Fragile States Index Affinity Propagation

26
1 MIGON, E. X. F. G . Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation Eduardo Xavier Ferreira Glaser Migon RESUMO Trata-se de pesquisa empírica que teve por objetivos (i) estudar o comportamento do algoritmo Affinity Propagation na clusterização de dados concretos, (ii) analisar a estrutura representativa dos dados de (in)segurança utilizados e (iii) analisar a (in)segurança africana a partir das estruturas representativas pesquisadas. O esforço desenvolvido teve viés exploratório, com a finalidade de melhor conhecer a realidade africana e, simultaneamente, melhor entender e implementar a classificação não supervisionada de dados associados à contextos de Segurança & Defesa (S&D). A revisão da literatura introduz aspectos associados à trajetória africana em S&D, associados à fragilidade dos Estados enquanto aspecto particular desta trajetória,assim como introduz a base de dados utilizada, o Fragile (Failed) States Index (FSI). A descrição da metodologia informa quanto à técnica de análise de cluster bem como introduz o algoritmo Affinity Propagation, detalhando os procedimentos operativos utilizados. Os resultados são expostos integralmente, com a intenção complementar de os tornar disponíveis a pesquisadores, analistas e interessados no tema investigado: a (in)segurança africana. A discussão dos resultados explora aspectos associados ao método, analisando a aplicação deste assim como as especificidades das estruturas geradas, e ao objeto de pesquisa, analisando aspectos qualitativos da S&D do continente africano. Palavras-chave: Segurança & Defesa (S&D); Métodos quantitativos; Análise de Cluster; Affinity Propagation; Estados frágeis; África. 1. Introdução 1,2 Esta comunicação complementa e dá continuidade a uma sequência maior de trabalhos, cujo conjunto assume a importância de se estudar a (in)segurança da África em face da relevância desta região para a Segurança & Defesa internacional, em sentido amplo, para o espaço físico conformado pelo Atlântico Sul e pelo próprio Brasil, como consequência da inserção geográfica e proximidade, e pelo espaço africano em si, cujas populações tanto sofrem com os conflitos locais. 1O autor agradece o apoio institucional da Escola Brasileira de Administração Pública e de Empresas (EBAPE/FGV) e da Escola de Comando e Estado-Maior do Exército (ECEME). 2 O conteúdo deste capítulo é parte da minha tese de doutoramento, sob título “Análise empírica da (in)segurança africana: pesquisando dados com o apoio de algoritmos”, a qual buscou fornecer elementos metodológicos de interesse dos projetos “A importância da África para a Segurança e Defesa do Brasil”(CNPq/Pandiá, 2014), “Sistemas de Inteligência e o Entorno Estratégico do Brasil: análise institucional e identificação de ameaças” (CNPq/Pandiá, 2014) e “A Economia de Defesa sob Perspectiva Sistêmica: possibilidades comerciais e inovativas na Indústria de Defesa Brasileira” (Chamada nº 22/CNPq, 2016).

Transcript of Fragile States Index Affinity Propagation

Page 1: Fragile States Index Affinity Propagation

1

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

Análise empírica da (in)segurança regional: mapeando os países africanos a partir da

interação Fragile States Index e Affinity Propagation

Eduardo Xavier Ferreira Glaser Migon

RESUMO

Trata-se de pesquisa empírica que teve por objetivos (i) estudar o comportamento do algoritmo Affinity Propagation na clusterização de dados concretos, (ii) analisar a estrutura representativa dos dados de (in)segurança utilizados e (iii) analisar a (in)segurança africana a partir das estruturas representativas pesquisadas. O esforço desenvolvido teve viés exploratório, com a finalidade de melhor conhecer a realidade africana e, simultaneamente, melhor entender e implementar a classificação não supervisionada de dados associados à contextos de Segurança & Defesa (S&D). A revisão da literatura introduz aspectos associados à trajetória africana em S&D, associados à fragilidade dos Estados enquanto aspecto particular desta trajetória,assim como introduz a base de dados utilizada, o Fragile (Failed) States Index (FSI). A descrição da metodologia informa quanto à técnica de análise de cluster bem como introduz o algoritmo Affinity Propagation, detalhando os procedimentos operativos utilizados. Os resultados são expostos integralmente, com a intenção complementar de os tornar disponíveis a pesquisadores, analistas e interessados no tema investigado: a (in)segurança africana. A discussão dos resultados explora aspectos associados ao método, analisando a aplicação deste assim como as especificidades das estruturas geradas, e ao objeto de pesquisa, analisando aspectos qualitativos da S&D do continente africano.

