Você está na página 1de 10

1

A AQUISIO DE CONHECIMENTO NAS CINCIAS EXPERIMENTAIS


(Citao: RUSILO, LUIZ CARLOS, aa aquisio de conhecimento nas cincias experimentais. Revista Ed Fishers, n 03, So
Paulo, Vol. 01, 2016)
<www.edfishers.org>

Os estudos em cincias e tecnologia tem como objetivo ampliar o horizonte de conhecimentos atravs
do desenvolvimentos de pesquisas baseadas em hipteses diversas e com a realizao de cadeias de
dedues, que podem ser inclusive bastante longas, ou pela coleta de dezenas, milhares ou mesmos milhes
de dados, os quais podem ser tabulados, tratados e relacionados para a obteno de concluses que so, em
ltima anlise aperfeioamentos de conhecimentos preexistentes, ou que podem gerar conhecimentos
inovadores.
Esse processo necessita de um mtodo que reja todas as etapas da pesquisa, minimizando a
possibilidade dos resultados e concluses da pesquisa conterem erros ou mesmo que sejam falsos,
independentemente do esforo ou boa vontade dos pesquisadores.
No caso das cincias experimentais, que englobam grande parte das reas das denominadas cincias
exatas, humanas e biolgicas, e que lidam com o tratamento de dados como forma de se obter novos
conhecimentos, o controle do processo de pesquisa fundamental para que os resultados tenham validade,
ou melhor, para que eles espelhem a realidade com a mxima veracidade possvel.
Tratando um pouco melhor essa questo, a tabela a seguir apresenta exemplos de cincias e dos
raciocnio tpicos utilizados em seus desenvolvimentos.
Tabela 1 Tipos de cincia e raciocnios predominantes.
Tipo de Cincia
Cincias Exatas Abstratas
Cincias Humanas
Abstratas
Cincias Experimentais

Exemplo
Lgica e Matemtica

Raciocnio Predominante
Dedutivo

Direito

Discursivo / Retrico

A maioria das disciplinas


cientficas

Indutivo

Nota-se que os trs exemplos apresentados utilizam mtodos lgicos para concatenar hipteses,
dados, informaes e resultados, cada uma de uma maneira distinta. Para se entender um pouco melhor esse
processo, em especial em relao s cincias experimentais, importante entendermos alguns conceitos:
-

Hipteses so ideias que fundamentam um projeto de pesquisa; so ideias que os pesquisadores


tem e que precisam ser verificadas durante o desenvolvimento de seus estudos.

Dados so sequncias de smbolos, como sequncia de nmeros, palavras ou imagens.

Informao o significado extrado dos dados. a compreenso gerada pelo tratamento dos
dados, mesmo que esse tratamento tenha ocorrido apenas mentalmente.

Ou seja, enquanto os dados so fatos brutos e com pouco ou nenhum significado, as informaes so
fatos tratados recebendo significado e, por isso, normalmente teis.
-

Resultados, em termos de pesquisas, so as informaes obtidas aps um processo de


experimentao e raciocnio, sendo que deles so obtidas as concluses da pesquisa. Uma
pesquisa pode ter vrios resultados simultaneamente obtidos, que podem gerar uma ou vrias
concluses, mas tambm pode ser um processo em que resultados fornecem algumas concluses,
que geram mais investigao, com a coleta de novos dados, novas anlises e novos resultados,
gerando novas concluses e assim sucessivamente, at um trmino definido pelos pesquisadores,
em que so apresentados os resultados e concluses considerados finais para aquela fase das
pesquisas.

Voltaremos questo da concluso mais adiante. Por enquanto apenas afirmando que elas so a
coroao de um trabalho de pesquisa, explicitando, dando a luz a um novo conhecimento tecnolgico ou
cientfico.

Fundamento do raciocnio lgico


Vamos agora tratar de como os dados e as informaes so analisados e correlacionadas para a
obteno de resultados e concluses. Como visto na tabela anterior, grande parte dos processo de raciocnio
cientfico e tecnolgico ocorre por deduo e induo, utilizando princpios de Lgica, mesmo que no
estejamos lidando diretamente com estudos relacionados Lgica ou Matemtica. Isso ocorre porque em
pesquisas sempre necessrio utilizar o denominado raciocnio lgico.
A cincia do raciocnio lgico ento a Lgica, palavra esta que vm do grego:
= logos

equivalente aos termos

palavra e razo

Portanto a Lgica pode ser entendida como o estudo do raciocnio vlido. Ela examina as formas que a
argumentao pode tomar, verificando e definindo quais formas de argumentao so vlidas e quais so
falaciosas, ou seja falsas disfaradas de verdadeiras e gerando concluses que decorrem validamente das
premissas.
A Lgica divide-se basicamente em duas vertentes1:

PEIRCE (Charles Sanders,) foi lgico, filsofo, matemtico e cientista, o criador da semitica peirceana, props uma terceira
vertente, denominada Lgica Abdutiva, que trabalha com relaes de causalidade, utilizado dados para chegar a uma concluso
mais ampla e estabelecendo a probabilidade da concluso da inferncia. Portanto, para nososo fins, esta ser considerada como
uma forma de induo.

