A Complexidade e Os Seus Paradigmas Na Gestão

A Complexidade e os seus paradigmas na gestão. Uma Abordagem

Marco Arraya (Ph.D)

Ficha Técnica

Título: A Complexidade e os seus paradigmas na gestão. Uma abordagem.

Subtítulo:

Autor: Marco Arraya

ISBN: 978-989-20-5014-0

Foto de Capa:

Setembro de 2014

Edição de Autor

Contactos ResearchGate.com: Arraya M. ResearcherID: I-7636-2012 https://www.marcoarraya.com Email: [email protected]

A complexidade e os seus paradigmas na gestão. Uma abordagem. Página | 3

Biografia do autor

O principal objetivo com esta abordagem aos paradigmas da complexidade é contribuir para a divulgação e clarificação dos temas. No que se refere aos meus interesses académicos e profissionais existe um eixo condutor: contribuir para um mundo cada vez mais altruísta, solidário e fraterno. As minhas áreas de interesse e pesquisa académica procuram alcançar dois desideratos:

1) desenvolver a longevidade organizacional; 2) a criação de valor aos Stakeholders. Os meus projetos privilegiam a partilha de conhecimento e incentivo à melhoria do desempenho organizacional, onde pretendo seguir um pensamento de Peter Drucker, “o abandono organizado”, pois só o fazendo serei amanhã melhor que hoje.

Académica � 2014 - Doutorado em Gestão Estratégica

Tema da tese: “O efeito da homeostasia nas organizações e o desempenho”. Universidade Aberta, Portugal

� 2012 – Master of Administration “Business Management” Tema da tese: “An investigation into the impact of goal-setting on productivity in a selected team sports environment” University of South Africa (UNISA)

� 2006 - Mestrado em Gestão do Desporto Tema da tese: “ O Balanced Scorecard no desenvolvimento das competências do dirigente”. Universidade Técnica de Lisboa / Faculdade de Motricidade Humana

� 1999 - Pós Graduação em Gestão Comercial e Marketing Universidade Politécnica de Madrid

� 1998 - Pós Graduação em Marketing Instituto Superior de Gestão

� 1997 - Licenciatura em Marketing Especialização em Marketing de Serviços Instituto Português de Administração de Marketing

Outros � Gestor � Colunista em artigos de opinião na área de gestão (Executive Digest, Marketeer,

OJE; MaisValia, Record). � Autor e editor do livro “Recursos e Capacidades. Uma visita ao paradigma da Visão

de Recursos (RBV) e das Capacidades Dinâmicas (DCV). ISBN: 978-989-20-4648-8, 2014.

� Co-autor e editor do livro técnico “Tendências Contemporâneas da Gestão Desportiva”, 2014.

� Co-autor e editor do livro técnico “Andebol: um caminho para o alto rendimento”, 2012.


Nota Prévia

Esta visita aos paradigmas da complexidade surge da procura de um caminho para a

mudança dentro das organizações, é uma investigação bibliográfica efectuada à

literatura existente até 2011 sobre estes paradigmas.


Índice

1. Introdução ................................................................................................................. 7 2. Cibernética .............................................................................................................. 15

2.1. Conceito de variedade ......................................................................................... 18 3. Pensamento Sistémico - Teoria Geral dos Sistemas ............................................... 20 4. Segunda Lei da Termodinâmica e a Flecha do Tempo ............................................ 35 5. Sistemas Dinâmicos ................................................................................................. 39

5.1. Definição de sistemas dinâmicos ........................................................................ 39 5.2. Realimentação e causalidade .............................................................................. 43 5.3. Modelos fundamentais do comportamento dinâmico ....................................... 46 5.4. Auto-organização ................................................................................................. 47

6. Caos ......................................................................................................................... 52 6.1. Efeito Feedback e equação logística .................................................................... 57 6.2. Comportamento Não-Linear ............................................................................... 59 6.3. Sensibilidade às Condições Iniciais (Efeito Borboleta) ........................................ 60 6.4. Níveis Críticos ...................................................................................................... 64 6.5. Espaço Fase .......................................................................................................... 64 6.6. Trajectória do Sistema ......................................................................................... 66 6.7. Atractor ................................................................................................................ 66 6.8. Parâmetros de Controlo e as Bifurcações ........................................................... 71 6.9. Fractais ou Auto Similaridades ............................................................................ 72 6.10. Outras Considerações ........................................................................................ 75

7. Complexidade .......................................................................................................... 78 7.1. Sistemas Adaptativos Complexos ........................................................................ 85 7.2. Auto-organização, a auto-organização baseada na hierarquia e autopiese ..... 101 7.3. A Emergência ..................................................................................................... 114 7.4. Comparar emergência e auto-organização ....................................................... 130 7.5. Breve revisão das Ciências da Complexidade .................................................... 134

8. Definição de termos da “complexidade” .............................................................. 140 Referências Bibliográficas ............................................................................................. 150 Quadros Quadro 1. Princípios da Ciência Clássica e Preceitos da Ciência Moderna. ..................... 9 Quadro 2. Preceitos Cartesianos e Preceitos Sistémicos. .............................................. 13 Quadro 3. O que é um sistema? ..................................................................................... 26 Quadro 4. Epistemologia da Teoria do Caos .................................................................. 53 Quadro 5. Características dos sistemas simples e complexos ....................................... 86 Quadro 6. As diferentes características/princípios dos SAC’s ...................................... 100 Quadro 7. As diferentes características/princípios da auto-organização .................... 109 Quadro 8. A Complexidade e os seus paradigmas na gestão. ...................................... 129 Quadro 9. Ciências da Complexidade: as suas teorias que a integram........................ 139


Figuras Figura 1. Esquema de retroalimentação. ....................................................................... 16

Figura 2. Representação de um sistema de aquecimento de água ............................... 23

Figura 3. Uma célula é um sistema já muito elaborado e complexo ............................. 24

Figura 4. O que não é e o que é um sistema .................................................................. 25

Figura 5. Abordagem qualitativa, diagrama de enlace causal........................................ 45

Figura 6. Equação logística e caos .................................................................................. 59

Figura 7. Gráfico obtido por Lorenz, após alterar os estados inicias do sistema ........... 61

Figura 8. Azenha de Lorenz............................................................................................. 62

Figura 9. Desenho gráfico do Efeito Borboleta .............................................................. 64

Figura 10. Espaço de fase de um pêndulo ...................................................................... 65

Figura 11. Trajectória Caótica ......................................................................................... 66

Figura 12. Bola colocada num bol em posição de equilíbrio estável ............................. 67

Figura 13. Bacia de atracção ........................................................................................... 67

Figura 14. O Atractor de Lorenz, caótico de dupla espiral ............................................. 68

Figura 15. O ponto ao centro é um atractor pontual num espaço de duas dimensões 69

Figura 16. O ciclo fechado é um atractor de ciclo limite ................................................ 69

Figura 17. Operação de esticar e dobrar no atractor de Rössler ................................... 71

Figura 18. Esquema de um diagrama de bifurcações .................................................... 72

Figura 19. Matryoshka .................................................................................................... 73

Figura 20. O feto é um exemplo de uma estrutura fractal ............................................ 75

Figura 21. Representação esquemática ......................................................................... 77

Figura 22. inter-relação entre os princípios doa sistemas adaptativos complexos ....... 91

Figura 23. Combinação de interações não lineares ....................................................... 94

Figura 24. Representação esquemática da Circularidade �� Identidade �� Organização ...................................................................................................................................... 114

Figura 25. Diferenças Emergência / Auto-organização ................................................ 130

Capítulo 1 - Introdução


1. Introdução

“Pela falta de um prego, perdeu-se a ferradura; pela falta da ferradura, perdeu-se o

cavalo; pela falta do cavalo, perdeu-se o cavaleiro; pela falta do cavaleiro, perdeu-se a

batalha; por falta da batalha, perdeu-se o reino.” (Provérbio desconhecido)

Durante séculos os mitos e as crenças ditavam o sentido e a ordem do universo, no

séc. XVII com o surgimento das denominadas ciências modernas houve uma

substituição pelas leis científicas. Nasce e sobrevive até aos dias de hoje uma forma de

pensar e fazer ciência que se baseia no paradigma das ciências clássicas, onde se

destacam pensadores historicamente influentes tais como: Bacon, Galileu, Descartes,

Newton, Adam Smith, Karl Marx e Sigmund Freud. Este paradigma edificou-se sobre

três pilares (Morin & Moigne, 1999).

• Ordem: esta noção nasce da concepção determinista e mecânica do mundo, atrás

da desordem aparente existia uma ordem a ser descoberta;

• Separabilidade: deriva do princípio cartesiano segundo o qual é necessário para

estudar um fenómeno ou resolver um problema, decompô-lo em elementos

simples. A disjunção entre o observador e a sua observação é outro aspecto da

separabilidade;

• Razão: o modo de pensar é o da lógica da indução da dedução e da identidade, ou

seja, a rejeição da contradição.

A maior contribuição da abordagem cartesiana, via Descartes, foi o pensamento de

que os sistemas complexos podem ser compreendidos pela análise de uma das suas

partes, no tempo, e, a partir da compreensão dessa parte, atribuir conclusões ao

sistema como um todo, compreendendo-se o contexto. Com esse objectivo, Descartes,

em 1619, formulou quatro preceitos básicos que fundamentam um método universal

para conduzir a razão (Descartes, 1980).



• O primeiro é o da evidência � o qual refere que nunca se deve aceitar nada como

verdadeiro, se não é possível provar. Noutras palavras, tem-se de evitar

cuidadosamente a precipitação e a previsão;

• O segundo é o da redução � pressupõe a divisão das dificuldades encontradas

para a resolução de um problema na máxima quantidade de partes que facilite

essa resolução;

• O terceiro é o da causalidade � estabelece uma ordem hierárquica para facilitar o

conhecimento dos objectos. Inicia-se pelos elementos mais simples e mais fáceis

de identificar, evoluindo-se para objectos complexos e mais difíceis;

• O quarto é o da exaustividade � retoma os três primeiros preceitos, perfazendo

enumerações tão completas e revisões tão gerais do objecto estudado que se

supõe ter o total conhecimento desse objecto.

Os quatro preceitos, instituídos por Descartes, marcam a passagem da ciência clássica

para a ciência moderna: a primeira norteada pela filosofia aristotélica; a segunda

guiada pelo pensamento cartesiano. Enquanto a Ciência Clássica associava a Ciência à

Filosofia, a Ciência Moderna, estabelecida por Descartes, dissocia a Ciência da Filosofia

(Morin, 1991).

Assim, apesar de continuar com o objectivo da redução herdada da lógica da ciência

clássica, a mudança, estabelecida por Descartes na ciência moderna, conduziu à

elaboração de um conhecimento científico com especificações metodológicas, com

princípios e regras que fazem desse conhecimento objectivo e universal.

O Quadro 1 apresenta um resumo dos princípios da ciência clássica e dos preceitos da

ciência moderna.



Quadro 1. Princípios da Ciência Clássica e Preceitos da Ciência Moderna.

Ciência Clássica Ciência Moderna

Lógica de funcionamento: Simplificação. Lógica de funcionamento: Simplificação.

Base da lógica: Filosofia Aristotélica e Ciência associada à Filosofia.

Base da lógica: Pensamento Cartesiano e Ciência dissociada da Filosofia.

Princípios Básicos Preceitos Básicos

1. Princípio da ordem; 1.Preceito da evidência;

2. Princípio da separabilidade; 2.Preceito da redução;

3. Princípio da redução; 3. Preceito da causalidade;

4. Princípio indutivo-dedutivo-identitário. 4. Preceito da exaustividade.

Estava-se perante uma visão mecânica do mundo, que era visto como um conjunto de

sistemas simples (linear), ordenada por leis naturais determinísticas, sustentadas na

hipótese de que uma causa definida conduz a um efeito igualmente definido. Criando

um padrão de pensamento que tende à simplificação e à procura da causalidade

simples (Lewin, 1992).

A Teoria da Relatividade de Einstein, Mecânica Quântica, o paradigma da Incerteza de

Heisenberg, e mais recentemente, as Teorias dos Sistemas Dinâmicos, do Caos e da

Complexidade vieram colocar em causa o saber adquirido e derrubaram os três pilares

já referidos. A introdução de novos paradigmas alterou, significativamente, o modo de

como compreender e explicar o funcionamento do universo. A visão simplista do

funcionamento do universo está paulatinamente a ser substituída por uma visão

complexa e paradoxal. Estes novos paradigmas têm também aplicação em modelos de

análise económica e nas teorias organizacionais (Lewin, 1992).

“Nós vivemos um momento de uma complexidade sem precedentes, quando as coisas

estão mudando mais rápido que a nossa habilidade de compreendê-las […] Enquanto o

momento de complexidade inevitavelmente gera confusão e incerteza, as

transformações sociais, económicas, políticas e culturais estão criando possibilidades

para apreendermos nós mesmos novos caminhos […] A maioria dos teóricos sobre

teoria da catástrofe, do caos e da complexidade concordam em não restringir as

pesquisas aos fenómenos naturais e encorajam a extensão das pesquisas para os

sistemas sociais, económicos e culturais” (Taylor, 2001).



Assim, a evolução tecnológica, tanto no perfil humano como nos processos de gestão,

e as influências do meio ambiente externo tornaram as organizações mais complexas.

Os modelos e teorias clássicas não conseguem resolver adequadamente os problemas

complexos. Investigadores como Capra (1982), Senge (1990), Morin (1990, 2000),

Stacey (1994, 1995, 1996), Morgan (2000), Pascale (2000), Beinhocker (2006) entre

muitos outros que acreditam que a vida nas organizações é um fenómeno complexo,

instável e imprevisível, começaram a abordar a organização sob a perspectiva destes

novos paradigmas criando uma visão mais ampla e holística que fez despontar as

ciências da complexidade.

Todos os conceitos e princípios que descrevem as teorias relacionadas com a

complexidade encontram-se na natureza e nos sistemas dinâmicos, desde a

organização da célula até ao comportamento do ecossistema ou organismo. Todos

possuem sistemas de controlo para a manutenção do equilíbrio de uma forma

dinâmica, contudo, quando se rompe o equilíbrio (através de estímulos/carga) produz-

se os efeitos da retroalimentação negativa e as consequentes adaptações/ajustes (se

existe equilíbrio não podem existir adaptações/ajustes).

Os sistemas de controlo biológicos e fisiológicos actuam respondendo a

estímulos/cargas, a visão linear estímulo/carga � resposta sem considerar as redes

existentes no organismo parte do pressuposto que se está perante um sistema

reactivo e autómato em relação aos estímulos/cargas externas, dando a entender que

a adaptação/ajuste1 afim de atingir o mero equilíbrio é o objectivo final. Este modelo

faz pouco sentido, em virtude do organismo ser essencialmente activo e com

1 Na Fisiologia, a adaptação é utilizada frequentemente para descrever ajustamentos fenotípicos

1 de

um organismo ao meio ambiente (Dantas, 1985), como na aclimatização e na aclimação1. Outro aspecto

importante envolvendo adaptação é a diferença com que as áreas sócio-culturais a utilizam relativamente à Biologia. De facto, quando alguém se refere à adaptação no universo não biológico, está, provavelmente, a referir à forma como um indivíduo altera o seu comportamento perante algumas condições ambientais – adaptação a um novo ambiente, novo concorrente, novo trabalho, etc.. Portanto, adaptação refere-se basicamente ao estado de ajustamento aos eventos imediatos que ocorrem no meio ambiente e que o perturbam (Ridley, 1997). Para Moran (1994),

existe uma diferença entre adaptação e ajustamento. Este autor defende que se

devem diferenciar estes conceitos, sendo que o primeiro deve ser utilizado quando as mudanças estruturais/funcionais ocorrerem de forma irreversível, com possibilidade de transmissão para outras gerações, devido ao seu valor adaptativo para a espécie. No caso dos humanos, que podem ter o fenótipo alterado pela exposição aos estímulos ambientais, que são por meio de ajustamentos morfológico-funcionais, devemos fazer distinção entre ajustamentos reguladores, de aclimação, de aclimatização e de desenvolvimento

(Ricklefs, 1973).



autonomia em relação ao sistema nervoso. A simples reactividade linear não pode

explicar as actividades espontâneas, os processos de regulação durante e após uma

patologia, o processo de crescimento, o desenvolvimento, a criatividade, assim como

as actividades humanas do âmbito social e cultural (Bertalanffy, 1976).

As teorias relacionadas com a complexidade, ou seja as ciências da complexidade,

ajudam a resolver esta questão entendendo a retroalimentação como um processo

contínuo entre o sistema e o meio ambiente externo. Provocando desta forma uma

alteração no conceito de retroalimentação, pois todo o ser vivo ou organismo é

constituído por números ciclos de retroalimentação. Tendo em consideração que nos

sistemas abertos nunca se reproduzem as mesmas condições e como tal nunca se

recupera o ponto de partida faz mais sentido utilizar o termo realimentação do que

retroalimentação.

Os ciclos de realimentação permitem dois tipos de regulação, que por sua vez

respondem a dois princípios dos sistemas dinâmicos: a estabilidade e a

adaptação/ajuste. A primeira mantém as condições existentes apesar das mudanças

de ambiente (realimentação negativa) e a segunda permite ao sistema

adaptar/ajustar-se ás mudanças internas e externas (realimentação positiva). Estes

ciclos de realimentação positiva permitem o reforço e amplificação das respostas. A

interacção de realimentação positiva e negativa forma redes complexas que

determinam o comportamento não linear que caracteriza os seres vivos (Capra, 1996).

As relações entre as variáveis que se estabelecem neste tipo de redes são diferentes

daquelas que se verificam na ciência clássica, possuem propriedades particulares que

ajudam a compreender as diferentes manifestações do comportamento humano

(Kelso, 1997)..

Devido a estas redes complexas as relações lineares deixam de fazer sentido. A

interacção entre as partes e o meio, e por outro lado as diferentes causas/eventos e

estímulos/cargas, motivam que uma causa/evento de pequena dimensão resulte num

grande acontecimento, uma causa/evento de grandes dimensões num pequeno

acontecimento, as mesmas causas/eventos nos mesmos acontecimentos, que sem

causas/eventos aparentes haja acontecimentos e vice-versa. Deixa de existir causa �

efeito e naturalmente linearidade.



Com base nos preceitos cartesianos, Le Moigne (1977) estabeleceu preceitos para um

novo método que considerava a complexidade dos fenómenos, os quais devem

funcionar como o contrário complementar dos preceitos cartesianos. A motivação de

Le Moigne foi o pensamento de que nenhum método é tão perfeito a ponto de ser

universal.

• O primeiro preceito é o da pertinência como contrário complementar do preceito

da evidência de Descartes. O preceito da pertinência reconhece que todo objecto

se define em relação aos objectivos implícitos e explícitos do observador. Se os

objectivos do observador se modificarem, a percepção do objecto, também, se

altera;

• O segundo preceito é o do globalismo como contrário complementar do preceito

reducionista de Descartes. Considera que o objecto investigado é parte activa de

um todo maior. A preocupação centra-se no comportamento funcional do objecto

em relação ao ambiente, sem a preocupação de estabelecer uma imagem fiel da

sua estrutura interna;

• O terceiro preceito é o teleológico como contrário complementar do preceito

causalista de Descartes. Interpreta o objecto através do comportamento e não

pela sua estrutura física, sem o objectivo de explicar esse comportamento em

função de alguma lei que rege a estrutura;

• O quarto preceito é o da agregatividade como contrário complementar do

preceito da exaustividade de Descartes. Reconhece que toda a representação é

influenciada pela visão do mundo do observador e, portanto, podem-se omitir

muitos aspectos. Os aspectos considerados são seleccionados explícita e

publicamente. Não se pretende explicar tudo, mas apenas interpretar o que

interessa em determinada situação.

Os quatro preceitos, instituídos por Le Moigne, mostram que o paradigma reducionista

não pode modelar todos os fenómenos, pois, ao excluir a complexidade, para dominar

os problemas, elimina-se grande parte da riqueza do fenómeno. A proposta do autor é

conservar a complexidade. Para isso, é necessário mudar o método intelectual de

intervenção, da redução para a sistemografia (sistemografia - escrita do sistema -



permite o mapeamento e a racionalização dos processos, facilitando a sua

compreensão pelos diversos profissionais envolvidos. A modelagem gráfica e

descritiva, por meio da sistemografia, consiste em construir, de forma quase que

simultânea, os sistemógrafos operacional, informacional e decisional do processo em

fase de modelagem). Nesse sentido, Morin (2001) destaca que o pensamento

complexo não pode nem quer elaborar um sistema de inteligibilidade universal, pois

ele é dialógico, aberto, admite a incerteza e, ao mesmo tempo, emprega a ideia de

sistema para compreender como o fenómeno se organiza.

Comparativamente, apresenta-se, no Quadro 2, um resumo contendo os quatro

preceitos cartesianos, instituídos por Descartes, e os quatro preceitos sistémicos,

instituídos por Le Moigne.

Nota-se, observando o Quadro 2, que os preceitos cartesianos opõem-se aos preceitos

sistémicos quanto aos objectivos a que cada lógica segue. Enquanto a lógica cartesiana

visa excluir a complexidade para dominar os fenómenos, a lógica sistémica objectiva

identificar a complexidade dos fenómenos para criar estratégias apropriadas de

intervenção no comportamento deles.

Quadro 2. Preceitos Cartesianos e Preceitos Sistémicos.

Preceitos Cartesianos Preceitos Sistémicos

Evidência: a verdade é única e só existe se puder ser provada.

Pertinência: a percepção do objecto está directamente relacionada à intenção do sujeito.

Reducionismo: divisão dos problemas nas menores partes possíveis para proceder a sua resolução.

Globalismo: é consciente de que o objecto investigado faz parte de um todo maior, por isso a importância de compreender o funcionamento da parte em relação ao ambiente.

Causalista: institui-se uma hierarquia estrutural para resolução dos problemas, iniciando-se pelas partes mais simples e fáceis e ascendendo para as mais difíceis e complexas.

Teleológico: procura compreender o comportamento do objecto, sem o objectivo de explicá-lo em relação à estrutura física do objecto.

Exaustividade: retoma os três primeiros preceitos e faz uma última análise do objecto, considerando que nada mais existe para ser explorado.

Agregatividade: considera que toda representação é influenciada pela visão de mundo do observador. Por isso, muitos aspectos podem ser omitidos.



Caso se tome em consideração que os fenómenos naturais que actuam de forma linear

são poucos e raros (apesar de praticamente terem sido os únicos a serem estudados

pela ciência clássica), que as suas propriedades só são válidas nos sistemas dinâmicos

estáveis, compreende-se a importância das teorias relacionadas com a complexidade

no avanço das ciências sociais e económicas.

Capítulo 2 - Cibernética


2. Cibernética

Por volta dos anos 40 do século XX, um grupo de investigadores, coordenados por

Norbert Wiener e Arthur Rosenbleuth, começaram a estudar os mecanismos de

regulação e de auto-regulação em máquinas e nos seres vivos, a comunicação e a

construção de máquinas que criassem comunicação, ou a incrementassem. Surgiu a

Cibernética. Segundo Abraham (2002), a cibernética surgiu de uma série de encontros

realizados pela Macy Foundation, de 1946 a 1953, nas quais, a Wiener e Rosenbleuth

juntaram-se os antropólogos Gregory Batesson e Margaret Mead, vários

investigadores sociais onde surgiu o representante da Psicologia Social da Gestalt, Kurt

Lewin. Nasceram contribuições estavam para além dos recursos teóricos e

computacionais da época, tais como: Newman ao discutir a lógica dos autómatos

aborda a questão da complexidade, prevendo que ela se tornaria a grande questão da

futura ciência; Langmuir e a noção de fenómenos divergentes antecipa o conceito da

sensibilidade às condições iniciais da teoria do caos; a exploração do conceito de auto-

organização por Foerster, que exerceu grande influência sobre Henri Atlan e Francisco

Varela (Dupuy, 1994). A Macy Foundation realizou trabalho significativo no que

respeita a: redes de feedback, inteligência artificial e comunicação.

O objectivo subjacente era a criação de uma ciência exacta da mente. Embora usassem

uma abordagem reducionista, concentravam-se em padrões comuns aos animais e às

máquinas, o que envolvia muitas ideias inovadoras que exerciam bastante influência

nas concepções sistémicas subsequentes aos fenómenos mentais. Wiener (1948) foi o

cientista que mais se destacou no desenvolvimento da Cibernética. Ele definiu-a como

ciência do controle e da comunicação no animal e na máquina, introduzindo os

conceitos de realimentação (feedback), causalidade circular (ou laços causais) que

estabelecem auto-regulação e auto-organização dos sistemas.

O grupo mencionado foi responsável pela criação de importantes ideias e conceitos

sobre o funcionamento dos sistemas em geral, rompendo com o princípio da

causalidade linear. Introduziu a ideia de causalidade circular como sendo o padrão

lógico subjacente ao conceito de realimentação (feedback). Realimentação, recorde-



se, significa o transporte de informações presentes no resultado de qualquer processo,

ou actividade, que retorna até a origem deste processo, gerando o mecanismo de

auto-regulação dos sistemas (Capra, 1998). Norbert Wiener demonstrou que um

sistema que procura um estado que expressa o seu próprio objectivo, deve se valer de

dois conceitos fundamentais: controle e comunicação. Informação relativa a um

estado assumido na saída de determinado sistema, que esteja em desacordo com o

seu objectivo ou propósito, é transmitida a um componente de controle que actua na

forma de acção correctiva interna, com o objectivo de trazer o sistema de volta ao

estado desejado.

A novidade do conceito de realimentação, trouxe novos caminhos para a introdução

de métodos de auto-regulação e controle na modelagem de sistemas. Como se viu

anteriormente a realimentação é um processo de comunicação que reage a cada

entrada de informação. Se a informação faz aumentar o desempenho do sistema, esta

é considerada uma realimentação positiva, caso contrário, negativa. O equilíbrio

dinâmico, um dos conceitos essenciais das Ciências da Complexidade, é alcançado

através do acoplamento não linear de realimentações positivas e negativas.

Figura 1. Esquema de retroalimentação.

Adaptado de Jackson (2003)

Para Wiener os processos de realimentação são importantes conceitos para modelar

não apenas sistemas vivos, mas também sistemas sociais. Assim, Capra (1998) cita uma

passagem do livro Cybernetics de Wiener:

“É certamente verdade que o sistema social é uma organização semelhante ao

indivíduo que é mantido coeso de um meio de sistema de comunicação, e que tem uma

Sistema

Entrada Saída Activador Processo Sensor

Comparador

Objectivo



dinâmica na qual processos circulares com natureza de realimentação desempenham

um papel importante.”

Outra importante facilidade proporcionada pela abordagem da cibernética é a sua

habilidade de manipular o conceito de caixa preta. O conceito de caixa preta refere-se

à possibilidade de representar um determinado componente de um sistema apenas

pelas propriedades de respostas que ele produz, sem se interessar pela forma com a

qual ele processa e produz essas respostas. A ênfase da cibernética encontra-se no

comportamento de cada uma das partes de um sistema e este é estudado

descobrindo-se as correlações lógicas e estatísticas entre as informações que entram e

saem de um componente a ser representado (Beer, 1959).

Por outro lado a procura por um equilíbrio dinâmico, ou de auto-regulação, dentro de

um sistema é definida como uma acção homeostática. Sob a perspectiva da

cibernética, os sistemas biológicos e sociais apresentam princípios homeostáticos

(Beer, 1959)

Diante dos conceitos de realimentação, caixa preta e da necessidade de actuar através

de dispositivos homeostáticos, a informação torna-se um elemento fundamental

dentro da cibernética, uma vez que fornece os dados necessários para a determinação

do modo e nível de homeostase a ser aplicada numa determinada situação de

desequilíbrio.

A informação reduz a incerteza na resposta de um determinado componente do

sistema e está directamente relacionada ao nível da entropia do ambiente interno e

externo deste. De facto, a informação é uma das formas pelas quais se pode reduzir a

entropia, ou desorganização, num sistema (Bertalanffy, 1975).

A informação traz, portanto, a leitura dos estados internos e externos de um ambiente

que podem ser interpretados como a diversidade ao qual um sistema está sujeito e

deve responder. A cibernética trata esta diversidade pelo conceito de variedade.



2.1. Conceito de variedade

A complexidade de um sistema reside no volume total de combinações possíveis de

diversidades, ou variedades a serem tratadas de forma simultânea, bem como das

combinações que uma determinada parte do sistema deve oferecer como resposta às

variedades identificadas num ambiente.

O termo variedade foi introduzido pela primeira vez por W. Ross Ashby em 1956 e faz

referência ao número de possíveis estados que um sistema pode assumir (Jackson,

2003). De acordo Ashby (1957) os sistemas podem ser plenamente controlados

somente se os indivíduos responsáveis pelo mesmo possuírem capacidade de

administrar com o mesmo grau de variedade que apresenta o sistema em questão.

Para Beer (1979), a análise de um ambiente organizacional, utilizando os princípios da

cibernética, toma como ponto de partida o conceito de variedade e a premissa de que,

para se obter um controle efectivo de uma operação, a variedade deve ser equilibrada.

Da mesma forma, pode-se considerar que a complexidade de um sistema possui

relação directa e proporcional com o volume de variedades a que ele está sujeito e,

portanto, a variedade pode ser também considerada como uma medida de

complexidade (Beer, 1969,1979).

Actualmente os sistemas sociais e organizacionais apresentam um elevado grau e

complexidade numa dinâmica manifestada por mudanças constantes. Estas, são

caracterizadas pela cibernética como distúrbios que mudam as características das

variedades a serem administradas dentro de um sistema. Para administrar esses

cenários, os gestores das organizações procuram acções que levem à redução desta

variedade ou ainda acções que possam aumentar a sua própria variedade, permitindo

aumentar a sua capacidade de lidar com as adversidades.

A lei dos requisitos de variedade concebe que somente a variedade pode destruir a

variedade. O equilíbrio da variedade num sistema organizacional é possível através de

duas abordagens: reduzir a variedade do meio ou amplificar a própria variedade. Este

processo de equilíbrio é conhecido como engenharia de variedade (Ashby, 1957; Beer,

1979).



No entanto, a ideia de manter-se um controle da variedade não pode ser confundida

com a intenção de supressão da mesma. A habilidade de um determinado subsistema

organizacional em lidar com mudanças do ambiente está directamente ligada à sua

capacidade de actuar com autonomia. Se um actor de uma organização decide

restringir a variedade neste sistema, ou em parte dele, de forma excessiva, a

capacidade adaptativa do mesmo pode ser comprometida (Beer, 1979; Jackson, 2003).

Pode-se considerar que as organizações, enquanto sistemas que procuram adaptar-se

ao ambiente, actuam concomitantemente nas duas abordagens na medida em que

restringem ou ampliam as suas competências internas ou espaços de actuação. A

transferência de actividades internas de um sistema para o meio externo, num outro

sistema mais especializado, é um exemplo de equilíbrio da variedade pela redução de

variedade interna, pois o subsistema remanescente fica reduzido a actividades de

monitorização e controle.

A abordagem a um sistema especializado, sugere o estabelecimento de uma

correlação entre o nível de variedade interna e o nível de especialização do sistema.

Maturana & Varela (1973) afirmam que a especialização excessiva pressupõe um

conjunto específico de estados ao qual um determinado sistema deve responder com

máxima eficiência. Em ambientes instáveis e sujeitos a constantes mudanças, essa

especialização excessiva pode contrapor-se às habilidades do sistema em adaptar-se

ao meio na velocidade necessária. (Maturana & Varela, 1973).

Capítulo 3 – Pensamento Sistémico – Teoria Geral dos Sistemas


3. Pensamento Sistémico - Teoria Geral dos Sistemas

O denominado Pensamento Sistémico ou Abordagem Sistémica da Organização,

aborda os aspectos relacionados com a interacção, interdependência, complexidade,

entre outros. O biólogo alemão Ludwig Von Bertalanffy é o principal artífice da Teoria

Geral dos Sistemas na qual procurou identificar propriedades, princípios e leis dos

sistemas em geral, independentemente do tipo, natureza e da relação dos elementos.

Com a Teoria Geral dos Sistemas, estuda-se as organizações como um sistema aberto

que interage a partir das suas relações com o ambiente externo.

A ideia de “sistema” está associada a ideia de uma totalidade, estabelecida por um

conjunto de elementos inter-relacionados segundo determinados princípios

organizacionais; o seu uso comum é tanto que há a sensação de se prescindir de uma

explicação do seu conceito. Entretanto, de acordo com Prigogine (in Enciclopédia

Einaudi, 1993):

“Sistema é um conceito de variados aspectos, onipresente, sempre carregado de juízos

de valor, quer positivos, quer negativos; e isto tanto quando designa um estado de

conhecimento (um sistema formal, representacional, que expressa o conhecer) como

quando designa o seu objecto (um sistema real, o ser em si)”.

Um sistema é um "todo organizado e unido, composto por duas ou mais partes

interdependentes, componentes ou subsistemas, e delimitado por fronteiras

identificáveis do seu metasistema ambiental". Jordan (1968) referenciou e analisou

quinze definições de sistema, de genéricas a específicas, provenientes de dicionários, e

conclui que existe um padrão comum a todas elas: “um sistema é visto como um

conjunto de entidades ou elementos unidos por alguma forma de interacção ou

interdependência regular, que forma um todo integral”.

O ser vivo, um ecossistema ou uma organização são por esta definição um sistema. A

afirmação que "na ciência moderna, a interacção dinâmica é o problema básico em

todos os campos" de Ludwig von Bertalanffy tem presente o carácter pluridisciplinar

da Teoria Geral dos Sistemas. Trata-se de constatar algo aparentemente simples: vive-

se num universo de sistemas interdependentes.



Gharajedaghi (1999) refere que quanto maior o grau de sofisticação de um sistema,

maior a sua interdependência, existindo a necessidade de ultrapassar a visão

cartesiana e criar uma nova forma de pensar. Morin (1997) perante a percepção

analítico/reducionista/cartesiana da interpretação da realidade aponta a necessidade

de um método que detecte as ligações, as articulações, as interdependências e as

complexidades entre o sujeito e o objecto, ou seja, um método que expresse

preocupação na crença da existência de fortes relações no interior do objecto

observado e na sua ligação ao meio ambiente externo.

Johansen (2002) refere que a Teoria Geral dos Sistemas através da análise da

totalidade das suas interacções internas e das externas com o meio exterior, é, na

actualidade, uma poderosa ferramenta que permite a explicação de fenómenos que se

sucedem na realidade e ainda a predição da conduta futura dessa realidade. Quando

afirma acerca da “predição da conduta futura dessa realidade” deve-se tomar em

consideração que quanto mais complexo é o sistema menor é a capacidade de

predição, contudo, ao mesmo tempo esse sistema aumenta a sua capacidade de

adaptação/ajuste às condições do ambiente externo.

Ackoff (1974) vê na abordagem sistémica a compreensão de uma parcela do sistema

como o resultado do seu desempenho no todo, ou seja, o comportamento de um

factor ou variável deve ser determinado em função da totalidade das interacções que

são estabelecidas entre todos os factores e variáveis incluídos na descrição do

fenómeno. Assim, em vez de reduzir o foco à procura de parcelas elementares, a

abordagem sistémica contextualiza o fenómeno na globalidade.

Pode-se então afirmar que o pensamento sistémico produz uma forma holística de

compreender os sistemas em virtude das sinergias que se estabelecem entre os vários

subsistemas/parcelas/partes.

Para Ackoff (1974) sistema é um conjunto de dois ou mais elementos de conceitos,

ideias, objectos, pessoas, que se distinguem de um mero agrupamento de elementos

em virtude de:

• O comportamento de cada elemento tem efeito no comportamento do conjunto;



• Nenhuma parte exerce efeito independente sobre o todo, e cada uma é afectada

por pelo menos uma correspondente;

• Há conexões entre os subgrupos de elementos não sendo viável a consideração

isolada das partes.

Scott (1998) vai mais longe e ordena as organizações como sistemas compostos por

estrutura social, participantes, tecnologia e objectivos que podem ser observadas

como:

• Sistemas racionais, que se focam numa estrutura formalizada e normalizada, em

que as pessoas são parte de uma engrenagem na persecução de objectivos

específicos centrados na produtividade e eficiência;

• Sistemas naturais, nos quais a presença da estrutura informal é mais importante e

produtiva que a formal, visam o ganho do colectivo, uma vez que os

relacionamentos entre indivíduos coexistem com os valores organizacionais;

• Sistemas abertos, que, além dos elementos já citados, possuem ainda a

perspectiva do ambiente exterior que as rodeia promovendo um constante fluxo

de interacção e troca de recursos e informações, tendo o foco nos processos.

Pode-se então definir sistema como um conjunto de elementos, ou componentes,

relacionados e interagindo entre si de modo a desempenharem alguma função.

Genericamente diz-se que existe uma relação entre os elementos A1 e A2 (de um

sistema) se o comportamento de A1 é influenciado ou controlado pelo de A2 e se o

comportamento de A2 é influenciado ou controlado pelo de A1. Um atributo de um

elemento é uma propriedade característica do elemento (cor, tamanho, peso, etc.).

Um atributo de uma relação é uma qualidade característica da relação (intensidade,

velocidade de comunicação, etc.). No estudo de sistemas dinâmicos (próximo tema a

ser abordado) a evolução dos atributos assume um aspecto fundamental, dado que é

essa mudança que exprime a dinâmica.

Se entendermos elemento como algum fenómeno da vida natural ou social, ou a sua

representação (por exemplo um estímulo/carga), que tem certos atributos que podem

variar ao longo do tempo em consequência do seu próprio comportamento, teremos



uma definição suficientemente geral para abranger a relação complexidade/gestão.

Um sistema diz-se dinâmico se os atributos dos seus elementos variam ao longo do

tempo.

Há dois conceitos chave nesta definição de sistema: relação e interacção. Sem eles não

existe o sistema.

Suponha-se um copo/vaso com água, uma lamparina e fósforos, isoladamente não são

mais do que meros componentes de um eventual sistema sem interacção entre si. Mas

se interagirem entre si, através da fonte de alimentação energética que é a lamparina

e o copo/vaso passa a circular energia passando a existir um sistema. Assim, o sistema

não é igual à soma dos seus componentes. Ele é mais do que isso.

Figura 2. Representação de um sistema de aquecimento de água

Copo/vaso

Lamparina

Fósforos

Observe-se uma célula e está-se perante um sistema sofisticado e complexo. Cada um

dos seus componentes tem uma missão específica, e a interacção entre eles,

conjugando as suas missões, permite a vida. Também aí fenómenos de trocas de

massa (nutrientes, por exemplo), de energia (por exemplo calor), de informação

(através dos genes e das proteínas) são a condição primitiva para a existência do

sistema celular no seu todo.



Figura 3. Uma célula é um sistema já muito elaborado e complexo

Célula animal

Célula vegetal

Adaptado de http://www.enchantedlearning.com/subjects/biology/cells.

A perspectiva pertinente para esta abordagem é a aquela que vê a organização como

um sistema aberto que estabelece uma inter-relação com o exterior. Existe em

contraposição o sistema fechado é aquele que não tem qualquer relação com o

respectivo ambiente.

A organização, enquanto sistema aberto procura a inserção na cadeia de valor do

universo que a rodeia tornando-se interdependente de todos os participantes, os

modelos que vêm a organização como um sistema fechado, possuem uma visão

independente dos participantes que a rodeiam e podem ou não afectar.

A Teoria Geral dos Sistemas tem as suas fundações em conceitos intuitivos e simples e

através dos sistemas abertos foi a resposta a um paradoxo que intrigava deste a

formulação do segundo princípio da termodinâmica. Este princípio referia que todos os

sistemas físicos, com o decorrer do tempo, evoluiriam para estados de acentuada

entropia (desordem, o conceito de entropia refere que todas as formas de organização

se movem para a desorganização e a morte), para estados de maior desordem. A

consequência mais dramática seria a inevitável debilitação de todas as formas

organizadas existentes na natureza.

No entanto, existia neste princípio uma flagrante contradição com a observação

empírica, especialmente no que diz respeito aos sistemas vivos. Estes, num período

significativo da sua existência, através da diferenciação orgânica, aumentam a sua



complexidade e organização, o que contraria ou no mínimo não é explicado pelo

segundo princípio da termodinâmica (Bertalanffy, 1975).

Cada sistema é formado por subsistemas em que o todo é superior à mera soma das

partes que o constituem. Cada sistema transforma inputs em outputs, numa relação

dinâmica com o ambiente cuja profundidade da relação é determinada pela

permeabilidade dos limites/fronteira. Num sistema, a entropia pode ser baixa e até

transformada em entropia negativa (ordem), quando a ordem aumenta dentro do

sistema. O sistema aberto procura encontrar estados de equilíbrio com o respectivo

ambiente externo. Esse equilíbrio quando atinge um estado de máxima entropia estará

na eminência da morte do sistema, ou poderá gerar um equilíbrio dinâmico.