Palavras-chave: Segurança & Defesa (S&D); Métodos quantitativos; Análise de Cluster; Affinity Propagation; Estados frágeis; África.

1. Introdução1,2

Esta comunicação complementa e dá continuidade a uma sequência maior de

trabalhos, cujo conjunto assume a importância de se estudar a (in)segurança da África em face

da relevância desta região para a Segurança & Defesa internacional, em sentido amplo, para o

espaço físico conformado pelo Atlântico Sul e pelo próprio Brasil, como consequência da

inserção geográfica e proximidade, e pelo espaço africano em si, cujas populações tanto

sofrem com os conflitos locais.

1O autor agradece o apoio institucional da Escola Brasileira de Administração Pública e de Empresas (EBAPE/FGV) e da Escola de Comando e Estado-Maior do Exército (ECEME). 2O conteúdo deste capítulo é parte da minha tese de doutoramento, sob título “Análise empírica da (in)segurança africana: pesquisando dados com o apoio de algoritmos”, a qual buscou fornecer elementos metodológicos de interesse dos projetos “A importância da África para a Segurança e Defesa do Brasil”(CNPq/Pandiá, 2014), “Sistemas de Inteligência e o Entorno Estratégico do Brasil: análise institucional e identificação de ameaças” (CNPq/Pandiá, 2014) e “A Economia de Defesa sob Perspectiva Sistêmica: possibilidades comerciais e inovativas na Indústria de Defesa Brasileira” (Chamada nº 22/CNPq, 2016).

Page 2: Fragile States Index Affinity Propagation

2

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

A importância do continente africano para o sistema internacional pode ser percebida a

partir da dimensão territorial deste, dos efetivos populacionais, da quantidade de unidades

políticas associadas, das expectativas futuras acerca da evolução da realidade continental, etc.

É possível perceber que a realidade africana é objeto da atenção sob as mais diferentes

perspectivas. O continente é relevante tanto em relação aos desafios globais (NIC, 2012, p. 7–

40), quanto em relação a suas próprias especificidades (DDCC, 2014, p. 125–140; NIC,

2008, p. 56, 65; NIC, 2012, p. 82, 84), com a temática da segurança evidenciando ser um dos

principais desafios. Sugere-se, inclusive, que a questão da fragilidade local e regional é um

dos principais desafios a ser superado, a fim de permitir à África expressar todo o seu

potencial e convergir para um cenário de maior prosperidade e bem-estar (AHLERS; KOHLI;

SOOD, 2013, p. 174).

Complementando as visões internacionais acima, importante referir que a importância

da África não escapa à atenção brasileira. A dinâmica do relacionamento nacional com a

África é histórica, a exemplo das iniciativas que levaram ao reconhecimento da independência

de Angola (MELO, [S.d.]). E vem reocupando e ampliando o espaço no âmbito da política

externa (RIZZI et al., 2011; VILELA; NEIVA, 2011) e da política de defesa (ABDENUR;

SOUZA NETO, 2014) do país nos últimos anos.

Pretende-se contribuir com o debate acima sintetizado sob duas perspectivas. O

esforço principal reside em confirmar a viabilidade de técnica de pesquisa recentemente

informada na literatura, gerando dados inéditos e consolidando uma opção instrumental de

pesquisa. Como consequência dos resultados obtidos, pretende-se discutir a (in)segurança

africana, com apoio das estruturas representativas obtidas. Trata-se, portanto, de pesquisa

aplicada, na medida em que se pesquisa a realidade africana a partir de dados disponibilizados

pelo Fragile States Index (FSI) e com o apoio do algoritmo Affinity Propagation (AP), e

exploratória, na medida em que se investiga o comportamento do algoritmo na clusterização

de dados concretos associados à realidade africana, algo ainda pouco conhecido. Os

resultados são úteis tanto no que concerne à análise da performance do algoritmo, quanto,

adicionalmente, para discutir a (in)segurança africana propriamente dita.