Lgica Dedutiva.

Lgica Indutiva.

Quando se fala em Lgica, normalmente pensamos na Lgica Dedutiva e no raciocnio dedutivo,


desenvolvidos inicialmente por Aristteles e ampliados at os dias atuais. A seguir um exemplo de raciocnio
dedutivo:
Todos os humanos so mortais.

(premissa)

Joo humano.

(premissa)

Logo Joo mortal.

(concluso)

Pensamos, portanto nos silogismos. Algo como:


A igual a B
B igual a C .
Logo A igual a C
O raciocnio lgico aqui verificar se as regras de encadeamento das premissas so adequadas e, para
fins prticos, tambm verificar se as premissas so verdadeiras derivando concluses verdadeiras, num
processo denominado inferncia lgica. Como contraexemplos, vejamos:
Todos os brasileiros so americanos.
Wolfgang no brasileiro.

Logo Wolfgang no americano.


- No foram seguidas as regras adequadas de concatenao.
Ou, a seguir:
Todas as pessoas gordas so gregas.
Fausto gordo.

Portanto, Fausto grego.


- Premissa falsa gerando concluso falsa.

O raciocnio dedutivo muito importante pois pode produzir concluses a partir de raciocnios
extremamente complexos, chegando a resultados que estavam bem ocultos e, portanto, completamente
desconhecidas para ns.

Mas, revela informaes que j eram disponveis, extraindo uma concluso a partir da confrontao de
premissas, umas generalizadoras e outras particularizadoras. um raciocnio que parte do universal para o
particular, o denominado aspecto convergente e assim aumenta a resoluo das informaes disponveis,
como que dando um zoom sobre o mapa das informaes j conhecidas.
O raciocnio indutivo, por outro lado, consiste em fazer firmaes acerca de todos, sobre aquilo que
observado apenas em alguns. Ou seja, a partir de uma amostra, de um subconjunto dado, define-se uma
teoria2 genrica, que acaba por incluir elementos que no faziam parte da
amostra original nem do estudo desenvolvido. Portanto, a induo faz
generalizaes e extrapolaes, ou seja, a partir de proposies particulares,
revela proposies universais (ou pelo menos mais gerais), focando a
ateno em regies novas (diferentemente do raciocnio dedutivo que
enfatiza aspectos mais desconhecidos dentro de regies j conhecidas).
O raciocnio indutivo tambm foi abordado por Aristteles, mas sempre foi considerado inferior ao
raciocnio dedutivo, considerado este mais nobre. Vamos ver um exemplo de raciocnio indutivo:
O Sol nasceu todas as manhs at hoje.
Logo, ( provvel que) nasa amanh.
Ou:
Vimos um,
Vimos dez,
Vimos mil cisnes brancos.
Logo, provvel que todos os cisnes sejam brancos.
Apenas chamando a ateno para o fato de que, em certas ocasies, acaba-se pensando ao contrrio3:
Este nmero nunca foi sorteado na loteria.
Portanto agora sair (!?)
Algumas das caractersticas do raciocnio indutivo so:
-

As premissas no so mais consideradas como verdadeiras ou falsas, em contraposio ao


raciocnio dedutivo, mas so consideradas como elementos que apresentam um determinado grau
de fora afirmativa, baseado na experincia.

Teoria = descrio e explicao de um modelo com capacidade preditiva.


O raciocnio apresentado no uma induo no sentido de extrapolar situaes e estados, mas uma tentativa de contemporizar o
fato de que o sorteio de nmeros de loteria apresenta probabilidades equiprovveis. Logo, um nmero que nunca saiu precisaria
comear a ser sorteado para que sua frequncia fique prxima as dos demais nmeros.
3

No fornece uma resposta conclusiva, mas um campo de probabilidades para um possvel


diagnstico da situao.

Conforme acrescentamos novas premissas a um argumento indutivo, pode-se alterar a concluso


conforme as foras dessas novas premissas.

Quanto maior o nmero de experincias acumuladas, maior o grau de certeza da concluso.

Quando o nmero de experincias for considerado suficientemente grande, pode-se formular uma
regra geral.