Figura 4. O que não é e o que é um sistema

a) Um conjunto de elementos não compõe um sistema; b) Algumas relações entre alguns elementos não são suficientes para se considerar um sistema; c) Caso haja uma densidade de relações envolvendo a maior parte dos elementos (ainda que um ou outro se possam manter isolados) então teremos um sistema com entradas, saídas e uma fronteira com o meio ambiente. Adaptado de Flood e Carson (1993)

A propriedade fundamental de um sistema aberto é a sua capacidade de manter-se

organizado realizando trocas contínuas com o seu ambiente externo (Bertalanffy,

1975). Desta forma e utilizando uma linguagem da termodinâmica, “sistemas abertos

podem conservar-se num estado de alta improbabilidade estatística, de ordem e de

organização” (Bertalanffy, 1975).

No que se refere à estabilidade do sistema aberto esta é de natureza distinta do

equilíbrio de um sistema fechado. A estabilidade de um organismo ocorre através de

processos que o mantém em equilíbrio dinâmico, afastado do verdadeiro equilíbrio



termodinâmico, através da contínua importação de matéria e energia. Envolve a

manutenção de componentes energéticos que tornam possível a realização de

trabalho. Tais componentes são essenciais para que os processos (metabólicos no caso

de organismos vivos) não sejam interrompidos. Inversamente é através da

continuidade dos processos internos que o equilíbrio dinâmico é conservado. Tornam

possível que a matéria e energia livre sirva para renovar as estruturas, impedindo a

degradação do sistema.

Quadro 3. O que é um sistema?

Sistema Unidades

Partes interligada que funcionam como um todo; Série de partes;

Alteram-se caso se removam ou adicionem peças. Caso se divida um sistema em dois, não se conseguem dois sistemas mais pequenos, mas sim um sistema defeituoso que provavelmente não funcionará;

As propriedades essenciais não se alteram ao remover ou adicionar peças. Quando se divide, conseguem-se duas unidades mais pequenas;

A disposição das peças é fundamental; A disposição das peças não é importante;

As partes estão ligadas e funcionam todas juntas; As partes não estão ligadas e funcionam independentemente;

O seu comportamento depende da estrutura global. Quando se altera a estrutura altera-se o comportamento do sistema.

O seu comportamento depende do seu tamanho e do número de peças que existem na unidade.

Adaptado de Ó Connor & McDermott (1998).

Num sistema aberto, dado que as trocas são permanentes e contínuas, nem sempre é

possível identificar a fronteira/limite com precisão. Os seres vivos (tal como as

organizações) são sistemas abertos: estão sempre a receber do ambiente externo e a

enviar materiais e energia, a sua estrutura interna está em permanente mudança, e

por isso nunca se encontram em estado estacionário (no sentido de que todos os

atributos de todos os seus elementos têm um valor constante ao longo do tempo),

mas em equilíbrio químico e termodinâmico (em que os atributos apresentam padrões

definidos ao longo do tempo, com possíveis pequenas variações transitórias). A este

equilíbrio chama-se homeostasia. O equilíbrio dinâmico tem uma tendência de

adaptação/ajuste com o objectivo de alcançar um equilíbrio interno face às variações

externas.



A organização encontra-se exposta a mudanças imprevisíveis e constantes do exterior,

as quais como menciona Johansen (2002):

“[…] de facto, face ás mudanças externas que se produzem no seu meio, o sistema, com

o efeito homeostático minimiza o impacto desenvolvendo acções pré-estabelecidas que

reagem internamente e o defendem das alterações externas. Por outro lado, o princípio

da sinergia tende a nivelar as mudanças internas que os subsistemas sofrem. Crê-se

que o sistema tenha a propriedade de autocontrole ou auto-regulação que o leva ao

equilíbrio homeostático rumo a um “estado permanente”. […] Contudo, esse estado

permanente ou de equilíbrio estático não é inerte.”

Noutra linguagem, cada sistema está permanentemente a receber os resultados das

suas acções, isto é, quando o sinal de ajuste actua sobre o subsistema de entrada, ou

seja, regula um mecanismo anterior ao sensor, chama-se a esse processo

realimentação ou feedback. Quando o sinal de ajuste actua sobre o subsistema de

saída, ou seja, regula um mecanismo posterior ao sensor (da saída para a entrada),

chama-se de anteroalimentação ou retroacção. Por meio da realimentação, o sistema

está direccionado ao estado de equilíbrio dinâmico.

Em termos de exemplo pode-se utilizar as condições atmosféricas, num dia muito frio

abre-se uma janela da habitação e entra uma grande quantidade de ar frio. Esse facto

constitui uma perturbação do ambiente do sistema, mas, caso exista um automatismo

de regulação de temperatura a partir de um sistema de ar condicionado está-se

perante o fenómeno da realimentação, ou seja, o sistema é capaz de reagir a essa

perturbação de modo a repor as condições de equilíbrio. Mas sem ela tal não

acontece.

Na vida quotidiana contacta-se com centenas de sistema de auto-regulação quer

naturais ou artificiais (servomecanismos). Pode-se mesmo afirmar que a nossa

civilização tecnológica assenta em servomecanismos (sistema de regulação construído

pelo homem com um objectivo preciso, existe um mecanismo servo/escravo que tem

alguma capacidade de auto-regulação) de (auto)regulação. Os sistemas biológicos têm

múltiplos e intrincados caminhos de feedback que viabilizam a vida.



Considere-se por exemplo um sistema biológico de duas populações, o par predador-

presa, sendo a presa herbívora e o predador carnívoro. Se a vegetação aumenta, a

população de herbívoros cresce exponencialmente. Por isso a população de carnívoros

aumenta também exponencialmente, o que provoca a diminuição dos herbívoros.

Assim, o aumento inicial dos herbívoros retroagiu consigo própria através da sua

relação com a população de carnívoros.

Tanto as realimentações quanto a anteroalimentação podem-se apresentar como

positiva (quando está a percorrer o trilho certo) ou negativa (quando se desvia do

trilho previamente traçado).

A realimentação negativa e a anteroalimentação positiva são essenciais à manutenção

da estabilidade do sistema. O processo positivo produz no subsistema um efeito

directamente proporcional à diferença entre o sensor e o nível de referência,

enquanto o processo negativo produz um efeito inversamente proporcional. Tanto a

realimentação negativa quanto a anteroalimentação positiva são essenciais para a

manutenção de um organismo estável. Mas pode existir realimentação positiva.

A realimentação positiva pode ter efeitos favoráveis mas também pode ter efeitos

catastróficos sobre um sistema. Quando um indivíduo exercita-se, necessita de mais

oxigénio e por isso aumenta o ritmo da respiração (feedback positivo, quanto mais

corre, mais oxigénio precisa). A realimentação positiva domina durante esta fase,

provocando um aumento da oxigenação dos pulmões que por sua vez permite o

exercício. Numa pessoa saudável os limites fiisiológicos são determinados por

feedback negativo, e por isso só se pode exercitar até um certo limite, o que impede a

exaustação. Se realimentações negativas se quebram, permitindo o domínio

indesejável das positivas, como acontece quando os atletas tomam certas drogas

dopantes, podem-se alcançar desempenhos sobre-humanos, mas por vezes com

resultados trágicos quando os processos biológicos dos atletas não conseguirem

aguentar requisitos descontrolados que levam ao colapso e à morte, como se tem já

verificado em plenas provas desportivas.

Tendo em consideração a multiplicidade de subsistemas, elementos e componentes o

sistema pode apresentar uma panóplia de objectivos, em que cada um pode ter,

naturalmente, os seus interesses específicos. Da mesma forma, os sistemas abertos



partindo de situações iniciais distintas e diferentes percursos podem obter o mesmo

resultado, a esta ocorrência dá-se o nome de equifinalidade.

Uma outra propriedade importante dos sistemas abertos é a capacidade de compensar

alterações temporárias do seu meio através de flutuações reversíveis dos seus estados

internos (Bertalanffy, 1975). Via mecanismos auto-reguladores, que fazem parte da

sua organização, está-se perante um processo de adaptação/ajuste dos sistemas

abertos a novas situações.

No entendimento de Bertalanffy (1975) o conceito que melhor define a organização de

um sistema vivo como sistema aberto é o de “uma máquina composta de combustível

que se consome continuamente e, no entanto, se conserva a si próprio”. A

característica básica do sistema aberto é manter e encontrar uma organização no

próprio fluxo do processo.

Observe-se um ser vivo, que na visão sistémica de Bertalanffy (1975), não é um

agregado de unidades celulares, moleculares, centros nevrálgicos, impulsos, etc, mas

uma interacção recíproca de componentes e processos que subsistem dinâmica e

ordenadamente. Nenhum processo é mais importante num organismo. Observe-se

uma patologia que pode afectar diversas funções (por exemplo uma infecção), e, ao

mesmo tempo, devido à interacção das partes, fornecer ao sistema capacidade de

recuperação e regulação considerável. Na visão sistémica, qualquer disfunção é mais

uma perturbação do sistema como um todo, do que perda de alguma função.

O ser vivo segundo Bertalanffy (1975), é um sistema aberto, pois:

• Troca sempre componentes materiais com o ambiente;

• Nunca alcança um estado de equilíbrio;

• Pode alcançar um mesmo estado final ou meta a partir de condições iniciais

diferentes (equifinalidade);

• Desenvolve-se e evolui em direcção a estados mais ordenados.



Bresciani & D’Ottaviano (2000) descrevem algumas condições e princípios que devem

ser reconhecidos ao se investigar um problema tendo como fundamentação o

pensamento sistémico:

• Um sujeito pode reflectir sobre um sistema apesar de seus limites de

entendimento sobre este;

• Um sistema pode ser compreendido subjectivamente ou pode ser explicado

objectivamente;

• Estes dois níveis, concreto e abstracto, não podem ser confundidos.

Quando se estuda um sistema, e o respectivo conjunto de

subsistemas/elementos/componentes, não se pode confundi-lo com o seu universo, já

que a relação entre esses subsistemas/elementos/componentes é tal que as

características do sistema, como uma entidade unitária, são diferentes das

características dos subsistemas/elementos/componentes que o constituem. O sistema

apresenta estrutura e funcionalidade que não podem ser determinadas unicamente

pelo estudo dos seus subsistemas/elementos/componentes. As diferentes relações

entre eles são importantes para ocorrências de diferentes propriedades resultantes da

dinâmica deste sistema. Segundo Bresciani & D’Ottaviano (2000) “a presença dessas

relações garante a possibilidade de emergências no sistema, inclusive a possibilidade

de processos com auto-organização”.

Outras características da fundamentação sistémica são (Bresciani & D’Ottaviano,

2000):

• A existência de elementos internos, externos e de fronteira nos sistemas;

• A troca que o sistema faz com o meio ambiente de energia, matéria e informação;

• A existência de propriedades teleológicas, a procura de finalidade, a

equifinalidade;

• A necessidade da existência de forças ou influências que provoquem um fluxo de

actividades.



Existem também algumas características no sistema que lhe garantem identidade

própria, por exemplo, um humano possui, desde a sua concepção, os mesmos pais

biológicos. No entanto, algumas mudanças que ocorrem durante a vida de um sistema

podem mudar a sua organização – estrutura e funcionalidade – a ponto de torná-lo

irreconhecível.

Perante o exposto, a Teoria Geral dos Sistemas suprime necessidades que a visão

analítica/reducionista/cartesiana não abordava: problemas de ordem, organização,

totalidade, etc. (Bertalanffy, 1995).

No âmbito do pensamento organizacional a Teoria Geral dos Sistemas constitui uma

referência, uma vez que até Bertalanffy as denominadas teorias clássicas, abordavam

as organizações de forma fragmentada, linear e com visão de sistema fechado, ou seja,

sem contacto com o meio ambiente externo.

Está-se então perante uma mudança de paradigma. Na perspectiva de Kuhn (1995) a

mudança de qualquer paradigma é consequência de um activo processo de

aprendizagem inerente à necessidade de interpretação de certos fenómenos que já

não são compreendidos pelos modelos existentes. Isto é, a associação de uma

estrutura conceitual que estabelece uma abordagem de pensamento, a uma ideia de

soluções e descobertas dentro de modelos definidos que estabelecem explicações

científicas sobre o funcionamento do mundo, de tal forma que conjuntamente esses

dois elementos estabelecem uma visão de mundo para a comunidade (Kuhn, 1995).

Essa mudança de paradigma é explicada por Capra (1998), da seguinte forma:

“Na mudança do pensamento mecanicista para o pensamento sistémico, a relação

entre as partes e o todo foi invertida. A ciência cartesiana acreditava que em qualquer

sistema complexo o comportamento do todo podia ser analisado em termos das

propriedades das partes. A ciência sistémica mostra que os sistemas vivos não podem

ser compreendidos por meio de análise. As propriedades das partes não são

propriedades intrínsecas, mas só podem ser entendidas dentro do contexto do todo

maior. Desse modo, o pensamento sistémico é pensamento contextual; e, uma vez que

explicar coisas considerando o seu contexto significa explicá-las considerando o seu



meio ambiente, também podemos dizer que todo pensamento sistémico é pensamento

ambientalista.”

A evolução da compreensão da organização tem passado pela mudança de paradigma.

Na realidade organizacional a Teoria Geral dos Sistemas está relacionada com a

complexidade da organização, que vista como sistema, é constituída de outros

subsistemas, como por exemplo:

• O social, formado pelas pessoas, os seus valores, crenças e emoções;

• O estrutural com os sectores, departamentos, hierarquia, autoridade e regras;

• O tecnológico com máquinas e equipamentos.

Partindo do referencial abordado, pode-se definir a organização actual, como sendo

um sistema aberto e complexo, composto de inúmeros subsistemas inter-relacionados

e inter-agentes, em constante troca de percepções, informações e conhecimentos com

o meio ambiente externo, ou seja, existe um elevado grau de interdependência.

No que diz respeito à interdependência, podem-se destacar duas importantes

reflexões:

• A respeitante à informação e ao conhecimento, fundamental no processo de

decisão e que não podem ser tratadas de forma analítico/reducionista/cartesiana,

uma vez que tem carácter de quase indissolubilidade;

• E outra a respeitante ás das relações inter-organizacionais, devido à necessidade

de realização de alianças e da troca de informações e conhecimento.

Como se constatou o pensamento sistémico coloca a organização no patamar do

sistema aberto, permitindo interacções com o meio, fazendo crer que os eventos

tenham uma fraca componente de previsibilidade. As equações que o sustentam são

conhecidas como equações não lineares, ou seja, uma pequena alteração nas

condições iniciais, poderá provocar no sistema um estado final completamente

diferente daquele previsto pelas equações lineares (Lorenz, 1963).

A compreensão do fenómeno não-linear e complexo está relacionada com o

entendimento do que é padrão. Segundo Capra (1998), “padrão da organização é uma



configuração de relações características de um sistema em particular”, e tornou-se

importante para o entendimento dos sistemas.

Ainda segundo Capra (1998),

“[…] ao longo de toda a história da ciência e da filosofia ocidentais, tem havido uma

tensão entre o estudo da substância e o estudo da forma. O estudo da substância

começa com a pergunta: “do que ele é feito?”; e o estudo da forma, com a pergunta:

”Qual é o padrão?”.

Estas duas abordagens são diferentes e competem entre si ao longo de toda a tradição

científica e filosófica.

Para Capra (1998) o segredo para uma teoria abrangente dos sistemas complexos está

na síntese dessas duas abordagens: o estudo da substância (ou estrutura) e o estudo

da forma (ou padrão).

Quando se estudam estruturas, mede-se ou pesam-se objectos, envolve quantidades.

Quando se estudam padrões, estes não podem ser medidos nem pesados. Para

entender um padrão, tem que se mapear uma configuração de relações, e isso envolve

qualidade/subjectividade.

Para se compreender os sistemas complexos é fundamental o estudo do padrão, em

virtude das propriedades sistémicas surgirem de uma configuração de padrões

ordenados. Quando um organismo vivo é dissecado, o que é destruído é o seu padrão,

pois os seus componentes estão vivos, mas a configuração de relações entre eles – o

padrão – é destruído, e desse modo o organismo morre (Capra, 1998).

Capra (1998) criou a expressão “matemática da complexidade” para definir uma

matemática de relações e de padrões, que é sobretudo qualitativa. A nova matemática

da complexidade é conhecida como “teoria dos sistemas dinâmicos”, ou “dinâmica dos

sistemas” ou “dinâmica não linear”, e principalmente como “teoria dos sistemas

dinâmicos”, que não é uma teoria dos fenómenos físicos, mas sim, uma teoria

matemática cujos conceitos e técnicas são aplicados a uma ampla faixa de fenómenos.

A teoria do caos e a geometria fractal são importantes ramos desta teoria.

A partir da teoria dos sistemas dinâmicos ficou demonstrado que os sistemas

complexos são a maioria dos sistemas encontrados na natureza e nas sociedades,



como por exemplo: o tráfego rodoviário, a actividade neural, as funções fisiológicas,

fenómenos climáticos e geológicos, o funcionamento de um ecossistema, uma

sociedade ou de uma organização etc. Estes sistemas complexos não podem ser

compreendidos e tratados pelos pressupostos das ciências clássicas (Guerrini, 1998;

Lewin, 1992).

Os sistemas complexos são divididos em dois grupos:

• Os sistemas complexos não-adaptativos � apresentam comportamento

aperiódico, não-linear e instável, tal comportamento impossibilita a realização de

previsões exactas e produz soluções aparentemente aleatórias. Na sua maioria,

são sistemas físicos constituídos por componentes (agentes) inanimados, como

por exemplo: os fenómenos climáticos e geológicos. A teoria do caos concentra-se

no estudo destes tipos de sistema (Garcia, 2001).

• Os sistemas complexos adaptativos � envolvem componentes (agentes

adaptativos) animados que agem, interagem, aprendem, modificam o seu

comportamento e evoluem, como por exemplo: o homem, as sociedades, as

organizações e os seres vivos em geral. Estes agentes também interagem com os

agentes dos sistemas complexos não-adaptativos. A teoria dos sistemas

complexos adaptativos é conhecida como ciência da complexidade ou

simplesmente teoria da complexidade (Garcia, 2001; Lewin, 1992).

No entendimento de Gleiser (2002) a diferença entre os sistemas complexos não-

adaptativos e os adaptativos, está na forma como eles evoluem, isto é:

• Os não-adaptativos – sistemas puramente físicos – evoluem através das reacções

químicas;

• Enquanto os adaptativos – sistemas vivos – evoluem por meio da aprendizagem e

das reacções químicas.

Capítulo 4 – Segunda Lei da Termodinâmica e a Flecha do Tempo


4. Segunda Lei da Termodinâmica e a Flecha do Tempo

A segunda lei da termodinâmica expressa a quantidade de entropia que qualquer

sistema de uma forma isolada tende a incrementar com o tempo, para Hawking (2001)

é “[…] a lei que afirma que a entropia aumenta sempre.” A organização ou o corpo

humano são sistemas abertos que dispõe de energia e ao trocarem-na com o ambiente

externo impedem que se cumpra esta lei.

Num sistema fechado a entropia “[…] a medida da desordem de um sistema físico”

(Hawking, 2001) aumenta com o decorrer do tempo. Esta característica evolucionária

no tempo converte-a num processo irreversível.

Também se afirma que todo o sistema tende a evoluir para um nível máximo de

entropia. Segundo a teoria do Big Bang, o universo no seu início encontrava-se num

estado ordenado e após uma explosão começou a expandir-se, processo em que ainda

se encontra (Papp & Estrella, 1996). Isto significa que o universo no seu estado

primário era um sistema extremamente ordenado e com uma entropia baixa, contudo,

após uma explosão começou a expandir-se e a desordenar-se com um aumento

significativo da entropia. Esse aumento da desordem através do tempo é o que se

denomina de flecha do tempo. A este respeito Hawking (1988) refere:

“[…] é com o tempo que aumenta a desordem da qual a entropia é um exemplo,

denominando-se a flecha do tempo. Algo que distingue o passado do futuro dando

uma direcção ao tempo. Existem pelo menos três flechas do tempo. A flecha

termodinâmica, que é a direcção do tempo em que a desordem e a entropia

aumentam. A seguir apresentasse a flecha psicológica, é a direcção em nos sentimos a

passar pelo tempo, em que se recorda o passado e não o futuro. Finalmente a flecha

cosmológica, é a direcção do tempo em que o universo se expande em vez de contrair-

se.”

Considerando o universo como um sistema fechado, toda a energia que consome está

nele próprio, o que significa que não possui uma fonte energética externa e sendo a

ordem uma consumidora de energia quanto mais a consome mais próxima está da

desordem (aumento da entropia). A segunda lei da termodinâmica, segundo Hawking



(2001) “[…] lei que afirma que a entropia aumenta sempre” estabelece que num

sistema fechado a desordem e a entropia crescem com o tempo.

O tempo, conforme Prigogine (1996), é uma dimensão fundamental da existência. Na

física newtoniana e quântica não existe distinção entre passado e futuro, e os

processos ou movimentos dos corpos são reversíveis e determinados. Mas, com o

desenvolvimento da física do não-equilíbrio e dos sistemas dinâmicos instáveis, houve

uma reformulação da noção de tempo. O papel fundamental do tempo e a

irreversibilidade podem ser reconhecidos ao admitir-se que comportamentos

coerentes surgem em populações de bilhões de moléculas. Comportamentos auto

organizados que se renovam no tempo e no espaço de forma irreversível. Prigogine

(1996) alerta que a irreversibilidade não pode ser reduzida a “uma mera evolução na

direcção da desordem”.

Prigogine (1996) explica essas novas organizações espaço-temporais, as estruturas

dissipativas (abertas estruturalmente, que se relacionam com os fluxos de matéria e

energia, no entanto, fechadas organizativamente, e que se auto-organizam, a sua

ordem e comportamento não é imposta do exterior), observando que “[…] longe do

equilíbrio, a matéria adquire novas propriedades em que as flutuações, as

instabilidades desempenham um papel essencial: a matéria torna-se mais activa […]”.

Já não se tem mais controle, como nas reacções em equilíbrio dos sistemas fechados,

sobre as soluções possíveis, sobre os produtos produzidos ou sobre as concentrações

dos produtos intermediários. Longe do equilíbrio e controle, ocorrem instabilidades,

fenómenos novos e reacções químicas oscilantes Prigogine (1996).

Em sistemas abertos, a entropia (a crescente desordem) que entra no sistema através

das suas fronteiras é somada à entropia que é produzida no interior do sistema. É a

partir dessa troca, desse fluxo de entropia, que, parece, os sistemas abertos mantêm

uma organização (Prigogine, 1996).

Nos sistemas abertos evita-se o incremento desequilibrado da entropia através da

troca constante de energia com o ambiente externo (Prigogine, 1996). A neguentropia

é o oposto da entropia e determina o nível de ordem dentro do sistema.



A neguentropia significa então organização, ou, como se refere Morin (2004) “[…] a

neguentropia não é nada mais que o desenvolvimento da organização e da

complexidade”. Quanto maior for a neguentropia maior será o nível de organização de

um sistema, contudo, é fundamental a reposição de energia via ambiente externo.

As estruturas dissipativas que se formam longe do equilíbrio só são possíveis, segundo

Prigogine (1996), devido à flecha do tempo.

“A direcção do tempo é o que torna o nosso universo coerente, porque uma rocha

envelhece, um planeta envelhece, nós envelhecemos, você envelhece, eu envelheço – e

envelhecemos todos na mesma direcção –, então a flecha do tempo é a propriedade

comum a tudo o que existe no universo.” (Prigogine, 2002).

Prigogine (1996) distingue a descrição da dinâmica da trajectória individual de uma

partícula, que permite a reversibilidade no tempo, da descrição das dinâmicas das

correlações entre elementos. O fluxo de correlações é orientado no tempo e só pode

ser reversível em sistemas em equilíbrio – nos quais os fenómenos ou produtos que

serão observados já estariam previstos.

Prigogine (2002) defende um modelo probabilístico das leis da natureza, no qual o

universo está em construção e o futuro é incerto. Através de experiências com

reacções químicas, longe do equilíbrio, pode mostrar que diferentes estruturas podem

se formar. Conforme Prigogine (2002), “[…] cada uma dessas estruturas pode aparecer

com uma certa probabilidade […]”. Aparece o elemento de incerteza, ligado à

probabilidade, e a importância da flecha do tempo, em que o futuro não está

determinado. Os fenómenos que ocorrem, as estruturas que se formam, a realização

de possibilidades ocorrem no tempo, variam no tempo e se dissipam no tempo.

“Hoje, não temos mais medo da hipótese indeterminista. Ela é a consequência natural

da teoria moderna da instabilidade e do caos. E confere um significado físico

fundamental à flecha do tempo, sem a qual somos incapazes de compreender os dois

principais caracteres da natureza: sua unidade e sua diversidade. A flecha do tempo,

comum a todas as partes do universo, é testemunha dessa unidade. O futuro de você é

o meu futuro, o futuro do Sol é o de qualquer outra estrela. Quanto à sua diversidade,

pense nesta sala onde estou escrevendo: o ar, mistura de gases, atingiu aqui mais ou



menos um equilíbrio térmico e se encontra num estado de desordem molecular; mas há

também estas magníficas flores, que são objectos longe do equilíbrio, objectos

altamente organizados graças aos processos irreversíveis de não-equilíbrio. Nenhuma

formulação das leis da física que não leve em conta o papel construtivo do tempo

poderá satisfazer nossa necessidade de compreender a natureza.” Prigogine (1996).

As mudanças que ocorrem nos sistemas abertos e naturalmente nos organismos vivos

afastam-no do equilíbrio, está-se perante uma inter-relação dinâmica de energia,

informação e matéria em diferentes formas que lhes permite estabelecer uma ordem

crescente e com ela ser cada vez mais complexa e sucedida.

Caso se regresse à flor que se encontra no escritório a que se referiu Priogogine (ou as

reacções que nela ocorrem continuamente) vai conseguir manter-se viva (longe do

equilíbrio) por algum tempo, até misturar-se cada vez mais ao ar do escritório e, aos

poucos, transformar-se noutra matéria.

Acrescente-se ainda que caso se siga o pensamento das estruturas da teoria dos

sistemas de Bertalanffy o comportamento humano nunca é previsível. Nesta ordem de

ideias uma organização está imbuída pelos valores dominantes dos seus ambientes,

contudo, os seus membros afectam consideravelmente a estrutura social e cultural. O

membro de uma organização é simultaneamente membro de outros grupos que

afectam o seu comportamento e naturalmente as suas relações. Isto significa que o

indivíduo é um ser complexo, responde a diversas variáveis que muitas vezes não são

inicialmente compreensíveis. Tomando em consideração que o cérebro humano é a

estrutura “mais complexa conhecida” todo o acto que ele gere corresponderá a uma

actividade com uma certa imprevisibilidade (O’Connor & McDermott, 1997).

Se o indivíduo é complexo e imprevisível, por inerência, como parte integrante do

sistema que é a organização social esta possui as mesmas características elevadas

exponencialmente, extravasando a soma das partes.

Capítulo 5 – Sistemas Dinâmicos


5. Sistemas Dinâmicos

5.1. Definição de sistemas dinâmicos

A abordagem sistémica das organizações forneceu uma base conceptual para se

entenderem os seres vivos e as organizações. Observou-se que são sistemas, com uma

hierarquia (subsistemas) e integradas no metasistema ambiental que as envolve. O seu

comportamento é dinâmico, por um motivo simples: evolui no tempo. Temos, assim, o

ser vivo e a organização como sistema dinâmico.

Indagações acerca da origem de novos comportamentos, envolvendo a continuidade, a

descontinuidade, e sua variabilidade, levaram investigadores a procurarem novos

conceitos e princípios que a partir das últimas décadas do século XX começaram a

preencher as lacunas deixadas pelos paradigmas e teorias anteriores, trazendo assim

uma nova luz para o estudo do desenvolvimento organizacional. A tomada de decisão

e a aprendizagem são bons exemplos da crescente complexidade dinâmica e da

necessidade do pensamento sistémico e holístico, ou seja, uma expansão nas

fronteiras dos paradigmas existentes e o desenvolvimento de ferramentas que

permitam compreender como a estrutura de sistemas complexos afecta o

comportamento do próprio sistema. Surge o paradigma dos Sistemas Dinâmicos, que é

uma perspectiva e um conjunto de ferramentas conceituais que auxilia na

compreensão da estrutura e na dinâmica de sistemas complexos.

O paradigma dos Sistemas Dinâmicos iniciou-se com professor Jay W. Forrester do

Massachussets Institute of Technology (MIT), que em 1958 publicou um artigo na

Harvard Business Review, onde demonstrou as aplicações da teoria de controlo por

feedback em modelos de controle da organização (Maani & Cavana, 2000).

Posteriormente publicou o livro “Industrial Dynamics” (1961), aprofundando este

tema.

Em Industrial Dynamics, apresenta a filosofia e a metodologia dos sistemas dinâmicos.

Um exemplo de aplicação da teoria foi a análise de empresas de alta tecnologia. O

modelo proposto mostra o porquê destas organizações geralmente, crescerem até

determinado nível e depois estagnarem, fracassarem e morrerem. Na sua construção



foram utilizadas variáveis do tipo: estrutura de gestão, qualidade dos líderes,

características dos accionistas, criação dos objectivos e tradições da organização,

capacidade, preço, qualidade e atrasos na entrega dos produtos. A metodologia

qualitativa utilizada foi a entrevista e questões como tipos de crises enfrentadas,

interesses individuais, influência dos concorrentes e tipos de acções tomadas para

solucionar problemas da organização também foram levantadas. O resultado da

simulação mostrou que as acções sugeridas nas entrevistas para solucionar os

problemas eram justamente as causas dos mesmos. Mostrou-se que a situação gerava

uma série de problemas, os quais geralmente pioravam quando as acções

continuavam a serem seguidas.

Além do uso de sistemas dinâmicos no sector industrial, o paradigma foi estendido em

análises de comportamentos sociais e económicos. Urban Dynamics (1970) foi o

primeiro trabalho de Forrester nesta área e provocou fortes reacções.

O modelo apresentado em Urban Dynamics foi aplicado no comportamento dos

sistemas económicos, sendo muito diferente dos modelos convencionais

econométricos onde as estruturas são baseadas na teoria macroeconómica com

parâmetros extraídos de análises estatísticas de dados históricos, com grande

dependência de séries temporais exógenas. No que diz respeito aos sistemas

dinâmicos, os modelos econométricos não contêm a estrutura de realimentação,

responsável pela criação das trocas dinâmicas presentes nas economias reais.

Trabalhos relacionando os sistemas dinâmicos e a educação também foram

desenvolvidos. Forrester (1998) afirma que existe o planeamento do negócio para

obtenção de resultados na educação e a construção de um modelo pode organizar as

informações descritivas, reter a riqueza dos processos reais e construir conhecimento

dos gestores do negócio. O modelo de simulação revela a variedade dos

comportamentos dinâmicos que se encaminham para diferentes escolhas e acções.

Apesar da aplicação deste paradigma em diferentes ambientes, Bedeian (1992)

entende que a compreensão do comportamento dinâmico é um processo lento.

Processos de aprendizagem simples e desintegrados da realidade não satisfazem.

Podem ser encontradas dinâmicas de realimentação em equações matemáticas

diferenciais, em simulações informáticas, em experimentos laboratoriais e em



observações informais de ambientes naturais e processos sociais. Contudo, pode não

ser suficiente e a combinação destes pode não produzir resultados imediatamente.

Nos sistemas dinâmicos, compreender como as mudanças acontecem através do

tempo é facilitado pelo uso de processos de integração ou acumulação. O

comportamento dinâmico da ciência e da tecnologia é feito em termos de equações

diferenciais, sendo a derivação um conceito mais complexo. Os sistemas dinâmicos

podem fornecer uma estrutura dinâmica que mostra o significado dos factos em

detalhe, as fontes de informação e as respostas humanas (Bedeian, 1992).

De acordo ainda com Bedeian (1992), os sistemas dinâmicos demonstram como as

estruturas e os fluxos de informação afectam o comportamento e o controle do

crescimento, da estabilidade, decadência, sucesso e fracasso do sistema. As relações

internas de realimentação do sistema provocam trocas através do tempo, sendo que

somente por meio do entendimento do comportamento dos sistemas é possível

reorganizar a estrutura e as políticas na procura de um novo comportamento com

maior desempenho. As ideias desenvolvidas no paradigma dos sistemas dinâmicos são

aplicáveis para sistemas naturais, humanos e técnicos (Bedeian, 1992).

Cover (1996) refere que as pessoas apresentam dificuldade em apresentar os modelos

mentais de forma compreensível. Os sistemas dinâmicos superam essas deficiências,

na medida em que capta as informações da estrutura de um sistema, formaliza-as num

modelo informático e, a partir disso, a simulação retorna o comportamento gerado

pela estrutura [“estrutura” em dinâmica de sistemas refere-se à interdependência dos

recursos tanto tangíveis como intangíveis da organização (Forrester, 1961)].

Os sistemas dinâmicos procuram compreender a evolução de um sistema ao longo do

tempo. A premissa central é que o comportamento de um sistema é determinado pela

sua estrutura interna, assim, utilizando-se uma linguagem própria para modelá-lo,

torna-se possível investigar o seu comportamento ao longo do tempo. Isto significa

testar os diferentes tipos de comportamento que o sistema real pode experimentar, o

que torna viável a identificação e avaliação de melhorias potenciais, desde que um ou

mais pontos de alavancagem sejam descobertos (Fernandes, 2003).



Afirma Senge (1990) que é a “complexidade dinâmica” a justificação para uma situação

organizacional supostamente previsível produzir resultados surpreendentes ou até

totalmente opostos aos desejados. O êxito da gestão, na maioria das situações, está na

compreensão da complexidade dinâmica existente nos ambientes organizacionais.

"Aqueles que estudam a teoria dos sistemas dinâmicos estão particularmente

interessados em saber como um sistema varia ao longo do tempo, passando de um

estado estável para outro, devido ao efeito de uma variável específica" (Magill, 1998).

Considerando a perspectiva sistémica, a maioria dos gestores procura solucionar os

constrangimentos organizacionais de maneira reactiva e focada em eventos e soluções

de curto prazo. Por norma baseiam-se no conhecimento adquirido em experiências

anteriores e analisam o constrangimento fragmentando-o. No entanto, a forma mais

profunda de resolução é a identificação das causas subjacentes aos padrões de

comportamento do sistema, permitindo que esses padrões sejam modificados através

da compreensão estrutural do sistema (Senge, 1990). Esta abordagem considera toda

estrutura sistémica, as partes do sistema e seus inter-relacionamentos. Segundo Senge

(1990), a prática de operar com base nos eventos imediatos e superficiais são formas

limitadas no sentido de produzir resultados sustentáveis e, não raro, trazem

consequências contrárias àquelas desejadas.

Segundo Sterman (2000), sistemas dinâmicos é um método para aperfeiçoar a

aprendizagem em sistemas complexos e fundamenta-se em teorias de controle e

dinâmica de sistemas não-lineares.

A fim de tratar a complexidade na prática, os sistemas dinâmicos procuram construir

modelos representativos do sistema, simulando o seu comportamento ao longo do

tempo, reproduzindo comportamentos problemáticos e avaliando o impacto de novas

políticas na condução deste sistema. Diferentes dos sistemas lineares, num sistema

dinâmico as decisões são derivadas de informações sobre o sistema. Estas decisões são

convertidas em acções que interferem no comportamento do sistema. Quando novas

informações são geradas, é possível avaliar-se qual o impacto da decisão passada no

sistema em questão. (Fernandes, 2003). A modelação do sistema dinâmico está

orientada para mapear a estrutura, e por intermédio da simulação, verificar o impacto

das decisões, e testar diferentes políticas e soluções na operação do sistema.



Um projecto de sistemas dinâmicos, de acordo com Forrester (1998), nasce com um

problema, onde algum comportamento apresenta inconformidade ou desenvolve-se

de forma indesejada. A primeira etapa para começar a solucionar este problema é

recolher informações das pessoas. Durante a intervenção no processo, os estudos

seguem a aplicação de estudos de caso. Após a descrição dos níveis de informação e o

estabelecimento das relações entre elas, a próxima etapa é a descrição de um modelo

informático. Os sistemas dinâmicos utilizam o controlo de realimentação para

organizar as informações dentro do modelo de simulação. O resultado da simulação

revela as implicações comportamentais do sistema. Softwares são utilizados para

simular sistemas de modelos dinâmicos de situações planeadas.

Resumidamente é uma metodologia que procura mapear sistemas organizacionais ou

sociais, procurando examinar a inter-relação das suas influências, observando-as e

compreendendo-as num contexto sistémico como parte de um processo comum. Por

intermédio da simulação, propõe a compreensão de como o sistema estudado evolui

no tempo e como mudanças nas suas partes afectam todo o seu comportamento.

5.2. Realimentação e causalidade

O grande objectivo no desenvolvimento da teoria de sistemas dinâmicos foi a

simulação de sistemas complexos e não lineares.

De acordo com Corbett (2003), as decisões são derivadas de informações sobre e

geradas pelo sistema e perante estas acções podem e devem ser tomadas com o

objectivo de solucionar constrangimentos, ou até mesmo modificar o próprio sistema.

Estas mudanças podem gerar outras decisões e acções que podem produzir mais

mudanças. A sequência de causa e efeito que se forma pode ser chamada de

realimentação (ou feedback).

De acordo com Senge (1990), no raciocínio sistémico, o ciclo de realimentação é um

conceito mais amplo, em virtude de qualquer fluxo ter uma influência recíproca, ou

seja é, ao mesmo tempo, causa e efeito, não tendo apenas uma única direcção. A

estrutura de realimentação estabelece as inter-relações características dos sistemas, e

mostra como se comporta na realidade. Nos modelos de simulação lineares, este tipo



de estrutura não se modifica, implicando a análise dos comportamentos individuais

das variáveis e consequentemente gerando soluções analíticas.

Nos sistemas dinâmicos os ciclos de realimentação mostram as relações não-lineares

existentes, a parte do sistema dominante e as partes dominadas. Estas relações não-

lineares podem ser vistas e analisadas através de ciclos de retalimentação positivos e

negativos.

Senge (1990) define como ciclo de realimentação positivo o reforço ou a amplificação,

os quais são considerados propulsores do crescimento. Para Corbett (2003), o ciclo de

realimentação positivo surge quando uma variável alimenta-se a si mesma e reforça o

seu próprio crescimento ou declínio. Isto gera um círculo vicioso ou virtuoso e tende a

amplificar qualquer distúrbio num sistema. Já o ciclo de realimentação negativo é

definido por Senge (1990) de estabilização e actua quando o comportamento procura

atingir um objectivo. Para Corbett (2003), este ciclo negativo é uma estrutura auto-

reguladora, que também procura alcançar um objectivo, tentando manter o sistema

sempre em equilíbrio.

A estruturação do ciclo de realimentação e, consequentemente, a definição do

comportamento dos sistemas dinâmicos surge a partir de uma estrutura causal. A

estrutura de causa e efeito, segundo Senge (1990), não está necessariamente próxima

no tempo e no espaço.

Uma mudança ocorrida hoje pode causar mudanças imediatas ou ter consequências

no longo prazo. Para Corbett (2003), o aumento numa variável de causa não quer

dizer, necessariamente, que a variável efeito irá aumentar.

Numa lógica pragmática uma das aplicações resultantes da modelagem do sistema

dinâmico é a possibilidade de visualização de qualquer sistema, através da

identificação das suas características, das relações causa efeito e das estruturas de

realimentação. Para tal, utiliza-se a os denominados diagramas de Enlace Causal, são

diagramas de natureza qualitativa que possibilitam uma maior compreensão do

comportamento do sistema devido à simplicidade com que os seus elementos e

respectiva interacção são representados de maneira estruturada. Estes diagramas

apresentam ordenadamente as variáveis do modelo e respectivas relações de causa e



efeito, permitindo que se identifique como os elementos podem interagir e influenciar

todo o sistema.

Segundo Sterman (1986) os diagramas de enlace causal tornam-se importantes

ferramentas para a comunicação entre os ciclos de realimentação. De acordo com

Sterman (1986), estes diagramas cumprem um importante papel na modelagem dos

sistemas por servir como um esboço das hipóteses causais e possibilitar que os

pressupostos estruturais dos sistemas sejam explicitamente comunicados. Segue

abaixo um exemplo sobre um diagrama causal.

Figura 5. Abordagem qualitativa, diagrama de enlace causal

Mas Richardson (1986) levantou a questão de que a definição tradicional das ligações

positivas e negativas falha em muitos casos. O autor refere que a fonte do problema

aparece quando cada uma das ligações representa, na realidade, uma “conexão de

fluxo para nível” (rate-to-level conection).

Richardson (1986) define que a variável no final da seta é a taxa de troca (a derivada)

da variável do início da seta, está-se perante uma noção básica do cálculo do aumento

ou diminuição natural da derivada que determina a curva do gráfico. As definições

tradicionais traduzem as ligações que representam a proporção das relações, mas

falham em casos em que representam fluxos de acumulação.