Assim sendo, este artigo está estruturado em cinco seções, ao que se segue extensa

lista de referências bibliográficas. A esta seção introdutória segue-se uma revisão da

literatura, contextualizada para aspectos associados à dinâmica africana e à caracterização da

base de dados utilizada. No tópico seguinte, metodologia, expõe-se aspectos da técnica de

pesquisa adotada, do algoritmo utilizado e dos procedimentos utilizados. Os resultados

Page 3: Fragile States Index Affinity Propagation

3

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

obtidos são informados em seção própria, ao que se segue a discussão destes, considerando

aspectos associados ao método e considerando a (in)segurança do espaço investigado. Após o

que, segue-se breve conclusão.

2. Revisão da literatura

Estudar a África é, intrinsicamente, uma tarefa complexa. Trata-se de continente que

acolhe rol elevado e variado rol de dinâmicas interdependentes, as quais sofrem influência da

dimensão e amplitude geográfica, da dimensão e pluralidade dos efetivos populacionais, das

assimetrias e diversidade econômica, etc. Ainda que restringindo a análise e assumindo, numa

abordagem macro, as “unidades políticas” enquanto elemento de reflexão, há que se

considerar que é o continente com o maior número de países, totalizando 54 países

independentes. São contextos e trajetórias históricas, políticas e sociais distintas, ainda que

fortemente interdependentes, o que sugere a possibilidade de adoção de paradigmas mais

recentes em termos de pesquisa, a exemplo da teoria dos sistemas (ARMENIA; ANGELIS,

2014; VINCI, 2008) e da teoria da complexidade (ALBERTS; CZERWINSKI, 1997;

BOUSQUET; CURTIS, 2011; HENDRICK, 2009).

Estabelecido um marco epistemológico, convém definir os elementos teóricos de

referência. Apesar da longa discussão acerca das causas do (in)sucesso das nações, o que

levou à explicações associadas à geografia, história ou antropologia dos fenômenos, dentre

outras abordagens, assume-se que a teoria institucional seja de particular interesse ao presente

estudo, o qual se apoia em base de dados associada a indicadores institucionais. Assim sendo,

acompanha-se a tese de que o sucesso das nações depende de suas instituições políticas e

econômicas, assim como de suas crenças e procedimentos (ACEMOGLU; ROBINSON,

2012). Considerando-se a especificidade do contexto africano, há indícios de que o

funcionamento das instituições oferece maior potencial explicativo do que elementos

importantes como, por exemplo, os associados à herança colonial ou estágio de

desenvolvimento da unidade política considerada (BERTOCCHI; GUERZONI, 2012).

O mesmo ocorre no que concerne ao potencial explicativo em relação às causas da

longa e recorrente trajetória de conflitos armados que caracterizam a história africana (RENO,

2011), onde elementos associados às instituições políticas e ao funcionamento das estruturas

econômicas, agravados por assimetrias na distribuição de poder político e econômico entre

grupos sociais e étnicos que coexistem sob fronteiras artificialmente delimitadoras de

unidades políticas, tendem a oferecer melhores condições explicativas do que os marcos

Page 4: Fragile States Index Affinity Propagation

4

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

realistas tipicamente associados à análise de conflitos armados (JACKSON, 2006). A

preponderância de conflitos intraestatais em relação ao número de conflitos interestatais

reforça a percepção de que os elementos centrais da instabilidade e violência regional sejam

institucionais, em detrimento de dinâmicas associadas aos interesses nacionais e à competição

entre estados.

A literatura registra importantes esforços no sentido de melhor compreender as

dinâmicas dos conflitos armados. Porto (2008) não apenas oferece uma ampla revisão acerca

de metodologias de monitoramento e controle de conflitos como reforça o posicionamento de

que as causas são plurais, de que conflitos devem ser compreendidos como um processo

dinâmico e de que as condições institucionais são relevantes de serem consideradas. Bevan

(2004a,b) propõe e contextualiza um modelo analítico para o estuda da realidade africana, o

qual também acolhe a perspectiva de monitorar variáveis institucionais.

Estimar o poder dos estados é aspecto em discussão desde muito tempo (GERMAN,

1960), sendo abordagem que ao longo dos anos derivou em duas direções, complementares

em termos conceituais e com proximidade metodológica, compartilhando métodos, variáveis

e indicadores, a saber: a mensuração do poder estatal e a mensuração do fracasso estatal. Em

essência, são polos distintos, do mesmo fenômeno, ainda que a questão do insucesso estatal

venha conformando marcos teóricos próprios (MILLIKEN; KRAUSE, 2002).