Uma importante caracterstica da induo que, ainda que os resultados de novas experincias
sempre concordem com uma teoria previamente elaborada, nunca haver certeza de que essa teoria seja
verdadeira. Sempre poder ser encontrado um novo resultado que contradiga essa teoria. Portanto, o
raciocnio indutivo gera um conhecimento provisrio, pois uma teoria pode ser invalidada se for encontrada
apenas uma nica observao que discorde de suas predies.
Mas, afinal, uma teoria cientfica, mesmo gerada por dedues, deve ser sempre considerada como
provisria. Ela nunca detm a verdade , mas apenas espelha o estado do conhecimento do momento em
que foi produzida. Do contrrio seria um dogma, que no pode ser modificado e ento considerada uma
verdade absoluta, eterna e imutvel, o que se contrape ao esprito da cincia que se mantm, em constante
evoluo e aperfeioamento.
Pode-se portanto afirmar que o raciocnio indutivo o principal instrumento de raciocnio das cincias
experimentais, pelo menos at o momento histrico atual, e que as teorias cientficas incorporam a
precariedade do conhecimento, inclusive pela aplicao de seu instrumento de raciocnio a induo pelo
menos no campo experimental, embora mesmo as teorias de base dedutiva podem sempre ser ampliadas ou
modificadas.

Conhecimento cientfico e conhecimento popular


Nesse momento, importante fazer uma pausa para discutirmos um pouco a relao entre o
conhecimento cientfico e o conhecimento dito leigo ou popular. Este ltimo pode orientar o avano cientfico
e assim no deve ser menosprezado, mas por outro lado, adquirido sem uma metodologia que garanta que
suas concluses e previses sejam minimamente verossmeis.
Por exemplo, comprovou-se que que a planta denominada popularmente quebra-pedra de fato tem
vrias substncias que auxiliam na dissoluo e expulso de clculos renais. Ou seja, o conhecimento leigo,
que inclusive batizou a planta h vrias geraes com esse nome extremamente sugestivo, foi provado,
mostrando seu valor em guiar conhecimentos cientficos.

Por outro lado, o conhecimento popular apresenta diversos contedos invlidos e assim inteis ou
talvez at mesmo prejudiciais, ao gerar afirmaes como:
-

Manga com leite um veneno mortal.

(premissa falsa)

Banho depois da refeio mata.

(concatenao errada)

O mtodo cientfico pode desenvolver o conhecimento em um ritmo que podemos achar


relativamente lento, mas garante uma progresso segura e consistente do corpo de conhecimento. E como j
dito, um conhecimento que pode ser redefinido, alterado, caso novas provas apontem para isso.
Isso confronta o conhecimento popular, que tem certa averso a experimentos, pois pode-se tomar
manga com leite mas a ideia de ser uma mistura venena persiste, at ser simplesmente esquecida sem ser
modificada, alargada, redefinida. Simplesmente morre.
H tambm os conhecimentos pseudocientficos, nos quais afirmaes, que poderiam e deveriam ser
testadas experimentalmente, so aceitas como verdades apenas porque a elas foram associadas inferncias
argumentativas desprovidas de algum tipo de validao experimental minimamente vlido. E, todavia, so
alados a nveis mais elevados que os prprios conhecimentos populares, sendo acatados sob o status de
cincias autnticas, ou seja, de conhecimentos operacionalmente vlidos e passveis de solucionar questes
concretas. Podem ser tomados como crendices, mas normalmente no tem esse carter ingnuo, sendo
tomados como conhecimento vlido, o que os torna ainda mais prejudiciais.
Outra faceta da construo do conhecimento cientfico autntico que facilita a aceitao de
conhecimentos pseudocientficos que ele assemelha-se ao inflar de um balo de borracha.
Novos conhecimentos vlidos vo sendo obtidos, o volume interno do campo do conhecido vai se
ampliando mas, por outro lado, a rea do desconhecido e da ignorncia vai tambm aumentando, qual
seja, a rea de interface que corresponde fronteira entre a regio do j conhecido e a regio do
impondervel, isto , a regio sobre a qual nem sequer so feitas ponderaes ou especulaes a respeito.
Nesse sentido, a deduo e principalmente a induo so as ferramentas para a expanso do conhecimento.

Figura 1 Modelo de expanso do conhecimento cientfico.

