Escolar Documentos
Profissional Documentos
Cultura Documentos
Ela mostrou que esses sistemas podem produzir um comportamento imprevisível (Cooke-Davis et
al., 2007), pois ora exibem ciclos de comportamento previsível, ora são instáveis (Wood Jr. et al.,
Vasconcellos, 1993).
*Limite do caos (Edge of chaos)-> Uma fronteira caótica é um ponto teórico entre a ordem e o
caos (Remington et Pollack, 2007). É aqui que existe um nível de caos, mas o sistema mantém um
nível de ordem. Isso mantém a coerência e a consistência internas e preserva a especialização de
algumas funções. Isso libera a criatividade e abre oportunidades de melhoria, pois a troca de
informações com o ambiente é maximizada.
Morin (2005) apontou que existe uma estreita relação entre ordem e caos porque os dois se
influenciam. Em alguns casos, a desordem é necessária para alcançar a organização. Em outras
palavras, o caos ajuda a construir organizações.
Nessa direção, Ponchrolli (2007) aponta para a existência de duas redes distintas de conexões entre
os agentes do sistema: a rede legítima e a rede “sombra”. Redes legítimas são formadas por
conexões compreendidas e explicitamente estabelecidas entre agentes. Redes "sombra" são
formadas por interações espontâneas (anteriormente não previstas) conexões entre agentes. De um
modo geral, a rede legítima estabiliza o sistema, enquanto a rede "sombra" desestabiliza o sistema.
Portanto, o limite do caos é uma zona paradoxal onde a estabilidade e a instabilidade coexistem, as
redes legais e as redes "sombra" entram em conflito, o feedback positivo e o feedback negativo
coexistem e é impossível se comunicar entre si. prevalecer. Com isso, o sistema torna-se mais
sensível às condições iniciais e torna-se criativo devido ao duplo aprendizado proporcionado pela
dupla retroalimentação (Ponchirolli, 2007).
Assim, o sistema aprende por meio de um mecanismo de feedback, o que aumenta as taxas de erros
e acertos. Dessa forma, um erro trivial pode causar a falha do sistema e uma oportunidade pode
levar o sistema a um alto desempenho. Esses mecanismos de aprendizado são influenciados pelas
condições iniciais de cada ciclo e podem melhorar a compreensão de por que as organizações
sucumbem ou prosperam inesperadamente quando confrontadas com os detalhes do que aconteceu
em suas trajetórias.
É no limiar do caos que surgem as maiores oportunidades de evolução do sistema (PMI, 2009), pois
a desordem força a criação de novas formas de ordem. Na analogia da água, o vapor representa um
estado de caos e o gelo representa um estado de ordem, mas a água em sua forma líquida oferece a
melhor oportunidade para atividades complexas.
Como uma maneira intuitiva de ver o mundo, o conceito de um sistema ajuda a entender como as
coisas se relacionam umas com as outras e com tudo o mais. (Remington et Pollack, 2007). De
acordo com a abordagem sistêmica, as empresas são vistas como sistemas abertos que interagem
constantemente com seu ambiente. (Ponchirolli, 2007; Sheffield et al., 2012). Um padrão de
repetição deve existir em um sistema para ser um sistema; caso contrário, seria um simples evento
em vez de um sistema. (Remington et Pollack, 2007). Além disso, é importante notar que o
comportamento de um sistema é dinâmico quando muda ao longo do tempo. (Ponchirolli, 2007).
Desta forma, a complexidade reflete a compreensão de que tudo é composto de muitas partes, mas
não todas elas. Consequentemente, sistemas complexos não podem ser compreendidos pelas
características dos agentes individuais, uma vez que o todo não pode ser explicado pela soma de
suas partes. Como resultado, é impossível prever como o sistema se comportaria usando seus
componentes como base. (Weaver, 2007). Isto é verdade, por exemplo, de escolas de peixes,
colônias de formigas e grupos sociais humanos.
Sistemas puramente físicos ou químicos são deterministas com regras fixas; em contraste, sistemas
orgânicos complexos são adaptáveis porque mudam ao longo do tempo. (Ponchirolli, 2007).
Ponchirolli afirma que esta evolução depende da possibilidade de condições de interferência do
sistema que possam levar a interações e efeitos inesperados em que causas são convertidas em
efeitos e vice-versa.
Sistemas adaptativos complexos são aqueles que aderem à teoria da complexidade. (Aritua et al.,
2009). Professor do MIT e presidente do New England Complex Systems Institute, Yanner Bar-Yam
explica que o cérebro humano, a fisiologia humana, os governos, as famílias, o tráfego na estrada, o
impacto das doenças infecciosas, os ecossistemas globais e os subsistemas como desertos, oceanos
e flora são todos exemplos de sistemas complexos. (Bar-Yam, 2003). O PMI (2009) cita terremotos,
sistemas celulares e sistemas humanos como exemplos de sistemas dinâmicos complexos.
Como resultado, numerosas mudanças podem ocorrer tanto dentro do sistema como entre o sistema
e seu ambiente, ou, em outras palavras, comportamentos adaptativos contribuem para a dinâmica do
sistema. (PMI, 2014). No entanto, apesar do fato de que as interações estão sempre mudando,
sistemas complexos ainda podem aderir a um padrão predeterminado. (Sargut et al., 2011).
Finalmente, é vital notar que os sistemas humanos complexos diferem daqueles encontrados na
natureza porque são imprevisíveis e a inteligência humana os impede de serem modelados da
mesma forma. (Snowden et al., 2007). A Figura 2 ilustra um comportamento adaptativo sofisticado.
*Redes complexas-> De acordo com a definição de Barabási de 2003, uma rede complexa é um
gráfico composto de vértices (nós) que são conectados por arestas (conexões ou arcos) e tem
características topológicas que são particulares. Redes complexas são usadas em muitas áreas do
conhecimento humano, incluindo biologia, matemática, computação, sociologia, bibliometria, as
artes, zoologia, linguística e psicologia.
Os co-fundadores da empresa Google, Larry Page e Sergey Brin, desenvolveram um dos aplicativos
mais famosos das redes complexas por volta do final da década de 1990. Eles perceberam que as
páginas com muitos hiperlinks tendem a ser mais relevantes do que aquelas com poucos. Esta
percepção serviu como inspiração para o desenvolvimento do algoritmo PageRank para organizar
páginas da web. (Brin et Page, 1998).
Pesquisadores no campo se interessaram por redes complexas porque ofereceram uma maneira de
simular sistemas dinâmicos complicados. É possível entender melhor o comportamento de um
sistema complicado através da topologia dessas redes.
No entanto, em geral, uma "rede" é "uma abstração que permite algum tipo de relação entre pares
de objetos" (Figueiredo, 2011). Em muitos domínios da natureza, por exemplo, existem redes de
computadores, pessoas, objetos, neurônios, proteínas, predadores e presas. Estas redes demonstram
a ideia de que cada uma dessas entidades tem um comportamento que não é explicado pelo
comportamento das partes individuais, mas é influenciado pela interação entre elas. Portanto, as
redes sociais afetam e permeam a vida diária das pessoas.
Neste campo de estudo, é crucial compreender, caracterizar e modelar a rede, já que muitos
fenômenos podem ser melhor compreendidos se forem modelados de acordo com a estrutura da
rede em que operam. (Figueiredo, 2011). Como resultado, a funcionalidade é influenciada pela
estrutura; portanto, pode-se deduzir informações sobre um fenômeno simplesmente entendendo as
características da rede que ela mapeia.