A especialização do campo no que concerne à compreensão da instabilidade estatal,

com o consequente risco à segurança daí decorrente, deu-se em dois eixos: a mensuração da

situação estatal propriamente dita e a busca por modelos preditivos capazes de proporcionar

alerta antecipado (early warning) sobre a fragilidade estatal (KING; ZENG, 2001; O’BRIEN,

2002). Parte do esforço dos think tanks e das organizações internacionais interessadas

direcionou-se à coleta sistematizada e estruturação de bases de dados com indicadores de

conflitos (GLEDITSCH; METTERNICH; RUGGERI, 2014; THEMNER; WALLENSTEEN,

2014), de performance estatal (BANDURA, 2008; GUTIÉRREZ et al., 2011) e, mesmo, em

abordagens que revisaram ambos os itens disponíveis (PAVLOVIC et al., 2008; PAVLOVIC;

BLACKLER; MANDEL, 2008).

É sob tal perspectiva que se desenvolve o Fragile (Failed) States Index (FSI). Trata-se

de esforço desenvolvido desde 2005 pelo The Fund for Peace

(FFP)(http://fsi.fundforpeace.org/), tendo mapeado inicialmente 76 países (2005) e 146 países

(2006). A partir daí o índice processa dados sistematizados de 177 países, tendo estabilizado

sua composição em 178 países, com a incorporação do Sudão do Sul, em 2012. O FSI dispõe

Page 5: Fragile States Index Affinity Propagation

5

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

de metodologia própria, apoiada por instrumento próprio capaz de assegurar adequado

tratamento, qualitativo e quantitativo, a elevado volume de dados, a Conflict Assessment

System Tool (FFP, 2014). Assim sendo o FFP divulga anualmente a sua proposta de

sistematização da situação dos estados (FFP, 2010; HAKEN et al., 2011, 2012, 2013;

MESSNER et al., 2014, 2015), a qual sugere a existência de 4 grandes categorias – alerta

(alert), atenção (warning), estável (stable) e sustentável (sustainable) – e de 12 níveis de

variação, indicando maior instabilidade ou estabilidade estatal.

O FSI adota as perspectivas conceituais até aqui expressas, isto é, considera a

pluralidade do fenômeno, integra os dados de forma sistêmica, estabelece uma metodologia

quali-quantitativa, etc. Trata-se de uma base de dados constituída a partir de 12 variáveis, por

sua vez estimadas em função de indicadores, que buscam captar aspectos institucionais de

cunho político-militar (6), sociais (4) e econômicos (2). Para além da convergência teórica,

cabe destacar que análise específica acerca da validade da adoção das 3 famílias de

indicadores – político-militar, social, econômico – corrobora a assertiva da proposta

(CARLSEN; BRUGGEMANN, 2014). Tem-se, portanto, um indicador (ranking) constituído

pela agregação dos resultados obtidos por cada unidade política, conforme mensuração das 12

variáveis elencadas. Os resultados estimados são informados através de infográficos e tabelas

(ranking), sendo também disponibilizados integralmente em formato Excel®.

Em sendo um ranking, cabe destacar algumas limitações conceituais, as quais a

proposta metodológica adotada nesta pesquisa procura superar. Inicialmente, registra-se a

inabilidade humana em lidar com informações disponibilizadas em rankings, sendo alguns

erros frequentes, dentre outros, a tendência em assumir as posições individuais e sucessivas

como homogeneamente equidistantes e em considerar homogêneos os subgrupos “de 5 em 5”,

isto é, assumindo o 5º lugar como “próximo do 4º lugar” e “longe do 6º lugar”, sem

considerar a distância real entre as unidades de análise. É o viés denominado top ten effect

(ISAAC; SCHINDLER, 2014). Em seguida, destaca-se que a estruturação de dados em

ranking demanda, logicamente, o ajustamento dos mesmos a uma escala unidimensional.

Naturalmente, a transformação de 12 variáveis (vetores) para uma escala única traz redução

da variabilidade e, conseqüentemente, perda de informação. Por fim, sugere-se que o

escalonamento linear dificulta a comparação entre os elementos, na medida em que o

raciocínio abstrato humano é limitado, em geral, ao processamento de 7(+/- 2) unidades de

análise (MILLER, 1956).