Por isso, o autor sugere uma definição para a influência positiva no diagrama de enlace

causal dizendo que A tem uma influência positiva em B se o aumento ou diminuição

em A resulta em um valor de B maior ou menor. Uma definição similar pode ser feita

para a influência negativa.

Promoções Procura Clientes

Stocks

Encomendas a Fornecedores

Preço



Resumindo a colocação de Richardson (1986), tem-se a seguinte definição para as

influências positivas e negativas nos diagramas de enlace causal:

• Para ciclo de realimentação positivo: A tem uma influência positiva sobre B se A

soma-se a B ou provoca uma mudança em A, que resulta em uma mudança em B

na mesma direcção;

• Para ciclo de realimentação negativo: A tem um efeito negativo em B se A subtrai

de B ou se provoca uma mudança em A, que resulta em uma mudança de B na

direcção oposta.

De acordo com o autor, para a modelagem de sistemas complexos é preciso utilizar os

enlaces causais com cuidado. Segundo Sterman (1986), recursos e fluxos podem ser

representados junto a diagramas de causalidade ou separadamente. É preciso

estabelecer as ligações de fluxo e nível ou, simplesmente, mostrar uma estrutura dos

recursos e fluxos que compõem o modelo.

5.3. Modelos fundamentais do comportamento dinâmico

De acordo com Senge (1990), as estruturas influenciam o comportamento e conectam

inter-relações básicas de controle. Nos sistemas dinâmicos, um dos objectivos é

mapear as tendências dinâmicas e procurar compreender se o sistema é estável ou

instável, se tende a oscilar, a crescer, declinar ou ao equilíbrio.

As inter-relações existentes nas estruturas de realimentação geram diferentes tipos de

comportamento no sistema. Nos sistemas dinâmicos, três comportamentos

fundamentais podem ser observados.

• Crescimento exponencial � que de acordo com Sterman (1986), é gerado a partir

de um ciclo de realimentação positivo. Quanto maior a quantidade, maior o

crescimento.

• Procura do objectivo (goal seeking) � característico do ciclo de realimentação

negativo. De acordo com Sterman (1986) a taxa na qual o estado do sistema

atinge o objectivo diminui à medida que diminui a discrepância. Isso ocorre

porque grandes discrepâncias entre o estado desejado e o actual geram grandes



acções correctivas, enquanto discrepâncias menores geram respostas menores.

Quando a discrepância diminui, a taxa de ajuste também diminui.

• O movimento oscilatório � é um comportamento comum nos sistemas

dinâmicos. Este tipo de movimento também é causado pela realimentação

negativa. A diferença para a Procura do Objectivo é que, neste caso, existem os

atrasos envolvidos na inter-relação causal. Ou seja, as acções correctivas podem

não gerar um efeito imediato no sistema. Estes atrasos, quando não considerados

e entendidos correctamente, fazem com que os ajustes, através de acções

correctivas, sejam feitos em excesso. O movimento oscilatório mostra que o

sistema oscila em torno do objectivo. Segundo Corbett (2003), as oscilações em

sistemas complexos com muitas interacções não são regulares. Eles sofrem

perturbações que causam uma irregularidade no seu movimento. Esta

irregularidade é resultado de uma combinação, muitas vezes não-linear, da

dinâmica endógena e de factores exógenos.

5.4. Auto-organização

A auto-organização é considerada dentro dos Sistemas Dinâmicos como um dos

elementos essenciais para o desenvolvimento do sistema, considerando que

perturbações registadas neste provocam rupturas e com isso emergem novos

comportamentos (Haywood, 1986).

Piaget (1970) nos textos que escreveu acerca do desenvolvimento da inteligência na

criança partindo de processos, tais como a assimilação e acomodação, refere que a

partir das estruturas cognitivas já existentes quando novas experiências eram somadas

havia uma alteração dessas estruturas permitindo ao organismo, responder a novas

situações.

O conceito de equilíbrio dinâmico (equilibração, em português da América do sul)

proposto por Piaget refere-se ao processo em que o organismo procura um estado

próximo ao equilíbrio após passar por um estado de desequilíbrio e reequilíbrio, nos

Sistemas Dinâmicos também utiliza-se este conceito para explicar o desenvolvimento

humano o que abre a janela da plausibilidade biológica dos sistemas dinâmicos. Quer



para Piaget, no que diz respeito ao desenvolvimento da inteligência do ser humano

como para os Sistemas Dinâmicos, a base teórica encontra-se nos princípios

termodinâmicos que reconhecem que ordem e complexidade num sistema surgem em

oposição a desordem, tendo como característica comum a auto-organização do

sistema (Thelen & Ulrich, 1991).

A auto-organização nos Sistemas Dinâmicos tem origem nas perturbações do sistema,

que rompem a estabilidade de velhas formas, ocasionando a emergência de novos

padrões (Haywood, 1986). E da mesma forma que surge nos sistemas inanimados,

também surge nos sistemas biológicos e sociais ou em outro qualquer composto por

numerosos componentes. (Schmidt, 1999). Este acontecimento produz-se como

consequência das interacções energéticas entre as condições externas e internas sem

que exista à priori uma ordem específica de uma parte do sistema que seja

hierarquicamente superior à do exterior.

Kelso (2000) nos estudos que efectuou acerca da auto-organização em sistemas

dinâmicos refere que os princípios da auto-organização encontram-se nos próprios

padrões que são formados por diferentes tipos de substratos materiais e de

mecanismos. A suposição de Kelso é de que a auto-organização actua em muitas

escalas de observação, com diferentes dinâmicas.

Bresciane & D’Ottaviano (2000) entendem a auto-organização como: mudanças

organizacionais (na estrutura ou na funcionalidade) espontâneas que surgem como

consequência das actividades autónomas dos elementos do sistema. Algumas

actividades predeterminadas fazem parte da organização formal do sistema e às vezes

competem ou cooperam com as mudanças espontâneas. Dessa interacção

(competição ou cooperação), surgem novas organizações ou transformações em

organizações através de processos recorrentes. Esses devem estar presentes “para que

os elementos autónomos, nas suas actividades, se integrem numa organização com

auto-referência” (Bresciane & D’Ottaviano, 2000). Pode ocorrer auto-organização sem

que haja novidade na organização; esses processos são chamados autopoiese.

Debrun (1996) afirma que a auto-organização está presente do seguinte modo:



“Há auto-organização cada vez que, a partir de um encontro entre elementos

realmente (e não analiticamente) distintos, desenvolve-se uma interacção sem

supervisor (ou sem supervisor omnipotente) – interacção essa que leva eventualmente

à constituição de uma forma ou à reestruturação, por complexificação, de uma forma

já existente.”

Segundo Debrun (1996), a auto-organização é um processo (uma maneira de operar)

que engloba várias actividades, a auto-organização não é acção, é uma maneira de

agir.

Quando são construídos dispositivos para a simulação da cognição, eles não são

realmente bottom-up – não têm raiz própria – são concebidos tendo em consideração

a configuração dos organismos naturais. Na auto-organização, ocorrem encontros

entre elementos distintos (células, indivíduos, sons) e ocorrem dois tipos diferentes de

ajustes ou encontros: uma aproximação propositada ou casual2 e uma interacção onde

há funcionalidade3 (Debrun, 1996). Pode-se, então, considerar auto-organização

primária aquele processo que ocorreu na ausência de um sujeito e do qual participam

elementos realmente distintos e auto-organização secundária, o processo que se inicia

a partir de uma organização já existente e adquire, através de um rompimento, uma

maior complexidade, proveniente da interacção de elementos semi-distintos.

Contudo, para que exista auto-organização é necessário um fluxo constante de matéria

e energia a percorrer o sistema, e que não esteja em equilíbrio para poderem surgirem

novas estruturas. Assim, os sistemas recebem a energia do exterior, no entanto, os

novos comportamentos são consequência de flutuações internas amplificadas por

ciclos de realimentação positiva que variam de situação para situação. Devido a esta

2 Auto-organização primária, representa um potencial de novidade, pois não guarda nenhum compromisso com a continuidade de um sistema preexistente, sendo uma criação e não o resultado de um processo mecânico. A ruptura com esta continuidade liberta elementos distintos para a ocorrência de um encontro. Faz-se necessário, no entanto, que estes elementos sejam realmente distintos e que não exista entre eles qualquer vínculo preestabelecido ou condicionamentos prévios. Tal condição garante a existência do acaso neste encontro, ao menos em seu início. 3 Auto-organização secundária, no interior de um ser que os pretende mas que não se comporta como dominante no processo, participando no máximo, como hegemónico. Tais processos partem, assim, de uma organização já dada, mas que, com ocorrência de um rompimento com a sua continuidade, adquire maior complexidade, envolvendo uma aprendizagem.



propriedade diz-se que os sistemas abertos são estruturas dissipativas4. As estruturas

dissipativas mantêm um estado longe do equilíbrio e podem desenvolver-se de várias

formas complexas devido ao seu comportamento como um todo e aos ciclos de

realimentação. Podem ocorrer situações em que existe um retrocesso às condições

iniciais e a indeterminação é outra das características deste tipo de sistema.

No entendimento de Hayles (2000) as estruturas dissipativas que emergem do Caos,

são, estruturas que dissipam energia. Esta dissipação de energia produz-se por

intercâmbio com o meio exterior e um aumento da entropia, que é a medida de

desordem num sistema. Por consequência uma característica dos sistemas caóticos é a

presença de entropia alta (maior desordem) que possibilita uma maior capacidade de

auto-organização.

Um sistema dissipativo é aquele que se encontra num intercâmbio permanente de

energia com o meio ambiente, são sistemas distantes do equilíbrio, denotam um

grande instabilidade que incita a um maior intercâmbio energia, originando assim,

uma nova ordem, uma estrutura numa escala superior de organização (Prigogine,

2004). Esta capacidade de uma estrutura gerar outra estrutura de ordem superior é a

auto-organização já abordada.

No entendimento de Prigogine (2004), a ordem parte do caos. Nos sistemas caóticos

(ricos em entropia) ou estruturas dissipativas, estruturas de não equilíbrio, emergem

estruturas com maior capacidade de auto-organização, Prigogine (2004) refere:

“[…] hoje sabe-se que a matéria se comporta de uma forma radicalmente distinta em

condições de não equilíbrio, quando os fenómenos irreversíveis apresentam um papel

fundamental. Um dos aspectos mais espectaculares deste novo comportamento é a

formação de estruturas de não equilíbrio que só existem enquanto o sistema dissipa

energia e permanece em interacção com o mundo exterior. Existe aqui um evidente

contraste com as estruturas em equilíbrio, como os cristais, que uma vez formados

podem permanecer isolados e são estruturas mortas sem dissipação de energia.”

4 Abertas estruturalmente, que se relacionam com os fluxos de matéria e energia, no entanto, fechadas organizativamente, e que se auto-organizam, a sua ordem e comportamento não é imposta do exterior.



As organizações podem ser consideradas estruturas de não equilíbrio, estruturas

dissipativas em permanente interacção com o meio ambiente externo e segundo este

enfoque, delas emergem outras estruturas de maior complexidade e com maior

capacidade de adaptação/ajuste às vicissitudes do meio.

Surge o efeito da irreversibilidade provocada pela adaptação/ajuste, nunca se volta ao

estado inicial, um sistema que evoluiu para estruturas mais complexas nunca volta ao

estado que lhe deu origem. A irreversibilidade garante a aptidão e subsistência do

sistema.

Prigogine (2004) conclui que de sistemas caóticos emergem sistemas organizados

abertos que trocam matéria e energia com o meio ambiente. Estes sistemas

caracterizam-se por uma complexidade crescente.

Capítulo 6 – Caos


6. Caos Historicamente a palavra caos tem um significado relacionado com a desordem,

confusão, ambiente indesejável, está sempre relacionada com a negatividade o que é

pouco interessante na óptica científica. Nos dicionários de línguas vivas pode-se

comprovar a versão clássica do significado de caos:

• “The Oxford Concise Dictionary”:

chaos as: formless primordial matter; utter confusion.

• Vigésima Primera Edición del Diccionario de la Lengua Española de la Real

Academia Española:

Caos: estado amorfo e indefinido que se supone anterior a la constitución del

cosmos. Confusión, desorden.

• Segundo o Dicionário Houaiss da Língua Portuguesa (2005):

Caos: confusão, mistura confusa dos elementos; os infernos; escuridão, trevas; o

caos a que tudo será reduzido, o fim do mundo. Mistura de ideias e sentimentos;

confusão mental; balbúrdia, coisas em total desequilíbrio; desarrumação,

confusão.

O emprego do termo "caos", tradicionalmente associado à desordem, é na verdade

enganador. Caos, na ciência, não é desordem, mas sim: "é uma ordem mascarada de

aleatoriedade" (Lorenz, 1963). A Teoria do Caos veio a legitimar a desordem, a suposta

confusão e o acaso (indeterminismo) no campo científico; ou seja, é uma perspectiva

que se situa entre o determinismo cartesiano e o indeterminismo (acaso). Nas últimas

décadas, surgiu uma mudança decisiva acerca da pouca utilidade do pensamento

linear e determinista, que é o reconhecimento de que a natureza, segundo afirma o

físico inglês Ian Stewart (1978) é “inflexivelmente não-linear”. Esta não linearidade é a

trave mestra da plausibilidade da teoria do caos e respectiva complexidade nas

organizações.

Para Gleick (1989) e Smith (1995) o significado de caos antes da década de 80 do

século XX implicava desordem, falta de explicação, impossibilidade de predição, sendo

evitado devido á sua conexão negativista. Posteriormente Gleick (1991) mencionou



que o Caos não é mais do que estabelecer um padrão organizado para a desordem

aparente. Foi após os importantes trabalhos de Lorenz (1963), Prigogine (1984) e

Mandelbrot (1983), sem esquecer o matemático francês Jules Henri Poincaré (1854-

1912), percussor dos estudos sobre sistemas de comportamento caótico

(desorganizado).

No século XVIII o paradigma newtoniano/cartesiano era incapaz de explicar o que se

denomina a Física dos Três Corpos, como é, a Terra, o Sol e a Lua, devido às

perturbações da atracção gravitaria que a Lua produzia na orbita dos outros dois e

vice-versa. Os cálculos de cada uma das orbitas tinham incongruências com o

postulado cartesiano e não se conseguia compreender com o conhecimento da época.

Henri Poincaré demonstrou que o problema não podia ser resolvido por equações

lineares (paradigma newtoniano/cartesiano), em virtude do sistema de três corpos

apresentar comportamentos extremamente irregulares, complexos e não-periódicos.

Aquilo a que nos tempos actuais se denomina de comportamento caótico. Estava-se

perante algo que contrariava grande parte do saber da Mecânica Clássica. A pergunta

que o cientista formulou foi: se três corpos manifestavam um comportamento

instável, como é que se podia garantir a estabilidade do Sistema Solar?

Quadro 4. Epistemologia da Teoria do Caos

Epistemologia da Teoria do Caos

Ano Trabalhos científicos que marcaram o desenvolvimento da Teoria do Caos

1865 Poincaré, Henri: sensibilizou para a necessidade de uma nova ciência que explicasse a dinâmica dos sistemas complexos.

1890 Planck, Max: formula os princípios da Teoria Quântica.

1900 Einstein, Albert: formula a Teoria da Relatividade.

1905 Bohr, Niels: formula o Principio de Complementariedade.

1907 Einstein, Albert: agrega a aceleração e a gravidade na Teoria da Relatividade.

1916 Clausius Rudolf: introduz o conceito de entropia.

1925 Paulí, Wolfgang: estabelece o Principio da Exclusão.

1925 Bertalanffy, Ludwig von: Inicia os trabalhos da Biologia como um sistema.

1927 Heisenberg, Werner: establece o Principio de Incerteza.

1963 Lorenz, Edgard: publica os seus trabalhos sobre os sistemas impredecibles.

1977 Prigogine, Ilya: Premio Nobel da Química (1977) pelos seus trabalhos sobre termodinâmica de processos irreversíveis com a formulação da teoria das estruturas dissipativas.

1980 Feigenbaum, Mithell: “Alamos Science” teoriza a estrutura profunda do caos.

1981 Shaw, Robert: “Strange Attractors, Chaotic Behavior and Information Flow”.

1983 Mandelbrot, Benoit: publica o livro “Fractal, Geometry of Nature”.



Na sequência do trabalho pioneiro de Poincaré, surgiu um novo campo de investigação

sobre os sistemas não-lineares, atribuindo-se o nome de Teoria do Caos. Um sistema

não-linear não é determinista nem previsível, evolui no tempo com um

comportamento aperiódico, longe do equilíbrio e fazendo depender o seu estado

futuro do estado actual.

No entendimento de Appleyard (2004) a teoria do Caos estuda os sistemas complexos

e “fundamentalmente, a descoberta de pequenas mudanças na condição inicial que

podem produzir mudanças caóticas e essencialmente imprevisíveis nas condições

posteriores”.

Campbel (1993) menciona "é importante recordar que o Caos ocorre em sistemas que

são sensíveis às condições iniciais; até um sistema maior pode ser caótico se em algum

lugar um pequeno estímulo perturba o sistema".

Para Gleiser (2002), a teoria do Caos “é o estudo de comportamentos instáveis e

aperiódicos em sistemas dinâmicos determinísticos não-lineares”.

Os comportamentos instáveis são aqueles constrangimentos que perturbam o

equilíbrio do sistema constantemente, pode-se dar o exemplo, das variações da oferta

e procura de um dado produto que, após determinada variação, retorna ao seu valor

inicial, de equilíbrio. Já os comportamentos aperiódicos são aqueles em que as

variáveis apresentam uma repetição irregular de valores, nunca se repetem, o que

impossibilita prever com precisão os seus efeitos futuros.

Os sistemas para além de fechados ou abertos, podem ser, também, lineares ou não-

lineares (Gleiser, 2002).

• Sistemas lineares � são aqueles em que há uma relação entre a causa e efeito e

as variáveis, podendo se prever com precisão o próximo comportamento do

sistema. Para exemplificar, o autor cita o estudo da física que permite calcular os

minutos necessários para um veículo chegar a determinado ponto mediante uma

velocidade específica e a distância a ser percorrida;

• Sistemas não-lineares � as respostas a uma variação não se dão de forma

proporcional à intensidade da variação, isto é, uma pequena mudança numa



condição inicial pode gerar grandes mudanças no futuro. Estes sistemas são

estudados, então, pela Teoria do Caos.

Neste sentido, o comportamento caótico está directamente relacionado com o

funcionamento interno de um sistema, e não com as influências externas. Para

Giovannini & Kruglianskas (2004), há um engano ao se pensar que se conseguíssemos

todas as informações necessárias para controlar as variáveis de um sistema seria

possível prever o seu comportamento e dirigir as organizações de forma precisa, como

pretende a visão determinística e cartesiana. Todavia, há um limite para esta

imprevisibilidade, como o limite imposto pelos atractores (limites de um

comportamento imprevisível ao longo do tempo) que se abordará mais à frente. Dessa

forma, há um outro tipo de determinismo, diferente do proposto pela ciência clássica,

que foi denominado determinismo caótico ou caos determinístico que

“ […] refere-se ao movimento caótico (ou irregular) que é gerado por sistemas não

lineares. Este comportamento é gerado por regras definidas aplicadas recursivamente,

e não, como pode parecer, devido a fontes externas de ruído, a um número muito

elevado de graus de liberdade do sistema ou à incerteza do tipo quântica. A fonte de

irregularidade é a Dependência Sensitiva às Condições Iniciais, isto é, ínfimas

irregularidades nas condições iniciais do sistema (impossíveis de serem medidas) são

exponencialmente amplificadas. Isto torna impossível prever o comportamento de

sistemas dinâmicos não lineares no longo prazo.” (Giovannini & Kruglianskas, 2004).

Os trabalhos Parker & Stacey (1994) apresentam uma análise dos fenómenos caóticos,

que denominaram de pensamento não-linear, num momento em que “uma visão

simplista de como o mundo funciona está sendo substituída por outra essencialmente

complexa e paradoxal” (Parker & Stacey, 1994). O caos está relacionado com a mistura

de ordem e desordem, regularidade e irregularidade.

Para a Teoria do Caos, uma determinada causa ou acção pode ter diferentes efeitos ou

resultados, em contra-posição com o pensamento linear que afirma a existência de

uma relação unilateral e determinista de causa e efeito, ou seja, uma pequena

variação na entrada de um sistema provoca uma pequena alteração na saída e uma

grande modificação na entrada provoca uma grande alteração na saída, todos de

forma proporcional e linear. O sistema não-linear tem um entendimento diferente e



não reconhece esta propriedade aditiva simples, isto é, o todo constituído como uma

simples soma das suas partes, mas entende que há uma sinergia, no sentido de que o

todo é mais que a soma das partes, não tendo como precisar todos os resultados

possíveis de uma dada acção ou causa.

Assim, no sistema não-linear, a “[…] sinergia assume importância total. E temos que

compreender o seu comportamento em termos sistémicos, holísticos, e não em termos

reducionistas, causais.” (Parker & Stacey, 1994). Os planos a longo prazo no

pensamento não-linear, estão carregados de incerteza e imprevisibilidade, o que torna

a previsão e o controle de difícil execução, daí a maioria do planeamento ter que

sofrer adaptações ao longo do seu ciclo de vida.

A incerteza, a imprevisibilidade e a execução estão sujeitas à alta sensibilidade do

sistema quanto às condições iniciais, o que o leva a gerar grandes distorções na saída

perante pequenas alterações nos valores de entrada; em termos quantitativos, pode-

se dizer que há uma variação mais que proporcional na saída do sistema em relação ao

valor da variação inicial. Confirma-se então, que muitos fenómenos variam numa

forma não linear – imprevisível, ou seja, a sua conduta no futuro não pode ser prevista

pelo comportamento passado. Os seus componentes não mudam de forma

proporcional entre si e têm um componente de aleatoriedade.

Este efeito é suficiente para demonstrar a impossibilidade das previsões e afastar o

determinismo cartesiano: para se fazer uma previsão perfeita dever-se-iam conhecer

as variáveis iniciais com uma precisão infinita. Para armazenar uma variável com

precisão infinita, é preciso uma memória infinita. Sendo impossível dispor de uma tal

memória, é impossível a previsão determinista. Assim, segundo a teoria do caos

determinístico, pequenas causas podem causar grandes efeitos, através de uma

sucessão de eventos encadeados (na relação sistémica), tornando difícil a

previsibilidade.

As diferenças das pequenas causas iniciais são quase imperceptíveis e levam a uma

sucessão de reacções do sistema, causadoras de um comportamento completamente

diferente (Rosenhead, 1998). Isto levou Gleick (1990) a afirmar que “a noção de uma

borboleta, agitando o ar hoje em Pequim pode modificar no mês seguinte sistemas de

tempestade em Nova York”; esta sensibilidade ficou conhecida por “Efeito Borboleta”.



Desta forma, o sistema não-linear realimentado gera uma profunda complexidade ao

se tentar compreender os possíveis resultados de uma dada acção. Neste sistema

forma-se uma mescla de ordem e de desordem. De acordo com vários pesquisadores

(Bauer, 1999; Gleick, 1990; Gleiser, 2002; Stacey & Parker, 1995), os sistemas caóticos

são pela dependência sensível das condições iniciais, compostos pelo efeito feedback,

comportamento não-linear, pelos atractores e pelos fractais.

6.1. Efeito Feedback e equação logística

O efeito feedback já foi abordado na Teoria Geral dos Sistemas e nos Sistemas

Dinâmicos. No entanto, a Teoria do Caos acrescenta-lhe a não-linearidade.

Feedback é o fenómeno de realimentação do sistema, ou seja, as saídas do sistema

num determinado instante condicionam a entrada no momento subsequente. O

feedback é denominado negativo quando, em função das saídas ou resultados do

sistema, as entradas procuram estabilizar o sistema em determinado valor de

referência. É o que ocorre, por exemplo, nos sistemas centrais de aquecimento de

água nos quais o reóstato liga e desliga, mantendo a temperatura estável num valor de

referência.

Nos sistemas não-lineares a realimentação também se procede de forma positiva e

negativa.

• A realimentação negativa � significa que uma dada acção gera consequências

que compensam ou cancelam o desvio original, isto é, há uma restrição ou

limitação de um desvio apresentado na saída de um sistema. Todo sistema

planeado possui uma realimentação negativa, pois ela visa monitorar a diferença

entre o resultado obtido na saída do sistema e o valor pré-determinado, que foi

planeado anteriormente. Se ocorrer uma diferença entre o estipulado e o

ocorrido na saída do sistema, a realimentação “age” no sentido de restabelecer e

assegurar o equilíbrio do sistema. Por exemplo, se planeia aquecer um

determinado líquido a uma temperatura X; ao atingir tal temperatura, a

realimentação negativa envia um sinal de retorno à entrada, fonte de calor,

inibindo-a, controlando-a, a fim de manter a temperatura nos níveis pré-



estabelecidos. Este tipo de realimentação é o mais comum e o mais aplicado aos

sistemas em geral, visando o controlo de certas variáveis dentro de uma dada

faixa de controlo. Ele é o mais adoptado nas organizações como meio de executar

e controlar algum tipo de trabalho ou tarefa administrativa.

• O feedback positivo � por outro lado, ocorre quando o resultado do sistema em

determinado momento é realimentado directamente como a entrada do sistema

no momento subsequente. Isto é, a realimentação positiva representa o aumento

progressivo da diferença entre o planeado e o obtido. Ela não cancela, assim, os

desvios, mas reforça-os, causando uma amplificação e uma desestabilização, de

forma oposta à realimentação negativa. Em termos matemáticos, é o que ocorre

na iteração, quando o resultado de uma equação serve de parâmetro de entrada

na rodada seguinte. Tal processo leva o sistema a um comportamento não-linear

e imprevisível à medida que as interacções se sucedem. Esse tipo de

comportamento foi observado pelo matemático e biólogo Robert May, citado por

Gleick (1990), nos estudos dos fenómenos de crescimento e decadência de

populações de animais.

Nesses estudos, May utilizou a equação logística:

Xprox = r.X(l-X);

onde X representa a população em um dado período;

Xprox a população no período seguinte e

“r” a taxa de crescimento populacional.

Fazendo crescer lentamente o valor do parâmetro “r”, May observou que para valores

baixos a população decrescia e estabilizava num determinado valor.

Para r=2,7, por exemplo, a população apresentava uma oscilação inicial e se

estabilizava em 0,6296.

Entretanto, para valores acima de 3, a linha bifurcava-se em duas, resultando numa

população que oscilava entre dois valores em anos alternados. Para valores acima de

um valor crítico, o sistema passava a ser caótico, sem repetição de valores (figura 6).



Figura 6. Equação logística e caos

Adaptado de Gleick (1990)

A realimentação negativa pode ser presenciada nos ambientes económicos e sociais,

no sentido de que um dado fenómeno desencadeia, estimula ou fortalece outros

fenómenos, amplificando as consequências de uma dada causa ou acção particular.

Parker & Stacey (1994) afirmam que se deve procurar compreender os fenómenos

sociais, económicos ou organizacionais a partir da “aprendizagem de circuito duplo”,

que seria “um processo de realimentação positiva que atende às contradições e aos

conflitos entre o que está acontecendo na realidade e as expectativas originadas de um

modelo agora ultrapassado”.

Os planeamentos macroeconómicos e microeconómicos (organizações) são formados

por uma realimentação tipicamente negativa, pois procuram produzir padrões

previsíveis de comportamento. Já os realimentados positivamente não ficam presos a

um dado padrão ou estabilidade, mas entre o estável e o instável, o que produz

resultados que no pensamento linear não seria possível detectar.

6.2. Comportamento Não-Linear

O comportamento linear é a principal característica dos sistemas lineares, ou seja, são

aqueles comportamentos nos quais a resposta do sistema é proporcional ao estímulo



nele aplicado. As partes do sistema podem ser estudadas separadamente e, a partir

daí construir o comportamento do sistema como um todo, através dos

comportamentos de suas partes (Carroll, 1994).

O comportamento de um sistema linear não apresenta complicações e é previsível,

pois uma determinada causa tem um e somente um efeito, e uma determinada acção

têm um e somente um resultado (Carroll, 1994).

O comportamento não-linear é característico dos sistemas complexos – adaptativos ou

não – é aquele cuja resposta a um determinado estímulo não é necessariamente

proporcional à intensidade desse estímulo. Devido ao efeito feedback, existe uma

quebra da causalidade linear de tal forma que a causa age sobre o efeito, e o efeito

age sobre a causa tornando-se causador ao retroagir sobre a causa. Os sistemas

complexos não possuem a propriedade aditiva simples, isto é, não é possível construir

o comportamento do sistema como um todo através da soma de suas partes (Parker &

Stacey, 1994).

Os sistemas complexos possuem estrutura não-linear, em virtude dos seus

componentes (partes) e o ambiente onde estão inseridos estarem interligados por

processos de feedbacks recursivos, fazendo com que, ao longo do seu funcionamento,

pequenas perturbações sejam ampliadas, quebrando o vínculo entre entrada e a saída

subsequente (Parker & Stacey, 1994).

As não-linearidades e descontinuidades dos sistemas complexos resultam das

intrincadas acções combinadas entre processos de feedback entre input e o

subsequente output, difíceis senão mesmo impossíveis de discernir, onde pequenas

causas podem conduzir a grandes efeitos em outra parte do sistema e num tempo

diferente (Parker & Stacey, 1994).

6.3. Sensibilidade às Condições Iniciais (Efeito Borboleta)

O efeito caótico observado na figura 6 foi devido unicamente à variação do parâmetro

(a taxa de crescimento). Entretanto, uma das características fundamentais dos

sistemas dinâmicos determinísticos não-lineares refere-se à sua sensibilidade às

condições iniciais das variáveis do sistema, no caso o valor inicial da população. Esse



efeito foi inicialmente percebido por Edward Lorenz, ao demonstrar o efeito de

pequenas variações nas condições iniciais do sistema, o chamado efeito borboleta.

Gleick (1990) cita os exemplos: a) do cometa Halley que passa perto da Terra a cada 76

anos; b) “a noção de uma borboleta, agitando o ar hoje em Pequim pode modificar no

mês seguinte sistemas de tempestade em Nova York”. Um pequeno erro nos valores

iniciais do cálculo pode gerar um grande desvio temporal na provável data de retorno

do cometa.

A consequência prática dessa característica é que pequenas, e muitas vezes não

percebidas, diferenças nas condições iniciais de um sistema vão originar grandes

efeitos no futuro, tornando impossível a previsão de longo prazo.

Figura 7. Gráfico obtido por Lorenz, após alterar os estados inicias do sistema

Adaptado de Lorenz (1963)

Este comportamento não havia sido notado antes pela ciência clássica, fazendo com

que muitos autores do século XX defendam que o ano de 1963 foi tão importante

quanto os anos em que Newton, Galileu e Copérnico publicaram as suas obras. Mas

algo deve ser mencionado, o efeito caótico aparece independentemente de se possuir

todas a variáveis que compõe um sistema. Ele faz parte de um universo que até então

o homem sempre procurou se distanciar: O mundo das incertezas.

Lorenz no seu estudo constatou que a principal diferença entre a dinâmica dos

planetas (que eram previsíveis) e do clima, estava contida no facto de que este último

quase nunca se repetia, ou seja, era um sistema aperiódico, assim como a fisiologia e

uma organização. Então o objectivo era determinar qual a relação entre a

aperiodicidade e a imprevisibilidade, e não demorou a Lorenz perceber que o elo

estava nas equações não lineares.

Um exemplo sucinto de como essas equações não lineares estão presentes no dia-a-

dia, é a chamada azenha de Lorenz, apresentada a seguir na figura 8, experiência



efectuada pelo autor para mostrar tacitamente que o caos sempre esteve presente

nos elementos mais simples da engenharia humana.

Figura 8. Azenha de Lorenz


Como pode ser observado na figura 8, um fluxo de água constante cai em vasos

pendurados na roda, tais vasos possuem pequenos furos no fundo, desta forma,

algumas situações podem ser esperadas neste caso, conforme as seguintes hipóteses

abaixo:

1. Se o fluxo de água for demasiado lento o vaso que está colocado no topo nunca

chega a encher o suficiente para ultrapassar o atrito e a azenha mantém-se

imóvel;

2. Se o fluxo for maior, o peso do vaso do cimo coloca a azenha em movimento

(esquerda). A azenha pode estabilizar num movimento de rotação contínuo

(centro);

3. Contudo, se o fluxo da água for ainda maior (direita), o movimento pode

tornar-se caótico por causa dos efeitos não-lineares, pois até que ponto os

vasos que passam sob a água se enchem depende da velocidade de rotação da

azenha? Se esta roda rapidamente, os vasos terão pouco tempo para se encher

de água. Além disso, se a azenha rodar rapidamente, os vasos podem começar

o movimento ascendente antes de terem tempo para se esvaziarem e em

consequência de tal o peso destes pode travar a rotação da azenha e,

inclusivamente, invertê-la.



De facto, o sentido da rotação da azenha pode inverter-se várias vezes, sem nunca

alcançar um estado estável ou seguir um padrão de algum modo previsível. A azenha,

apesar de ser um sistema extremamente simples, mostra-se capaz de um

comportamento surpreendentemente complexo.

De acordo com Giovannini & Kruglianskas (2004), existe o hábito de relacionar causa e

efeito de forma proporcional, ou seja, pequenas causas, pequenos efeitos; grandes

causas, grandes efeitos, o que na realidade não ocorre quando se consideram os

sistemas complexos. Assim, quanto mais um sistema opera com novas variáveis na sua

entrada, mais complexo se torna o cálculo da provável saída do sistema, até chegar a

um ponto em que o sistema chega ao seu limite, amplificando a incerteza e passando a

ter um comportamento caótico, imprevisível. Neste sentido, para estes autores, a

dependência sensitiva às condições iniciais é

“ […] resultante da não-linearidade presentes no sistema, as quais amplificam

exponencialmente pequenas diferenças nas condições inicias. Assim sendo, leis de

evolução determinísticas podem levar a comportamentos caóticos, inclusive na

ausência de ruídos ou flutuações externas” (Giovannini & Kruglianskas, 2004).

Outra questão relevante é a da irreversibilidade dos fenómenos caóticos, pois, na

medida em que não se pode reproduzir a totalidade das condições do universo, não se

pode garantir a reversibilidade às condições iniciais. Torna-se decisivo para a

organização adaptar/ajustar às novas realidades e aquela que melhor souber fazê-lo,

de maneira mais rápida e menos traumática, conseguirá melhores resultados. Lang

(1991) argumenta que a grande contribuição da teoria do caos foi a de corrigir uma

certa “miopia” referente á visão de sistemas mais complexos. Assim, ao contrário do

pensamento clássico que demonstra os fenómenos como algo linear ou proporcional,

a Teoria do Caos concluiu que pequenas mudanças nos valores de entrada de um

sistema complexo podem gerar grandes variações na saída, porém, como veremos a

seguir, dentro de certo limite, de acordo com os atractores.



Figura 9. Desenho gráfico do Efeito Borboleta

6.4. Níveis Críticos

Uma das características comuns aos sistemas dinâmicos não-lineares é a existência de

níveis críticos numa ou mais variáveis, acima dos quais um pequeno aumento nessas

variáveis torna o sistema instável. É o exemplo da última gota que provoca o

transbordo da água do recipiente, ou da última carta que provoca o desmoronamento

de um “castelo de cartas”. Essa propriedade dos sistemas dinâmicos não-lineares

delimita o ponto entre a estabilidade e a instabilidade, tendo profundos reflexos sobre

a aplicação nas organizações e na fisiologia. No caso da experiência de May, o nível

crítico ocorre quando o sistema se torna caótico, sem repetição dos valores.

6.5. Espaço Fase

A teoria geométrica desenvolvida por Poincaré referente aos sistemas dinâmicos

permitiu conceptualizar conceitos fundamentais que se aplicaram posteriormente,

com é o caso de espaço de estados, espaço de fases e atractores (Abraham & Shaw,

1992). A faixa de valores que podem adquirir as diferentes variáveis do sistema é o

espaço de estados (espaço abstracto onde se podem representar todas as variáveis de

um sistema complexo com todas as possíveis combinações de valores). Quando este

estado de espaço se interpreta geometricamente, as mudanças de estado podem-se

representar como movimentos de um ponto afastado da “superfície” desse espaço

(Martin, 2005).



O espaço de fases é a representação do comportamento do sistema dinâmico no

estado de espaço (Stergiou et. al, 2004).

Para Gleiser (2002), o conceito de espaço de fase constitui-se na forma mais

importante de estudar os sistemas complexos.

Espaço de fase consiste na representação matemática do sistema e na sua tradução

numa imagem que contém todas as informações num dado instante. No caso simples

de um sistema que pode ser descrito por duas variáveis (X e Y), o espaço de fase

consiste na representação dessas variáveis num gráfico cartesiano. Cada ponto

representa a situação do sistema num dado instante. Está-se perante uma forma de

representar todas as evoluções possíveis de um sistema, para as diferentes condições

iniciais. Ou seja, a equação diferencial diz que para cada ponto do espaço de estado

que direcção adoptará o sistema e a que velocidade num intervalo de tempo

infinitesimal. Caso se imagine um pêndulo sem qualquer tipo de atrito, o espaço de

fase seria representado por um círculo cujas coordenadas seriam a sua posição e

velocidade em cada instante.

Figura 10. Espaço de fase de um pêndulo

Adaptado de Gleiser (2002)

Dentro do espaço de fases produz-se uma relação entre os diferentes componentes

que se denomina de relação de fase.



6.6. Trajectória do Sistema

Caso o sistema se descreva com duas variáveis, o espaço de estados terá duas

dimensões, será um plano, e as mudanças representam-se como curvas nesse espaço.

Esta curva é a trajectória do sistema e o seu seguimento indica a evolução do sistema

(Gleiser, 2002).

Figura 11. Trajectória Caótica

Adaptado de Gleiser (2002)

As dimensões do espaço aumentam de forma proporcional ao número de variáveis

que se escolhem para definir o sistema. As trajectórias definem assim o

comportamento do sistema num intervalo de tempo, as teorias dos Sistemas

Dinâmicos e do Caos tentam estudar estas trajectórias de forma qualitativa. Nos

sistemas lineares só se conseguem estudar quantitativamente, no entanto, na maioria

dos problemas de dinâmica aplicada o estudo quantitativo é impossível (Abraham &

Shaw, 1992).

6.7. Atractor

Para se poder estudar qualitativamente um sistema o conceito de atractor é

fundamental.

Os sistemas complexos possuem comportamentos imprevisíveis, que no longo prazo

dificilmente se conseguem prever. Todavia, há certos limites para esta

imprevisibilidade, determinada pelos chamados atractores que, conforme Giovannini

& Kruglianskas (2004), são “a maneira de se referir ao comportamento de longo prazo

de um sistema”, isto é, são os valores para os quais tendem os resultados de um

sistema dinâmico não-linear.



O atractor incluirá os estados do sistema rumo ao limite, e representará o

comportamento do sistema em equilíbrio dinâmico, depois de terem desaparecido as

transições (Hayles, 1998).

Atractor é então o comportamento para o qual um sistema dinâmico converge,

independentemente do ponto de partida. Um exemplo é o relógio de pêndulo, o qual

acaba por parar, se pusermos o pêndulo a oscilar com uma amplitude demasiado

pequena, e acaba por ficar a oscilar de forma estável, se a amplitude inicial for

suficientemente grande, outro exemplo é uma bola ao rolar sobre uma superfície com

atrito converge para uma situação de velocidade nula.

Figura 12. Bola colocada num bol em posição de equilíbrio estável

No plano, em mudança, caso se mova fica em equilíbrio na nova posição. Na bacia invertida, o equilíbrio é instável, poi movendo a bola ela cai pelo exterior da bacia. Adaptado de Haken (1994)

Os atractores podem-se visualizar marcando os estados sucessivos de um sistema num

gráfico, que terá tantas dimensões quantas as variáveis envolvidas.

Figura 13. Bacia de atracção

Um atractor A é um conjunto no espaço de fase para o qual tendem todas as trajectórias vizinhas e que descreve, por isso mesmo, o comportamento a longo prazo do sistema para todo um conjunto de condições iniciais diferentes.

A é invariante (i.e. se o ponto inicial da órbita estiver em A, permanece lá).

A tem uma bacia de atracção (região do espaço de fase contendo todas as trajectórias que tendem para A).

Adaptado de http://cftc.cii.fc.ul.pt/PRISMA/capitulos/capitulo2/modulo3/topico4.php



Para conhecer o comportamento dinâmico de um sistema de três equações

diferenciais com que estava a trabalhar, Lorenz representou-o num gráfico deste tipo,

obtendo a imagem do atractor tridimensional para o qual o sistema convergia. No

entanto, este atractor não correspondia nem a nenhuma situação estacionária nem

periódica, o sistema nunca assumia duas vezes o mesmo valor, mas a sua evolução

desenhava nitidamente uma forma vagamente semelhante a uma borboleta. O

sistema é caótico e imprevisível, mas ao mesmo tempo converge para um atractor

determinado que se denomina, apropriadamente, atractor estranho.

