraryjournal.com/story/the-emerging-databrarian>. Acesso em: 15 dez. 2018

MARCHIONINI, G. Information science roles in the emerging field of data science. Journal of Data and Information Science, Beijing, v. 1, n. 2, p. 1-6, 2016 Disponível em: <http://manu47.magtech.com.cn/Jwk3_jdis/Y2016/V1/I2/1> Acesso em: 15 dez. 2018.

MAYER-SCHÖNBERGER, V.; CUKIER, K. Big data: a revolution that will transform how we live, work and think, Boston, M: Houghton Mifflin Harcourt, 2013.

MIRANDA, L. F. S. Introdução histórica à filosofia das ciências. Curitiba: InterSaberes, 2016.

RICE, R.; SOUTHALL, S. The data librarian’s handbook. London: Facet Publishing, 2016.

SETZER, V. W. Dado, informação, conhecimento e competência. DataGramaZero, Rio de Janeiro, v. 0, n. 0, p. A01, 1999. Disponível em: <http://www.brapci.inf.br/index.php/article/download/14562>. Acesso em: 27 jan. 2019.

SMITH, F. J. Data science as an academic discipline.Lodon: Data Science Journal, v. 5, p. 163–164, 2006. Disponível em: < https://datascience.codata.org/articles/abstract/10.2481/dsj.5.163/> Acesso em: 27 jan. 2019.

SWAN, A.; BROWN, S. The skills, role and care restructure of data scientists and curators: an assessment of current practice and future needs. Report to the Joint Information Systems Committee (JISC). Truro: Key Perspectives for JISC, 2008. p. 34 Disponível em: < https://eprints.soton.ac.uk/266675/1/Data_skills_report_final_draft.doc> Acesso em: 27 jan. 2019.

VAN DER AALST, W. M. P. Data scientist: the engineer of the future. In: Enterprise interoperability VI: interoperability for agility, resilience and plasticity of collaborations. Springer: New York, 2014. Disponível em: <https://research.tue.nl/en/publications/data-scientist-the-engineer-of-the-future> Acesso em: 28 dez. 2018.

VELHO, Léa. Conceitos de ciência e a política científica, tecnológica e de inovação. Sociologias, Porto Alegre, v. 13, n. 26, p. 128-153, 2011.

ZHU, Y.; XIONG, Y. Towards data science. Data Science Journal, Londres, v. 14, p. 8, 2015. Disponível em:<http://doi.org/10.5334/dsj-2015-008>. Acesso em: 06 jan. 2019.

Downloads

Publicado

2022-12-28

Como Citar

REIS, Makson de Jesus; CARVALHO, Telma de. Ciência de Dados e Ciência da Informação: evolução e paradigmas da ciência. Informação em Pauta, [S. l.], v. 7, n. 00, p. 1–21, 2022. DOI: 10.36517/2525-3468.ip.v7i00.2022.78490.1-21. Disponível em: http://periodicos.ufc.br/informacaoempauta/article/view/78490. Acesso em: 28 mar. 2024.

Artigos mais lidos pelo mesmo(s) autor(es)