Page 6: Fragile States Index Affinity Propagation

6

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

3. Metodologia: técnica e procedimentos

Em termos metodológicos, a pesquisa vincula-se à tradição quantitativa. Trata-se da

classificação não supervisionada de dados, isto é, da clusterização de dados considerados

reciprocamente. A mais do que isso, e tendo em vista a utilização do algoritmo Affinity

Propagation (AP)((FREY; DUECK, 2007a), tem-se que os atributos das unidades de análise

são mútua e reciprocamente considerados, o que significa dizer que abordagem é

conceitualmente convergente com as perspectivas da teoria dos sistemas e da teoria da

complexidade. A utilização da técnica de clusterização tem por finalidade manter a maior

parte da informação disponível, reduzindo-se o óbice da redução unidimensional dos dados e

agregando as unidades de análise em agrupamentos similares, como opção alternativa aos

problemas intrínsecos à proposição de um ranking (ISAAC; SCHINDLER, 2014; MILLER,

1956), como acima apontados.

A proposta se insere no contexto da “mineração de dados” (data mining), isto é, trata-

se de técnica que tem por finalidade pesquisar a existência de padrões de relacionamento entre

as unidades de análise consideradas, a partir do conjunto de dados representativo destas

(HAN; KAMBER; PEI, 2012, p. 1–33). O processo de extração de conhecimento e análise

das estruturas representativas do relacionamento existente não é nem simples nem trivial,

evidenciando algumas vantagens em relação às abordagens quantitativas tradicionais, o quem

vem favorecendo a substituição destas pelas novas técnicas. Entre outros aspectos, é possível

destacar que a mineração de dados é capaz de lidar com grandes e complexos volumes de

dados (escala), analisando os mesmos sem a necessidade de intervenção humana (automação),

extraindo e gerando novos dados e estruturas de visualização (geração de conhecimento),

integrando perspectivas (multidisciplinar) e reduzindo o custo e o tempo (custo-benefício)

associado à análise de grandes conjuntos de informação (HADZIC; TAN; DILLON, 2011, p.

1–22)

Em termos gerais, o processo de mineração de dados demanda a preparação destes, a

mineração propriamente dita, a estimação dos modelos e a representação do conhecimento

extraído a partir da análise dos dados. O processamento preliminar dos dados segue o mesmo

rigor e considerações associados à pesquisa quantitativa “tradicional”, sendo necessário

verificar preliminarmente a natureza dos dados considerados, a existência de erros,

inconsistências (outlier), ausências (missing data), etc., tomando as medidas de ajustamento

necessárias. A análise gráfica inicial e a obtenção das estatísticas descritivas associadas

Page 7: Fragile States Index Affinity Propagation

7

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

auxiliam o processo de tomada de decisão quanto ao preparo do conjunto de dados para o

processamento (HAN; KAMBER; PEI, 2012, p. 83–124).

A opção pela análise de cluster decorre das seguintes opções: (i) potencial da técnica

para a detecção de agrupamentos similares, cooperando com a estratificação destes, (ii)

característica dos dados de inexistência de um modelo de referência, o que inviabiliza a

classificação destes em uma estrutura conhecida, (iii) capacidade de detecção de ouliers.

Significa dizer que a base de dados foi investigada com a finalidade de agrupar as unidades de

análises – países africanos – em conjuntos similares entre si, de modo que cada país integrante

do mesmo subconjunto seja, matematicamente, à luz da métrica estabelecida, mais próximo

(e, portanto, mais similar) dos demais integrantes do próprio subconjunto do que em relação a

qualquer outro país do conjunto de dados. A abordagem utilizada segue os conceitos básicos

associados à pesquisa com análise de cluster (HAN; KAMBER; PEI, 2012, pt. 443-458) ,

sendo dois os principais aspectos a esclarecer: a opção quanto ao método de extração

(particionamento) dos dados e a opção quanto à mensuração da similaridade destes.

No que concerne às possibilidades de métodos de extração, adotou-se a proposta de

Frey et Dueck (2007a), tendo em vista o potencial de superação desta em relação à abordagem

até aqui majoritária, o k-means (JAIN, 2010). O algoritmo Affinity Propagation encontra-se

bem documentado na literatura (DUECK, 2009; FREY; DUECK, 2007b), assim como se

encontram superadas as controvérsias iniciais (BRUSCO; KOHN, 2008; FREY; DUECK,

2008), mapeados os contextos onde o AP evidencia ser menos eficiente do que a proposta

anterior (WALTER, 2007). De qualquer modo, e para maior certeza, foram conduzidos

estudos preliminares acerca da estabilidade e eficiência do algoritmo, em termos gerais,

utilizando dados sintéticos, e de modo customizado à própria base de dados utilizada.