Figura 14. O Atractor de Lorenz, caótico de dupla espiral


Os atractores, para Gleiser (2002) podem ser pontuais, de ciclo limite e caótico.

O atractor pontual é um ponto de equilíbrio para o qual tendem as órbitas vizinhas.

Como o caso de uma bola no interior de uma bacia esférica que fica girando ao redor

dela até parar no seu fundo, isto é, devido ao atrito, há uma tendência ao equilíbrio e o

seu resultado é previsível – para no fundo da bacia. Outro exemplo é o pêndulo que ao

iniciar um movimento oscilatório, depois de certo tempo, pára no meio, no seu ponto

de equilíbrio (Martin, 2005).



Figura 15. O ponto ao centro é um atractor pontual num espaço de duas dimensões

Há uma zona circular na qual qualquer trajectória que se inicia dentro dela finalizará num ponto, no atractor estático. Adaptado de Abraham & Shaw (1992)

Já o atractor de ciclo limite ou atractor periódico representa um equilíbrio periódico. É

o caso de um pêndulo de relógio que oscila regularmente, apesar dos efeitos da fricção

e da resistência do ar, devido a impulsos eléctricos. O pêndulo não está atraído rumo a

um ponto fixo, está sim oscilante de um ponto ao outro dentro de certos limites

espaciais. Este limite como se viu anteriormente é o espaço de fase, ou seja, o espaço

em que o pêndulo ocupa durante o seu movimento de oscilatório. A esta situação

chama-se ciclo limite. Os ciclos limitados têm a capacidade de resistir à mudança

mediante a realimentação (Martin, 2005).

Figura 16. O ciclo fechado é um atractor de ciclo limite

Á excepção do ponto central, qualquer estado inicial evoluirá rumo ao ciclo limite ou atractor periódico. Adaptado de Abraham & Shaw (1992)



Por fim, há o atractor caótico ou estranho em que o espaço ocupado sofre variações

ao longo do tempo, ou seja, espaço de fase parece aleatório ou caótico. Ele não se

apresenta de forma estável ou cíclica como os dois primeiros tipos. Como exemplo,

pode-se citar o caso de um pêndulo que a cada volta sofre um empurrão com

intensidade variável, o que leva a mudar aleatoriamente a velocidade e a sua posição,

porém limitado à amplitude máxima do pêndulo. Neste caso, o comportamento é

imprevisível, pois o seu comportamento não se repete.

De acordo com Stacey & Parker (1995), num sistema não-linear com atractores

caóticos,

“ […] pode haver pontos dentro dele, para os quais o sistema é atraído, que não

produzem um ponto de equilíbrio estável ou um ciclo regular (periódico). Em vez disso,

o produto é um comportamento muito mais complexo. O sistema se torna uma mistura

de estabilidade e instabilidade.”

Dessa forma, Stacey & Parker (1995), afirmam que o comportamento complexo, ligado

a um atractor caótico, é encontrado na fronteira entre a estabilidade e a instabilidade,

o que torna difícil ou mesmo impossível de se prever os futuros acontecimentos.

Gleiser (2002) faz uma analogia entre o atractor estranho e o sistema social.

Ambos são estáveis, mas seus comportamentos nunca se repetem, pois dada à

interacção das pessoas, os seus comportamentos são afectados por essa interacção.

Estes comportamentos sociais podem mudar com o tempo, como as “modas que vão e

vem, mercados sobem e descem, nossas relações com as instituições se alteram, nossa

definição de família se transforma” (Gleiser, 2002); tal como num pêndulo que sofre

empurrões aleatórios.

Os sistemas abertos/dinâmicos procuram modos de comportamento preferenciais em

função das interacções entre os seus componentes internos e a sensibilidade das

condições externas. Não existem códigos nem programas, e debaixo de certas

condições os componentes podem organizar-se formando outros padrões estáveis. Os

atractores podem ter diferentes graus de estabilidade e instabilidade, o que

habitualmente se representa mediante as bacias e as funções potenciais. Estas funções

potenciais representam as possibilidades energéticas do parâmetro de ordem,



ilustrando os seus atractores e respectiva estabilidade, assim como as mudanças nos

atractores ao modificar-se os parâmetros. Existem configurações tão estáveis que só

perturbações muito importantes as desestabilizam (Martin, 2005).

Figura 17. Operação de esticar e dobrar no atractor de Rössler

Adaptado de Scientific American Dec., 1986 Vol. 254 No. 12, 46-57.

A distribuição dos atractores é única para cada organismo, organização ou sistema, e

uma pequena diferença, devido à não-linearidade, pode provocar um processo

completamente diferente num sistema ou noutro. Esta dependência sensível às

condições iniciais justifica o princípio da individualidade (Martin, 2005).

6.8. Parâmetros de Controlo e as Bifurcações

Para se poder analisar o comportamento do sistema é necessário conhecer os

parâmetros de controlo. Estes correspondem às variações ambientais que ocorrem de

uma forma natural ou às manipulações específicas experimentais que levam o sistema

a diferentes estados produzindo mudanças (Kelso, 2000).

Estes parâmetros são inespecíficos, ainda que os sistemas biológicos sejam específicos

informalmente.

Durante o aquecimento de um recipiente com água, o parâmetro que produzirá a

mudança de padrão da organização das moléculas é a temperatura da água. A partir

de um determinado valor crítico da temperatura, o comportamento da água muda de

forma qualitativa. Esta mudança qualitativa acontece devido à instabilidade, e



denomina-se de transições de fase em estados de não equilíbrio ou bifurcações.

Nestes pontos de instabilidade o comportamento é imprevisível, e podem surgir

espontaneamente novas estruturas de ordem e complexidade crescente (Martin,

2005). Contudo, nem sempre a perda de estabilidade produz necessariamente uma

bifurcação (Carson, 1995). A presença de bifurcações no comportamento de qualquer

sistema é um sinal de não-linearidade, pelo que qualquer processo fisiológico não se

pode explicar através da linearidade.

Figura 18. Esquema de um diagrama de bifurcações

Adaptado de http://cftc.cii.fc.ul.pt/PRISMA/capitulos/capitulo2/modulo1/topico7.php

6.9. Fractais ou Auto Similaridades

Outro nome importante no desenvolvimento da teoria do caos é o do investigador

Benoit Mandelbrot. O seu trabalho, publicado pela primeira vez em 1975 versa a

geometria fractal.

Fractais são objectos, figuras cujo padrão geométrico se repete em escalas cada vez

menores (auto-similaridade com o todo), isto é, tem sempre cópias de si mesmo em

seu interior. Como por exemplo, as famosas bonecas russas Matryoshka.



Figura 19. Matryoshka

Além da auto-similaridade, os fractais possuem formas e superfícies irregulares que

não podem ser representadas pela geometria clássica – euclidiana (é a geometria

sobre planos ou objectos em três dimensões baseados nos postulados de Euclides de

Alexandria), (Guerrini & Spagnuolo, 2004).

A palavra fractal surgiu do latim frangere, que significa quebrar, produzir pedaços

irregulares. O fractal quer dizer quebrar em fracções, em que a forma das partes se

relaciona com o todo.

Para Stacey & Parker (1994), fractal é “[…] uma forma geométrica na qual

configurações semelhantes se repetem em várias escalas diferentes. As formas

assemelham-se, não importa a que nível de detalhe são examinadas ”.

A geometria fractal tem como objectivo elaborar um modelo matemático de um

grande número de coisas/objectos de formatos irregulares. Esses formatos podem ser

produzidos em computador a partir de equações matemáticas, calculadas de forma

recursiva (processo que, para atingir um objectivo, realiza-se várias vezes, e a cada vez

fornece um resultado parcial que alimentará o passo seguinte do processo) e, são

semelhantes às figuras encontradas na natureza, como folhas, cristais, vales e

montanhas. A geometria da natureza é fractal na medida em que, várias formas

naturais – nuvens, árvores, folhas, etc. – ou, como exemplo ainda o código genético de

uma célula que, ao ser ampliado num microscópio, possui as características da célula

que a forma. Nestes exemplos verifica-se que as partes menores são similares a partes

maiores.

No plano organizacional, Giovannini & Kruglianskas (2004), citam, para exemplificar, o

organograma de uma organização, em que é dividida em unidades de negócios, que

são divididas em departamentos que naturalmente são formados por indivíduos, ou



seja, “[…] qualquer nível que se observar no organograma [...] é auto-semelhante ao

seu nível anterior ou posterior”.

Mandelbrot foi o investigador que descobriu uma característica fascinante da natureza

e do universo humano: a auto-similaridade, palavra usada para falar de coisas

(objectos, estruturas, figuras, formas) nas quais as formas geométricas se repetem

independentemente da escala em que se olha para elas. Mandelbrot percebeu que o

mundo estava repleto dessas coisas, as quais poderiam ser criadas de forma ideal, e,

portanto, modeladas em computadores. Assim, ficou evidenciada a possibilidade real

de se gerar ordem a partir de uma desordem inicial, repetindo no computador o que

ocorre na natureza.

Fractal passou a ser sinal de ordem, um padrão bem ordenado que nasce da desordem

a partir de um procedimento simples, realimentado e repetitivo, ou seja, um indício

concreto do caos (Guerrini & Spagnuolo, 2004).

O estudo dos fractais está ligado ao caos porque também procura padrões organizados

de comportamento, em virtude dos fractais serem provenientes de operações

matemáticas com equações que se realimentam (numa equação, o resultado volta a

ser a condição inicial na próxima iteração. Iterar uma equação significa repeti-la

recursivamente), demonstrando relação bastante íntima com os sistemas complexos,

adaptativos ou não, pois os comportamentos desses sistemas são gerados por

operações semelhantes. Outra relação é a dimensão fractal dos atractores de um

sistema complexo, isto é, todo atractor estranho é um fractal e todo fractal deve ser

reconhecido como padrão (um atractor estranho) do caos determinístico (Stacey &

Parker, 1994; Guerrini & Spagnuolo, 2004).

Desta forma, apesar dos comportamentos caóticos finais não serem previsíveis com

antecedência, o fractal possui um comportamento global similar ao local, isto é, ao se

observar uma parte de uma organização, um departamento, percebe-se uma

semelhança com os demais departamentos, até a organização como um todo, devido à

presença dos fractais nos sistemas complexos. Assim, existe ordem mesmo em certos

sistemas aparentemente caóticos, como as nuvens, as células, as organizações, na

medida em que as formas da natureza e dos fenómenos sociais se repetem. Esta

repetição ocorre dentro de uma instabilidade circunscrita, “que consiste em linhas



finíssimas, complexas e altamente irregulares” (Parker & Stacey, 1994), ou seja, as

fronteiras de um sistema não são um corte definido, nem uma linha clara, dividindo

duas áreas distintas, mas oscilações complexas, auto-similares. Como exemplo, pode-

se pensar na folha de um feto: a observação por meio de um microscópio, percebe-se

uma ordem na sua constituição celular, ao passo que a observação a “olho nu” a uma

certa distância perceber-se-iam as várias folhas do feto como totalmente distintas uma

das outras, numa espécie de forma caótica, que, na verdade, segundo a Teoria do

Caos, há uma ordem, uma similaridade intrínseca.

Figura 20. O feto é um exemplo de uma estrutura fractal

Cada uma das folhas que o compõe é constituída por outras folhas mais pequenas com uma forma semelhante.

6.10. Outras Considerações

Os conceitos apresentados relacionados com o Caos colocaram em causa a ciência

baseada em relações simples de causalidade, que ignorava as zonas turbulentas do

mundo real. A teoria do caos rompe as fronteiras entre disciplinas, revertendo a

tendência da dissecação e compartimento da ciência. Por ser uma teoria da natureza

global dos sistemas, reuniu pesquisadores de campos que estavam muito separados. A

tendência para especializações foi revertida em virtude das perspectivas do complexo



e concretamente da teoria do caos. Esses pesquisadores acreditam estar à procura do

todo (Gleick, 1989).

Os mais radicais defensores da teoria do caos chegam ao ponto de dizer que a ciência

do século XX será lembrada apenas por três coisas: a teoria da relatividade, a mecânica

quântica e a teoria do caos. Afirmam que a teoria do caos se transformou na terceira

grande revolução do século XX nas ciências físicas.

Como as duas primeiras revoluções, causadas respectivamente pela teoria da

relatividade e a mecânica quântica, a teoria do caos modifica muitos dos postulados da

física de Newton. Assim, de acordo com Ford (apud Gleick, 1989; p. 5):

“ […] a relatividade eliminou a ilusão newtoniana sobre o espaço e o tempo absolutos;

a teoria quântica eliminou o sonho newtoniano de um processo controlável de

mensuração; e o caos elimina a fantasia laplaciana da previsibilidade determinista.”

A teoria do caos possui também uma plausibilidade nas ciências biológicas, a

desordem e a instabilidade podem levar a mudanças qualitativas (Atlan, 1992), e ainda

como refere Tarocchi (2000) em virtude da medicina lidar com a interacção de grande

quantidade de factores, deve ser focalizada sob o aspecto da não-linearidade, a qual é

uma de suas principais características.

“A doença é na sua essência uma desordem das estruturas e/ou das funções, com

alterações características a nível dos tecidos, das células e das moléculas. Uma

descrição satisfatória das doenças parte do quadro clínico e procura as suas causas

(etiologia) e mecanismos (patogénese). Esta investigação consegue obter êxitos

quando se trata de causas bem precisas, frequentemente limitadas a um ou escassos

factores de dano físico, químico e biológico, mas encontra obstáculos muitas vezes

inultrapassáveis quando estes são múltiplos ou quando a doença advém de uma série

de eventos subsequentes no tempo, em que cada um remete para o anterior ”.

Tarocchi (2000)

Assim, pode-se considerar que as doenças ou os mecanismos fisiopatológicos em geral,

comportam-se como parte de um Sistema Complexo Dinâmico Não-Linear

Determinístico sendo comandados pela Teoria do Caos.



Tudo na natureza evolui e nada no Universo é passivo, a noção de equilíbrio passa a

ser compreendida como um caso limite particular, o equilíbrio dinâmico é a noção que

fundamenta a evolução. É o fim da causalidade linear enquanto fundamento único.

Caos e Complexidade são fenómenos interconexos, sendo que alguns argumentam

que Caos é a teoria geral que engloba o estudo de sistemas complexos, enquanto

outros argumentam exactamente o contrário, ou seja, que Complexidade é a teoria

geral que engloba o estudo do Caos. Existem também aqueles que não vêem diferença

alguma entre os dois (Gleiser, 2002) e os que, por outro lado, consideram que os

termos Caos e Complexidade quase nada têm em comum (Pascale et. al, 2000).

Um entendimento possível é considerar os sistemas em simples e complexos. Os

sistemas simples são aqueles regidos por comportamento linear gerando

consequentemente ordem de nível simples. Os sistemas complexos são aqueles

regidos por comportamento não-linear. A interacção de sistemas complexos criaria o

ambiente da Complexidade, cujo comportamento seria em parte explicado pela Teoria

do Caos.

Figura 21. Representação esquemática

Representação esquemática, da inter-relação entre os tipos de sistema e seu comportamento, a geração da complexidade e o controle pela Teoria do Caos. Adaptado

de Godoy (2003)

A Teoria do Caos é complementada pela Teoria da Complexidade que estuda os

comportamentos dos sistemas complexos adaptativos.

Capítulo 7 – Complexidade


7. Complexidade

Vilas-Boas (2000) refere que

“A complexidade das realidades que são objecto de abordagem científica constitui um

dos principais eixos em torno dos quais se define a necessária profundidade e

complexidade do discurso da ciência. Vale isto por dizer que não existem abordagens

completas, nem porventura úteis, sempre que a complexidade da abordagem não

corresponder à complexidade do fenómeno em causa; ou, pelo menos, e melhor

dizendo, sempre que a complexidade da abordagem não respeitar a complexidade do

objecto, constrangendo a percepção da sua dimensão e das suas relações.”

E Leite (2004)

“O termo complexidade é de difícil conceituação, existindo muitas definições, sendo

que algumas enfatizam a complexidade do comportamento do sistema, outras

enfatizam a estrutura interna do sistema, seu funcionamento. Por outro lado, o

conceito complexidade pode ser encontrado em vários campos, desde os sistemas

naturais, representados pelos sistemas biológicos, físicos e químicos aos sistemas

artificiais, tais como sistemas computacionais e estruturas organizacionais”.

Para Morin (2005), a complexidade pode ser observada como um tecido constituído

por matérias heterogéneas inseparavelmente associadas onde são observados

acontecimentos, acções, interacções, retroacções, determinações e acasos resultantes

de cadeias de fenómenos.

Mariotto (2000) destaca que não existe consenso acerca do que é a teoria da

complexidade, sobretudo no campo das organizações. O estudo da teoria da

complexidade foi um passo importante para o reconhecimento de que, nas

organizações, as coisas são consideravelmente mais complexas do que aquelas

adoptadas na visão clássica do determinismo newtoniano. Tentar modelar as

organizações de forma mecânica, como Newton modelou o movimento dos planetas,

sem dúvida ajudou inicialmente os pensadores da organização a pensaram-na como

uma máquina. Porém, tal perspectiva deixa de lado aspectos fundamentais do estudo

dos sistemas organizacionais, como por exemplo, as pessoas e suas interacções.



No entendimento de Abraham (2002), a teoria da complexidade foi concebida a partir

das conexões entre a teoria geral de sistemas, a cibernética e a teoria dos sistemas

dinâmicos.

Entre 1956 e 1970, existiram várias conexões entre esses três ramos das ciências da

complexidade. Estas ocorreram devido à necessidade de uma teoria utilizar conceitos

de outra com o objectivo de evoluírem pela troca de informação. Para Abraham

(2002), a cibernética foi a primeira a prosperar; em seguida, veio a teoria geral de

sistemas e, após, os sistemas dinâmicos. A complexidade surge, onde o pensamento

simplificador falha, mas ela integra em si tudo o que põe ordem, clareza, distinção e

precisão no conhecimento Morin (2005). Lynaldo (2006) e Morin (2005) fundamentam

que as principais características que compõem a complexidade são:

• Incerteza ou indeterminação � ideia de que não se pode controlar os

acontecimentos futuros;

• Complexidade � os sistemas compreendem relações de interdependência

recíprocas e indeterminadas;

• Autopoiese e auto-organização � capacidade dos seres vivos ou sociais de

gerarem e manterem as suas próprias organizações;

• Sinergia � as respostas finais apresentam-se maiores que a soma das partes,

resultante de relações não lineares entre as partes componentes de um sistema.

Nos sistemas lineares as respostas globais são únicas e iguais às somas das

contribuições de todas as partes.

Pigliucci (2000), refere que a teoria da complexidade tenta estudar sistemas que

satisfaçam duas condições:

• Sejam constituídos de muitas partes em interacção;

• As interacções resultem em propriedades emergentes, que não possam ser

reduzidas imediatamente a simples soma das propriedades dos componentes

individuais.

Higgs (2001) destaca que a teoria da complexidade trata com as entidades ou com os

componentes do sistema que interagem e transformam-se de modo imprevisível. O



autor argumenta que, dessa forma, existem dois níveis em que os sistemas podem ser

analisados:

• As interacções ou conectividade das entidades ou componentes;

• E a variabilidade das próprias entidades.

Com este pensamento Higgs confirma a percepção de Pigliucci sobre as propriedades

emergentes. El-Hani (2000) define propriedade emergente como característica que

deve potencialmente estar presente apenas em objectos complexos, não estando

presente em qualquer uma das partes do objecto e sendo distinta de qualquer

propriedade estrutural do objecto em estudo.

A emergência é exemplificada por Baranger (2002) a partir da seguinte metáfora:

“ […] O corpo humano é capaz de caminhar. Esta é uma propriedade emergente.

Contudo, estudando-se somente a cabeça, somente o tronco ou somente os membros

de uma pessoa, nunca compreenderá a capacidade de caminhar. A combinação da

estrutura e da emergência leva à auto-organização, que ocorre quando um

comportamento emergente produz mudança na estrutura existente ou cria uma nova

estrutura. “

Neste sentido, Warren, Frankin & Streeter (1998) observam que, enquanto a teoria

geral de sistemas intervém nos sistemas, considerando o holismo, a teoria da

complexidade focaliza o modo pelo qual as interacções locais dos componentes

individuais levam a um sistema global. Preocupa-se, ainda, com as configurações

assumidas pelas interacções e o modo como agem para manter e aumentar a

complexidade do sistema. Por outras palavras, a teoria da complexidade interessa-se

pela evolução dos sistemas complexos.

Por outro lado, Stacey (1996) destaca que a teoria da complexidade

“[…] estuda as propriedades fundamentais das redes de feedback não-lineares e, em

especial, das redes adaptativas complexas. Essas redes consistem numa certa

quantidade de componentes, ou agentes, que interagem de acordo com um conjunto

de regras, as quais requerem que as pessoas examinem e respondam às acções de



cada uma delas, no sentido de melhorar os seus comportamentos e, também, o

comportamento do sistema como um todo”.

Noutras palavras, os sistemas operam de maneira que constituem um processo

contínuo de aprendizagem, e em ambientes que, na maioria das vezes, consistem de

outros sistemas de aprendizagem, formando um supra-sistema em co-evolução que,

por sua vez, cria e aprende o seu próprio caminho para o futuro.

Essa compreensão é reforçada por Axelrod & Cohen (2000) que afirmam que

“complexidade” não indica simplesmente muitas partes em movimento, mas sim, que

o sistema consiste de partes que interagem entre si, influenciando fortemente as

probabilidades de eventos futuros. Para esses autores, complexidade resulta, com

frequência, em características chamadas “propriedades emergentes”, as quais são

propriedades do sistema que as partes isoladas não possuem.

Mariotti (2000) propõe alguns princípios do pensamento complexo:

• Tudo está ligado a tudo;

• O mundo natural é composto de opostos ao mesmo tempo antagónicos e

complementares;

• Toda acção implica em um feedback;

• Todo feedback resulta em novas ações;

• Vive-se em círculos sistêmicos e dinâmicos de feedback;

• Todos têm responsabilidade em tudo que tem influência, e o feedback pode surgir

bem longe da acção inicial, em termos de espaço e tempo;

• Todo sistema reage segundo a sua estrutura;

• A estrutura de um sistema muda continuamente, mas não a sua organização;

• Os resultados nem sempre são proporcionais aos esforços iniciais;

• Os sistemas funcionam melhor por meio das suas ligações mais frágeis;

• Uma parte só pode ser definida como tal em relação a um todo;

• Não se pode fazer uma coisa isoladamente;



• Não há fenómenos de causa única no mundo natural;

• E, por fim, é impossível pensar em sistema sem pensar em seu contexto.

Stacey (1996), ao identificar a teoria da complexidade como o estudo dos sistemas de

rede de feedback não-lineares e com as redes adaptativas complexas, afirma que esse

enfoque constrange a visão mecanicista e reducionista, e, assim, apresenta uma

perspectiva mais abrangente na qual o todo é mais do que a soma das partes, as quais

se relacionam de maneira interactiva, seguindo leis não-lineares. Esta óptica destaca as

limitações da previsibilidade, e desafia a possibilidade de formas lineares de controlo

praticadas pelas pessoas sobre a natureza e sobre as organizações, além de destacar a

inter-relação existente entre criatividade e situações de desequilíbrio caracterizadas

por diferenças, conflitos e crises (Stacey, 2000).

Complexidade, portanto, pode ser entendida como um tipo de pensamento que

articula as relações necessárias e interdependentes de todos os aspectos da vida

humana associada, além de integrar todos os modos de pensar, opondo-se aos

mecanismos reducionistas e simplificadores. Considera ainda, todas as influências

recebidas, enfrentando a incerteza e a contradição, deixando conviver entre si

fenómenos aparentemente contraditórios.

Em vista disso, Anderson (1999) explora as implicações do uso de tal modelo para a

gestão e assinala que

“[…] as organizações actuais estão diante de um mundo com alto grau de

conectividade, vivendo num ambiente hiper-competitivo, e as relações entre acções e

resultados tornam-se mais complexas, exibindo comportamento não-linear. Em

ambientes dessa natureza, mudanças adaptativas devem ser evolutivas e não,

rigidamente planeadas”.

O referido autor vê a mudança adaptativa como a passagem que uma organização faz

através de uma série de sucessivos micro-estados organizacionais, os quais emergem

das interacções locais entre agentes que tentam melhorar as suas condições. Nessas

condições, a tarefa dos gestores não é moldar o padrão que forma a estratégia, mas

lidar com o contexto no qual essa estratégia emerge.



Para Anderson (1999), tal tarefa pode ser empreendida pelos gestores através de dois

mecanismos, que devem ser articulados entre si:

• Alteração da forma como cada agente percebe o seu ambiente local e as suas

condições individuais;

• E reconfiguração da arquitectura organizacional dentro da qual os agentes

adaptam-se.

Por “‘reconfiguração da arquitectura”, Anderson quer destacar a extensão da

improvisação, a natureza da colaboração, o ritmo típico da inovação e as mudanças

que a organização experimenta em sua demografia e estrutura.

O destaque fica para o entendimento de que os processos de concepção podem ser

tanto de formulação (quando previamente planeado) quanto de formação (quando o

processo emerge das acções desenvolvidas no quotidiano, e só podem ser entendidas

em retrospectiva). Entendê-las como plano e como padrão oferece uma visão

integradora.

A óptica da complexidade indica que as relações são marcadas pela interacção entre

pessoas que formam uma rede de agentes que actuam num ambiente e procuram

adaptar-se através de um processo de aprendizagem (Rebelo, 2003). Neste sentido,

segundo a visão sistémica, Capra (2002) elucida que o surgimento espontâneo da

ordem, bem como a dinâmica da acoplagem estrutural, que ocasiona as mudanças

estruturais contínuas que caracterizam todos os sistemas vivos, são tidos como

fenómenos básicos determinantes do processo de aprendizagem. Nesse sentido,

afirma Choo (2003), que

“[…] a informação é fabricada por indivíduos (agentes) a partir da experiência passada

e de acordo com as exigências de determinada situação na qual a informação deve ser

usada. Um modelo de informação deve englobar a totalidade da experiência humana:

os pensamentos, sentimentos, acções e o ambiente onde eles se manifestam”.

A complexidade pode ser entendida como um tipo de pensamento que não separa,

mas une as relações necessárias e interdependentes de todos os aspectos da vida

humana, integrando todos os modos de pensar. Para Morin, (2000) a complexidade



sempre existiu e amplia-se continuamente, aparecendo onde o pensamento

simplificador falha.

Erdmann (1995) esclarece que não se pode entender a complexidade como

complicação e imposição de dificuldades, ou seja, imbricação de acções, interacções,

retroacções, que fogem da possibilidade do exercício do pensar sobre as mesmas.

Quanto mais complexo um sistema for, maior será a sua capacidade de operar com a

desordem.

Wu (2002) refere que complexidade tornou-se num chavão que atravessa muitos

campos da ciência e com vários significados. Cita a complexidade estrutural, que se

refere à configuração do sistema; a complexidade funcional, que enfatiza a

heterogeneidade e a não-linearidade da dinâmica do sistema; e a complexidade auto-

organizada, que depende das propriedades emergentes do sistema ao co-evoluírem

com o ambiente. Inicia-se por meio de interacções locais, depois, por retornos

(feedbacks) em diferentes escalas espácio-temporais.

Para Choo (2003), os problemas mudam com o tempo, à medida que as novas

informações são recebidas e as pessoas alteram as suas percepções.

Pode-se afirmar que a teoria da complexidade é um ramo das ciências da

complexidade que se apropria, dos conceitos referentes à cibernética, à teoria geral de

sistemas e aos sistemas dinâmicos, com o objectivo de compreender a auto-

organização dos sistemas complexos por meio das suas propriedades emergentes e

respectivas interacções. As propriedades emergentes produzem novas propriedades

emergentes que dão origem a novos níveis de organização; esses novos níveis de

organização são derivados das interacções dos componentes. Assim, a teoria da

complexidade procura, também, compreender como o sistema complexo evolui.

A teoria da complexidade aparece como um caminho para compreender que o mundo

organizacional é composto de muitas partes que interagem entre si, de forma

dinâmica, através do sistema de redes em que os agentes estabelecem relações uns

com os outros. Nesse processo interactivo, sobressai o papel que os agentes

desempenham, bem como sua capacidade de aprender e modificar o esquema

dominante (Carlisle & McMillan, 2006).



Uma das consequências do pensamento complexo é que, em vez de pensar a

compartimentação estrita do saber, passa-se a focalizar nas possíveis e necessárias

relações entre as disciplinas e a efectivação de contribuições entre elas,

caracterizando-se uma interdisciplinaridade (Vasconcellos, 2002). Entra-se no âmbito

dos Sistemas Adaptativos Complexos (SAC’s).

7.1. Sistemas Adaptativos Complexos

Esta denominação de SAC’s foi criada pelos estudiosos da área (Holland, 1996), ao

constatarem que tais sistemas são capazes de responder activamente as ocorrências

em seu redor, de forma qualitativamente diferente da perspectiva clássica.

Stacey (1996) define SAC's como sistemas com múltiplos componentes em interacção,

cujo comportamento não pode ser inferido a partir do comportamento das partes, isto

é, exibem propriedades que emergem da interacção das suas partes.

Os SAC’s consistem num número de agentes que se encontram conectados em

diferentes níveis e que interagem uns com os outros de acordo com regras (Stacey,

1996). Os agentes são as partes menores do sistema, capazes de interagir uns com os

outros e com o ambiente ao redor de forma interactiva e não-linear.

Stacey (1996) refere que os componentes apresentam uma dinâmica de interacção,

originando um número de níveis ou escalas que exibem comportamentos comuns,

apresentando processos de auto-organização e emergência.

Heylighen (2001) define SAC’s como um sistema composto pela interacção de agentes,

que sofrem constante mudança, quer autonomamente quer em a interacção com o

meio ambiente.

Quando se pensa em SAC’s, o foco vai para sistemas com múltiplos componentes em

interacção, com comportamentos que não podem ser inferidos a partir do

comportamento das partes, ou seja, envolvem muitos componentes, apresentam uma

dinâmica de interacção entre eles, dando origem a um número de níveis, que exibem

comportamentos comuns, apresentando processos de emergência e auto-organização

(Coelho, 2001).



“Sistemas complexos adaptativos são organizações em rede formadas por inúmeros

agentes, os quais são elementos activos e autónomos, cujo comportamento é

determinado por um conjunto de regras e pelas informações a respeito do seu

desempenho e das condições do ambiente imediato” (Agostinho, 2003).

Para Holland (1995), uma visão importante dos SAC’s é que são sistemas de agentes

que interagem e que podem ser descritos por regras. Esses agentes adaptam-se

alterando as suas regras a partir de experiências acumuladas. Nos SAC’s, a maior parte

do ambiente de um agente adaptativo é constituída por outros agentes adaptativos.

Assim, uma grande parcela de esforço de um agente é usada para se adaptar aos

outros agentes. Esta característica é a maior fonte dos padrões temporais complexos

que os SAC’s geram. Para entender os SAC’s deve-se compreender esses padrões de

constante mudança.

Battram (2001), diz que para explicar um SAC’s é preciso observar tanto os sistemas

simples como os complexos e as suas diferenças. O quadro a seguir enumera as

principais características de tais sistemas:

Quadro 5. Características dos sistemas simples e complexos

Variáveis Sistema Simples Caos: sistemas desordenadamente complexos

Sistemas Adaptativos Complexos

Número de estados

Poucos estados Mais estados possíveis Grande quantidade de estados possíveis

Conexões As conexões entre os componentes são fixas

Os componentes estão dispersos e podem interactuar localmente com toda liberdade

Os componentes (“agentes”) estão dispersos e podem interactuar localmente com toda liberdade dentro de uma estrutura hierárquica

Comportamento Comportamento simples, previsível

Comportamento desorganizado (caótico), mas previsível

Comportamento emergente com parcelas de imprevisibilidade

Exemplos Um sistema de aquecimento central ou um equipamento de televisão

O clima ou uma torneira que goteja, um monte de areia que de repente abate ao se acrescentar mais areia

Tudo o que está vivo, grandes organizações, ecologias, culturas, políticas

Adaptado de Battran (2001)



O mesmo investigador (Battran, 2001), afirma que “[…] os Sistemas Adaptativos

Complexos (SAC’s) revêem e reordenam constantemente os seus componentes como

resposta aos estímulos que recebem do ambiente, e como re-arranjos advindos das

interacções entre os agentes, e até mesmo como resposta às situações aleatórias”.

Este autor oferece outro argumento para esclarecer o que são Sistemas Complexos e

Sistemas Adaptativos Complexos (SAC’s): o clima é um sistema complexo, mas uma

organização é um sistema adaptativo complexo porque não é só complexo, mas

também se adapta ao seu ambiente. Ou seja, um SAC aprende cada vez que se

reorganiza, e as partes que o compõem não são de todo “gratuitas”, mas estão

limitadas por certos vínculos existentes entre elas (Battran, 2001).

No entender de Holland (1996), SAC’s exibem coerência sob mudança, via acção

condicional e previsão e eles fazem isso sem direcção central. Ao mesmo tempo,

esclarece que os SAC's parecem ter pontos estratégicos, onde pequenas quantidades

de input’s podem produzir mudanças significativas. A liberdade permitida aos agentes

actuantes nos SAC’s evoca a possibilidade de auto-organização, os agentes são livres

para exercerem a capacidade de aprendizagem e de adaptação.

"Eles têm autonomia para orientarem as suas acções de acordo com o que apreendem

da interacção com o ambiente – o qual em grande parte é formado pelos outros

agentes […]" (Agostinho, 2003).

Quando se fala de autonomia do agente, Agostinho (2003) inclui a capacidade de

adaptação, aumento da diversidade, aprendizagem, redução de erros e resolução de

conflitos. Quando fala de cooperação, a investigadora assinala que esta pode emergir

sem a presença de autoridade central ou de forças coercitivas, a partir da percepção

dos indivíduos de que isso lhes trás benefícios. Em relação à agregação, Agostinho

afirma que um agregado (ou uma organização) pode ser identificado pelos seus

objectivos e competências, uma vez que em torno dos objectivos globais agrega-se um

certo número de indivíduos (agentes) os quais contribuem com os seus conhecimentos

e habilidades para a competência do todo. Por fim, quando se refere à auto-

organização, esta investigadora menciona a capacidade dos agentes recriarem o seu

espaço cada vez que surge uma certa situação. Eles têm autonomia para orientarem as



suas acções de acordo com o que aprendem da interacção com o ambiente, o qual é

formado, em grande parte, por outros agentes.

Agostinho (2003) também evidencia que adaptação é a propriedade básica dos SAC’s

no sentido de que o sistema é capaz de ajustar o seu comportamento, a partir do que

consegue perceber sobre as condições do seu meio ambiente e sobre o seu

desempenho.

Os estudos empreendidos por Stacey (1996) indicam, que o enfoque dos SAC’s explora

a natureza das redes de feedback não-lineares, as quais comportam grande número de

agentes, que interagem de acordo com esquemas de cada um. A principal descoberta

desses estudos realçou que os SAC’s são criativos quando operam num espaço de

transição (ou, espaço de possibilidades). É um estado paradoxal, pois é estável e

instável ao mesmo tempo, orientado pela dinâmica contraditória da competição e

cooperação, da amplificação e restrição, e da exposição à tensão criativa. Tais sistemas

evoluem com resultados bastante imprevisíveis.

Stacey (2000) afirma que “[…] um SAC consiste num grande número de componentes,

ou agentes, os quais comportam-se de acordo com seus próprios princípios de

interacção local, num processo de auto-organização”.

Auto-organização significa a existência de agentes interagindo localmente de acordo

com seus próprios princípios, ou “intenções”, na ausência de um esquema total para o

sistema. Esses sistemas exibem amplas propriedades dinâmicas que incluem equilíbrio

estável e caos aleatório numa fronteira de ordem/desordem. Esse sistema, ao

contrário de crenças oriundas do paradigma cartesiano, não gera anarquia; ele oferece

as condições necessárias para que aconteça a criatividade e a inovação, não através de

processos prévios, mas através do processo de auto-organização espontânea que

produz resultados emergentes (Stacey, 1996).

Stacey (1996) reitera que os SAC’s consistem num grande número de agentes

interagindo uns com os outros de acordo com esquemas, isto é, com regras de

comportamento, que lhes exige o exame do comportamento de cada um e o ajuste do

seu próprio comportamento à luz do comportamento dos outros. Ou seja, os SAC’s

aprendem, evoluem e interagem com outros SAC’s. Eles sobrevivem porque aprendem



ou evoluem de maneira adaptativa, ou seja, registam informação para extrair

regularidades, inserindo-os dentro de esquemas que são continuamente alterados à

luz da experiência.

No entendimento de Argyris & Schon (1978) agentes humanos constituindo um

sistema apresentam os seguintes princípios básicos: realização de tarefas e

sobrevivência. No parecer de Argyris & Schon (1978), a realização de tarefas e a

sobrevivência necessitam de esquemas que direccionam os comportamentos de

aprendizagem para que possam ser observados.

Associando o conceito de sistema com complexidade, Agostinho (2003b), enfatiza que

os SAC’s são organizações em rede formadas por inúmeros agentes, os quais são

elementos activos e autónomos, que aprendem e adaptam os seus comportamentos

através de um conjunto de regras, pelas informações a respeito do seu desempenho e

das condições do ambiente imediato. O comportamento global do sistema emerge,

então, como efeito da combinação das interacções (não-lineares) entre os diversos

componentes.

Um sistema adaptativo complexo adquire informação sobre o seu ambiente e a sua

própria interacção com aquele ambiente, identifica as regularidades existentes

naquela situação e condensa estas regularidades num tipo de esquema e permanece

agindo no mundo real com base naquele esquema (Agostinho, 2003b).

"Em cada caso, há vários esquemas competindo e os resultados da acção no mundo

real são realimentados para influenciar a competição entre aqueles esquemas […]"

(Agostinho, 2003).

No entanto, adaptação está relacionada às "[…] mudanças na estrutura (estratégia)

com base na experiência do sistema […]" (Agostinho, 2003).

O pensamento de Agostinho reforça Stacey (1996) quando este menciona que “[…] o

sistema produz padrões de comportamentos que consistem numa cadeia de agentes

dirigida por feedback (realimentação) de interacção não linear para produzir

resultados desconhecidos que têm padrão. Os SCA’s têm uma ordem inerente que está

simplesmente esperando para ser desdobrado pela experiência do sistema, mas



ninguém pode saber qual aquela será a ordem, que de facto, se desdobra em tempo

real.”

A aprendizagem do sistema é uma propriedade determinante bem como a coerência

por ele apresentada. A fim de se conhecer um sistema adaptativo complexo é preciso

que se compreenda os padrões de constante mudança. A operacionalização mais

importante dos SAC's consiste na capacidade de aprendizagem, ou seja, na

aprendizagem em single loop – conceito de aprendizagem em circuito simples (Argyris

& Schon, 1978), caracterizada pelo abandono de esquemas que fracassam por outros

pré-existentes, e na aprendizagem em double loop – conceito de aprendizagem em

circuito duplo (Argyris & Schon, 1978).

Diferentes autores das ciências da complexidade – Palmberg (2009), Benbya &

McKelvey, 2006; Webb & Lettice, 2005; Leite, 2004; Mitleton-Kelly, 2003; Harkema,

2003; Agostinho, 2003; Heylighen, 2002; Anderson, 1999; Holland, 1999 e 1996;

Stacey, 1996 – apresentam importantes contributos em relação às

características/princípios dos SAC’s.

Palmberg (2009) apresenta oito princípios:

1. Agentes interdependentes � unicamente dentro do seu contexto;

2. Não-linearidade � como pequenas mudanças podem fazer uma grande

diferença;

3. Adaptabilidade � adaptação às novas condições do meio ambiente;

4. Emergência � para desenvolver a capacidade que é maior do que a soma da

capacidade das partes;

5. Auto-organização � a criação de ordem no caos;

6. Controle distribuído � ordem, sem controle central;

7. Co-evolução � agir e reagir em cooperação e em competição com outros

agentes;

8. Não é previsível, em pormenor, somente com as estruturas e os padrões.



Figura 22. inter-relação entre os princípios doa sistemas adaptativos complexos

Representação esquemática, da inter-relação entre os princípios doa sistemas adaptativos complexos. Adaptado de Palmberg (2009)

Benbya & McKelvey (2006) indica oito características: largo número de componentes,

variedade e diversidade; auto-organização, dinamismo e actividade, adaptação ao

meio ambiente, interacções, não linearidade e selecção.