Curioso, portando, que contrariando o senso comum, a zona do desconhecido no tende a diminuir,
mas a crescer, conforme o conhecimento cientfico se expande.
Esse crescimento da ignorncia, das perguntas no respondidas, conforme vai se avolumando, tende
a gerar desconfortos, que por sua vez produzem posturas contra a cincia, alegando que ela no responder a
todas as questes, o que alis com certeza sempre ocorrer, pois como entendido, a cincia um processo
em contnua construo. O perigo desse tipo raciocnio que se tomam pseudoconhecimentos de
pseudocincias como uma possibilidade concreta para preencher as lacunas que a cincia ainda no
preencheu, de forma fcil e rpida.
Como vimos, o conhecimento leigo e mesmo elementos de pseudocincia podem conter
conhecimentos vlidos. Mas o grande perigo que esses conhecimentos esto normalmente mesclados com
pseudoconhecimento, ou seja, afirmaes desprovidas de qualquer comprovao. E tom-los simplesmente
como vlidos algo no mnimo temerrio.

Raciocnio indutivo na prtica


Fechado esse parnteses sobre o conhecimento leigo e pseudocincias, voltemos a tratar do raciocnio
indutivo.
Este pode se valer de mais de um meio para sua elaborao, incluindo ferramentas de lgica formal e
clculos de predicados especiais, mas a sua principal ferramenta no mbito das pesquisas em cincias
encontra-se na Estatstica, que desenvolveu inmeros instrumentos de anlise, num corpo de conhecimento
abrangente e apto a aplicar o raciocnio indutivo por meio da denominada inferncia estatstica.
A Estatstica Inferencial (ou Estatstica Indutiva) o ramo da Estatstica cujo objetivo encontrar
relaes entre dados e variveis e fazer afirmaes sobre um universo a partir de um subconjunto de valores
representativos (amostra), sob uma dada probabilidade de certeza.
A Estatstica, como conhecemos atualmente, uma srie de ferramentas, conceitos e raciocnios que
servem anlise de dados.

Normalmente focamos o interesse nas ferramentas da Estatstica.

Algumas vezes, focamos a ateno em seus conceitos.

Mas, quase nunca, atentamos para o raciocnio que est por trs dela.

Deve-se entender, portanto, que os tratamentos e procedimentos estatsticos no so apenas mais


uma etapa da uma pesquisa, muitas vezes considerada incmoda, difcil, chata, complicada por pessoas
menos acostumadas com ela, mas, de fato, o emprego efetivo do raciocnio indutivo na construo do

conhecimento cientfico experimental e, portanto, o instrumento que facilita, valida e promove todo o
processo de pesquisa experimental.
Importante, que outros tipos de raciocnios lgicos podem e devem estar presentes no
desenvolvimento do conhecimento cientfico experimental como auxiliares nessa construo do
conhecimento. Exemplificando, um trabalho cientfico, tal como um artigo, uma dissertao ou uma tese,
em si mesmo um grande silogismo dedutivo.
O emprego da Estatstica, na verdade, um elemento essencial da metodologia cientfica
experimental, que possibilita a realizao de extrapolaes e generalizaes a partir de poucos dados, alm de
validar outras fases da pesquisa, como coleta, descrio, controle, previso, anlise e interpretao. A
Estatstica transforma dados em informao, ou seja, transforma valores que inicialmente tem pouco ou
nenhum significado em elementos que ampliam o conhecimento, os quais transformam-se em resultados dos
quais podem ser extradas concluses vlidas e extrapolveis a conjuntos maiores que grupo originalmente
analisado.
Em termos prticos, importante saber que a Estatstica tem abordagens e ferramentas em grau
crescente de complexidade. Vamos aqui abordar apenas alguns aspectos sobre a amostragem, ou seja, s
tcnicas para produo de uma amostra.
Os custos e tempos envolvidos nessa fase da pesquisa, referente obteno de dados experimentais,
quer por coleta em campo, quer pela realizao de experimentos, quer pela pesquisa bibliogrfica ou por
outros meios, se comparados com os custos e tempos envolvidos na fase de anlise, podem se muitas vezes
maior. Prazos e possibilidades fsicas de realizao tambm devem ser levados em conta.
Disso decorre a importncia da fase de amostragem em uma pesquisa.

Figura 2 Ilustrao do conceito de amostra e de sua capacidade de representao da populao.