No que concerne à opção de distância, adotou-se a métrica proposta por Mahalanobis

(MAHALANOBIS, 1936, 1930). Trata-se de distância cujo cálculo leva em consideração a

correlação dos dados, aspecto relevante tendo em vista tratar-se de base de dados

originalmente concebida para a estruturação de um ranking, isto é, onde a existência de

correlação entre as variáveis é atributo desejado. Significa dizer que para o tratamento de

dados associados a rankings a distância de Mahalanobis (DM) é opção metodológica superior

em relação à distância Euclidiana (CUNHA, 2016, p. 86–89).

Conjugando as opções de extração e mensuração da similaridade existente entre as

unidades de análise cabe destacar a percepção de que a utilização do Affinity Propagation e

combinação com a utilização da distância de Mahalanobis traz uma contribuição por si só, na

Page 8: Fragile States Index Affinity Propagation

8

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

medida em que testa a viabilidade de uma abordagem divergente, e mais recente, das opções

até aqui dominantes. A vantagem em assim proceder é associada ao ineditismo do AP e sua

proposta de “comparar cada unidade reciprocamente com todas as demais unidades”, assim

como à característica da distância selecionada, que em presença de dados correlacionados

comporta-se de modo mais eficiente, ao mesmo tempo em que, cautelosamente, converge

com a distância de referência (euclidiana) quando a correlação assume valores nulos

(MAESSCHALCK; JOUAN-RIMBAUD; MASSART, 2000).

Para o processamento utilizou-se um notebook comercial (processador Intel® i7-

4500U; clock de 2,40 GHz; 16 Gb de memória RAM), rodando Windows 10 (versão home –

64 bits).Para a geração dos conjuntos de resultados usou-se o algoritmo propriamente dito,

com apoio de implementação em Python (BASSI, 2007). A pesquisa de estruturas adotou

duas perspectivas, gerando resultados com o número de clusters ajustado pelo próprio

algoritmo e com este número pré-definido pelo pesquisador. A fim de permitir a comparação

futura dos dados, a pré-definição do número de clusters levou em consideração pesquisa

paralela utilizando o algoritmo Kemp & Tenenbaum (KEMP; TENENBAUM, 2008)3. As

imagens foram geradas com apoio do Graphviz (http://www.graphviz.org/).

Os dados utilizados foram obtidos diretamente junto ao The Fund for Peace

(http://fsi.fundforpeace.org/), o qual os disponibiliza de forma aberta, em extensão comercial

(Excel®). Os conjuntos de dados originais, relativos aos anos 2007 a 2015, foram

reorganizados de modo a manter exclusivamente os países africanos4, os quais foram

codificados com base nos acrônimos internacionais de designação destes (ISO, 2013)5.

A inspeção inicial dos dados indicou a inexistência de questões associadas a erros,

ausências ou anomalias, à exceção dos valores associados ao Sudão do Sul, criado em 2011 e

incorporado à base FSI 2012. Cabe informar que nesta primeira edição em que figuraram

ambos os países a base FSI assumiu valores muito similares para ambos. Muito

provavelmente, tal situação decorreu da dificuldade em adequadamente coletar e processar os

dados de forma individualizada para cada país, com reflexos na estimação da performance do

Sudão do Sul no período considerado. Assim sendo, quando insuficientes os dados do Sudão

do Sul (missing data) assumiu-se que os valores eram similares aos do Sudão, aspecto que a

partir do FSI 2013 não se tornou mais necessário.

3Artigo em fase de submissão 4 Inicialmente, 53 países. A partir da base FSI 2012, incluiu-se o Sudão do Sul, passando a 54 países.

5 Migon et Cunha (2013) disponibilizam tabelas de conversão “país x acrônimo” e “acrônimo x país”, as quais podem ser úteis.