Webb & Lettice (2005) sugere seis princípios: longe do equilíbrio/limite do caos (far-

from equilibrium/ edge of chaos), variedade e diversidade; auto-organização, tempo e

história (historicity and time), imprevisibilidade e reconhecimento de padrões.

Leite (2004) identifica as seguintes características dos sistemas adaptativos complexos:

1. Os sistemas desenvolvem um esquema que norteia o seu comportamento �

O sistema possui uma organização interna que é ajustada pelas perturbações

externas ou pressões selectivas, pela aprendizagem e pela experiência. Os

esquemas podem captar os padrões, separando o que é aleatório das

regularidades. Nos humanos, os padrões de reconhecimento surgem

naturalmente, pela transmissão hereditária recebida do processo de evolução

biológica e, também, por meio da transmissão da cultura passada de geração

a geração (Leite, 2004).



2. Os sistemas se auto-organizam � A estrutura do sistema complexo é formada

por componentes diferentes e conectados. A combinação dessa estrutura e da

emergência, que se dá pela interacção das partes, originando

comportamentos novos, leva à auto-organização. A auto-organização ocorre

quando um comportamento emergente produz uma mudança na estrutura.

Leite (2004), argumenta que os sistemas co-evoluem entre a ordem e a

desordem. Esses sistemas se adaptam ao próprio ambiente pelo esforço para

aumentarem a sua aptidão permanentemente. Cada recompensa individual

funciona dependendo das escolhas que os outros indivíduos fazem. Por isso,

cada sistema possui um cenário adaptativo, que é constantemente alterado. O

cenário adaptativo é construído pelo mapeamento do comportamento do

sistema em relação aos resultados conseguidos. O equilíbrio que resulta de tal

co-evolução é dinâmico, pois pequenas mudanças no comportamento de um

sistema, em determinado período de tempo, podem gerar grandes mudanças

nos resultados no próximo período de tempo.

3. A recombinação, mutação e evolução do sistema � Os sistemas adaptativos

complexos evoluem ao longo do tempo por meio de entradas, saídas e

transformações. Esses sistemas são formados de componentes distintos, os

quais sofrem variação. Desde que a variação não seja absoluta, o sistema

permanecerá com uma parcela de estabilidade (Heylighen, 2002). Em outras

palavras, as mudanças não ocorrem todas ao mesmo tempo; existe alguma

forma de inércia ou continuidade que limita a mudança. Tanto a organização

interna do sistema, como as conexões entre os sistemas podem mudar. No

primeiro caso, ocorre pelo processo de mutação, no qual muda um ou mais

elementos dentro do sistema. No segundo, dá-se pelo processo de

recombinação, no qual novas conexões são feitas pelo sistema. Essas novas

conexões podem evoluir ao longo do tempo, mudando o padrão de

interconexões, a intensidade de cada conexão e suas formas de

funcionamento (Heylighen, 2002).



Mitleton-Kelly (2003) identificam dez princípios genéricos: conectividade e

interdependência, co-evolução, longe do equilíbrio/limite do caos (far-from

equilibrium/ edge of chaos), contexto (space of possibilities), feedback, tempo e

história (historicity and time), dependência do caminho (path-dependence), auto-

organização, emergência e criação de uma nova ordem.

Para Harkema (2003), as características mais importantes dos SCA’s são: não

linearidade, comportamento dinâmico, emergência e auto-organização.

Agostinho (2003b) indica quatro princípios: autonomia, cooperação, agregação e auto-

organização como sendo capazes de explicar como a acção autónoma individual leva à

auto-organização sistémica.

1. Autonomia � a autonomia é definida como “a faculdade do indivíduo orientar

a sua acção com base na sua capacidade de julgamento” (Agostinho, 2003a),

que leva à flexibilidade e robustez em relação às perturbações externas. A

autonomia não se contrapõe a certo grau de centralização e pode levar a

adaptabilidade, aumento da diversidade, aprendizagem, redução de erros,

solução de conflitos.

2. Cooperação � “É necessário que haja cooperação mútua e coordenação para

que seja possível que o conjunto de acções de vários indivíduos autónomos

convirja para o benefício do sistema” (Agostinho, 2003a). Acrescenta ainda

que, além da cooperação, existe a necessidade de coordenação. Cabe

salientar que um subsequente pilar da cooperação é a reciprocidade.

3. Agregação � Agostinho (2003b), afirma que, por intermédio de uma espécie

de “rotulagem”, um indivíduo é capaz de reconhecer com quem ele poderá

obter benefícios mútuos, seleccionando as interacções úteis.

4. Auto-organização � Quando há a iminência de uma nova situação, os

indivíduos realizam uma combinação de experiências testadas em momentos

anteriores para modelar a situação em que se encontram (Agostinho, 2003b).



Figura 23. Combinação de interações não lineares

Da combinação das interacções (não lineares) entre os diversos agentes, o comportamento global do sistema emerge; e os quatro princípios explicam como a acção autónoma individual leva à auto-organização sistémica. Adaptado de Agostinho (2003)

Erdmann (1995a) evidencia que a auto-organização se apresenta como resultante da

capacidade de fazer face às perturbações aleatórias do ambiente, por desorganizações

seguidas de reorganizações internas, absorvendo, tolerando, integrando o erro e/ou

ruído aos causadores das perturbações.

Para Heylighen (2002), os SAC’s tem três princípios fundamentais que estão

interligados com a auto-organização:

1. Adaptação “fit” � A configuração de um sistema é denominada de “fit” caso

seja capaz de se manter ou crescer perante a configuração específica do

ambiente. A configuração “não fit”, é aquela que espontaneamente se

desintegrará perante condições de limite. Diferentes configurações podem ser

comparadas pelo seu grau de adequação, ou probabilidade de sobreviver

nestas condições impostas pelo ambiente. Assim, a adaptação pode ser

concebida como a realização de um “fit” entre o sistema e o meio ambiente.

2. Regulação e limite do caos � Isto significa que o sistema deve ser capaz de: a)

produzir uma variedade suficiente de acções para lidar com cada uma das

perturbações possíveis (lei de Ashby "da variedade necessária"), 2) seleccionar

a oposição mais adequada para uma dada perturbação.

3. Variação e selecção � Quando as circunstâncias numa mudança do

ecossistema (por exemplo, o clima fica mais seco), as espécies ou variedades

ORDEM ORGANIZÇÃO INTERACÇÕES

AUTONOMIA COOPERAÇÃO AGREGACÃO AUTO-ORGANIZAÇÃO

DESORDEM



do ecossistema que melhor se adaptam tornam-se mais numerosas em

relação aos que são menos, até que o equilíbrio é restaurado.

Segundo Anderson (1999), os modelos de SCA’s representam um novo caminho para

simplificar a complexidade, e são caracterizados por quatro elementos chaves: agentes

com esquemas; redes auto-organizadas mantidas pela importação de energia; co-

evolução à beira do caos; recombinação e evolução do sistema.

Holland (1999) enumera algumas características comuns aos SAC’s:

• A inexistência de um sistema óptimo � o exemplo é uma floresta tropical, onde

não existe um organismo óptimo, mas uma grande variedade de organismos com

diferentes comportamentos, que interagem uns com os outros, ocupando

diferentes nichos.

• A adaptação e a aprendizagem estão ocorrendo permanentemente � em

consequência, esses sistemas nunca atingem um equilíbrio estável, pois, estão

constantemente a evoluir. A novidade é perpétua, qualquer que seja a escala de

tempo em que o sistema está operando. Dessa forma, os SAC’s não procuram

atingir o equilíbrio ou estabilizar-se, pelo contrário, estão sempre a criar

novidades. Quando o sistema atinge a estabilidade, é como se tivesse morrido.

• Os SAC’s têm capacidade de antecipação � ou seja, o sistema segue regras que o

levam a agir de determinada forma, porque o resultado futuro dessa forma de

agir lhe será benéfico.

Ao lado dessas características, Holland (1995 e 1999) referencia sete itens que

considera essenciais para entender os SAC’s. Esses sete pontos estão divididos em

quatro propriedades e três mecanismos. Iniciando pelas propriedades, tem-se:

1. Agregação� consiste em colectar uma variedade de objectos e tratá-los de

maneira uniforme. Consiste na separação dos aspectos comuns de cada coisa

ou aspecto a ser considerado, porém é indispensável saber que elementos

desprezar e quais devem ser guardados;

2. Não-linearidade � o todo é maior que a soma das partes do sistema. Essa

característica dos SAC’s decorre de duas outras: a capacidade de aprendizagem



e a interacção. Assim, devido à interacção, o conhecimento das actividades de

cada parte do sistema não conduz directamente à actividade resultante do

sistema todo;

3. Fluxos � processos iterativos de entrada e saída de recursos, possibilitando a

emergência de novas e inesperadas propriedades. A circularidade do processo

permite que surjam propriedades que serão responsáveis pela contínua

reprodução do sistema como um todo;

4. Diversidade � relaciona-se ao grande número de tipos de um dado sistema,

evidenciando o padrão dinâmico dos SAC’s. A interacção entre essa variedade

de tipos é capaz de gerar novos tipos para manter o fluxo do sistema como um

todo.

Além dessas propriedades, há três mecanismos considerados essenciais por

Holland (1995; 1999), que são:

1. Rótulos � são como uma marca registada; são métodos para quebrar

simetrias, aumentando a complexidade de um sistema, e tem relação directa

com agregação (representam um modo eficiente de agregar);

2. Blocos de construção � permitem gerar grande variedade a partir de um

número pequeno de características, consistindo no uso de modelos internos

para gerar um número crescente de combinações;

3. Modelo interno � trata-se do conjunto de regras (mapas mentais) que cada

agente possui, nem sempre de forma consciente, as quais permitem

antecipação dos resultados.

Stacey (1996) apresenta uma proposta similar à exposta por Holland, ao identificar as

propriedades das redes de feedback dos sistemas adaptativos e não lineares:

1. Espaço para a criatividade� compreende uma fase de transição entre

estabilidade e instabilidade situado na fronteira do sistema; um estado de

paradoxo; uma actualização dos arquétipos; uma destruição criativa; e, um

ponto crítico para controle dos parâmetros de energia e dos fluxos de

informação.



2. Fontes de instabilidade � compreendem a amplificação de mudanças

ínfimas, a competição, e, a revelação da tensão criativa trazida pelos esquemas

recessivos.

3. Fontes de estabilidade � compreende as restrições, a cooperação e a

redundância e, o amparo da tensão criativa pelos esquemas dominantes.

4. Evolução dialéctica � compreende mudanças pequenas, progressivas e

incrementais que são estratégias de mudanças reduzidas, todavia a tensão

entre forças contraditórias provoca uma aprendizagem mais efectiva.

5. Causalidade e a previsibilidade � indica que as evoluções específicas de

longo prazo são radicalmente imprevisíveis, contudo padrões arquetípicos e

mudanças de curto prazo são previsíveis.

Sob este enfoque, Stacey (1996) esclarece que “[…] os SAC’s procuram explicar que os

sistemas podem iniciar-se de um estado aleatório ou desordenado, e ainda assim

produzir ordem complexa”. A ordem surge da interacção das redes de feedback não-

lineares entre os agentes, nas quais cada um executa a sua tarefa sem qualquer

esquema global ou programa prévio. Isso indica que a capacidade de auto organização

é uma propriedade inerente aos SAC’s.

Sumarizando a estrutura dos SAC’s na perspectiva de Stacey (2001), tem-se:

a) O sistema compreende grande número de agentes individuais;

b) Esses agentes interagem uns com os outros de acordo com regras que

organizam as interacções entre eles, em nível local. Ou seja, um agente possui

um conjunto de regras que determina como ele irá interagir com outros

agentes, e esta interacção é local no sentido de que não há um sistema amplo

de regras determinando as interacções. As únicas regras são aquelas localizadas

no nível do próprio agente;

c) Os agentes repetem infinitamente suas interacções referenciadas pelas suas

próprias regras, ou seja, a interacção é iterativa, recursiva e auto-referente;



d) As regras de interacção dos agentes são tais que eles adaptam-se uns aos

outros. A interacção é não-linear e se expressa através de uma variedade de

regras que perpassam um grande número de agentes;

e) A variedade das regras é gerada pela mutação aleatória e pela replicação ao

longo da rede.

Com base nesses princípios, Stacey (2001) aponta que:

1. Padrões de ordem globais coerentes emergirão da auto-organização

espontânea dos agentes, que interagirão de acordo com as regras locais, sem

qualquer esquema prévio;

2. Um esquema pode assumir formas dinâmicas diferentes, dependendo da

importância dos parâmetros, particularmente do fluxo de energia, do número e

da força das conexões entre os agentes e do grau de diversidade dos mesmos;

3. Como extensão crítica dos parâmetros, uma dinâmica entre estabilidade e

aleatoriedade surge, tomando a forma de atractor, que é paradoxalmente

estável e instável ao mesmo tempo;

4. Na presença da mutação aleatória e de sua replicação ao longo do sistema,

os agentes evoluirão de uma maneira adaptativa, sendo que essa evolução é

radicalmente imprevisível;

5. A dinâmica na fronteira do caos é caracterizada por um poder de lei, o que

significa que há um pequeno número de grandes eventos em extinção e grande

número de pequenos eventos que deixam de existir. Esse poder de lei oferece

uma fonte de estabilidade, na qual grandes extinções são raras, e outra fonte

de instabilidade, na qual há eventos em extinção, em qualquer grau. Uma razão

adicional para a estabilidade do sistema assenta-se nas restrições trazidas pelos

agentes, como as regras, que são interpostas nas interacções de uns com os

outros, e no fato de que essas restrições conflituam com outras geradas pela

instabilidade.

Uma característica relevante dos SAC’s, apontada por Stacey (2001), é a ordem

inerente que está simplesmente esperando ser revelada através da experiência do

sistema, porém, ninguém consegue determinar o que esta ordem será até ela se



revelar em tempo real. Em certas condições, ao deixar de se auto-organizar, o que

pode parecer confusão, agentes interagindo num sistema sem ordem aparente,

podem produzir, ao invés de anarquia, novos resultados criativos inesperados.

Kelly & Allison (1998) discutem que os sistemas passam por um processo de evolução,

representados por níveis de aptidão. O nível de aptidão do sistema pode ser expresso

pela capacidade que ele possui de identificar, reconhecer, aceder às informações e se

ajustar às perturbações externas sem, necessariamente, se desorganizar

internamente. Num modelo avançado de complexidade, os níveis de aptidão são

determinados por graus de intervenção, que se formam pela interacção dos agentes

autónomos. Estes são caracterizados pela energia colaborativa que possuem, pelo

profundo compromisso existente entre eles, pela aprendizagem compartilhada e pelo

efectivo processo de execução das actividades, conforme as necessidades do ambiente

interno e externo.

Os sistemas complexos adaptativos têm a capacidade de aprender na medida em que

interagem com o ambiente, quando na direcção da evolução (Agostinho, 2003). Um

estado de equilíbrio levaria o sistema à sua morte por tornar-se incapaz de se

reorganizar diante do meio. Um exemplo seria o cérebro humano que está em

constante organização e reorganização para aprender com as experiências vivas. As

várias formas de vida procuram adaptar-se ao meio com o objectivo de sobreviverem e

interagirem com o meio. Conforme Gleiser (2002), as empresas também procuram

adaptar-se ao meio, pois são exemplos de sistemas complexos adaptativos. Neste

sentido, Parker & Stacey (1995) ilustram esta adaptação por meio de uma interacção

entre 3 pessoas ou empresas, X, Y e Z. A empresa X descobre o que a Y e a Z estão

fazendo, escolhe como reagir e age. Essa acção de X traz consequências que, ao serem

descobertas por Y e Z, levam a uma resposta à acção de X; isso ocasiona reflexos sobre

X que, por sua vez, reage diante da acção de Y e Z, e assim por diante. Em termos

práticos, poderia ser o lançamento de um produto pela empresa X que leva as

empresas Y e Z a lançarem outros produtos que reflectem na empresa X, levando-a a

criar e a lançar outros novos produtos, fechando um ciclo de realimentação entre as

três empresas.



Palmberg (2009)

Benbya & McKelvey

(2006)

Webb & Lettice (2005)

Leite (2004)

Mitleton-Kelly (2003)

Harkema (2003)

Agostinho (2003b)

Heylighen, 2002

Anderson (1999)

Holland (1999)

Stacey (1996)

Largo número de componentes x x x x

Interacções x x x

Variedade e diversidade x x x x

Auto-organização x x x x x x x x x

Dinamismo e actividade x x

Adaptação ao meio ambiente / Contexto

x x x x x

Não linearidade e selecção / Imprevisibilidade

x x x x x

Longe do equilíbrio/limite do caos (far-from equilibrium/ edge of chaos)

x x x x x x

Tempo e história (historicity and time) / Dependência do caminho (path-dependence)

x x

Reconhecimento de padrões x

Os sistemas desenvolvem um esquema que norteia o seu comportamento

x x

A recombinação, mutação e evolução do sistema

x

Co-evolução x x x

Feedback x

Emergência x x x x

Criação de uma nova ordem x x

Autonomia x

Cooperação x

Agregação x x

Distribuição do Controle x

As diferentes características/princípios dos SAC’s encontram-se sumarizados neste quadro, que ilustra como a revisão bibliográfica efectuada permite uma visão geral das características/princípios dos SAC’s.

Quadro 6. As diferentes características/princípios dos SAC’s



A comparação da tabela permite verificar que Benbeya & McKelvey (2006), Agostinho

(2003b), e estão mais preocupados com a interpretação dos SAC’s através dos agentes

(para eles o SAC é composto por uma variedade de agentes que interagem e

reestruturam as suas inter-relações e comportamentos como resposta à mudança),

enquanto Webb & Lettice (2005), Leite (2004), Mitleton-Kelly (2003) e Holland (1999)

interpretam como os actores activos e energéticos que se encontram na fase de

transição de longe do equilíbrio/limite do caos (far-from equilibrium/ edge of chaos).

Palmberg (2009), Heylighen (2001), Anderson (1999) e Stacey (1996) possuem um

entendimento que combina as duas tendências anteriores.

7.2. Auto-organização, a auto-organização baseada na hierarquia e autopiese

7.2.1. Auto-organização

Os sistemas auto-organizados estão omnipresentes na física, química, biologia,

sociologia, economia ou engenharia (Serugendo et al., 2006, Bettstetter et al. 2005,

Fuchs, de 2003,Camazine et al. 2001, Foster, 2000). Numa descrição informal, um

sistema auto-organizado é composto por vários elementos, e autonomamente altera a

sua estrutura para exibir comportamento mais coerente.

Kauffman (2005) sugeriu que a auto-organização é uma propriedade fundamental da

natureza, sobre a qual ocorre a selecção, que levou ao surgimento da vida na Terra.

Apesar de estar representada numa diversidade de áreas e de pesquisas, auto-

organização é ainda um assunto controverso em termos de uma definição precisa

(Gershenson & Heylighen, 2003).

Atlan (1992) descreve a auto-organização como um fenómeno primário que

caracteriza os seres vivos na sua organização tanto estrutural quanto funcional.

Capra (1996) define a auto-organização como a emergência de novas estruturas e de

novas formas de comportamentos em sistemas abertos que operam afastados do

equilíbrio.

Erdmann (1996) refere que a auto-organização apresenta-se como resultado da

capacidade de fazer face às perturbações aleatórias do ambiente, por desorganizações



seguidas de reorganizações internas, absorvendo, aceitando e integrando o motivo

causador da perturbação. O processo auto-organizador pode criar o radicalmente

novo, ampliando a capacidade do sistema de interagir com os eventos aleatórios que o

perturbam, assimilando-os e modificando a sua estrutura. Assim, ambiguidade e

paradoxo marcam a relação entre ordem e desordem (Erdmann, 1996).

Stacey (1996) menciona que auto-organização é o processo em que os agentes do

sistema interagem uns com os outros de acordo com as suas próprias regras locais de

comportamento, sem seguir nenhuma regra imposta pelo sistema. O conceito inclui,

mas não coincide com aprendizagem de loop duplo, porque sistemas determinísticos,

que não aprendem, também exibem auto-organização espontânea.

Para Maturana & Varela (1997), a auto-organização é uma forma viva de inter-relações

existentes no interior do organismo que, além de mantê-lo vivo, estrutura-o, sem, para

isso, depender da estrutura física dos seus componentes.

No entendimento de Wolf & Holvoet (2005) auto-organização é um processo dinâmico

e adaptativo, onde os sistemas adquirirem e mantêm a sua estrutura, sem controle

externo. A estrutura pode ser espacial, temporal ou funcional. Nenhum controle

externo refere-se à ausência de direcção, manipulação, interferência ou participação e

pressões vindas de fora do sistema. Isto não exclui informações provenientes do

exterior do sistema, desde que não sejam instruções de controlo (Wolf & Holvoet,

2005).

A auto-organização ou organização espontânea é a propriedade dos sistemas

complexos de se estruturarem sem um controle central. Este estudo foi originalmente

desenvolvido por Ilya Prigogine, ao estudar as estruturas dissipativas que

confrontaram a Segunda Lei da Termodinâmica. Segundo esta lei, em sistemas

fechados existe uma entropia (desordem, perda de energia) que tende a crescer com o

passar do tempo, levando o sistema a uma desordem crescente, o que conduziria os

sistemas a um processo contínuo de desordem, sem qualquer possibilidade de

reverter tal processo, isto é, sem hipóteses de se obter novamente a ordem (Prigogine,

2004).



Ao contrário desta lei, Prigogine (Gleiser, 2002), descobriu que os sistemas complexos,

ao entrarem em processo de desequilibro, iniciam um outro processo interno no

sentido da auto-organização, um estado de instabilidade com criatividade e

capacidade de adaptação, criando espontaneamente uma nova ordem a partir de uma

desordem. Este processo torna o sistema complexo capaz de resistir às influências do

meio externo. Tudo isso, consequência da aprendizagem, que permite a auto-

organização partir das mudanças.

Como exemplos, Gleiser (2002) cita a economia capitalista, onde os indivíduos se

organizam num mercado, onde há compradores e vendedores; um bando de aves que

ao migrar de um local para outro se auto-organiza inconscientemente em forma de

uma flecha para obter maior aerodinâmica; e a diferenciação das células em que os

genes se organizam de tal forma que se tornam células para o coração ou para o

cérebro.

Tudo isso acontece pela interacção das partes individuais a nível local que leva a gerar

uma propriedade global, total, que não seria possível de se prever com o

conhecimento das partes individuais separadamente. Dessa forma, “[…] as partes

individuais afectam o comportamento do sistema como um todo, mas também são

afectadas por ele. O efeito feedback é então responsável pela adaptabilidade do

sistema ao meio […]” (Gleiser, 2002).

No entendimento de Agostinho (2003) a possibilidade de auto-organização surge uma

vez que os numerosos agentes que compõem o sistema são elementos activos.

Possuem autonomia para orientarem as suas acções de acordo com o que apreendem

da interacção com o ambiente. Estes agentes estão livres para colocarem em prática a

sua capacidade de aprendizagem e adaptação (Agostinho, 2003). Refere também que

o sistema se auto-organiza a partir da condição de não-equilíbrio, no sentido de que o

comportamento resultante não é determinado por alguma força externa, mas emerge

da própria dinâmica do sistema, o qual se esforça para fazer frente às restrições que

sofre (condição de não-equilíbrio).

Para Morin (2004), no universo actuam, de modo complementar, concorrente e

antagónico, a ordem, a desordem e a organização. Nesse sentido, existe um processo

de auto-organização viva. Segundo o autor, “[…] toda evolução é fruto do desvio bem-



sucedido cujo desenvolvimento transforma o sistema onde nasceu: desorganiza o

sistema, reorganizando-o, num complexo de ordem, desordem e organização”. Morin

(2004) indica que “[…] há uma espécie de luta entre um princípio de ordem e dum

princípio de desordem, mas também uma espécie de cooperação entre ambos,

cooperação da qual nasce [...] a ideia da organização”. Assim, o que deve ser

considerado é o jogo entre a ordem, a desordem e a organização.

A organização, segundo Morin (2005), transforma, produz, mantém, considerando que

ela assegura solidariedade e solidez relativa às ligações dos elementos componentes

de um todo, o que assegura ao sistema uma certa possibilidade de duração apesar das

perturbações aleatórias.

As perturbações aleatórias, que apresentam um carácter de novidade ao estado

global, consideradas como qualidades emergentes, nascem das associações ou

combinações entre os elementos, levam o sistema a construir e reconstruir a sua

autonomia, ou seja, a se auto-organizar (Morin, 2004).

A auto-organização, segundo Morin (2004), é a capacidade que o sistema possui de se

transformar sempre, ou seja: reorganizar. Essa reorganização, como salienta Moraes

(2004), pressupõe autonomia, interactividade e interdependência entre os

componentes do sistema e implica no surgimento de novas estruturas e novas formas

de comportamento, a partir de uma cooperação global.

Assim, de acordo com Moraes (2004), “[…] para que haja auto-organização é preciso

que haja perturbações, desafios, problemas e turbulências que estimulem uma reacção

do organismo em relação ao seu meio ambiente”.

Morin (2004) amplia o conceito para auto-eco-organização ao conceber o sistema

como uma organização viva, rodeada por um ecossistema, que necessita ser

considerado no seu ambiente. Como os sistemas operam em rede, uma característica

dos sistemas complexos (Johnson, 2003) e envolve o aparecimento de padrões de

comportamento em larga escala, que não são necessariamente determinados em

micro-escala (Monge & Contractor, 2003), na qual cada componente ajuda a produzir e

a transformar os outros, o fluxo constante de energia e matéria que ocorre dentro e



fora do organismo permite a sua adaptação, desenvolvimento e evolução, mantendo a

circularidade global da rede.

Um sistema é auto-eco-organizador porque se auto-organiza, se autoproduz a partir de

suas relações com o meio, tendo, ao mesmo tempo, necessidade de extrair do meio

exterior energia, matéria e informação, ou seja, os próprios componentes constituintes

da sua organização, o que lhe confere uma condição autopoiética (Moraes, 2004).

Segundo Moraes (2004) cada organismo tem a capacidade intrínseca de se auto-

organizar e reconstruir-se. O acto de conhecer e aprender requer interpretação,

criação e auto-organização por parte de quem o pratica, normalmente sujeitos activos

na interacção com o mundo e a realidade que os cerca, assim, as situações de

desequilíbrio, que requerem processos de auto-organização, são produtivas no

desenvolvimento da aprendizagem.

7.2.2. As propriedades/características da auto-organização

No entendimento de Oliveira (2006) os sistemas auto-organizados possuem cinco

propriedades relevantes:

1. Inexistência de controlo exterior � “Apesar de um sistema poder interagir com

o ambiente e, portanto, receber informação, tal, não é na forma de um modelo

de comportamento ou orientação de controlo. Pode ser apenas composta de

sinais que não especificam o comportamento e para o qual o sistema reage. A

reacção do sistema é, então, autónoma, resultante da especificação do

componente interno. Portanto, a organização do sistema não pode ser

externamente especificada. Isto não exclui todas as interacções com o meio

ambiente e assim o sistema irá eventualmente modificar a sua organização em

reacção a um ou mais parâmetros ambientais ou estímulos externos, como

referenciado em Parrish & Edelstein-Keshet (1999). No entanto, esses

parâmetros não devem conter ou expressar qualquer semântica específica

sobre a organização do sistema.”

2. Aumento da ordem � “O sistema vai aumentar a ordem como resultado da

auto-organização. Entretanto, a ordem não pode aumentar indefinidamente,

nem o sistema fica nessa configuração de ordem superior permanentemente. A



ordem pode às vezes diminuir como resultado de factores intrínsecos ou

extrínsecos. Bennett (1988), propôs que a auto-organização é o aumento

espontâneo na mesma organização […]. Um aumento da complexidade

também tem sido proposta como alternativa, especialmente porque pode ser

estabelecida uma relação directa entre a complexidade e organização (Shalizi &

Shalizi, 2005).”

3. Adaptabilidade � “Um sistema de auto-organizado deve ser robusto contra

perturbações e, portanto, adaptar-se às mudanças.”

4. Interacção � “Um sistema auto-organizado é necessariamente composto de

vários elementos. O comportamento resultante do sistema deve implicar uma

relação de acções para produzir um comportamento organizado, sob algum

critério. Sem interacção, os componentes seriam apenas um grupo de entidades

independentes incapaz de qualquer comportamento coerente. A interacção

pode ocorrer directamente entre os elementos ou através do ambiente

(Anderson, 2002). […] A interacção pode ser cooperativa ou competitiva. A

competitiva acontece sempre que a auto-organização é necessária para

compartilhar um recurso entre os componentes do sistema.”

5. Assincronismo � “Assincronismo significa que não há forma de sincronização

global. Em qualquer sistema físico, um sinal, leva tempo a se propagar.

Estímulos externos não serão percebidos ao mesmo tempo por todos os

componentes do sistema auto-organizado. […] Assincronismo implica que cada

componente pode perceber e reagir a um sinal com tempos que pode ser um

pouco diferente de outros componentes. Esta variabilidade é resultado de

flutuações do ruído e falta de propagação do sinal instantâneo.”

Wolf & Holvoet, (op.cit.) apresentam como características:

1. Aumento da Ordem � “Uma característica importante de auto-organização é a

"organização" como conceito. Calresco.org descreve organização como a

configuração de partes seleccionadas de modo a promover uma função

específica. Isto restringe o comportamento do sistema, de tal forma o confina a

um pequeno espaço. Esta pequena região de espaço é denominada de atractor.



Em essência, a organização pode ser encarada como um aumento na ordem do

comportamento do sistema que permite que o sistema de adquirir um espacial,

temporal, ou estrutura funcional. Note que nem todo sistema que tem um

aumento na ordem precisa ser auto-organização. Autonomia completa do

comportamento também é necessária. Em Shalizi (2001), uma abordagem mais

formal é utilizada para definir a auto-organização. O autor utiliza a noção de

complexidade estatística […]. Um aumento na estatística complexa é

considerado uma condição necessária de auto-organização. A estatística

complexa mede a quantidade média de memória histórica armazenada no

processo. Esta formulação abrange uma série de outras definições encontradas

na literatura. Por exemplo, "o arranjo das partes seleccionadas" implica que o

acordo é uma espécie de memória histórica do processo que se torna maior

quando mais e mais partes estão dispostas. Um aumento na ordem implica que

estes sistemas começaram a partir de condições iniciais semi-organizadas ou

completamente aleatórias (ou seja, sem memória histórica). Existe também do

comportamento do sistema tornar-se menos ordenados (ou seja, perde

memória histórica), como resultado de uma mudança. Ambas as situações

deixam espaço para um aumento da ordem através do processo de auto-

organização. A formulação "a fim de promover uma função específica" em

Calresco.com é importante. Sistema sem ordem pode não apresentar um

comportamento útil, mas, um sistema com demasiada ordem pode ter esse

problema. É possível que organize os processos em condições tão complexas

que nenhuma funcionalidade útil resulte daí. Ou seja, pode haver muita

memória histórica. Os sistemas entre eles, no limite da ordem e do caos, podem

apresentar uma forma mais flexível de comportamento organizado. Portanto, a

auto-organização precisa de encontrar um equilíbrio entre ordem e pouca

ordem.”

2. Autonomia � “Nem todo o aumento de ordem é auto-organização. A segunda

característica importante de auto-organização é a ausência de controle

externo. Um sistema deve organizar, sem interferências exteriores. Outras

formulações são: "sem um agente externo que a impõe", "espontânea, ou seja,



dirigida por um sistema externo", etc. A falta de controle externo e autonomia

significa que […] as entradas não são instruções de controle de fora do sistema.

Por outras palavras, o fluxo normal de dados de entrada são permitidos, mas a

decisão sobre o que fazer a seguir deve ser feita completamente dentro do

sistema, ou seja, o sistema é autónomo. A noção de "fronteira de um sistema"

torna-se muito importante aqui. Para ser capaz de dizer se um determinado

sistema é auto-organização, é preciso primeiro definir claramente os limites do

sistema. Precisamos separar o interior do exterior.”

3. Adaptabilidade e Robustez (no que diz respeito a mudanças) � “Nos sistemas

de auto-organizados, a robustez é utilizada em termos de adaptabilidade, na

presença de perturbações e de mudança. Um sistema auto-organizado lida com

essa mudança e mantém a organização autónoma. Por outras palavras, é

necessário um comportamento adaptável auto-gerado, e tendo em conta as

experiências do passado pode ser útil formular esta adaptabilidade como: "uma

mudança no ambiente pode influenciar o mesmo sistema a gerar uma tarefa

diferente, sem qualquer alteração nas características comportamentais dos

seus constituintes". Esta adaptação implica a necessidade de o sistema ser

capaz de apresentar uma grande variedade de comportamentos. Auto-

organização exige a evolução para um atractor determinado no espaço de

estado (ou seja, para um determinado comportamento organizado). Existem

diferentes tipos de atractores, desde um ponto atractor que permite apenas um

comportamento, um ciclo limite que permite um comportamento periódico, um

atractor caótico, que permite uma variedade de comportamentos. Para ser

adaptável, o sistema precisa fazer uma selecção entre os comportamentos e, ao

mesmo tempo considerar uma variedade de comportamentos. Contudo, muita

variedade, como o atractor caótico, torna o sistema incontrolável. Demasiada

selecção, como o ponto atractor, resulta num sistema que não é

suficientemente flexível. Isso está relacionado ao equilíbrio do sistema no limite

do caos, a fim de ser capaz de promover uma função específica. Por exemplo, as

condições iniciais de um sistema podem suportar múltiplas funções (atractor

caótico, por exemplo), mas é necessário que haja pressões selectivas para



concentrar os resultados. Por exemplo, um sistema que possui um atractor

caótico pode equilibrar o seu comportamento numa parte específica desse

atractor.”

4. Dinâmicos (longe de equilíbrio) � “Uma propriedade essencial da auto-

organização é o facto de ser um processo. Com o tempo, há um aumento na

ordem, ou seja, uma dinâmica para uma maior ordem. Relacionadas com a

adaptabilidade necessária num contexto em rápida mutação, o comportamento

de auto-organização deve ser dinâmico. Alterações influenciam a estrutura

organizada. Para manter essa estrutura, é necessário que haja uma dinâmica

constante que lide com essas mudanças. Noutras palavras, o sistema precisa

ser “longe de equilíbrio”, a fim de manter a estrutura. Prigogine (op.cit.)

considera de “longe do equilíbrio” como um dos requisitos deduzidos

matematicamente. O sistema “longe do equilíbrio” é mais frágil e sensível às

mudanças no ambiente, mas também mais dinâmico e capaz de reagir.”

Quadro 7. As diferentes características/princípios da auto-organização

Oliveira (2006) Wolf & Holvoet. (2005)

Inexistência de controle exterior X X

Aumento da ordem X X

Adaptabilidade X X

Interacção X

Assincronismo X

Dinâmica X

As diferentes características/princípios da auto-organização encontram-se sumarizados neste quadro, que ilustra como a revisão bibliográfica efectuada permite uma visão geral das suas características/princípios.

7.2.3. A auto-organização baseada no conceito de hierarquia

A auto-organização, baseada no conceito de hierarquia, possui Herbert Simon (1969)

como principal investigador. Este autor desenvolveu estudos sobre a construção de

uma arquitectura para a complexidade, utilizando o conceito de hierarquia.

Simon (1969) destacou, que a hierarquia é uma característica da organização que

permite edificar uma arquitectura da complexidade. Na discussão à volta das questões

que levam a complexidade a apresentar forma hierárquica, destacou-se a relação



entre a estrutura de um sistema complexo e o tempo necessário para ele emergir

através de processos evolutivos. Explorou as propriedades dinâmicas dos sistemas de

organização hierárquica, realçando a possibilidade de decomposição em subsistemas

possibilitando a análise e descrição do seu comportamento. Referenciou também a

tendência natural dos sistemas complexos de assumirem a forma de hierarquia sem a

ajuda de um elemento idealizador.

Este conceito de hierarquia pode ser observado em todos os tipos de sistemas, sejam

eles naturais ou artificiais.

A célula é um bom exemplo: as células formam tecidos � os tecidos formam órgãos

� os órgãos formam sistemas. Considerando a célula como um sistema maior,

observa-se que ela se divide em vários subsistemas (núcleo, membrana celular,

microssomas, mitocôndrias) que interagem uns com os outros de modo recursivo e

regular.

Nos sistemas sociais, o conceito de hierarquia pode ser percebido pelo processo de

construção das sociedades históricas: da nação à província � da província à comuna

� da comuna aos lares (Morin, 2002).

A interacção é um conceito essencial na compreensão da evolução dos sistemas com

estrutura hierárquica. Nos sistemas físicos e biológicos, por exemplo, as relações

hierárquicas são espacialmente dispostas e identificadas em função de sua localização

física. Quanto mais próximos os sistemas, mais interferência exercem uns sobre os

outros. Já nos sistemas sociais, as relações hierárquicas são identificadas pela

intensidade das interacções ocorridas entre as entidades, independentes da posição

em que estão situadas em relação umas às outras (Simon, 1969).

Nesse sentido, Axelrod & Cohen (2000) ressaltam que, quaisquer que sejam os

sistemas, os padrões de interacção associam proximidade e activação (como o sistema

é despertado para interagir). Eles discutem a existência de dois tipos de activação:

interna e externa ao sistema. A activação interna é desencadeada por processos

constitutivos ao sistema analisado, sem necessariamente existir um estímulo externo

que o direccione. A activação externa é desencadeada por oportunidades vindas de

estímulos do ambiente exterior; pode ser intensa ou difusa. A activação externa



intensa não privilegia a variedade, explora uma oportunidade pormenorizadamente

por um longo período de tempo, enquanto preserva um intenso aprofundamento no

conhecimento da mesma questão. Já a activação externa difusa privilegia a variedade,

utilizando muitas oportunidades externas, mas sem se aprofundar em nenhuma delas.

Pode-se notar que a evolução dos sistemas complexos, a partir do processo

hierárquico, ocorre pela formação de subsistemas básicos, intermediários e superiores

e pelas suas interacções em diferentes níveis. Para ascender de um nível mais baixo

para um nível mais alto, os subsistemas precisam adquirir estabilidade. Para Morin

(2003) "[…] a organização hierárquica possibilita a constituição, em cada nível, de um

patamar estável que, por esse fato, torna-se a base da constituição de um nível

superior, que por sua vez pode se tornar a base de um novo nível.”

A estrutura hierárquica, também, é útil para facilitar a descrição da complexidade de

um sistema. Por ser hierárquico, o sistema apresenta uma certa redundância na

variedade dos seus subsistemas, diferindo apenas nas combinações e arranjos

formados.

7.2.4. Autopiese

O processo de auto-organização, baseado no conceito de autopoiese, é representado

pela organização dos sistemas vivos, que possuem a propriedade de auto referência.

Esta propriedade possibilita a auto produção e a auto manutenção das condições

necessárias à existência da vida em situações de não-equilíbrio (Maturana & Varela,

2001).

Os seres vivos são sistemas naturais, organizados dinamicamente, comprometidos, por

um lado, com a determinação, a repetição, a regularidade e a redundância, por outro,

com a incerteza, o aleatório, a variedade, a improbabilidade e a complexidade. Esse

tipo de organização dinâmica que caracteriza os seres vivos, mediado, por um lado, de

ordem e, por outro lado, de desordem, denomina-se auto-organização. Por isso, os

sistemas vivos, em geral, podem ser definidos por sua organização autopoietica, que

consiste numa rede de processos, os quais se produzem a si mesmos (Maturana &

Varela, 2001).



O estudo da organização autopoietica teve início com a descoberta feita por Maturana

(1980) de que o sistema nervoso funciona como uma rede fechada de interacções,

seguindo uma lógica circular. A partir de então, considerou-se a organização circular

como a organização básica de todos os sistemas vivos. Nesse ambiente, as mudanças

no sistema ocorrem seguindo a circularidade, facto que leva à constatação de que os

componentes da organização podem ser produzidos e mantidos por ela própria.

Maturana também evidenciou que, além de auto-organizador, o sistema nervoso é

continuamente auto referente, considerando o processo de cognição como um reflexo

da realidade interior de cada ser vivo.

Maturana & Varela (2001) são os principais representantes da teoria da autopoiese, o

desenvolvimento da qual ocorreu, oficialmente, a partir da percepção de que os seres

vivos, além dos seus processos internos, são afectados pelas interacções com o

ambiente. Assim, eles são, ao mesmo tempo, organizacionalmente fechados e

estruturalmente abertos à captação de energia e recursos do meio exterior.

A organização é definida como as relações necessárias ao funcionamento de um

sistema, e a estrutura é o suporte físico para a ocorrência dessas relações.

Maturana & Varela (2001) observam que um sistema autopoiético passa por contínuas

modificações estruturais, enquanto preserva o seu padrão de organização circular. Os

componentes da rede estão continuamente a produzirem-se e transformarem-se, de

duas maneiras distintas.