A figura anterior tenta ilustrar o conceito de amostra. Uma fotografia sempre apresenta uma
determinada resoluo, ou seja, formada por uma quantidade finita de pontos com determinada dimenso
e cor, que justapostos, formam a imagem.
A fotografia, nesse contexto em si uma amostra da resoluo praticamente infinita que uma imagem
possui, pois a resoluo real seria medida em minsculos ftons emitidos pelo objeto que foi representado.
Mas, para facilitar o entendimento, a sequncia de fotografias apresenta, a partir da fotografia inicial, o
decrscimo de pontos que as formam, apresentando-se a porcentagem de pontos em relao foto original,
que consideremos a populao original de pontos da imagem. Verifica-se que com 5% dos pontos, a nova
fotografia ainda mantm as caractersticas da foto original. Com 1% a nova foto fica embasada, mas ainda
possvel distinguir-se o que representado, assim como com apenas 0,5% da quantidade de pontos originais.
Voltando-se a ideia de amostra, ela um subconjunto, que se bem selecionado, mesmo sendo muito
pequeno em relao populao original, ainda assim pode manter a representatividade da populao, ou
seja, suas caractersticas a tal ponto que ainda seja uma espcie de imagem embaada, mas ainda inteligvel,
daquela. A figura a seguir, por outro lado, apresenta amostras muito reduzidas, que no so representativas,
significando que as amostras devem ter um tamanho mnimo e ser bem selecionadas.

Figura 3 Ilustrao da limitao da representatividade de amostras.


Os valores apresentados anteriormente no devem ser tomados como uma regra fixa, mas devem ser
tomados apenas como exemplificao do poder de uma amostra representativa espelhar a populao que lhe
deu origem, sendo que as concluses que so obtidas em uma amostra, com os devidos cuidados estatsticos,
podem ser extrapolados populao original, mesmo que esta no seja conhecida, nem possa ser acessada
diretamente.

10

Portanto, o conhecimento tcnico e cientfico expande-se de forma lenta e gradual, sendo confirmado
por experimentaes e por confirmaes de previses que possam ser realizadas a
partir dele, e sempre sujeito a correes e ampliaes. No caso do conhecimento
obtido a partir das cincias experimentais, baseia-se tambm em extrapolaes sobre
dados limitados para produzir concluses mais abrangentes, como que concretizando,
pesquisa a pesquisa, concluso a concluso, a afirmao de Sir Isaac Newton, que a
respeito de sua monumental obra, que inaugurou tanto a Fsica moderna como a toda
a disciplina matemtica do Clculo Diferencial e Integral, referiu-se importncia dos
cientistas que o precederam: Se consegui ver mais longe, foi por estar de p sobre ombros de gigantes.

BIBLIOGRAFIA
ABNEY, S. Statistical Methods and Linguistics. Tubingen:University of Tubingen; 1996.
ALVES, A. C. Lgica. Pensamento formal e argumentao. Elementos para o discurso jurdico. Bauru: Edipro;
2000.
BISPO, C. A. et al. Introduo lgica matemtica. So Paulo: Cengage Learning, 2011.
BOD, R. et al. Probabilistic Linguistics. Cambridge: MIT Press; 2003.
BOLSHAKOV, I e GELBUKH A. Computational linguistics. Cidade do Mxico: Instituto Politcnico Nacional;
2004.
BUSSAB, W. O. e MORETTIN, P. A. Estatstica bsica. So Paulo: Saraiva; 2002.
CARNIELLO W. E EPSTEIN, R. L. Computabilidade, funes computveis, lgica e os fundamentos da
matemtica. So Paulo: Unesp; 2006.
CHIZZOTTI, A. Pesquisa qualitativa em cincias humanas e sociais. Petrpolis: Vozes; 2006.
COSTA, N. da Ensaios sobre os fundamentos da lgica. So Paulo: Hucitec; 2008.
___. Lgica indutiva e probabilidade. So Paulo: Edusp Hucitec; 1993.
___. Introduo aos fundamentos da matemtica. So Paulo: Hucitec; 2008.
HAACK, S. Filosofia das lgicas. So Paulo: Unesp; 2002.
HEGENBERG. L. Lgica. O clculo de predicados. So Paulo: Edusp - Herder; 1973.
___. Significado e conhecimento. So Paulo: Edusp; 1975.
MILONE, G. Estatstica geral e aplicada. So Paulo: Thomson; 2004.
MORTARI, C. A. E DUTRA, L. H. A. (org.) A concepo semntica da verdade. Textos clssicos de Tarski. So
Paulo: Unesp; 2007.
MORTARI, C. A. Introduo logica. Unesp: So Paulo; 2001.
PINTO, P. R. M. Introduo lgica simblica. Belo Horizonte: UFMG; 2006.
POPPER, K. Conjecturas e refutaes. Braslia: UnB; 2008.
___. Os dois problemas fundamentais da teoria do conhecimento. So Paulo: Unesp; 2013.
SMULLYAN, R. Lgica de primeira ordem. So Paulo: Unesp Discurso Ed.; 2009.
VELASCO, P. D. N. Educando para a argumentao. Contribuies do ensino da lgica. Belo Horizonte:
Autntica; 2010.