Page 9: Fragile States Index Affinity Propagation

9

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

4. Resultados

Os resultados associados à análise de cluster das bases FSI 2007 a FSI 2015, ajustadas

ao continente africano, podem ser visualizados abaixo. As extrações estão informadas ano-a-

ano, em ordem crescente, apresentando-se inicialmente o resultado prioritário, obtido por

extração auto ajustada – e, em seguida, o resultado alternativo, com número de clusters pré-

determinado. Em alguns resultados pré-determinados, destaca-se a existência de clusters

“unitários”, isto é, determinados países evidenciaram foram considerados dissimilares o

suficiente para dar início a um novo cluster, mas não se identificou similaridade com qualquer

dos demais países, pelo que ficaram “isolados”.

Figura 1 – Modelo FSI 2007a (extração com número de clusters livre)

Figura 2 – Modelo FSI 2007b (extração com número de clusters pré-definido)

Page 10: Fragile States Index Affinity Propagation

10

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

Figura 3 – Modelo FSI 2008a (extração com número de clusters livre)

Page 11: Fragile States Index Affinity Propagation

11

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

Figura 4 – Modelo FSI 2008b (extração com número de clusters pré-definido)

Figura 5 – Modelo FSI 2009a (extração com número de clusters livre)

Page 12: Fragile States Index Affinity Propagation

12

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

Figura 6 – Modelo FSI 2009b (extração com número de clusters pré-definido)

Figura 7 – Modelo FSI 2010a (extração com número de clusters livre)

Page 13: Fragile States Index Affinity Propagation

13

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

Figura 8 – Modelo FSI 2010b (extração com número de clusters pré-definido)

Figura 9 – Modelo FSI 2011a (extração com número de clusters livre)

Page 14: Fragile States Index Affinity Propagation

14

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

Figura 10 – Modelo FSI 2011b (extração com número de clusters pré-definido)

Figura 11 – Modelo FSI 2012a (extração com número de clusters livre)

Page 15: Fragile States Index Affinity Propagation

15

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

Figura 12 – Modelo FSI 2012b (extração com número de clusters pré-definido)

Figura 13 – Modelo FSI 2013a (extração com número de clusters livre)

Figura 14 – Modelo FSI 2013b (extração com número de clusters pré-definido)

Page 16: Fragile States Index Affinity Propagation

16

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

Figura 15 – Modelo FSI 2014a (extração com número de clusters livre)

Page 17: Fragile States Index Affinity Propagation

17

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

Figura 16 – Modelo FSI 2014b (extração com número de clusters pré-definido)

Figura 17 – Modelo FSI 2015a (extração com número de clusters livre)

Page 18: Fragile States Index Affinity Propagation

18

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

Figura 18 – Modelo FSI 2015b (extração com número de clusters pré-definido)

Com apoio dos resultados acima é possível sintetizar a tabela abaixo, a qual consolida

os modelos apresentados, particularizando o número de clusters, os países de referência para

os agrupamentos (nodes) e o total de unidades políticas agrupadas conjuntamente.

Tabela 1 – Síntese dos resultados (clusters, nodes, países)

Modelos principais (extração livre) Modelos de referência (extração forçada) Ano Clusters Países centrais (nodes) x

Unidades agrupadas Clusters Países centrais (nodes) x

Unidades agrupadas 2007 3 GNQ (19), NGA (20),

ZAF (11) 6 GHA (4), GNQ (16), NGA (16),

NER (2), TCD, ZAF (9) 2008 5 GHA (9), GNQ (15),

MUS (8), NER (3), ZAF (13) 6 GHA (6), GNQ (12), MUS (7),

NER (3), NGA (8), ZAF (11) 2009 4 GHA (17), GNQ (17), MUS

(10), ZAF (13) 7 BWA (6), CMR, GHA (7), GNQ

(13), MLI (2), MUS (7), ZAF (11) 2010 3 GNQ (23), MUS (10),

ZAF (17) 7 CMR, DZA, GHA (8), GNQ (15),

MLI (3), MUS (7), ZAF (13) 2011 3 GNQ (23), NAM (12),

ZAF (23) 7 BFA, CMR, GNQ (12), MLI (2),

NAM (10), UGA, ZAF (22) 2012 3 GNQ (11), NAM (25),

ZAF (15) 6 BFA, GNQ (10), MLI (8),

NAM (19), UGA, ZAF (11) 2013 3 GNQ (13), MLI (8),

NAM (30) 7 BFA, GNQ (9), MLI (6), MOZ,

NAM (24), SYC (4), ZAF (4) 2014 3 GNQ (25), MLI (8), 8 BFA, COD, GNQ (20), MLI (7),

Page 19: Fragile States Index Affinity Propagation

19

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

SYC (18) SYC (15), UGA, ZAF (4), ZWE 2015 3 GNQ (17), MLI (12),

SYC (22) 7 BFA, CPV, DJI, GNQ (15),

MLI (11), SYC (21), UGA

Fonte: o autor, com dados de FSI, clusterizados com AP, sob DM

5. Discussão dos resultados

Inicialmente, cabe refletir acerca do comportamento do algoritmo Affinity Propagation