• O primeiro tipo de mudança estrutural é a mudança cíclica da auto-renovação,

processo que ocorre sistematicamente em todos os organismos vivos. Apesar

disso, o organismo mantém a sua identidade, o seu padrão de organização global;

• O segundo tipo de mudança estrutural, em sistemas vivos, é o resultado da

dinâmica interna do sistema.

A interacção do sistema vivo com o ambiente, segundo a teoria da autopoiese,

manifesta-se por meio do acoplamento estrutural. Ou seja, ocorre através de

interacções recorrentes e estáveis, cada uma das quais desencadeando mudanças

estruturais no sistema vivo. Mesmo assim, o sistema permanecerá autónomo, já que o



meio ambiente, apenas, desencadeia as mudanças, mas não específica, nem as dirige

(Maturana & Varela, 2001, 1997; Capra, 1996).

Segundo Maturana & Varela (1997), todos os fenómenos biológicos resultam, directa

ou indirectamente como consequência de diferentes contingências históricas na

realização da autopoiesis de pelo menos um ser vivo.

A autopoiesis do sistema organizacional é consequência das contingências históricas

de pelo menos um membro da organização. No sistema organizacional tradicional, cuja

característica básica é a liderança autocrática, o modelo mental de um indivíduo (suas

percepções e valores), pode determinar a evolução da organização.

O comportamento de um agente e o seu papel na rede de agentes que integra não

permanece estático, muda ao longo da sua ontogenia (que é a história do

desenvolvimento de um organismo ao longo de toda a sua vida) de uma maneira

subordinada à ontogenia do sistema estratégico organizacional, já que são produto e

causa das mudanças que a rede de agentes e a organização sofrem.

Segundo Maturana & Varela (1997), a ontogenia é a história da transformação de uma

unidade. Em consequência, a ontogenia de um sistema vivo é a história da

conservação de sua identidade através de sua autopoiesis continuada no espaço físico.

Ainda que num sistema autopoiético todas as trocas são determinadas internamente,

para um observador a sua ontogenia reflecte em parte a história de suas interacções

com um ambiente independente. Em consequência, dois sistemas autopoiéticos

equivalentes em outros aspectos podem ter ontogenias diferentes.

Segundo Maturana & Varela (1997), os seres vivos são sistemas determinados na

estrutura, e, como tal, tudo o que acontece surge como uma mudança estrutural

determinada também a cada instante, segundo a estrutura do momento. Significa que

as regularidades, padrões arquétipos de comportamentos e regularidades observadas,

são específicos de um determinado sistema organizacional, não podendo ser

generalizado para outras estruturas, porque cada organização tem o seu próprio senso

de identidade, ou seja, seu processo de auto-referência, determinado pela sua

ontogenia.



Para Maturana & Varela (2001), a autopoiese está baseada numa concepção circular e

auto-referencial dos processos. A ideia é simples: somente uma circularidade do tipo

da autopoiese pode ser a base de uma organização autónoma. O mecanismo da auto-

organização é esclarecido como autopoiese ao que estabelecer uma relação entre

auto-organização e autonomia.

Figura 24. Representação esquemática da Circularidade � Identidade � Organização

Adaptado de Bauer (1999)

7.3. A Emergência

No entendimento de Fuller et. al. (2008) a velha ordem económica encontra-se

destruída, e a nova conjuntura é criada em contextos que estão longe do equilíbrio.

Nesse sentido, a emergência é uma metáfora poderosa que pode capturar novas

estruturas de forma inovadora, em termos gerais, a conjugação de forças pode

produzir um resultado que seja superior à soma das suas componentes isoladas (Fuller

et. al, 2008).

Emergência pode ser considerada como a produção de padrões globais de

comportamento dos agentes que interagem num sistema complexo de acordo com as

suas próprias regras de comportamento, sem preocupação com os padrões globais de

comportamento que surgem. Na emergência, os padrões globais não podem ser

previstos com base nas regras locais de comportamento que os produzem. Dito de

outra maneira, os padrões globais não podem ser reduzidos a comportamentos

individuais (Stacey, 1996).

Para Baskerville et al. (1992) a emergência da organização é caracterizada pelo facto

de estar em constante mudança, não seguindo um padrão pré-definido e nunca

alcançar um estado estacionário. A emergência da ordem em todo o sistema é vista

IDENTIDADE ORGANIZAÇÃO



como um processo co-evolutivo decorrente da interacção entre agentes heterogéneos

no sistema e é caracterizada pela mudança constante, a dependência mútua entre os

agentes (Holland, 1998; Lichtenstein, 2000a) e a sensibilidade às condições iniciais

(Gleick, 1987). Para Holland (1998) emergência é " […] acima de tudo, um produto

associado a interacções dependentes do contexto".

Para Wolf & Holvoet (2005) existem quatro escolas centrais que influenciam a forma

como a emergência é estudada nos sistemas complexos:

1. Teoria dos sistemas adaptativos complexos � que se tornou famosa no Santa

Fé Institute, e que usa explicitamente o termo "emergência" para se referir ao

padrões de nível macro resultante da interacção dos agentes;

2. Teoria não-linear dos sistemas dinâmicos e teoria do caos � que promulga o

conceito de atractores, ou seja, o comportamento específico em que o sistema

evolui. Um tipo de atractor é o chamado atractor estranho que Newman (1996)

classifica como um autêntico fenómeno emergente;

3. A escola sinergética � que iniciou, entre outros, o estudo da emergência em

sistemas físicos. Descreve a ideia de um parâmetro ordenante que influência o

nível macro do fenómeno coerente exibido no sistema (Haken, 1981);

4. Longe do equilíbrio termodinâmico � que foi introduzido por Ilya

Prigogine e que se refere aos fenómenos emergentes como estruturas

dissipativas decorrentes de condições de longe do equilíbrio (Nicolis, 1989).

Em suma, o uso do conceito de emergência refere-se a duas importantes

características: um comportamento global que surge a partir das interacções das

partes locais, e que o comportamento global não pode ser rastreado das partes

individuais (Wolf & Holvoet, 2005). Como definição os mesmos autores atribuem: “um

sistema exibe emergência quando há emergentes (entendido como o resultado do

processo de emergência: propriedades, comportamento, estrutura, padrões)

coerentes a nível macro (o todo) que dinamicamente surgem a partir das interacções

entre os componentes do nível micro (agentes, indivíduos) ”.



Segundo Serugendo et. al. (2006) um sistema ou mecanismo para fornecer fenómenos

emergentes deve ter pelo menos dois níveis. O sistema deve apresentar uma dinâmica

durante o seu tempo de vida. Porque é um fenómeno emergente observável durante o

tempo, precisa de uma forma de auto-equilíbrio. No entanto, não é um equilíbrio

homeostático, mas dinâmico. Emergência ocorre num intervalo muito estreito situado

entre as condições que são muito ordenadas e muito desordenadas. Esta fronteira ou

margem é o limite do caos (Kaufman & Johnsen, 1992), que se encontra longe do

equilíbrio. Na proximidade do equilíbrio, um sistema tem a capacidade de auto-

organização que permite a emergência de um fenómeno (Serugendo et. al., 2006).

As organizações podem ser definidas como sistemas adaptativos complexos sociais

que evoluem e produzem comportamentos emergentes de uma forma imprevisível

(McKelvey, 1997; Mitleton & Kelly, 2003). Nos sistemas complexos produzem-se

padrões comportamentais e propriedades que não podem ser previstos pelo

conhecimento das suas partes isoladas (Heylighen, 2008).

Heylighen (2008) refere:

“Ao contrário do individualismo das partes, propriedades emergentes caracterizam o

padrão de interacções ou relações entre elas. Incluem aspectos tipicamente globais ou

"holísticos", tais como a robustez, a sinergia, a coerência, a simetria e função.

Diferentes atractores implicam diferentes propriedades para o sistema de obediência.

Uma vez que não pode ser previsto à priori qual o atractor do sistema determinante, as

propriedades emergentes do todo não pode derivar a partir das propriedades das

partes isoladamente.

Por outro lado quando o sistema tem o atractor estabilizado, o comportamento das

partes é bastante regulamentada ou restringida pelas propriedades do conjunto de

nível superior. Denomina-se de nexo de causalidade descendente. Por exemplo, os

idiomas utilizados pelos humanos não são determinados pela neurofisiologia do

cérebro, mas pela auto-organização de léxicos comuns e regras gramaticais dentro de

uma comunidade particular.

Apesar da auto-organização como um todo ser intrinsecamente estável, é

suficientemente flexível para lidar com perturbações exteriores. Estas perturbações



podem levar o sistema para fora do seu atractor, mas desde que o desvio não seja

muito grande, o sistema retornará automaticamente ao mesmo atractor. No pior dos

casos, o sistema é empurrado para dentro de uma bacia diferente, ao encontro de um

atractor diferente. Nesse sentido, um sistema auto-organizado é intrinsecamente

adaptável: mantém a sua organização básica, apesar da evolução contínua no seu

ambiente. Como se observa, as perturbações podem até mesmo tornar o sistema mais

robusto, ajudando-a a descobrir uma organização mais estável.”

Emergência engloba não só a criação (a origem), mas também a contínua recriação ao

longo do tempo (a metamorfose) de novas populações organizacionais; a novidade e a

metamorfose estão intimamente vinculadas: emergência é um processo

transformador, e a metamorfose é um processo emergente (Leifer, 1989).

A emergência é exemplificada por Baranger (1999) da seguinte forma: o corpo humano

é capaz de caminhar. Esta é uma propriedade emergente. Contudo, estudando-se

somente a cabeça, somente o tronco ou somente os membros de uma pessoa, não

haverá a compreensão da capacidade de caminhar.

“Emergência, então, não pode ser controlada, prevista ou controlada. Não existem

alavancas que possam ser puxadas para dar um determinado tipo de resultado

emergente. Mas, ainda assim, duas questões permanecem, que são fundamentais para

os interessados na vida organizacional e na mudança: a emergência pode ser facilitada

e pode ser influenciada?” (Seel, 2007).

Caso a emergência possa ser facilitada, será através das suas propriedades. As

propriedades emergentes são as mais evidentes características que distinguem um

sistema complexo de um sistema complicado (Casti, 1994).

Segundo Morin (1977), as emergências são as qualidades ou propriedades de um

sistema que apresentam um carácter de novidade com relação às qualidades ou

propriedades dos componentes isolados ou dispostos diferentemente num outro tipo

de sistema. A emergência apresenta três pressupostos (Morin, 1997):

1. O todo é mais do que a soma das partes � o sistema possui algo mais do que

os seus componentes considerados de modo isolado. A sua organização, a

unidade global, as qualidades e novas propriedades que emergem da



organização e da unidade global. Estes termos estão enlaçados e são difíceis de

separar. Morin (1997) destaca as emergências globais, ressaltando que todo o

estado global apresenta qualidades emergentes. A realidade da emergência

comporta a ideia de qualidade, produto, globalidade e novidade. Tais ideias

precisam de estar interligadas para se compreender a emergência. A

emergência da realidade é imprevisível, fisicamente irredutível e perde-se caso

o sistema se dissocie;

2. O todo é menos do que a soma das partes � toda a organização comporta

diversos níveis de subordinação quanto aos componentes. Em todo sistema, há

coesões sobre as partes. Estas impõem restrições e servidões, que fazem

perder ou inibir qualidades e propriedades. Nesse sentido, o todo é, portanto,

menos do que a soma das partes. Deve-se considerar, no sistema, não somente

o ganho de emergências, mas também a perda, por imposições, repressões e

subordinações. Um sistema não é apenas enriquecimento, é, também,

empobrecimento. Por isso, é essencial observar em que proporções existem

enriquecimento e empobrecimento;

3. A formação do todo e as transformações das partes � um sistema é um todo

que ganha forma ao mesmo tempo que os seus elementos se transformam. A

ideia de emergência é inseparável da ideia de criação de uma nova forma que

constitui um todo. A organização transforma uma diversidade descontínua de

elementos numa forma global. Por fim, a emergência da emergência faz surgir

a globalidade.

Seel (2007) a partir da premissa que a mudança organizacional é fruto da mudança nos

padrões das relações entre aqueles que são membros das organizações (e também de

novos padrões de interacção com o ambiente), e dos trabalhos realizados por

Prigogine & Stengers (1984), Chris Langton (1986), Stuart Kauffman (1995), Ralph

Stacey (1996), John Holland (1995, 1999) e Albert Barabási (2002) por sugere sete

propriedades:

1. Conectividade � a conectividade é essencial para as relações inter-agentes e

entre estes e o meio ambiente. Existem padrões de conexão “cristalizados” que

sem um aumento da conectividade não se alteram (Seel, 2007). Apesar do



trabalho de Kauffman (1995) mencionar que demasiada conectividade pode

inibir a emergência isso raramente é um problema nas organizações.

Construção de conexões, especialmente através das fronteiras é vital para a

preparação de uma organização para a mudança (Seel, 2007);

2. Diversidade � a diversidade é crucial para a emergência ocorrer, é necessário

um aumento da diversidade para a mudança ocorrer. Quanto maior a

diversidade de uma organização, maior é o "espaço possível", a explorar. O que

é necessário é a diversidade de todos os tipos, cultural, intelectual e emocional.

Diversidade, por si só, não dará origem a padrões emergentes, na verdade,

pode levar à anarquia e ao conflito. Mas, em concertação com as outras

condições que tem um papel vital a desempenhar (Seel, 2007);

3. Taxa de fluxo de informação � a conectividade possibilita a comunicação,

contudo, é necessário a interacção entre os agentes. Existe uma analogia entre

as organizações e as estruturas dissipativas (Prigogine & Stengers, 1984).

Nestas estruturas há uma transferência de energia constante e estável apesar

de poderem estar em condições longe do equilíbrio. Quando uma estrutura

dissipativa atinge uma nova ordem, requer mais energia ou informações para

sustentá-la e a estrutura mais simples é substituída. Em termos de fluxo de

informação, um sistema estável pode ser mantido com um fluxo lento, mas um

sistema operacional longe do equilíbrio necessita de um fluxo mais vigoroso e

rico (Seel, 2007);

4. Inibidores � Muita ou pouca ansiedade inibe a emergência (Stacey, 1996).

Níveis de diferenciais de poder no sistema quando são muito altos ou muito

baixos, também podem inibir a emergência. Emergência pode ser suprimida

por aqueles que têm poder e que se sentem ameaçados com as possibilidades

implícitas nas novas formas de organização. Os agentes também resistem se se

sentirem muito ansiosos sobre a mudança ou se sentirem que a mudança põe

em causa a identidade do núcleo organizacional a que pertencem (Seel, 2007);

5. Boas Fronteiras (limites) � Parecem ser necessárias para a emergência

ocorrer. Estas podem ser os prazos, metas e intenções claras, as prescrições

sobre a duração ou tamanho, e assim por diante. O factor comum parece ser a



existência um “espaço bem delimitado" em que a emergência pode ocorrer

(Seel, 2007);

6. Intencionalidade � Intenção, parece desempenhar um papel na emergência

dos sistemas sociais, especialmente no encorajamento de resultados. O

trabalho de Cooperrider (1990) sobre a forma como as intenções positivas

podem levar a resultados positivos sugere que é possível influenciar o amplo

sentido de emergência. No entanto, tem que ser reconhecido que a intenção

não é uma propriedade intrínseca do agente. Em vez disso, é o resultado de

interacções com outros agentes. Intenção, portanto, pode ser pensada como

uma propriedade emergente criada a partir das interacções dentro de um

sistema social que, em seguida, realimenta o sistema e influencia o seu

desenvolvimento futuro. Em particular, ela influencia o modo em que pelo

menos um dos agentes se comportará no futuro (Seel, 2007);

7. Antecipação Vigilante � A clausura prematura pode inibir a emergência, ou

pelo menos impedir a sua floração plena e posterior alimentação contínua do

desenvolvimento do sistema. A emergência não pode ser apressada, exige uma

espécie de espera expectante e uma sensibilidade para o momento (Seel,

2007).

Plowman et. al. (2007) apresentam quatro construtos provenientes da teoria da

complexidade essenciais para a compreensão do comportamento emergente e

fornecer um referencial teórico para melhor compreender a mudança: (1) as condições

iniciais, (2) longe do equilíbrio (3), amplificação do desvio, e (4), fractais e

escalabilidade.

1. Condições iniciais � Está-se perante o “efeito borboleta” de Lorenz (1963), já

descrito anteriormente. Vários autores ao aplicarem a teoria da complexidade

nas organizações, descrevem-nas como sistemas com interacções não-lineares

onde pequenas mudanças podem provocar grandes efeitos (Anderson, 1999;

Cilliers, 2000). Lichtenstein (2000), por exemplo, afirmou que "uma ideia

simples pode fornecer a semente de auto-organização, o início de uma nova

configuração” quando um sistema se move para além de certos limites ou

capacidade. A noção de sensibilidade às condições inicial sugere que a



organização não é previsível e que as mudanças em si, são muitas vezes mais

emergentes do que intencionais (Stacey, 1995). Anderson (1999) e outros têm

argumentado que, quando sistemas adaptativos complexos co-evoluem no

limite do caos, pequenas mudanças em cascata podem, desencadear uma

avalanche de mudança (Kauffman, 1995);

2. Estado longe do equilíbrio � A partir do estudo de sistemas químicos,

Prigogine e colaboradores (Nicolis & Prigogine, 1989; Prigogine & Stengers,

1984) estabeleceu que os sistemas químicos não lineares só alteram o seu

estado quando são empurrados para um estado longe do equilíbrio. Quando as

tensões adaptativas aumentam e forçam o sistema para longe do equilíbrio, o

sistema importa energia e informação. Em determinado ponto crítico, a

energia, é dissipada através do sistema, quebrando as simetrias existentes e

cria desordem. No meio deste caos, irregular e imprevisível surgem padrões

denominados de estruturas dissipativas que levam a novas formas de

comportamento e consequentemente novas ordens e estruturas, diferentes

das anteriores. Estas estruturas dissipativas existem enquanto a energia está

continuamente a ser importada e, normalmente, o surgimento de auto-

organização leva a uma nova ordem imprevisível (Kauffman, 1995). Quando as

organizações se afastam do equilíbrio para a instabilidade, podem exibir um

comportamento complexo, isto é, estão em ordem o suficiente para serem

estáveis, mas também cheios de surpresas (Kauffman, 1995), e forças

contraditórias funcionam em simultâneo, a puxar as organizações em

diferentes direcções (Stacey, 1992). Maguire & McKelvey (1999) descreve esta

zona da complexidade como repleta de tensão adaptável, é neste estado que

emergentes de auto-organização e da destruição criativa ocorrem (Stacey,

1995). Uma organização aproxima-se de um estado de longe do equilíbrio

quando os membros têm liberdade suficiente para experimentar novas formas

de produção e estas levam à desordem capaz de se mover através de toda a

organização;

3. Amplificação do desvio � Quando pequenas mudanças ocorrem numa

organização longe do equilíbrio, onde um padrão de forças desestabilizadoras



move-se na direcção da organização intensificando a não-linearidade, as

pequenas mudanças são mais propensas a serem amplificadas por outras

acções e resultarem numa mudança radical não intencional (Thietart &

Forgues, 1995). Uma acção tem um efeito amplificador sobre uma pequena

mudança inicial se a faz maior ou mais forte ou se intensifica a pequena

mudança ou aumenta as suas consequências (Maruyama, 1963; Weick, 1979).

Como os sistemas atingem estados críticos de adaptação, os elementos que

eram independentes tornaram interdependentes (McKelvey, 2001), ou

fortemente acoplados. Quando os sistemas sociais experimentam o stress,

pessoas ou grupos que eram independentes tornam-se altamente

interdependentes, muitas vezes, como resultado de uma crise ou turbulência

de qualquer tipo. Em sistemas altamente interligados, o feedback positivo

reforça um sinal inicial e pode amplificar pequenas mudanças. Wheatley

descreve a amplificação de uma pequena perturbação da seguinte forma:

"Uma vez dentro da rede, esta pequena perturbação circula e alimenta-se a si

própria. Como diferentes partes do sistema se apossam dela, interpretá-lo e

alterá-lo, a perturbação cresce" (Wheatley,1999). A noção de feedback positivo

e seus efeitos amplificadores podem levar a “círculos viciosos" ou "círculos

virtuosos" nas organizações (Masuch, 1985; Sastry, 1997; Weick, 1979);

4. Fractais e escalabilidade � Mandelbrot (1977), pioneiro na ciência da

omplexidade, introduziu o termo "padrões fractais". São estruturas cujos

componentes têm semelhança com a totalidade da estrutura. Estes

componentes, por sua vez, são formados por sub-componentes também

semelhantes ao todo, mas não são exactamente o mesmo. Uma folha de feto

ilustra bem como esse fenómeno ocorre com frequência na natureza. A

observação por meio de um microscópio, percebe-se uma ordem na sua

constituição celular, ao passo que a observação a “olho nu” a uma certa

distância perceber-se-iam as várias folhas do feto como totalmente distintas

uma das outras, numa espécie de forma caótica, que, na verdade, segundo a

Teoria do Caos (de onde vêm os fractais), há uma ordem, uma similaridade

intrínseca. Da mesma maneira que existe o hábito de ver o comportamento de



um indivíduo reflectindo o comportamento do todo. Ao ser mal atendido numa

empresa por um funcionário é comum observar-se a generalização de que a

empresa atende mal, não serve. Esse comportamento individual, para o

observador, é um reflexo do comportamento do todo. Assim, a complexidade é

organizada; os padrões de complexidade observáveis em sub-níveis de um

sistema também são observáveis no todo. Aplicado a organizações, os

conceitos de padrões fractais e escalabilidade significa que, como na natureza,

padrões semelhantes aparecem em vários níveis: indivíduo, grupo e

organização. McKelvey & Lichtenstein (2005) propõem uma teoria sem escala

de emergência, o que sugere que a emergência ocorre no mesmo padrão em

etapas ou níveis de uma organização.

Stepney et al. (2006) numa revisão da literatura acerca das características da

emergência, apresentam:

1. O conjunto (sistema) é superior, e diferente, a soma das suas partes (em

termos de comportamento e outras qualidades) (Aristóteles, 350 ac; Anderson,

1972);

2. A emergência pode, em vários sentidos, ser equiparada a novidade (Bickhard &

Campbell, 2000; Crutchfield, 1994; Ronald et al., 1999);

3. Uma visão processual, no qual as partículas são apenas expressões de

estabilidade processual, é mais útil do que uma visão substântiva (Abbott,

2006; Bickhard & Campbell, 2000; Campbell & Bickhard, 2001), em especial

quando se considerar emergência em sistemas dinâmicos em não-equilíbrio;

4. Os níveis são essenciais: a emergência ocorre num nível superior (Bickhard &

Campbell 2000; Emmeche et al. 1997, Hordijk et al. 1998), ou numa escala de

tempo maior do que aquela em que ocorrem os processos básicos (Burns et al.

2005; Campbell, 1974);

5. A emergência é uma característica que se expressa num nível superior,

provocada pelo nível inferior (Abbott, 2006; Bedau, 1997); sistemas

emergentes podem apresentar uma forma de "causalidade para baixo", onde a



emergência de nível superior influencia a actividade posterior de nível inferior

(Bickhard & Campbell 2000, Campbell & Bickhard 2001);

6. A emergência está relacionada com atractores de sistemas dinâmicos

(Goldstein, 1999; Kauffman, 1993; Newman, 1996,).

Bar-Yam (2004) argumenta que a emergência efectiva é uma consequência de

restrições globais no sistema (por oposição às restrições dos seus componentes ou

partes). Como um subsistema não pode ser entendido de forma isolada a partir do

sistema, um sistema não pode ser compreendido de forma isolada do seu ambiente

(Bar-Yam, 2004).

Wolf & Holvoet (2005) com a finalidade de argumentarem a definição de emergência

que propuseram indicam as seguintes características:

1. Efeito Micro-Macro � o efeito micro-macro refere-se ás propriedades,

comportamentos, estruturas, ou padrões que estão situadas a um nível macro

e decorrem das acções (inter) no nível micro do sistema. Chama-se essas

propriedades de "emergentes". O comportamento global do sistema (ou seja,

o emergente) é o resultado das interacções entre as entidades individuais do

sistema.

2. Novidade radical � o comportamento global é um facto novo em relação ao

comportamento individual no nível micro, ou seja, os indivíduos no nível micro

não tem representação explícita no comportamento global. Em termos do

reducionismo este é formulado como: a nível macro emergentes não são

redutíveis (não pode ser reduzida a) às partes a nível micro do sistema (= não

reducionismo). Contudo, afirmar-se que os emergentes não são contemplados

pelo comportamento das partes é um grande mal-entendido. A novidade

radical surge porque o comportamento colectivo não é facilmente entendido a

partir do comportamento das partes. O comportamento colectivo, no entanto,

está implicitamente contido no comportamento das partes, se eles forem

estudados no contexto em que foi encontrado. As propriedades emergentes

não podem ser estudadas pela física, observando unicamente as partes (=



reducionismo). Podem, no entanto, ser estudadas observando cada uma das

partes no âmbito do sistema como um todo.

3. Coerência � refere-se à lógica e consistente correlação entre as partes.

Emergentes aparecem como “todos” integrados, que tendem a manter algum

senso de identidade ao longo do tempo (ou seja, um padrão persistente).

Coerência abrange e correlaciona a separação dos componentes de nível

inferior numa unidade de nível superior, ou seja, correlações entre os

componentes são necessárias para atingir um todo coerente. Esta coerência é

também denominada de "clausura organizacional" (Heyligen, 2002).

4. Componentes Interagindo � os componentes precisam de interagir, o

paralelismo é não é suficiente. Sem interacções, comportamentos

interessantes a nível macro nunca surgiram. Os emergentes surgem a partir

das interacções entre as partes.

5. Dinâmica � em sistemas com emergência, emergentes surgem

com o evoluir do sistema no tempo. Esse emergente é um novo tipo de

comportamento que torna-se possível num determinado ponto no tempo.

Portanto, como uma construção dinâmica pode-se relacionar o aparecimento

de emergentes com o surgimento de novos atractores

em sistemas dinâmicos, ou seja, bifurcações.

6. Controle descentralizado � controle descentralizado usa apenas mecanismos

locais para influenciar o comportamento global. Não há nenhum controle

central, ou seja, nenhuma parte do sistema direcciona o comportamento a

nível macro. As acções dos componentes são controláveis. O todo não é

directamente controlável. Esta característica é uma consequência directa da

novidade radical que é necessária para a emergência. Controle centralizado só

é possível se o componente central do sistema tem uma representação do

comportamento global (por exemplo, um plano).

7. Ligação nos dois sentidos � Nos sistemas emergentes há uma ligação

bidireccional entre o nível macro e o nível micro. A partir do nível micro ao

nível macro, as partes dão origem a uma estrutura emergente. No entanto, a



estrutura emergente influência também os componentes. Propriedades de

nível elevado têm efeitos no nível mais baixo, ou seja, o nexo de causalidade

descendente.

8. Robustez e flexibilidade � a necessidade de controlo descentralizado e

o facto de que nenhuma entidade pode ter uma representação emergente

global, implica que um único componente não pode ser o único ponto de erro.

Os emergentes são relativamente insensíveis a perturbações ou erros.

Aumentar os erros irá diminuir o desempenho, a degradação, mas vai ser

"graciosa": a qualidade da produção irá diminuir gradualmente, sem perda

súbita da função. A substituição ou o erro de um único componente não irá

provocar uma falha completa dos emergentes. Esta flexibilidade faz com que

os componentes individuais possam ser substituídos, mas a estrutura

emergente pode permanecer. Por exemplo, aves em bando ou carros num

engarrafamento podem ser substituído por outras aves ou carros, mas o bando

e o fenómeno do engarrafamento permanecem.

Chiles et al. (2004) num contributo importante para a teoria da organização

mencionam que o surgimento de um novo colectivo organizacional pode ser explicado

através de quatro mecanismos da emergência baseados pelo modelo das estruturas

dissipativas, de Ilya Prigogine e refinado posteriormente por estudiosos da

organização: dinâmica de flutuação, dinâmica de feedback positivo, dinâmica de

estabilização e dinâmica de recombinação.

Como referenciado anteriormente, uma estrutura dissipativa é um estado de ordem

que surge espontaneamente quando um sistema é mantido longe do equilíbrio,

porque a energia é continuamente injectada e dissipou-se com ele (Anderson, 1999).

Essas estruturas não são "coisas concretas", mas "as estruturas do processo" (Juarrero,

1999), as transformações qualitativas periódicas para novas formas de funcionamento

permitem a estrutura dissipativa renovar-se constantemente e permanecer resiliente,

absorve um maior fluxo de energia, e lidar com a complexidade crescente (Leifer,

1989, Smith & Gemmill, 1991).

1. Dinâmicas de flutuação � Crescentes injecções de energia eventualmente

conduzem os sistemas desequilibrados ao limiar da estabilidade, onde uma



pequena flutuação ou uma série de flutuações de energia podem ser

suficientemente fortes para superar as forças defensivas do actual regime e

criar a oportunidade de lançar um novo sistema de ordem (Leifer, 1989). Em

sistemas sociais, as flutuações de energia são representados por novas

actividades, eventos ou recursos que interrompem a ordem existente e

catalisam a emergência de uma nova ordem (Lichtenstein, 2000). Esta ideia de

“ordem através de flutuações" é central para o modelo das estruturas

dissipativas (Prigogine & Stengers, 1984);

2. Dinâmicas de feedback positivo � Uma vez que o limiar de estabilidade é

ultrapassado, feedback loops positivos (ou auto-reforço) facilitam a criação

duma nova ordem ou sistema de configuração (Gemmill & Smith, 1985). O

processo de feedback positivo amplifica as flutuações iniciais, ajudando a nova

ordem a "agarrar e ganhar impulso" (Smith & Gemmill, 1991). Apesar da

ausência de um controlador central, os componentes do sistema (por exemplo,

A, B, C) podem "comunicar", porque eles estão parcialmente conectados numa

rede de feedback loops positivos por meio do qual o fluxo de energia é

repetidamente canalizada (ou seja, A → B, B →C, C → A) (Prigogine & Stengers,

1984);

3. Dinâmicas de estabilização � Estabilizar mecanismos são manobras

importantes na criação de uma nova ordem ou configuração no sistema. A

estabilização destes mecanismos não é no sentido de equilíbrio, mas sim uma

espécie de processo natural que regulamenta a dinâmica do feedback positivo

(Chiles et al., 2004). Processos dissipativos auto-organizados baseiam-se numa

profunda estrutura que serve de quadro de auto-referência na formação de

novidades e guia opções de forma coerente com a história e aprendizagem

acumulada do sistema, preservando a identidade de sistema e principais

padrões de comportamento (Smith, 1986). Estrutura profundas são "semi-

permanentes subestrutura invisíveis", que, diferentemente de muitas

estruturas observáveis, permanecem intactas durante importantes

transformações, assumem a forma de regras sociais básicas que compreendem

"princípios organizacionais e lógica do negócio" fundamentais (MacIntosh &



MacLean 1999), e, estabelecem uma ordem "super ordenada” (Smith, 1986). A

nova ordem emergente é auto referenciada quando baseada em "[…]

princípios, valores e elementos que estão intrínsecos […] do que […] impostos

sem consultar a história e aprendizagem do sistema” (Lichtenstein, 2000). A

auto-referenciação das estruturas profundas proporciona um elemento de

continuidade e estabilidade, reflectindo "pontos de referência" comuns no

sistema, como participantes sustentados, valores e crenças, ou outros

elementos que facilitam a mente colectiva (Smith, 1986);

4. Recombinação dinâmica � A emergência (surgimento) de estruturas

dissipativas implica que alguns dos elementos existentes do regime devem ser

reconstituídos para gerarem novos (Gemmill & Smith, 1985; Smith, 1986).

Gerar esses elementos novos no sistema obriga a reutilização dos elementos

existentes, reorganizados, reconstruídos, novamente aproveitados e

alavancados, e recriados através de uma dinâmica essencial conhecida como

recombinação (Chiles et al., 2004). Recombinação representa uma forma

importante de entender como a auto-organização dos sistemas evolui

(Anderson, 1999) e como a variedade e novidades são geradas (Hodgson,

1997).



Seel (2007)

Plowman et. al. (2007)

Stepney et al. (2006)

Wolf & Holvoet (2005)

Chiles et al. (2004)

Morin (1977)

Conectividade X X

Diversidade X

Taxa de fluxo de informação X

Inibidores X

Boas Fronteiras (limites) X

Intencionalidade X

Antecipação Vigilante X

Condições iniciais X

Estado longe do equilíbrio X

Amplificação do desvio X

Fractais e escalabilidade X

O conjunto (sistema) é superior, e diferente, à soma das suas partes

X X

Novidade X X

Visão processual X

Níveis e Efeito Micro-Macro X X

Causalidade para baixo X

Atractores X

Coerência X

Dinâmica X X

Controle descentralizado X

Ligação nos dois sentidos e Dinâmicas de feedback positivo

X X

Robustez e flexibilidade X

Dinâmicas de estabilização X

Recombinação dinâmica X

O todo é menos do que a soma das partes X

A formação do todo e as transformações das partes X

Este quadro, que ilustra como a revisão bibliográfica efectuada permite uma visão geral das suas características/princípios.

Quadro 8. A Complexidade e os seus paradigmas na gestão.



7.4. Comparar emergência e auto-organização

Existem diferenças entre auto-organização e emergência, ambas sublinham diferentes

características do comportamento de um sistema complexo. Ambos os fenómenos

poderão existir isoladamente e podem co-existir num sistema dinâmico (Wolf &

Holvoet, 2005). A essência da emergência é a existência de um comportamento global

novo em relação aos componentes (agentes, entidades) do sistema. A essência da

auto-organização é um comportamento adaptável que autonomamente adquire e

mantém uma ordem crescente (estrutura) (Wolf & Holvoet, 2005).

A principal similaridade entre emergência e auto-organização reside no facto ambas

serem processos dinâmicos ao longo do tempo; são robustos, no entanto, a robustez

da emergência tem a ver com a flexibilidade de alguns componentes que permitem as

suas propriedades (o que significa que uma falha num componente não compromete a

propriedade), na auto-organização tem a ver com adaptabilidade à mudança e a

capacidade de manter o aumento da ordem (Wolf & Holvoet, 2005). As poucas

semelhanças não excluí o facto dos dois conceitos estarem relacionados,

complementam-se um ao outro quando combinados. As principais diferenças

encontram-se retratadas na figura abaixo.

Figura 25. Diferenças Emergência / Auto-organização

(a) Auto-organização sem emergência; (b) emergência sem auto-organização; (c) Os dois em combinação. Adaptado de Wolf & Holvoet (2005).

• Auto-Organização sem Emergência � a figura 25 (a) ilustra esquematicamente

um sistema de auto-organização, mas isenta do efeito micro-macro. Não há

nenhum controle exterior à fronteira do sistema. A linha curva representa o

processo de organização interna. As propriedades que são específicas para a



emergência, mas não são necessárias para a auto-organização: novidade radical, o

efeito micro-macro, flexibilidade referente às entidades e controle

descentralizado. Quando uma dessas propriedades não estiver presente não

existe emergência. Considere certos tipos de sistemas multi-agente, denominado

sistema multi-agente "clássico" (Parunak & Brueckner, 2004). Esse sistema é

autónomo e aumenta a sua ordem através de interacções. No entanto, não há

nenhuma necessidade para que o sistema apresentar propriedades emergentes,

ou seja, propriedades que são novas em função aos agentes do sistema. Quando,

por exemplo, cada agente tem um modelo de comportamento global que tem de

ser alcançado, esse comportamento está presente explicitamente nas partes do

sistema e, portanto, não é novidade. Um sistema onde há um único agente de

controlo que dirige o comportamento global (ou seja, sem controlo

descentralizado) é preciso um plano explícito de controlo. Naturalmente, um

processo de auto-organização pode re-eleger um agente de controlo quando os

agentes se tornam mais adequados ao trabalho, mas não há nenhuma novidade

radical. Outra propriedade importante dos sistemas emergentes é a "degradação

graciosa", devido à flexibilidade referente às entidades. Uma única entidade não é

essencial para o funcionamento do sistema como um todo. Um sistema de auto-

organização, onde cada entidade é essencial não está de acordo com as

características necessárias da emergência (Wolf & Holvoet, 2005).

• Emergência, sem auto-organização � a figura 25 (b) ilustra esquematicamente a

situação inversa. O sistema tem um efeito de micro-macro, mas não é auto-

organizado. As propriedades essenciais aqui são o aumento da ordem, sem

controle externo e adaptabilidade. Emergência, sem auto-organização é

definitivamente possível. Por exemplo, em física, termodinâmica pode emergir de

mecânica estática num sistema estacionário (e assim não há auto-organização)

(Shalizi, 2001). Um processo estacionário é um processo onde a ordem é

invariável, ou seja, não há qualquer aumento na ordem. Considere um gás que

tem um certo volume no espaço. Este volume é uma propriedade emergente

resultante das interacções (isto é, atracção e repulsão) entre as partículas

individuais. No entanto, como o gás está num estado estacionário. A



complexidade estática continua a ser a mesma ao longo do tempo, ou seja, as

partículas podem mudar de lugar, mas a quantidade de estrutura permanece

igual. Neste caso, temos um sistema cujas condições iniciais são suficientes para

expor propriedades emergentes. Adaptabilidade refere-se à necessidade de

alcançar um equilíbrio entre a selecção de um comportamento específico e uma

grande variedade de comportamentos. Foukia & Hassas (2003) formula isto em

termos de um equilíbrio entre a exploração e aproveitamento. Um sistema pode

exibir caos (isto é, considerando uma grande variedade de comportamentos e

também em constante mudança entre estes) que emerge a partir das interacções

entre as partes a nível micro. Mas, tal sistema não é auto-organizado, porque não

se organiza para promover uma função específica (Wolf & Holvoet, 2005).

• Combinação de ambos � a figura 25 (c) ilustra esquematicamente que o "[...]

comportamento de auto-organização ocorre no nível macro" (Parunak &

Brueckner, 2004). Este ponto de vista é explicado como resultado de uma

característica de auto-organização, isto é, a necessidade de um aumento na

ordem. Num sistema emergente, a nível micro as dinâmicas são muitas vezes

complicadas e desordenadas. Isso significa que um aumento só pode ocorrer

dentro do nível global (Parunak & Brueckner, 2004), ou seja, os emergentes

tornam-se mais e mais organizados. Parunak & Brueckner (2004) também

afirmam que o sistema como um todo diminui a sua ordem. A razão para isto é

que, a nível micro dos sistemas emergentes as dinâmicas são muitas vezes muito

complicadas e desordenadas. Também em Shalizi (2001) "[...] auto-organização

aumenta a complexidade (estática), enquanto a emergência, em geral, reduz [...]".

Assim, essa necessidade de aumento ordem parece de acordo com a auto-

organização como um efeito ao nível macro da emergência. Porque emergência e

auto-organização são descritas frequentemente em combinação uma com a

outra, uma característica, que alguns autores atribuem aos dois fenómenos,

provavelmente é mais específica para o conjunto dos fenómenos. Esta

característica é Não Linearidade: um sistema, sem uma ordem precedente onde a

emergência se auto-organiza, exige o princípio da "pequena causa, grande efeito"

e deve ter um intenso foco na interactividade não-linear. Não-linearidade permite



os efeitos secundários a nível macro, a que chamamos de emergentes. Esta não

linearidade é geralmente conseguida através de feedback positivo que amplifica

uma mudança inicial. O resultado da primeira amplificação dispara o feedback

positivo que amplifica o efeito da mudança. Depois de um tempo, um número de

componentes estão "alinhados" com a configuração criada pela alteração inicial e

pára de crescer: o sistema “esgotou” os recursos disponíveis. Este alinhamento é

muitas vezes a propriedade emergente do sistema. Dessa forma, um emergente

pode se auto-organizar. Mecanismos não-lineares estão relacionados a uma das

propriedades da auto-organização, matematicamente deduzida por Prigogine

(1992). Ele afirma que pelo menos um dos componentes do sistema deve exibir

auto-catálise. O sistema exibe auto-catálise se um dos seus componentes é

causalmente influenciado por um outro componente, resultando no seu próprio

aumento. Na verdade, auto-catálise é uma espécie de feedback positivo que pode

causar um efeito não-linear. Num sistema auto-organizado, a emergência deve ser

adaptável a fim do sistema se auto-organizar na presença de uma situação de

mudança. Quando há um "alinhamento não-linear", com feedback positivo, a

única possibilidade de escapar ao alinhamento, e acabar num novo alinhamento

adaptado a uma nova situação, é usar o feedback negativo. Nos sistemas

complexos auto-organizados, existem vários círculos de feedback positivo e

negativo interligado, para que as mudanças em algumas direcções sejam

amplificadas, enquanto alterações noutras direcções são suprimidas. A presença

de feedback positivo e negativo também é considerado importante para o

comportamento adaptativo (Camazine, 2001; Wolf & Holvoet, 2005).

No parecer de Wolf & Holvoet (2005) emergência enfatiza a presença de um novo

emergente coerente no nível macro (propriedade, comportamento, estrutura, etc.)

como resultado do aumento das interacções adaptativas de ordem ou estrutura sem

controle externo. Auto-organização e emergência como fenómenos podem existir de

forma isolada, mas a combinação dos dois está frequentemente presente em sistemas

complexos dinâmicos. Nesses sistemas, a complexidade é enorme, o que torna inviável

a imposição de uma estrutura á priori: o sistema precisa de se auto-organizar. Além

disso, o grande número de entidades individuais impõe a necessidade de emergência e



não se pode responsabilizar uma única entidade pela execução de toda a estrutura

global, é necessário manter as entidades num estado simples e deixar o

comportamento complexo se auto-organizar como um comportamento emergente

através das interacções entre estas entidades simples.

7.5. Breve revisão das Ciências da Complexidade

Na ciência da complexidade destacam-se pelo menos cinco propriedades em comum

com os sistemas naturais, biológicos e sociais (Casti, 1994; Crutchfield et al., 1986;

Davis, 1990; Hayles, 1989, 1990, 1991; Kamminga, 1990; Kellert, 1993; Stewart, 1993):

1. Os sistemas complexos são não-lineares: não existe proporcionalidade entre

causas e efeitos. Pequenas causas podem provocar grandes efeitos. Não

linearidade é a regra, a linearidade é a excepção;

2. Sistemas complexos são fractais: formas irregulares são dependentes da escala.

Não existe uma forma de medida que permita uma resposta verdadeira, a

resposta depende do dispositivo de medição. Quanto menor a escala, maior a

medição obtidos;

3. Sistemas complexos exibem simetria recursiva entre os níveis de escala:

tendem a repetir uma estrutura básica em vários níveis. Por exemplo, um fluxo

turbulento pode ser modelado como pequenos remoinhos aninhadas dentro

de remoinhos, aninhada, por sua vez, dentro de remoinhos ainda maior;

4. Os sistemas complexos são sensíveis às condições iniciais, mesmo infinitesimais

perturbações podem colocar o sistema num vasto cruzamento de direcções.

Por este facto não podem ser adequadamente especificadas com infinita

precisão, sistemas complexos têm a tendência a tornarem-se imprevisíveis;

5. Os sistemas complexos estão repletos de círculos de feedback. O

comportamento sistémico é o resultado emergente de múltiplas cadeias de

interacção. Como o nível da organização aumenta, os sistemas complexos têm

a tendência de mudança para um novo modo de comportamento, a descrição

do que não é redutível à anterior descrição do comportamento do sistema.

Essas novidades emergentes representam pontos de bifurcação.



Por outro lado, as interfaces entre as ciências da complexidade, cibernética, teoria

geral dos sistemas, teoria do caos e teoria da complexidade, evidenciam-se pelas

características de redundância, interconectividade e complementaridade entre os seus

elementos conceptuais. Pretende-se nesta fase sumarizar os diferentes ramos que

formam as Ciências da Complexidade, apresentando-se conceitos, características,

objectivos e interfaces. O Quadro 8 mostra um resumo dessas teorias.

Observando-se o Quadro 8, nota-se que as teorias expostas possuem objectivos

diferentes, apesar de perfazerem a estrutura de referência para o estudo da

complexidade. Em comum, essas teorias apresentam a procura pela compreensão da

complexidade existente nos sistemas, sejam estes naturais ou artificiais. A Cibernética,

por exemplo, está mais interessada em desenvolver sistemas artificiais, como o

computador, que funcionem como ferramenta de interface entre as pessoas que os

utilizam. A Teoria Geral de Sistemas preocupa-se em estudar os sistemas abertos,

tendo como base os seres vivos. Procura compreender o sistema como um todo,

instituindo o holismo, e não somente as partes. Os Sistemas Dinâmicos surgem com o

objectivo de estudar as mudanças ocorridas no sistema, considerando o tempo.

Para tanto, usam como instrumento a Geometria Fractal, para auxiliar a compreensão

das formas que surgem no processo de evolução do sistema, além de estudar os

atractores. Os Sistemas Dinâmicos são objecto de investigação da Teoria do Caos. A

Teoria da Complexidade apropria-se de conceitos derivados dessas teorias, tais como:

feedback, sistemas abertos, trajectória, atractores, fractal, etc. Desenvolve, também,

uma abordagem para pesquisar as interacções entre os agentes/componentes que

formam o sistema, suas propriedades emergentes e a evolução do sistema, sendo,

portanto, mais adequada à estrutura e ao comportamento exibido pelos sistemas

complexos.

Da mesma forma, percebe-se, analisando o Quadro 8, que a Cibernética e a Teoria

Geral de Sistemas estão mais relacionadas à ordem dos sistemas. A Teoria do Caos

inclina-se mais a observar e actuar na desordem gerada pelo sistema. A Complexidade

é percebida na dialógica entre ordem e desordem (Morin, 1977) ou à beira do caos

(Waldrop, 1992). A teoria do Caos descreve como mudanças mínimas podem gerar

efeitos grandes e imprevisíveis, refira-se que um sistema caótico é determinístico.



Apesar de fornecer contributos interessantes sobre a imprevisibilidade, o caos não

operacionaliza.

Para Stacey (1996), os sistemas humanos não são determinísticos, como muitas

pessoas gostariam que eles fossem. Eles são definitivamente adaptativos, e a ciência

da complexidade tem muito a dizer sobre estes sistemas. O autor argumenta que o

sistema de feedback adaptativo não linear, em contraste ao sistema de feedback

determinístico não linear, até mesmo o sistema adaptativo simples tem algum

propósito, isto é, executar alguma tarefa. Noutras palavras, sistemas adaptativos

aprendem, ao menos, de uma maneira de loop simples, enquanto sistemas

determinísticos não.

As ideias da complexidade, possibilitam afirmar que a adaptação é mais efectiva em

sistemas em que os componentes estão conectados. Axelrold & Cohem (2000),

oferecem o seguinte argumento sobre a diferença da complexidade para o caos: “[...] o

caos lida com situações como a turbulência (Gleick, 1987), que logo se tornam

altamente desordenadas e incontroláveis. Por outro lado, a complexidade lida com

sistemas compostos por muitos agentes interactivos.” Para Cohen & Stewart (1994

apud Anderson 1999), a ciência mostra como efeitos complexos podem ser entendidos

por regras simples; a teoria do caos demonstra que regras simples podem ter

consequências complicadas e imprevisíveis e a teoria da complexidade descreve como

causas complexas pode produzir efeitos simples.

Como apresentam diversos autores, a Teoria da Complexidade, por meio da análise

das interacções e das propriedades emergentes, propõe-se trabalhar especificamente

na faixa entre a ordem e a desordem. A Teoria da Complexidade é, usualmente,

abordada na literatura como sinónimo de Ciências da Complexidade, isso acontece em

decorrência da maior abrangência que a Teoria da Complexidade assume em relação

às outras teorias componentes das Ciências da Complexidade. Acerca do pensamento

complexo Mariotti (2000) realça “[…] o pensamento complexo resulta da

complementaridade (do abraço, como diz Edgar Morin) das visões de mundo linear e

sistêmica. Essa abrangência possibilita a elaboração de saberes e práticas que

permitem buscar novas formas de entender a complexidade dos sistemas naturais e



lidar com ela, o que, é claro, inclui o ser humano e suas culturas. As conseqüências

práticas dessa visão bem mais ampla são óbvias.”

Alguns princípios do pensamento complexo (Mariotti, 2000)

• Tudo está ligado a tudo.

• O mundo natural é constituído de opostos ao mesmo tempo antagônicos e

complementares.

• Toda acção implica um feedback. Todo feedback resulta em novas acções.

• Vive-se em círculos sistémicos e dinâmicos de feedback, e não em linhas

estáticas de causa-efeito imediato. Por isso, tem-se responsabilidade em tudo o

que se influencia.

• O feedback pode surgir bem longe da acção inicial, em termos de tempo e

espaço.

• Todo sistema reage segundo a sua estrutura. A estrutura de um sistema muda

continuamente, mas não a sua organização.

• Os resultados nem sempre são proporcionais aos esforços iniciais.

• Os sistemas funcionam melhor por meio das suas ligações mais frágeis.

• Uma parte só pode ser definida como tal em relação a um todo. Nunca se pode

fazer uma coisa isolada.

• Não há fenómenos de causa única no mundo natural.

• As propriedades emergentes de um sistema não são redutíveis aos seus

componentes.

• É impossível pensar num sistema sem pensar no seu contexto (ambiente). Os

sistemas não podem ser reduzidos ao meio ambiente e vice-versa.

Alguns benefícios do pensamento complexo (Mariotti, 2000)

• Facilita a percepção de que a maioria das situações segue determinados

padrões.



• Facilita a percepção de que é possível diagnosticar esses padrões (ou arquétipos

sistémicos, ou modelos estruturais) e assim intervir para modificá-los (no plano

individual, no trabalho e em outras circunstâncias).

• Facilita o desenvolvimento de melhores formas de pensamento. Permite não

apenas entender melhor e mais rapidamente as situações, mas também ter a

possibilidade de mudar a forma de pensar que levou a elas.

• Permite aperfeiçoar a comunicação e as relações interpessoais.

• Permite perceber e entender as situações com mais clareza, extensão e

profundidade. Por isso, aumenta a capacidade de tomar decisões de grande

amplitude e longo prazo.

O que se aprende por meio do pensamento complexo (Mariotti, 2000)

• Que pequenas ações podem levar a grandes resultados (efeito borboleta).

• Que nem sempre se aprende pela experiência.

• Que só se pode autoconhecer com a interacção com outros agentes.

• Que soluções imediatistas podem provocar problemas ainda maiores do que

aqueles que se está a tentar resolver.

• Que não existem fenómenos de causa única.

• Que toda acção produz efeitos colaterais.

• Que soluções óbvias em geral causam mais prejuizos do que resultados.

• Que é possível (e necessário) pensar em termos de conexões, e não de eventos

isolados.

• Que os princípios do pensamento sistêmico podem ser aplicados a qualquer

sistema.

• Que os melhores resultados provêm da conversação e do respeito à diversidade

de opiniões, não do dogmatismo e da unidimensionalidade.

• Que o imediatismo e a inflexibilidade são os primeiros passos para o sub-

desenvolvimento, seja ele pessoal, grupal ou cultural.



Teorias Conceitos Objectivos Características Interfaces Cibernética (Wiener, 1948) Variedade (Ashby, 1956)

Ciência do controle e da comunicação no animal e na máquina. Número de estados que um sistema pode assumir.

Estudar a realimentação (feedback), causalidade circular para criar uma ciência exacta da mente.

(1) Interdisciplinar: Matemática, Engenharia, Neurobiologia e Ciências Sociais. (2) Usa abordagem reducionista. (3) Estuda os padrões comuns entre os animais e as máquinas.

1) Teoria Geral de Sistema. (2) Teoria dos Sistemas Dinâmicos.

Teoria Geral de Sistemas (Bertalanffy, 1956)

Cria princípios gerais que, aplicados a várias disciplinas, explorem a auto sustentabilidade dos sistemas abertos.

Substituir os fundamentos reducionistas da ciência pela visão holística

(1) Considera que todos os sistemas são similares: físicos, biológicos ou sociais. (2) Organicismo, holismo e sistemas abertos.

Cibernética.

Teoria dos Sistemas Dinâmicos Poincaré (1880)

Estuda as mudanças de um sistema ao longo do tempo.

Representar o estado de um sistema no tempo.

(1) Ramo da Matemática criada por Newton e actualizada por Poincaré em 1880. Em 1975, é reconhecida como Teoria do Caos. (2) Mudança de modo linear ou não-linear. (3) É movido por atractores e bacias de atracção. (4) Apresentam bifurcações.

(1) Teoria das Catástrofes. (2) Geometria Fractal. (3) Teoria do Caos. (4) Cibernética.

Teoria do Caos (Forrester, 1961)

Estuda as mudanças de um sistema ao longo do tempo.

Representar o estado de um sistema no tempo

(1) Dimensão do tempo e dimensão do espaço. (2) Possui estrutura fractal. (3) Possui espaço de fase. (4) Possui trajectória. (5) O estudo da trajectória do sistema parte de condições iniciais. (6) Trajectória guiada por atractores.

(1) Teoria das Catástrofes. (2) Geometria Fractal. (3) Sistemas Dinâmicos. (4) Cibernética.

Teoria da Complexidade

Apropria-se de conceitos de outras teorias para se estabelecer e analisar os sistemas, observando as propriedades emergentes e suas interacções.

Compreender como o sistema complexo evolui e estudar a auto organização.

(1) Foi concebida a partir das conexões entre a Cibernética, da Teoria Geral de Sistemas e os Sistemas Dinâmicos. (2) Estuda sistemas formados por componentes diferentes e em contínua conexão. (3) Interacções locais levam a um sistema global.

(1) Cibernética. (2) Teoria Geral de Sistemas. (3) Teoria dos Sistemas Dinâmicos. (4) Geometria Fractal. (5) Teoria do Caos.

Adaptado de Leite (2004)

Quadro 9. Ciências da Complexidade: as suas teorias que a integram

Capítulo 8 – Definição de termos da “complexidade”

140

8. Definição de termos da “complexidade”

Adaptação �� Propriedade do sistema complexo, que lhe confere a capacidade de

perceber a mudança no ambiente, organizar-se internamente e ajustar-se ás

perturbações do ambiente externo (Leite, 2004).

Agente �� Entidade activa, reactiva e reflexiva. Com capacidade de modificar o

ambiente em que actua, ao mesmo tempo que sofre alterações provocadas pelo

ambiente.

Agregação �� Acção ou efeito de agregar-se. Reunião em grupo; associação,

aglomeração. Conjunto de indivíduos da mesma espécie, não organizado de modo

cooperativo.

Relação entre as partes de um todo em que cada uma delas mantém a autonomia e a

consistência próprias; justaposição (Aurélio, 1999).

“É o processo através do qual um sistema se torna mais do que um conjunto de partes

– e uma equipa, mais do que um amontoado de pessoas – emergindo desse conjunto

uma série de capacidades não atribuíveis aos seus integrantes em particular. Mediante

um processo de especialização e colaboração internas, tais capacidades emergentes

garantem que uma série de funções fundamentais para o desempenho organizacional

sejam realizadas […] O princípio da Agregação estabelece que as fronteiras de um

agregado – seja ele uma equipa, um sector, um departamento ou assim por diante –

definem o universo de acção autónoma. Portanto, dentro dos limites do agregado, os

indivíduos têm autonomia para se organizarem, para definir mutuamente suas funções

e para atrair, seleccionar e desligar seus pares” (Agostinho, 2003).

Agregado �� Um agregado, segundo Holland (1995), é um “meta-agente”, no sentido

de ser um agente num nível de organização mais elevado – como células e órgãos,

artesão e fábrica. Esta organização hierárquica é típica dos sistemas complexos

adaptativos.

Atractor �� É um objecto ou situação que norteia o equilíbrio do sistema. Os

atractores podem ser: pontuais, periódicos e estranhos. Os pontuais são norteados por


141

pontos fixos localizados no centro do espaço de fase, o qual atrai a trajectória do

sistema. Os periódicos possuem oscilações periódicas e regulares, seguindo uma

trajectória conhecida e determinada. Os estranhos possuem comportamentos

imprevisíveis, gerando padrões que nunca se repetem.

Auto-organização �� A partir da emergência de novas propriedades advindas das

interacções, o sistema pode se auto-organizar, mudando de um nível de complexidade

para outro, não necessariamente para melhor nível.

“O princípio da Auto-organização estabelece que a direcção da organização deve

garantir que o resultado das acções seja reportado aos actores e que estes sejam

capazes de compreendê-los e de ajustarem os seus comportamentos. Cabe à direcção

fomentar a criação de mecanismos eficientes de feedback e garantir a legitimidade da

autonomia dos indivíduos. […] Não basta que os indivíduos saibam o que fazer se não o

puderem colocar em prática. Além de comunicações franqueadas e um eficiente

sistema de informação, é condição primordial que a direcção legitime a autonomia de

todos os seus integrantes. Ainda que haja limites específicos para o universo de acção

autónoma, ligados principalmente às competências individuais, é importante que as

pessoas percebam que, dentro dos seus limites, elas têm todo o direito de agir

conforme julgarem mais apropriado. A legitimidade da autonomia só pode ser

reconhecida caso o padrão de relações seja razoavelmente simétrico, isto é, caso as

barreiras de poder baseado na posição sejam abandonadas” (Agostinho, 2003).

Autonomia �� A autonomia implica depender de si próprio no sentido da

autoprodução. Não se pode entender autonomia como independência. Nas

organizações o princípio da autonomia estabelece que a maior parcela dos indivíduos,

antes simples executores de ordens, seja incluída no papel de decisores, sendo

orientados pela própria capacidade de julgamento a respeito do que aprendem do

ambiente ao seu redor (Agostinho, 2003).

Co-evolução �� Quando os sistemas interagem, há a possibilidade de uma evolução

conjunta. As qualidades de um deles podem ser absorvidas pelos de outro e vice-versa,

levando-os a mudarem de níveis de complexidade. Um sistema também pode

influenciar negativamente outro sistema e a co-evolução pode ser negativa. Por isso, é

importante ficar atento às interacções assumidas pelo sistema.


142

Complexidade �� Termo usado com vários sentidos e abrangências. É utilizado em

diferentes campos da ciência. Os diferentes usos dependem do tipo de sistema que é

caracterizado, bem como da perspectiva disciplinar que o suporta e da percepção do

observador. É uma palavra multidimensional. Pode ser empregada fora do contexto

das Ciências da Complexidade, como substantivo, para designar o crescimento de um

sector, ou como adjectivo, para designar o aumento de inter-relações num sector.

Assim, a complexidade está relacionada a: número de elementos, número de relações

do sistema, percepções, interesses e capacidades do observador. Ela pode está

presente na estrutura, no comportamento, na organização e na evolução do sistema,

porém, para que seja percebida, é preciso que o sistema reconheça que funciona entre

a ordem e a desordem. Por todos esses motivos, não existe uma definição padrão para

o termo. Contudo, a complexidade pode ser entendida como um tipo de pensamento

que não separa, mas une as relações necessárias e interdependentes de todos os

aspectos da vida humana, integrando todos os modos de pensar. “Opõe-se aos

mecanismos reducionistas e simplificadores, além de considerar as influências

recebidas do ambiente interno e externo, enfrentar a incerteza e a contradição, e

conviver com a solidariedade entre os fenómenos existentes” (Morin, 2003).

Cooperação �� O paradigma da Cooperação de Axelrod (1990), está baseado na

investigação de que indivíduos motivados por interesse próprio que cooperam sem a

presença de uma autoridade central que os force a isto. Tal fenómeno pode ser

observado em situações em que a procura da optimização dos seus interesses

individuais leva a um resultado favorável para todas as partes.

Dados � é qualquer elemento identificado na sua forma bruta que, por si só, não

conduz a uma compreensão de determinado facto ou situação.

Decisão �� é a escolha entre vários caminhos alternativos que levam a determinado

resultado.

Departamentalização � é o agrupamento, de acordo com um critério específico de

homogeneidade, das actividades e correspondentes recursos (humano, financeiro,

material e equipamentos) em unidades organizacionais.


143

Determinismo � que não é regido por fenómenos aleatórios, ou seja, tudo decorre de

uma relação de causa e efeito.

Dialógica �� Convivência de duas lógicas, uma de ordem outra de desordem. Preceito

básico para a emergência da complexidade. Isto porque, no estado de desordem, não

existe a possibilidade de formação de estrutura ou diferenciação, e no estado de

ordem, o sistema é linear e determinístico, facto que impossibilita a emergência da

complexidade (Morin, 2003).

Emergência �� Propriedade dos sistemas complexos que surgem das interacções entre

as partes e o todo, sem um planeamento prévio. São qualidades novas e diferentes,

das exibidas pelas partes isoladas do sistema. A emergência somente acontece pela

interacção.

Entropia �� Conceito que refere que todas as formas de organização se movem para a

desorganização, desgaste e a morte.

Entropia negativa � O empenho dos sistemas em se organizarem para a

sobrevivência, por meio de maior ordenação.

Espaço de Fase �� Conjunto de todos os possíveis estados que podem assumir as

variáveis que compõem um sistema.

Equifinalidade � Segundo a qual um mesmo estado final pode ser alcançado, partindo

de diferentes condições iniciais e por maneiras diferentes.

Estrutura �� Arcabouço de suporte indispensável à emergência das propriedades de

um sistema complexo (Leite, 2004).

Estrutura Formal � Objecto de grande parte de estudo das organizações sociais, é

aquela deliberadamente planeada e formalmente representada, em alguns de seus

aspectos, pelo organograma.

Estrutura Informal � Rede de relações sociais e pessoais que não é estabelecida ou

requerida pela estrutura formal. Surge da interacção social das pessoas, o que significa

que se desenvolve, espontaneamente, quando as pessoas se reúnem. Portanto

apresenta relações que, usualmente, não aparecem no organograma.


144

Estrutura organizacional � Conjunto ordenado de responsabilidades, autoridades,

comunicações e decisões das organizações.

Componentes da estrutura organizacional:

Responsabilidade � refere-se às obrigações que uma pessoa tem com outrem.

Autoridade � é o direito para fazer alguma coisa. Pode ser o direito de tomar

decisões, de dar ordens e requerer obediência, ou simplesmente o direito de

desempenhar um trabalho atribuído. A autoridade pode ser formal ou informal.

Comunicação � é o processo mediante o qual uma mensagem é enviada por um

emissor, por meio de determinado canal, e entendida por um receptor.

Decisão � é a escolha entre vários caminhos alternativos que levam a determinado

resultado.

Evolução �� O sistema complexo tende à evolução. A evolução ocorre pelas

interacções, experiências acumuladas e pela capacidade que os sistemas possuem de

perceber, identificar e aceder ás informações usando-as a seu favor.

Feedback (baseado no serviço) �� O feedback (realimentação) é a chave para os

controles do sistema. É parte do controle do sistema onde os resultados das acções

retornam ao indivíduo, permitindo que os procedimentos de trabalho sejam

analisados e corrigidos (Stoner, 1995).

Fitness Landscape �� É um termo usado na Biologia para designar espaço de

possibilidades ou o cenário de aptidão de um sistema vivo. Dependendo da posição no

cenário, das ferramentas usadas e percepção do observador, o fitness landscape do

sistema pode ser maior ou menor.

Fronteira do Sistema �� Cada sistema tem uma fronteira que o separa do seu

ambiente. Num sistema fechado, essa fronteira é rígida; num sistema aberto, a

fronteira é mais flexível. As fronteiras dos sistemas de muitas organizações vêm

ficando cada vez mais flexíveis (Stoner, 1995).

Heterostase �� Processo de passagem da homeostase para outra homeostase

diferente.


145

Hierarquia ��Pode significar subordinação ou integração. Neste trabalho, significa

integração. Um sistema é hierárquico, quando possui subsistemas inter-relacionados

que são hierárquicos em estrutura, em relação aos outros, até que atinja um

determinado nível inferior de subsistemas elementares. Os níveis são recursivos e

semi-autónomos.

“Quanto à hierarquia, identificam-se muitas vezes sob esse termo dois tipos de

fenómenos diferentes. O primeiro é o de uma arquitectura de níveis sistémicos,

sobrepostos uns aos outros, em que as qualidades globais emergentes num primeiro

nível se tornam elementos de base do segundo, e assim por diante. Nesse sentido, a

hierarquia produz ao máximo as emergências, isto é, as qualidades e as propriedades

do sistema. O segundo tipo de fenómenos, que responde ao sentido vulgar do termo,

corresponde à rígida estratificação em que cada nível superior controla estreitamente o

inferior, inibindo ou reprimindo suas potencialidades de emergência, com suprema

autoridade centralizadora no topo” (Morin, 2003).

A hierarquia na lógica da integração é uma constante em praticamente todos os

sistemas complexos adaptativos e através do qual se dará a complexificação dos

mesmos (Agostinho, 2003).

Homeostase �� Manutenção das variáveis do sistema dentro de uma faixa

estabelecida, mesmo na ocorrência de estímulos para que ultrapassem os limites

desejados.

Interacção �� Condição essencial para a sobrevivência do sistema. As interacções

formam a base da sua dinâmica. São acções recíprocas, que modificam o

comportamento do sistema e podem originar sua organização.

Mutação �� Analogia ao processo de mutação celular. No processo de mutação, as

mudanças ocorrem somente dentro da organização interna do sistema. Podem mudar

um ou mais elementos dentro desse sistema.

Nível de complexidade �� Pelo processo de evolução, o sistema pode mudar de um

nível de complexidade para outro. A mudança de um nível para outro aumenta ou

diminui a aptidão (capacidade de sobreviver eficientemente no ambiente) desse

sistema.


146

Organização �� A organização é entendida por Morin (1986) como “ […] a combinação

das relações entre componentes ou indivíduos que produzem uma unidade complexa

organizada ou sistema, dotada de uma relativa autonomia. A organização constitui,

mantém, alimenta sistemas autónomos, isto é, a autonomia desses sistemas”. A

autonomia sistémica/organizacional é concebida a partir da ideia sistémica de

emergência e a ideia cibernética de retroacção que são duas ideias básicas do

pensamento complexo.

Organização da empresa �� é a ordenação e o agrupamento de actividades e recursos,

visando ao alcance de objectivos e resultados estabelecidos.

Políticas �� É o conjunto de regras de conduta que permitam condições de trabalho

eficientes, harmoniosas e seguras (Malagón-Londoño, Morera & Laverde, 2003). É o

conjunto de princípios e medidas norteadoras das acções de um determinado grupo

social organizado. “As políticas são guias norteadoras ou directrizes gerais

orientadoras e demarcadoras da acção e da decisão” (Horr, 1992).

Pressões Selectivas �� São perturbações externas, que podem interferir na

organização interna do sistema. São mecanismos de equilíbrio. Usualmente, o sistema

possui uma grande variedade de elementos e interacções e constantemente, precisa

de seleccionar os mais importantes em determinada situação. Quanto mais estável o

sistema, maior será sua capacidade de reconhecer as perturbações e se ajustar.

Recombinação �� O sistema procede a novas conexões fora da sua organização

interna. As novas conexões podem evoluir ao longo do tempo, mudando o padrão de

interconexões, a intensidade de cada conexão e suas formas de funcionamento.

Reducionista (Paradigma) �� Predominante na ciência clássica e, depois na ciência

moderna, instituída por Descartes, amplamente usada e difundida desde a sua origem.

A lógica é reduzir os fenómenos ao desempenho de suas partes, desconsiderando as

conexões entre si.

Sinergia �� Sinergia significa que o todo é maior do que a soma das partes. Em termos

organizacionais, a sinergia significa que, quando os diferentes departamentos de uma

organização cooperam e interagem, tornam-se mais produtivos do que se cada um

agisse isoladamente (Stoner, 1995).


147

O conceito de sinergia, demonstrado desde a década de 40, afirma que a

produtividade e os resultados do trabalho em grupo são potencialmente maiores que a

soma dos esforços individuais: trata-se, em última análise, de colocar-se as interacções

humanas a serviço da cooperação (Bauer, 1999).

A sinergia é então uma propriedade emergente, produto da dinâmica do sistema como

um todo (quando este se torna maior que a soma de suas partes), não tendo como ser

inferida a partir do comportamento das partes isoladas (Bauer, op.cit.).

Sistema �� é uma conjugação de partes inter-agentes e interdependentes que,

conjuntamente, formam um todo unitário com determinado objectivo e efectuam

determinada função.

“Sistema é um conjunto de elementos em interacção; sistema é um todo organizado e

complexo; sistema é um conjunto de elementos interdependentes, cujo resultado final

é superior ao somatório dos resultados que esses elementos teriam caso operassem de

forma isolada; sistema é qualquer conjunto de partes reunidas, desde que

caracterizado pelas relações entre as partes e pelo comportamento do todo” (Bauer,

1999).

“ Um sistema é uma unidade global organizada de inter-relações entre elementos,

acções e indivíduos” (Morin, 1977).

Os componentes de um sistema:

Os objectivos � é a finalidade para a qual o sistema foi criado;

As entradas do sistema � cuja função caracteriza as forças que fornecem ao sistema o

material, a informação e a energia para a operação ou processo;

O processo de transformação do sistema � definido como a função que possibilita a

transformação de uma entrada num produto, serviço ou resultado (saída);

As saídas do sistema � correspondem aos resultados do processo de transformação.

As saídas podem ser definidas como as finalidades para as quais se uniram objectivos,

atribuições e relações do sistema;

Os controles e as avaliações do sistema � verificar se as saídas estão coerentes com

os objectivos estabelecidos;


148

A realimentação ou feedback � é um processo de comunicação que reage a cada

entrada de informação, incorporando o resultado da acção resposta desencadeada por

meio de nova informação, a qual afectará o seu comportamento subsequente, e assim

sucessivamente.

Ambiente � de um sistema é o conjunto de factores que não pertencem ao sistema,

mas: 1) qualquer alteração no sistema pode mudar ou alterar esses factores externos;

2) qualquer alteração nos factores externos pode mudar ou alterar o sistema.

Subsistemas �� As partes que compõem o todo de um sistema. E cada sistema por sua

vez pode ser o subsistema de um todo ainda maior (Stoner, 1995).

Sistemas Complexos �� Para Axerold & Cohen (2000), o conceito deste termo

pressupõe que o sistema consiste de partes que interagem, influenciando fortemente

as probabilidades de ocorrência de eventos futuros. Sistemas que dependem das

conexões para sobreviverem. Uma parte não pode ser interpretada sem a

compreensão de suas inter-relações. Do movimento de interacção entre o todo e a

parte, emergem os comportamentos imprevisíveis. Em geral, são sistemas reais e

naturais, relacionado a visão sistémica.

Sistemas Complexos Adaptativos � É composto de agentes que aprendem e

evoluem. Adaptam-se ao ambiente externo pela capacidade de interacção. Captam

regularidades pela observação do comportamento de outros sistemas e de si mesmo e

transformam essas informações em esquemas que auxiliam a sua acção, reacção e

reflexão.

“São organizações em rede formadas por inúmeros agentes, os quais são elementos

activos e autónomos, cujo comportamento é determinado por um conjunto de regras e

pelas informações a respeito de seu desempenho e das condições do ambiente

imediato” (Agostinho, 2003).

Sistema Complicado �� Sistema que não depende das conexões para sobreviver. A

análise de uma parte, pode ser feita independente de outra e do todo, com resultados

satisfatórios. Apresentam comportamento previsível, relações lineares e actuam com

total racionalidade. Em geral, esses sistemas são idealizados e artificiais, relacionados

com a visão mecanicista e reducionista.


149

Sistema de Informações � é o processo de transformação de dados em informações.

Sistémico (Paradigma) �� Questiona a perfeição e a universalidade do paradigma

reducionista, identificando sistemas que somente existem e evoluem, se interagirem,

como o caso dos sistemas humanos. Aponta a imprevisibilidade de comportamentos e

as relações não-lineares que acorrem em alguns sistemas. Esses sistemas precisam ser

associados ao contexto, e não apenas, analisado em partes isoladas.

Trajectória �� Percurso assumido pelo sistema, da sua condição inicial, passando pelas

mudanças nele próprio e no seu contexto, até o estado actual desse sistema.

Variação – Selecção �� Processo presente em todos os sistemas complexos. A variação

é gerada pelas interacções e tem a função de aumentar a aptidão do sistema, torná-lo

mais resistente às perturbações externas e por consequência, mais estáveis. Apesar

disso, são desenvolvidas muitas interacções que não alcançam um estado de

estabilidade, sendo eliminadas pelo processo de selecção.

Referências Bibliográficas

150


Abbott, R. Emergence explained: getting epiphenomena to do real work. arXiv:cs/0602045. February. 2006.

Abraham, H. Ralph. The Genesis of Complexity. In: Series: Advances in Systems Theory, complexity, and the human Sciences. Edited by Alfonso Montuori, 2002.

Abraham, R. H., & Shaw, C. D. Dynamics: The geometry of behavior (2nd ed.). Redwood. City, CA: Addison-Wesley, 1992.

Ackoff, R. General System Theory and System Research. John Wiley & Sons, 1974.

Ades, C. Motivação animal: da equilibração clássica à perspectiva ecológica. Psicologia: Teoria e Pesquisa, 1. 1985

Agostinho (b), M.C.E. Administração complexa: revendo as bases científicas da administração. In RAE electrónica, v.2, n.1, jan/jun, 2003.

Agostinho, M. E. Complexidade e organizações: em busca da gestão autónoma. São Paulo: Atlas, 2003.

ALVES-MAZOTTI, A. J; GEWANDSZNAJDER, F.O método nas ciências naturais e sociais: pesquisa quantitativa e qualitativa. 2. ED. São Paulo: Pioneira, 2001.

Anderson, P. W. More is different. Science, 177(4047):393–396, 1972.

Anderson, R. Complexity theory and organization science. Organizational Science, v.10, n.3, p. 216-232, 1999.

Anselmo, Estevão. Modelo de Gestão Não-Linear: a teoria do Caos e Complexidade aplicada à gestão de empresas de alto crescimento em ambientes dinâmicos e imprevisíveis. Tese de Doutorado em Administração, Universidade de São Paulo (USP, 146p), 2005.

ARGYRIS, C.; SCHÖN, D. Organizational learning: a theory of action perspec-tive. Reading, MA: Addison-Wesley, 1978.

Aristotle. Metaphysics, volume book H (VIII). 350 BC. Translation from W. D. Ross, Aristotle’s metaphysics, 2 vols, Oxford University Press, 1924.

Ashby, W. R., (1956) An Introduction to Cybernetics, First Edition, Chapman and Hall: London, UK, John Wiley and Sons: New York, NY, 296 pp.

Atlan, H. Entre o Cristal e a Fumaça: ensaio sobre a organização do ser vivo. Rio de Janeiro: Zahar, 1992.

AXELROD, R.; COHEN, M. D. Harnessing complexity: organizational implications of a scientific frontier. New York: The Free Press, 2000.

AXELROD, R.M. The evolution of cooperation. EUA: Basic Books, 1984.

AXELROD, R.M.; COHEN, M. Harnessing complexity: organizational implica-tions of a scientific frontier. New York: The Free Press, 1999.

Badyaev AV. Stress-induced variation in evolution: from behavioural plasticity to genetic assimilation. Proc Biol Sci 2005;272(1566):877-86.


151

Baldridge, J. V. Organizational characteristics of colleges and universities. In: BALDRIDGE, J. V.; DEAL, T. Dynamics of organizational change in education. Berkeley: McCutchan Publishing Corporation, 1983.

BALDRIDGE, J. V.; DEAL, T. Power and conflict in the university. New York: John Wiley, 1971.

Barabási, Albert-László. Linked: The New Science of Networks, Cambridge, Mass: Persues. 2002

BARANGER, Michael. Chaos, complexity, and entropy: a physics talk for nom-physicists. Cambridge: MIT, 2002.

Barbanti, V. J. Treinamento Físico: bases científicas. São Paulo: CLR Balieiro, 1986.

BARRATT, M.; OLIVEIRA, A. Exploring the experiences of collaborative planning

Bar-Yam; Y. A mathematical theory of strong emergence using multiscale variety. Complexity, 9(6):15–24, 2004.

Baskerville R., Travis J., Truex D. “Systems without method: The impact of new technologies on information systems development projects,” The Impact of Computer Supported Technologies on Information Systems Development, ISBN 9780444896490, pp. 241-269. 1992.

Battram, A. Navegar por la complejidad. Barcelona: Granica, 2001.

Bauer, R. Gestão da mudança: caos e complexidade nas organizações. São Paulo: Atlas, 1999.

Bedau, M. A. Bedau. Weak emergence. In J. Tomberlin, editor, Philosophical Perspectives 11: Mind, Causation, and World, pages 375–399. Blackwell, 1997.

Bedeian, Arthur, G. From the ranch to system dynamics: an autobiography. Management Laureats: A collection of Autobiographical Essays, Vol 1. Jay Press, 1992.

Beer, S. (1959), Cybernetics and Management, English Universities Press, London; John Wiley, New York, NY

Beer, S. (1979), The Heart of Enterprise, John Wiley, London and New York, reprinted with corrections 1988, 1994, paperback, ISBN 0-471-94837-3.

Beinhocker, E. D., The Origin of Wealth: Evolution, Complexity, and the Radical Remaking of Economics, Harvard Business School Press, 2006.

Benard, Claude. Introduction à la médecine expérimentale. 1865.

Bertalanffy, L. von et al. Teoria dos sistemas. Tradução de Maria da Graça Lustosa Becskeházy. Rio de Janeiro: Ed. da Fundação Getúlio Vargas, p. 1-20. 1976.

Bertalanffy, L. von et al. Teoria dos sistemas. Tradução de Maria da Graça

Bertalanffy, L. von. Teoria general de los sistemas: fundamentos, desarrollo, aplicaciones. Tradução de Juan Almela. 10. ed. México: Fondo de Cultura Económica,pag. 12, 1995.

Bertalanffy, L. von. Teoria general de los sistemas: fundamentos, desarrollo,


152

Bertalanffy, L. von. Teoria geral dos sistemas: aplicação à psicologia. In: aplicaciones. Tradução de Juan Almela. 10. ed. México: Fondo de Cultura Económica, 1995.

Bertalanffy, L.V. General system theory. New York: George Braziller, 1968.

Bettstetter, C., Fitzek, F., Hartenstein, H., Pujolle G., Santi, P. Guest editorial. European Transactions on Telecommunications, Special Issue: Self-Organisation in Mobile Networking, 16(5):371–373, September/October 2005.

Bickhard, M. H. & Campbell, D. T.. Emergence. In P. B. Andersen, C. Emmeche, N. O. Finnemann, and P. V. Christiansen, editors, Downward Causation, pages 322–348. Aarhus University Press, 2000.

Bohm, D. Causality and chance in modern physics. London: Routledge, 1957.

Boist, M.; Child, J. Organizations as adaptive systems in complex environments: the case of China. Organization Science, v.10, n.3, p.237-252, 1999.

Bompa, T. (1994). Theory and Methodology of Training, 3rd Edition -. Kendall/Hunt Publishing Company.

Bompa, T. Primer on Periodization. Olimpic Coach, v.18, n.4, p. 4-8, 2004.

Borba, M.; SIDENBERG, D. Organizações que aprendem: potencializando e comparti-lhando o desenvolvimento. In: DINIZAR, F. B.; WITTMANN, M. L. Santa Cruz do Sul (Org). Desenvolvimento regional: abordagens interdisciplinares, EDUNISC, 2003.

BRESCIANI, E.; D’OTTAVIANO, I. M. L. Conceitos básicos de sistêmica. In:

Bresciani, F.E., D'Ottaviano, I.M.L. Conceitos básicos de sistémica. In: D'Ottaviano, I.M.L., Gonzales, M.E.Q. (orgs.), Auto-organização: estudos interdisciplinares. Campinas: CLE/UNICAMP, p.283-306. (Coleção CLE, v. 30). 2000.

BROWN, S.L.; EISENHARDT, K.M. The art of continuous change: linking complexity the-ory and time-paced evolution in relentlessly shifting organizations. Administrative Sci-ence Quarterly, v.4, n.2, p.1-34, 1997.

Bruner, Jerome (1977). The process of education (2nd ed.). Cambridge, MA: Harvard University Press. Burggren, W, Monticino MG. Assessing physiological complexity. J Exp Biol. 2005; 208:3221-32.

Burns, A.; I. J. Hayes, G. Baxter, and C. J. Fidge. Modelling temporal behaviour in complex socio-technical systems. Technical Report YCS-2005-390, Department of Computer Science, University of York, 2005.

Cabanac, Michel E Russek, Mauricio. Regulated Biological Systems. Journal of Biological Systems, v. 8, n.2. 2000.

calresco.org . Self-organizing systems faq. online (2003) available at http://www.calresco.org/sos/sosfaq.htm.

Camazine, S., Deneubourg JL, Franks,N. R., Sneyd, J., Theraulaz, G., Bonabeau, E. Self-Organization in Biological Systems. Princeton University Press, 2001.

Campbell, D. T. Campbell. ‘Downward Causation’ in hierarchically organised biological systems. In Francisco Jose Ayala and Theodosius Dobzhansky, editors, Studies in the


153

Philosophy of Biology: reduction and related problems, chapter 11, pages 179–186. Macmillan, 1974.

Campbell, R. J. & Bickhard, M. H. Physicalism, emergence and downward causation. www.lehigh.edu/~mhb0/physicalemergence.pdf. 2001.

Cannon, W. B. “Organization for Physiological Homeostasis”. Physiological Review, 9. 1929.

Capra, F. (1996). The web of life: A new scientific understanding of living systems. New York: Anchor.

CAPRA, F. O ponto de mutação. São Paulo: Cultrix, 1982.

CAPRA, F. The Hidden Connections : A Science for Sustainable Living. Harper Collins, 2002.

CAPRA, F.; STEINDEL-RAST, D. Pertencendo ao universo: explorações nas fronteiras da ciência e da espiritualidade. São Paulo: Cultrix, 1991.

Capra, Fritjof. A Teia da Vida. Editora Cultrix. São Paulo. 1996

Capra, Fritjof. The Turning Point, Simon & Schuster, New York, 1982

Capra, Fritjof. The Web of Life, Doubleday, New York, 1998.

Carlisle, Y. McMillan, E. Innovation in organizations from a complex adaptive systems perspective. E:CO Vol. 8 No. 1 pp. 2-9. 2006

Carvalho, Ma. Luíza – Construindo o Saber. Paprirus. 1990

CASTELLS, M. O poder da identidade. São Paulo: Paz e Terra, 2. ed., 2000.

CASTI, Jonh. Complexification: Explaining a paradoxical World through the science of surprise. HarperCollins, New York, 1994.

CHIAVENATO, Idalberto. Gestão de Pessoas: e o novo papel dos recursos humanos nas organizações. Rio de Janeiro: Segunda Edição. Editora Elseveier. 2004.

Chiles, T. H.; Meyer, A. D.; Hench, T. J. Organizational Emergence: The Origin and Transformation of Branson, Missouri’s Musical Theaters. Organization Science, Vol. 15, No. 5, September–October, pp. 499–519. 2004

Choo, Chun Wei. A Organização do Conhecimento. São Paulo: Ed. SENAC, 2003

Cilliers, P. Rules and complex systems. Emergence, 2(3): 40–50. 2000.

Coelho, C. C. S. R. Complexidade e sustentabilidade nas organizações. 2001.

COFFIELD, D. Why is the beer always stronger up north: studies of lifelong learning in Europe. Bristol: Policy Press, 1998.

COLEMAN, H. What enables self-organizing behavior in businesses. Emergence, v.1, n.1, p. 33-48, 1999.

Cooperrider, D. “Positive Image, Positive Action: The Affirmative Basis of Organizing”, in Srivastva and Cooperrider et al Appreciative Management & Leadership. San Fransisco: Jossey-Bass. (Also at http://www.appreciative-inquiry.org/Pos-ima.htm). 1990.


154

Corbett, T. N. Introdução à Dinâmica de Sistemas. São Paulo, 2003. Disponível em < http://www.corbett.pro.br/artigos.asp> Acesso Março 2010.

Correia, L. Self-organised systems: fundamental properties.

Cover, J., 1996, Introduction to system dynamics. 1ª edição. Powersim Press. Reston.

Coyle, E.F. Destreinamento e Retenção das Adaptações Induzidas pelo Treinamento de Endurance In: Manual de Pesquisas das Diretrizes do American College of Sport Medicine para os Testes de Esforços e sua Prescrição. 4º Edição. Rio de Janeiro: Guanabara Koogan. Cap. 21. 2002

Crutchfield, J. P. The calculi of emergence: Computation, dynamics, and induction. In Physica D special issue on the Proceedings of the Oji International Seminar, 1994.

D’OTTAVIANO, I. M. L.; GONZALEZ, M. E. Q. Auto-organização: estudos interdisciplinares. Campinas: UNICAMP, CLE, 2000. p. 283-306. (Coleção CLE; v. 30)

Dajoz, Roger. Princípios de Ecologia, edição 2005. Editora Artmed.

Dantas, Estélio Henrique M. A Prática da Preparação Física, Rio de Janeiro. Sprint. 1985

Debrun, M. A dinâmica da auto-organização. In: Debrun, M.; Gonzalez, M. E. Q.; Pessoa Júnior, O.,(org). Auto-organização: estudos interdisciplinares, em filosofia, ciências naturais e humanas, e artes. Campinas: UNICAMP, Cap.2, p.25 -59. Colecção CLE. 1996.

Delboni, T. H. Vencendo o Stress. São Paulço: Makron Books, 1997.

DEMO, P. Complexidade e aprendizagem: a dinâmica não linear do conheci-mento. São Paulo: Atlas, 2002.

DEMO, P. Metodologia do conhecimento científico. São Paulo: Atlas, 2000.

Depuy. J.P. Aux origines des sciences cognitives, La Découverte, 1994 - à propos des Conférences Macy.

DESCARTES, R. Discurso sobre o método. In: Descartes. São Paulo: ed. Abril, 1980 (Os pensadores)

DIJKSTERHUIS, M. S.; VAN DEN BOSH, F. A. J.; VOLBERDA, H. W. Where do new organizations come from? Management logic as a source of coevolution. Organization Science, v. 10, n. 5, p. 569-582, sep/oct, 1999.

Douglas, Carlos Roberto. Tratado de Fisiologia Aplicada às Ciências da Saúde. Robe Editorial. São Paulo. 2000.

DUBAR, Claude. A sociologia do trabalho frente à qualificação e à competência. Educ. Soc., Campinas, v. 19, n. 64, 1998. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S010173301998000300004&lng= n &nrm=iso>. Acesso em: 26 out. 2013.

EL-HANI, Charbel N. Níveis da Ciência, Níveis da Realidade: Evitando o dilema holismo/reducionismo no ensino de ciências e biologia. Tese. Faculdade de Educação da Universidade de São Paulo. São Paulo: 2000

Emmeche, C., S. Køppe, and F. Stjernfelt. Explaining emergence: towards an ontology of levels. Journal for General Philosophy of Science, 28:83–119, 1997.


155

Erdman, A. L. A complexidade no quotidiano de um sistema organizacional de cuidados de enfermagem hospitalar. Florianópolis: UFSC, 1995.

ERDMANN, A. L. Diagnóstico de problemas num sistema de enfermagem de hospital de ensino – proposta de modelo. Rio de Janeiro: UERJ, 1987. Tese de Livre Docência.

ERDMANN, A. L. et al. O reconhecimento do produto do sistema organizacional de cuidados de enfermagem. Ciência, Cuidado e Saúde. Maringá, v. 4, n. 1, p. 37-46, jan/abr. 2005.

ERDMANN, A. L. Sistema de cuidados de enfermagem. Pelotas: Universitária/UFPEL, 1996.

ESTRADA, R. J. S. Os rumos do planejamento estratégico na universidade pública: um estudo de caso na Universidade Federal de Santa Maria. 2000. 206f. Tese (Doutorado em Engenharia de Produção) – Universidade Federal de Santa Catarina, Florianópolis.

FEIJÓ, R. Metodologia e filosofia da ciência. São Paulo: Atlas, 2003.

Fernandes, A.C. Scorecard dinâmico – em direcção à integração da dinâmica de sistemas com o Balanced Scorecard. Tese de Doutoramento, COPPE/UFRJ, 2003.

Ferreira, A. B. H.. Novo Dicionário Aurélio - Século XXI. Editora Nova Fronteira. 1999

Flood, R.L. and Jackson, M.C. Creative Problem Solving: Total Systems Intervention, Wiley, Chichester. 1991

Forrester, J. W. Designing the Future. Universidad de Sevilla, Spain, 1998

Forrester, J. W. Industrial Dynamics. Cambridge, MIT Press, 1961.

Foster, J. Competitive selection, self-organisation and joseph a. schumpeter. Journal of Evolutionary Economics, 10:311–328, 2000.

Foukia, N., Hassas, S.: Towards self-organizing computer networks: A complex system perspective. In: Proceedings of the International Workshop on Engineering Self-Organizaing Applications 2003, Melbourne, Austrialia (2003)

FREEMAN, C.; PEREZ, C. Structural crises and adjustment, business cycles and investment behaviour. In: DOSI, G., et al (eds.). Technical change and economic theory, London: Pinter, p. 38-66, 1988.

Fuchs, C. Some implications of pierre bourdieu’s works for a theory of social self- organization. European Journal of Social Theory, 6(4): 387–408, 2003.

Fuller, T.; Warren, L.; Welter, F. An emergence perspective on entrepreneurship: processes, structure and methodology. Embracing Complexity: Advancing Ecological Understanding in Organization Studies. Fourth Organizational Studies Workshop, 2008.

Garcia, E. Andres. Cognição organizacional e ciência da complexidade. In: Cunha, Miguel P. et al (Orgs). Empresas, caos e complexidade. Lisboa: RH, 2001. Cap. IV.

GELL-MANN, M. O quark e o jaguar: aventuras no simples e no complexo. Rio de Janeiro: Rocco, 1996.

Gemmill, G., C. Smith. A dissipative structure model of organization transformation. Human Relations 38 751–766. 1985.


156

Gershenson C., Heylighen, F. When can we call a system self-organizing? In Banzhaf, Christaller, Dittrich, Kim, and Ziegler [2003], pages 606–614.

Gharajedaghi, J. Systems Thinking: managing chaos e complexity. Butterworth Heinemann, 1999.

GIL, A. C. Como elaborar projetos de pesquisa. 3. ed. São Paulo: Atlas, 1991.

GIOVANNINI, F. A complexidade e o estudo das organizações: explorando possibilidades. Revista de Administração, São Paulo, v.37, n.3, p. 56-66, jul./set. 2002.

Gleick, J. Caos: la creación de una ciencia. Barcelona, Seix Barral, 1989.

Gleick, J. Chaos: Making a New Science, Viking, Penguin, New York. 1987.

Gleiser, Ilan. Caos e complexidade. Rio de Janeiro: Campus, 2002.

GLEISER, Ilan. Caos e Complexidade: a evolução do pensamento econômico. Rio de Janeiro: Campus, 2002.

Goldberger, A, Rigney D, West BJ. Chaos and fractals in human physiology. Sci Am. 1990; 262:42-9.

Guerrini, I. A. Caos e fractais em física aplicada. Botucatu, SP: Apostila Depto. de Física e Biofísica – UNESP, 1998.

HABERMAS, J. Teoría de la acción comunicativa. Madrid: Taurus, 1989.

Haken, H.: The Science of Structure: Synergetics. Van Nostrand Reinhold, NY. 1981.

HALL, R. E. Organizações: Estruturas e Processos. Rio de Janeiro: Prentice-Hall do Brasil, 1984.

HAMBRICK, D.C. Environmental scanning and organization strategy. Strategic Management Journal, v. 3, p. 159-174, 1982.

HARDY, C.; FACHIN, R. Gestão estratégica na universidade brasileira: teoria e casos. Porto Alegre: UFRGS, 1996.

Harre, Dietrich. Bases del Entrenamiento de las Capacidades Condicionales: Lectura para el curso internacional de entrenadores Teoria general de entrenamiento y movimiento (ABTW). Leipzig: Universität Leipzig, 2001.

Hawking, S. (2003a). The Universe in a Nutshell, (Bantam Press 2001).

Hawking, S. (2003b). A Brief History of Time, (Bantam Press 1988)

Hayles (Ed.). Chaos and order: Complex dynamics in literature and science (pp. 1-33). Chicago: Univ. of Chicago.

Hayles, N. K. (1990). Chaos bound: Orderly disorder in contemporary literature and science. Ithaca, NY: Cornell Univ.

Hayles, N. K. (1991). Introduction: Complex dynamics in literature and science. In N. K.

Hayles, N.K. (2000). La Evolución del Caos. España: Editorial Gedisa.

Haywood, M.K. Life Span Motor Development. Champaign: Htiman Kinetics, pA01. 1986.


157

Heylighen F. (2002): “The Science of Self-organization and Adaptivity”, in: L. D. Kiel, (ed.)

Heylighen, F. Complexity and Self-organization; prepared for the Encyclopedia of Library and Information Sciences, edited by Marcia J. Bates and Mary Niles Maack (Taylor & Francis, 2008)

HIGGS, Geoffrey. Complexity science and order Creation. London school of economyics. London, 2001.

Hodgson, G. M. Economics and the return to Mecca: The recognition of novelty and emergence. Structural Change Econom. Dynam. 8 399–412. 1997.

HOLLAND, J. Emergence: from chaos to order. Massa-chusetts: Perseus Books.1995.

HOLLAND, J. Hidden order: how adaptation builds complexity. Cambridge: Perseus Books, 1995.

Holland, John H. 1995, Hidden Order. Reading, Mass: Helix.

Holland, John H. 1998, Emergence: From Chaos to Order. Reading, Mass: Helix.

Hordijk, W., J. P. Crutchfield, and M. Mitchell. Mechanisms of emergent computation in cellular automata. In [Eiben et al. 1998], pages 613–622. 1998.

Howley,E.T., Powers, S.K. Exercise Physiology. McGraw-Hill College, 2000.

HUBER, G.P. The nature and design of post-industrial organizations. Management Science, v.8, n. 30, p. 928-951, 1984.

Hurtubia, Jaime. La evolución del pensamiento ecológico. Seminario Regional Estilos De Desarrollo Y Medio Ambiente En América Latina: 1979: Santiago, Chile

ILINITSC, A.Y.; D´AVENI, R.A.; LEWIN, A.Y. New organizational forms and strategies for managing in hypercompetitive environments. Organization Science, n. 7, p. 211-220, 1996.

initiatives. [S.I.: s.n.] International Journal of Physical Distribuition & logistics, v..31, n.4, p. 266-289, 2001

Jackson, M.C. Systems Thinking: Creative Holism for Managers ohn Wiley & Sons, 2003. 376pp.

Johansen, O., (2002). Introducción a la Teoría General de Sistemas. México: Limusa, Noriega Editores

Jordan, N. Themes in speculative psychology.Tavistock Publications, London, 1968.

Juarrero, A. Dynamics in Action. MIT Press, Cambridge, MA. 1999.

Kauffman, S. A. At home in the universe: The search for the laws of self-organization and complexity. New York: Oxford University Press. 1995.

Kauffman, S. A., Johnsen, S. Coevolution of the edge of chaos: coupled fitness landscapes, poised states, and coevolutionary avalanches. C.G. Langton et al. (eds.), Artificial Life II, Proceedings Volume X in the Santa Fe Institute Studies in the Sciences of Complexity, Addison-Wesley, Reading, MA, 1992.

Kauffman, S. A.. O Universo, A Nossa Casa. Editorial Bizâncio, 2005.


158

Kelly S. and Allison M. A. (1999), The Complexity Advantage, New York: McGraw-Hill

Kelly, S.; Allison, M. A. The Complexity Advantage – How the science of complexity can help your business achieve peak performance. New York, 1998.

Kelso, J.A.S. Dynamic Patterns: The Self-Organization of Brain and Behavior. MIT Press; 1997.

Kelso, J.A.S. Principles of dynamic pattern formation and change for a science of human behavior. In: Bergman, L.R., Cairns, R.B., Nilsson, L.-G., & Nystedt, L. Developmental science and the holistic approach. Mahwah, NJ: Erlbaum, pp. 63-83, 2000.

Klopf, A. H. The Hedonistic Neuron: a Theory of Memory, Learning, and Intelligence, Washington: Hemisphere. 1982.

Knowledge Management, Organizational Intelligence and Learning, and Complexity, in: The Encyclopedia of Life Support Systems ((EOLSS), (Eolss Publishers, Oxford). [http://www.eolss.net]

Korte, S. M.; Koolhaas, J. M.; Wingfield, J. C.; Mcewen, B. S. The Darwinian concept of stress: benefits of allostasis and costs of allostatic load and trade-offs in health and disease. Neuroscience and Biobehavioral Reviews. v. 29, n. 1, p. 3 - 38, 2005.

Kuhn, T. S. A Estrutura das Revoluções Científicas. São Paulo: Perspectiva, 1995.

L. von Bertalanffy; The Theory of Open System in Physics and Biology, 1950.

Langley, L. L.. Homeostasis. Editora Alhambra. Madrid. 1980.

Langton, C. G. “Studying Artificial Life with Cellular Automata” in D.

LAWRENCE, P.R. Organization and environment perspective. In: VAN DE VEN, A. H.; JOYCE, W.F. (Eds.). Perspectives in Organization Design and Behavior, New York: Wiley, p. 311-337, 1981.

Le Moal M. Historical approach and evolution of the stress concept: A personal account. Psychoneuroendocrinol 2007; in press.

LE MOIGNE, Jean-Louis. A teoria do sistema geral: teoria da modelização.Tradução: Jorge Pinheiro. Instituto Piaget, Lisboa, Portugal, 1977.

Leifer, R. Understanding organizational transformation using a dissipative structure model. Human Relations 42 899–916. 1989.

Leite, Maria S. A.; BORNIA, Antonio C.; COELHO, Christianne C. S. R. A contribuição da teoria da complexidade à modelagem de sistemas. 2004. Artigo. XXIV Encontro Nacional de Engenharia de Produção. Florianópolis, SC.

Levine, D. S.. Explorations in Common Sense and Common Nonsense, on-line book, url: http://www.uta.edu/psychology/faculty/levine/EBOOK/index.htm. 1998

LEWIN, A.Y.; LONG, C.; CARROL, T. The coevolution of new organizational forms. Organization Science, v.10, p. 535-550, 1999.

Lewin, Roger. Complexity, Life at the Edge of Chaos. New York: MacMillan Publishing Co., 1992.


159

Lichtenstein, B. M.B. Self-organized transitions: A pattern amid the chaos of transformative change. Academy of Management Executive, 14(X): 128–141. 2000.

Lichtenstein, B.M.B. Emergence as a process of self-organizing - New assumptions and insights from the study of non-linear dynamic systems”, Journal of Organizational Change Management, Vol.13, No. 6, pp. 526-44. 2000a.

Lipp M., organizador. Stress: conceitos básicos. In: Pesquisas sobre stress no Brasil: saúde, ocupações e grupos de risco. Campinas: Papirus; 1996. p.17-28.

Lorenz, E. Deterministic non-periodic flows. Journal of Atmospheric Science,20,130-141, 1963.

Lustosa Becskeházy. Rio de Janeiro: Ed. da Fundação Getúlio Vargas, 1976. p. 1-20.

Maani K & Cavana R. Systems Thinking and Modelling – Understanding Change and Complexity, Prentice Hall: Auckland. 2000.

MacIntosh, R., D. MacLean. Conditioned emergence: A dissipative structures approach to transformation. Strategic Management J. 20 297–316. 1999.

Maffei, W.E. Os Fundamentos da Medicina. 2.ª edição. São Paulo. Artes Médicas, 1978.

Magill, Richard A. Motor learning: Concepts and applications 5th edition. Boston, Mass.: McGraw Hill Custom Publishing. 1998

Maguire, S., & McKelvey, B. Complexity and management: Moving from fad to firm foundations. Emergence, 1(2): 19–61. 1999.

Malagón-Londoño G.; Morera, G.; Laverde, P. Administração hospitalar. 2.ed. Rio de Janeiro: Guanabara Koogan, 2003.

Mandelbrot, B. The fractal geometry of Nature. New York, NY: W.H. Freeman. 1983.

Manno, R.: Les Qualités Physiques entre 6 et 14 ans. Revue de Education Physique et Sport. 246. Mars/Avril: 62-65. 1994.

Manso, M.G.; Valdivieso, N.M.; Caballero, J.A.R. Planificación del Entreinamiento Deportivo. Madri. Gymnos, 1996.

MARCH, J. Footnotes to organizational change. Administrative Science Quaterly, 1981.

MARIOTTI, H. As paixões do ego: complexidade, política e solidariedade. São Paulo: Palas Atenas, 2000.

MARIOTTO, F. L. Mobilizing emergent strategies. Relatório nº 10/2000. Núcleo de Pesquisas e Publicações. São Paulo: EAESP/FGV, 2000. (Série Relatórios de Pesquisa).

Martin, C.T. La teoria dos sistemas dinámicos y el entrennmiento deportivo. Tesis doctoral, Universitat de Barcelona. 2005.

Maruyama, M. The second cybernetics: Deviation amplifying mutual causal processes. American Science, 51: 164–179. 1963.

Masuch, M. Vicious circles in organizations. Administrative Science Quarterly, 30: 14–33, 1985.

MATURANA, H. Biology of cognition. [S.I.:s.n]. Original, 1970. Impresso, 1980.


160

Maturana, H.R. and Varela, F.J. (1973), De máquinas y seres vivos: Una teoría de la organización biológica (Santiago: Editorial Univeristaria).

Maturana, H.R. and Varela, F.J. A árvore do conhecimento: as bases biológicas da compreensão humana. Tradução: Humberto Mariotti e Lia Disken. São Paulo: Palas Athena, 2001.

Maturana, H.R. and Varela, F.J. Autopoiesis and cognition. D. Reidel, Dodrecht: Holanda, 1980.

Maturana, H.R. and Varela, F.J. Autopoiesis: The Organization of the Living”. Santiago, Chile: Universitária, 1980.

Maturana, H.R. and Varela, F.J. De máquinas e seres vivos: autopoiese. A organização do vivo. Tradução: Juan Açunã Llorens. Porto Alegre: Artes Médicas. Tradução de: Autopoiesis: la organizacion de lo vivo, 1997.

MATURANA, Humberto R.; VARELA, Francisco J. A árvore do conhecimento: as bases biológicas da compreensão humana. São Paulo: Palas Athena, 2003.

Mayer, E. A. The neurobiology of stress and gastrointestinal disease. Gut. v. 47, n. 6, p. 861 - 869, 2000.

McKelvey, B. “Quasi-natural organization science,” Organization Science, ISSN 1047-7039, 8: 351-381. 1997.

McKelvey, B., & Lichtenstein, B. Forthcoming. Toward a theory of emergence by stages: Complexity and enabling leadership. In J. Hazy, J. Goldstein, & B. Lichtenstein (Eds.), Complex systems leadership theory. Boston: ISCE Publishing. 2005.

Menna-Barreto, L. E Marques, N. O tempo dentro da vida, além da vida dentro do tempo. Ciência e Cultura, Outubro 2002.

MINTZBERG, H. Ascensão e queda do planejamento estratégico. Porto Alegre: Bookman, 2004.

MINTZBERG, H. Crafting strategy. Harvard Business Review, p. 109-118, July-Aug. 1987.

MINTZBERG, H.; AHLSTRAND, B.; LAMPEL, J. Safári de estratégia: um roteiro pela selva do planejamento estratégico. Porto Alegre: Bookman, 2000.

MINTZBERG, H.; QUINN, J. B. O processo da estratégia. 3. ed. Porto Alegre: Bookman, 2001

Mitleton-Kelly E. “Ten principles of complexity and enabling infrastructures,” in E. Mitleton-Kelly (ed.), Complex Systems and Evolutionary Perspectives on Organizations: The Application of Complexity Theory to Organizations, ISBN 9780080439570. 2003.

Monge, P. R.; Contractor, N. S. Theories of Communication Networks. New York: Oxford University Press. 2003

Moraes, M.C. O pensamento eco-sistêmico: educação, aprendizagem e cidadania no século XXI. Petrópolis/RJ: Vozes. 2004.

Moran, E. Adaptabilidade humana. São Paulo: EDUSP, 1994. p.21-43

MORGAN, G. Ciência com consciência. 7. ed. rev. e ampl. São Paulo: Bertrand Brasil, 2003.


161

MORGAN, G. Imagens da organização. São Paulo: Atlas. 1995.

Morin, E. Ciência com consciência. 4. ed. Rio de Janeiro: Bertand Brasil, 2000.

MORIN, E. A complexidade e a empresa. The Generation of Scientific,Administrative Knowledge, Michel Audet e Jean-Louis Maloin: Presses de l'Université Laval, Quebec, p. 135-154, 1986.

MORIN, E. Ciência com consciência. 4. ed. Rio de Janeiro: Bertrand Brasil, 2000.

Morin, E. Cultura de massas no século XX. Tradução de Maura Ribeiro Sardinha. 9ª ed., Forense Universitária, Rio de Janeiro: 1997.

MORIN, E. Introdução ao pensamento complexo. 3. ed. Lisboa: Instituto Piaget, 2001.

Morin, E. Introdução ao pensamento complexo. Porto Alegre: Sulina, 2005. (Original: Introduction à pensée complexe)

MORIN, E. O método 1: da natureza da natureza. Tradução: Ilana Heineberg. 2ª ed., Porto Alegre: v. 1, sulina, 1977.

MORIN, E. O método I: a natureza da natureza. Lisboa: Publicações Europa-América Ltda, 1977.

MORIN, E. O problema epistemológico da complexidade. Lisboa: Publicações Europa- América Ltda, 1983. (Coleção Biblioteca Universitária nº 38)

MORIN, E.; CIURANA, E. R.; MOTTA, R. D. Educar na era planetá-ria: o pensamento como método de aprendiza-gem pelo erro e incerteza humana. São Paulo: Cortez; Brasília: UNESCO, cap.2, 2001

MORIN, Edgar. Ciência com Consciência. Rio de Janeiro: Bertrand Brasil, 1996.

Morin, Edgar. Ciência com consciência. Trad. Maria D. Alexandre e Maria. Alice Sampaio Dória. 7. ed. rev. mod. Rio de Janeiro: Bertrand Brasil, 2003

MORIN, Edgar. Introdução ao Pensamento Complexo. Porto Alegre: Editora Sulina. 2005

MORIN, Edgar. LE MOIGNE, Jean-Louis. A inteligência da complexidade. Tradução: Nurimar Maria Falci. São Paulo: Peirópolis,2000.

MORIN, Edgar. O método 2: a vida da vida; Tradução: Marina Lobo. Porto Alegre: v.2

Morin, Edgar; Moigne, Jean-Louis Le. L'Intelligence de la Complexité, Edition l'Harmattan. 1999.

Newman, D. V. Emergence and strange attractors. Philosophy of Science, 63(2):245–261, 1996.

NICOLAU, Isabel. O conceito de estratégia. Disponível em: <www.iscte.pt/Estrategial/conceito%20estratégia.pdf >. Acesso em: 15 abr. 2003.

Nicolis, G.: Physics of far-from-equilibrium systems and self-organization. In Davies, P., ed.: The New Physics. Cambridge University Press (1989)

O‘ CONNOR, J. & MCDERMOTT, I. The art of systems thinking. Harper & Collins, 1997.

Odum, Eugene P. Fundamentos de Ecologia, edição 2007, Editora Thomson Pioneira.


162

Palmberg, Klara Complex Adaptive Systems, Properties and approaches.. Research report 2009, Luleå University. Sweden, Luleå 2009.

Papp, D.; Estrella, J. (1996). Breve Historia de la Ciencia. Argentina: Editorial Claridad.

Paraná, PPGTE.

Parker, D., Stacey, R. “Chaos, management and economics: the implications of non-linear thinking”, Hobart Paper 125, Institute of Economic Affairs, London, 1994.

PARSONS, T. A sociologia americana: perspectivas, problemas, métodos. São Paulo: Cultrix, 1970.

Parunak, H.D., Brueckner, S.A.: Engineering Swarming Systems. In Bergenti, F., Gleizes, M.P., Zambonelli, F., eds.: Methodologies and Software Engineering for Agent Systems. Kluwer (2004) (to appear, available online at hup://www.erim.org/˜vparunak/).

PERROW, C. Complex organizations: a critical essay. New York: Mac-Graw Hill, 1986 [1972].

Pfeifer, R. & Scheier, C. Understanding Intelligence, MIT Press. 1999

Piaget, J. Science of education and the psychology of the child. New York: Viking. 1970.

Piaget, Jean. Biologia e Conhecimento. 2ª Ed. Vozes : Petrópolis, 1996.

PIGLIUCCI, Massino. Chaos and Complexity: should we be skeptical? In: Skeptic. vol. 8, n° 3, 2000, p.62-64.

Platonov, V.N. La adaptación en el deporte. Ed.Paidotribo, Barcelona. 1991.

Plowman, D. A.; Baker, L. T.; Beck, T. E.; Kulkarni, M.; Solansky, S. T.; Travis, D. V. Radical change accidentally: the emergence and amplification of small change. Academy of Management Journal, Vol. 50, No. 3, 515–543. 2007

PRIESMEYER, H.R. Organizations and chaos. West Port CT: Quorum Books. 1992.

Prigogine, I. (2004). Las Leyes del Caos. (2ª. ed.). Editorial Crítica: Barcelona.

PRIGOGINE, I. From being to becoming, Freeman, San Francisco 1980

PRIGOGINE, I. O fim das certezas – tempo, caos e leis da natureza. Ed. Unesp, 1996

PRIGOGINE, I. Self-organization in Nonequillibrium systems, Willey, New York 1977.

Prigogine, I; Allen, P. The challenge of complexity. In: Schieve, W.; Allen, P.(EDS.) self-organization and Dissipative Structures: Applications in the Physical and Social Sciences. Austin TX: University of Texas Press. 1982.

Prigogine, Ilya and Stengers, Isabelle 1984, Order Out of Chaos, New York: Bantam Books. 1986.

PRIGOGINE, Ilya. As leis do caos. São Paulo: Unesp, 2002.

Provérbio Desconhecido retirado de http://www.hkocher.info/minha_pagina/port/port.htm

RAMOS, A. G. A nova ciência das organizações: uma reconstrução da riqueza das nações. 2.ed. Rio de Janeiro: FGV, 1983.

http://www.hkocher.info/minha_pagina/port/port.htm


163

RANSON, S.; HININGS, B.; GREENWOOD, R. The structuring of organizational structures. Administrative Science Quarterly, v.25, n.1, p.1-17, mar. 1980.

REBELO, L. M. B. A dinâmica do processo de formação de estratégias de gestão em universidades: a perspectiva da Teoria da complexidade. 2004. 276f. Tese (Doutorado em Engenharia de Produção) – Universidade Federal de Santa Catarina, Florianópolis.

Richardson, George P. Problems with causal-loop diagrams. In: System Dynamics Review 2, n° 2. System Dynamics Society, 158-170. 1986.

Ricklefs, R. Ecology. Portland: Oregon, 1973.

Ridley, M. Evolution. Oxford: Oxford Riders, 1997.p. 1-430

Roberts, N.; Andersen, D.; Deal, R.; Garet, M. & Shaffer, W. Introduction to Computer Simulation - A System Dynamic Modelling Approach. New York: Addison Wesley. 1983.

ROCHA NETO, Ivan. Ciência, tecnologia & inovação: enunciados e reflexões: uma

ROCHA NETO, Ivan. Gestão de Organizações. São Paulo: Editora Atlas, 2003.

Ronald,E. M. A.; M. Sipper, and M. S. Capcarr`ere. Testing for emergence in artificial life. In D. Floreano, J.-D. Nicoud, and F. Mondada, editors, Advances in Artificial Life: 5th European Conference, volume 1674 of LNCS, pages 13–20. Springer, 1999.

SANTOS, B.S. (Org.) Um discurso sobre as ciências. Porto Alegre, Edições Afrontamento, 1987.

SANTOS, B.S. A crítica da razão indolente: contra o desperdício da experiência. São Paulo: Cortez, 2ª ed., 2000.

Sastry, M. A. Problems and paradoxes in a model of punctuated organizational change. Administrative Science Quarterly, 42: 237–275, 1997.

SATO, Carlos E. A. Gestão Corporativa de Projetos para Instituições de Pesquisa

SCHEIN, E.H. Psicologia organizacional. RJ: Prentice Hall, 1982.

Schmidt, R. C., O'Brien, B., & Sysko, R. Self-organization in between-person cooperative tasks and possible applications for sport. International Journal of Sport Psychology, 30, 558-579. 1999.

SCHROEDER, M. Fractals, chaos, power laws, minutes from and infinite para-dise. New York: W.H. Freeman, 1990.

Scott, W. R. Organizations - Rational, Natural and Open Systems. Fourth Edition. New Jersey: Prentice Hall, 1998.

Scott, W. R. Organizations - Rational, Natural and Open Systems. Fourth Edition. New Jersey: Prentice Hall, 1998.

Scrödinger, Erwin. O Que é a Vida? Editora Fragmentos. Lisboa. 1947.

Seel, R. Emergence in Organisations. http://www.new-paradigm.co.uk/emergence-2.htm. (2006)

Seeman, T. E.; Mcewen, B. S.; Rowe, J. W.; Singer, B. H. Allostatic load as a marker of cumulative biological risk: MacArthur studies of successful aging. Proceedings of the


164

National Academy of Sciences of the United States of America. v. 98, n. 8, p. 4770 - 4775, 2001.

Seeman, T. E.; Singer, B. H.; Ryff, C. D.; Dienberg Love, G.; Levy-Storms, L. Social relationships, gender, and allostatic load across two age cohorts. Psychosomatic Medicine. v. 64, n. 3, p. 395 - 406, 2002.

Seeman, T. E.; Singer, B. H; Rowe, J. W.; Horwitz, R. I.; Mcewen, B. S. Price of adaptation - Allostatic load and its health consequences: MacArthur studies of successful aging. Archives of Internal Medicine. v. 157, n. 19, p. 2259 - 2268, 1997a.

Selye H. Stress, a tensão da vida. 2. ed. São Paulo: Ibrasa; 1959

Senge, Peter M. A quinta disciplina: arte, teoria e prática da organização de aprendizagem. Tradução: Regina Amarante. Editora Best Seller. São Paulo. 4º Edição, 1990.

Serugendo, G. Di Marzo; Gleizes, M.-P.; Karageorgos, A.. "Self-organisation and emergence in MAS: an overview", Informatica 30(1): 45-54, Slovene Society Informatika, Ljubljana, Slovenia, 2006.

Serugendo, G. M., Gleizes, MP, and Karageorgos A. Selforganisation and emergence in MAS: an overview. Informatica, 30:45–54, 2006.

SERVA, M. Abordagem substantiva e ação comunicativa: uma complementaridade proveito-sa para a teoria das organizações. Revista de Administração Pública, Rio de Ja-neiro, v. 31, n. 2, p. 108-134, mar./abr., 1997.

Shalizi, C.R.: Causal Architecture, Complexity and Self-Organization in Time Series and Cellular Automata. PhD thesis, University of Wisconsin at Madison available at hup://cscs.umich.edu/˜crshalizi/thesis/. 2001

SHERMAN, H.; SCHULTZ, R. Open boundaries. New York: Perseu Books, 1998.

Silva, A. B.; Rebelo, L. M. B. A emergência do pensamento complexo nas organizações. Revista de Administração Pública, Rio de Janeiro, V.37, N.4, Jul-Ago, 2003. 20p.

SIMON, H. As ciências do artificial. Tradução: Luís Moniz pereira. Coimbra - Lisboa. Sucessor, 1969.

SIMON, H.A. Administrative behaviour: a study of decision-making process in administrative organizations. New York: The Free Press, 1997.

Smith, C. Transformation and regeneration in social systems: A dissipative structure perspective. Systems Res. 3 203–213, 1986.

Smith, C., G. Gemmill. Self-organization in small groups: A study of group effectiveness within non-equilibrium conditions. Human Relations 44 697–716, 1991.

Smith, D.J.; A framework for understanding the training process leading to elite performance. Sports Medicine. v.33, n.33, 2003.

Smith, R.D. The inapplicability principle: What chaos means for social science. Behavioral Science.22-40, 1995.

Snowden, D. HSM Management, 39, julho-agosto, 2003.


165

STACEY, R. D. Complex responsive processes in organization: learning and knowledge creation. New York: Routledge, 2001.

STACEY, R. D. Complexity and creativity in organizations. Berret-Koehler Publishers, Inc.: San Francisco, 1996.

Stacey, R. D. Complexity and management. New York: Routledge, 2000

STACEY, R. D. Strategic management and organizational dynamics: the challenge of complexity. 3ªed. Ed.Haslow, Essex, Inglaterra: Pearson education, 2000.

STACEY, R. D. The chaos frontier: creative strategic control for business. Oxford: Butterworth-Heinemann, 1991.

STACEY, R. D.; GRIFFIN, D.; SHAW, P. Complexity and management. New York: Routledge, 2000.

Stacey, R. The science of complexity: An alternative perspective for strategic change processes. Strategic Management Journal, 16: 477–495, 1995.

STAKE, R. E.: Handbook of qualitative research. DENZIN, N; LINCOLN, Y. Eds, London: Sage, 1994.

Sterling, P. and Eyer, J., 1988, Allostasis: A new paradigm to explain arousal pathology. In: S. Fisher and J. Reason (Eds.), Handbook of Life Stress, Cognition and Health. John Wiley & Sons, New York.

Sterman, J. D. Modeling Managerial Behavior: Misperceptions of Feedback in a Dynamic Decision Making Experiment. Japanese Journal of System Dynamics, 2. 1998.

Sterman, John D. Business Dynamics: systems thinking and modeling for a complex world. 1a. ed. Boston: Irwin/ McGraw – Hill, 2000.

Stewart, J. A. The detrimental effects of allostasis: Allostatic load as a measure of cumulative stress. Journal of Physiological Anthropology. v. 25, n. 1, p. 133 - 145, 2006.

Szmuchrowski, L. A.; Gripp, F.; Gonçalves, R. ; Mourão, J; Pereira, J. A. R. Teste de Limiar Anaeróbio pela Frequência Cardíaca em Cicloergômetro. In: Pablo Juan Greco; Emerson Silami Garcia; Kátia Lúcia Moreira Lemos. (Org.). Temas Atuais em Educação Física e Esportes. Belo Horizonte, 1999, v. 4, p. 109-122.

Taylor, M. C. The Moment of Complexity: Emerging Network Culture by, published by the University of Chicago Press. 2001.

Tecnológica: Caso LACTEC. 2004. Dissertação. Universidade Tecnológica Federal do

TERRA, J.C.C. Gestão do conhecimento: o grande desafio empresarial. São Paulo: Negócio, 2000.

Thelen, E., Ulrich, B.D. Hidden skills: A dynamic systems analysis of treadmill stepping during the first year. Monographs of the Society for Research in Child Development. v.56, p.l06. (SeriaI223). 1991.

Thietart, R. A., & Forgues, B. Chaos theory and organizations. Organization Science, 6: 19–31. 1995.

THOMPSON, J.D. Organizations in action. New York: McGraw Hill, 1967.


166

Ururahy, G. & Albert, E. Como Tornar-se um Bom Estressado. Rio de Janeiro: Salamandra, 1997.

Vasconcellos, M. J. E. Pensamento sistémico: o novo paradigma da ciência. 3ª ed., Campinas, SP: Papirus, 2002.

VASCONCELOS, E. M. Complexidade e pesquisa interdisciplinar: epistemolo-gia e metodologia operativa. Petrópolis, RJ: Vozes, 2002.

Vieira, S. I. & Schüller Sobrinho, O. Estresse e sua Prevenção. Coord: Vieira, S. I. In: Medicina Básica do Trabalho. v. IV, Curitiba: Genesis, 1995. Pg. 199 - 217.

Vilas-Boas, João Paulo. “Aproximação biofísica ao desempenho e ao treino de nadadores”, Rev. paul. Educ. Fís., São Paulo, 14(2):107-17, jul./dez. 2000.

VOLBERDA, H W. Building the flexible firm: how to re-main competitive. New York: Oxford University Press, 1998.

VOLBERDA, H. W. Strategic flexibility: creating dynamic competitive advantages. In: FAULKNER, D.; CAMPBELL, A. (Eds.). The Oxford handbook of strategy, v. II: Corporate Strategy. Oxford: Oxford University Press, 2003.

WALDROP, M.M. Complexity: the emerging science at the edge of order and chaos. New York: Simon e Schuster, 1992.

WARREN, Keith; FRANKLIN, Cynthia; STREETER, Calvin. New directions in systems theory: Chaos e Complexity. In: National Association of Social Working, vol.43, n° 4, p.357-372. July 1998.

Weick, K. The social psychology of organizing. New York: Random House. 1979.

WHEATLEY, M. J. Liderança e a nova ciência. São Paulo: Cultrix, 1992.

Wheatley, M. Leadership and the new science. San Francisco: Berrett-Koehler. 1999.

WHEATLEY, M.J.; KELLNER-ROGERS, M. A simple way. San Francisco: Berret-Koehler, 1995

Wiener, N., Cybernetics: Or Control and Communication in the Animal and the Machine. Paris, France: Librairie Hermann & Cie, and Cambridge, MA: MIT Press.Cambridge, MA: MIT Press. 1948

Wolf, T. ; Holvoet, T. Emergence Versus Self-Organisation: Different Concepts but Promising When Combined. S. Brueckner et al. (Eds.): ESOA 2004, LNCS 3464, pp. 1–15, 2005.

WU, J.: Modeling Complexity Ecological System: an introduction. In: Ecological Modelling. p.1-6, 2002.

Yun AJ, Bazar KA, Gerber A, Lee PY, Daniel SM. The dynamic range of biologic functions and variation of many environmental cues may be declining in the modern age: implications for diseases and therapeutics. Med Hypotheses; 65: 173-8, 2005.

Zatsiorsky V.M. Kinetics of Human Motion. Champaign, IL: Human Kinetics. 2002.

ZIMMERMAN, B. Complexity science: a route through hard times and uncertainty. Health Forum Journal, p.42-46, mar./apr. 1999.

A Complexidade e Os Seus Paradigmas Na Gestão

Documents

Transcript of A Complexidade e Os Seus Paradigmas Na Gestão