na clusterização de dados concretos. Verifica-se que a técnica é viável, na medida em que é

possível computar resultados a partir dos dados concretos. Percebe-se que os resultados são

homogêneos ao longo do tempo, o que é coerente com as características dos dados utilizados,

os quais espelham trajetórias nacionais sob variação anual. A inspeção visual dos resultados e

a análise preliminar destes (tabela 1) sugerem que a ferramenta é estável, clusterizando

adequadamente os dados. Tem-se que a agregação dos dados ocorreu entorno de poucas

unidades de referência, o que pode ser uma consequência da estrutura destes ou do critério de

parcimônia do algoritmo. Todavia, a comparação com o modelo de referência sugere que o

algoritmo é conservador no que concerne à ampliação do número de clusters.

Tratando-se de pesquisa exploratória, convém analisar os resultados com maior

cuidado. A clusterização livre resultou em agrupamentos constituídos por, majoritariamente,

três subconjuntos, à exceção dos anos 2008 e 2009, onde se observa 5 e 4 clusters,

respectivamente. A aproximação de 54 unidades políticas a modelos de referência com 3 a 5

clusters é consideravelmente distante do modelo de referência, o qual sugere a existência de 6

a 8 níveis de (in)segurança no continente africano, aspecto convergente com a classificação

sugerida pelo próprio FSI. Em consequência, acredita-se que o modelo reflete adequadamente

os dados, o que é consequência direta do modelo de identificação – que confronta “um versus

todos” – e de mensuração das similaridades, mas que deva ser considerado como

sistematização preliminar destes, podendo ser melhor ajustado qualitativamente.

Ainda observando o total de agrupamentos obtidos, é possível destacar a questão das

unidades políticas de referência. Verifica-se que a Guiné Equatorial (GNQ) possui atributos

que em todos os modelos gerados a colocam como referência para a composição dos clusters.

Significa dizer, em termos conceituais, e com a ressalva de que os agrupamentos variaram

com amplitude expressiva (11 <N < 25), que GNQ é similar o suficiente para representar os

atributos dos demais países que se agrupam sob sua referência. Percebe-se que a África do Sul

(ZAF) foi um polo agregador ao início da série pesquisada, que a Namíbia (NAM) foi

Page 20: Fragile States Index Affinity Propagation

20

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

relevante nos anos centrais, e que a partir de 2014 há indícios de que Mali (MLI) e Seicheles

(SYN) são países representativos da realidade pesquisada.

O resultado gerado nos modelos de referência também é informativo. Tendo sido pré

arbitrado o número de clusters, tem-se que informação potencialmente relevante é associada

às unidades políticas de referência para a agregação dos dados. Confirma-se o potencial de

nucleação da África do Sul (ZAF), assim como percebe-se certa influência de Gana (GHA),

países que se apresentam como centros de referência em dois anos mais do que na série

original. A agregação entorno do Mali (MLI) é ainda mais evidente, com quatro anos

adicionais em relação à série principal, enquanto Seicheles (SYN) e Nigéria (NGA) aparecem

em uma ocorrência adicional, mesmo contexto de Botsuana (BWA) e Níger (NER), com

presenças inéditas em relação à série principal.

Sendo esta uma pesquisa exploratória, é possível sugerir que alguns países possuem

características que os favorecem enquanto unidades de referência no âmbito das 54 unidades

políticas do continente. Significa dizer que sinalizam uma maior possibilidade e/ou prioridade

para o aprofundamento qualitativo de seus indicadores, na medida em que compreender as

características das unidades de referência significa acessar, por similaridade, as características

das unidades de análise que se aglutinam entorno de tais polos. Observando-se os 9 anos

pesquisados e considerando os modelos principais e de referência, destaca-se a conveniência

em se dedicar maior atenção à análise da Guiné Equatorial (GNQ), com 9 ocorrências, África

do Sul (ZAF) e Mali (MLI), ambos com 7 ocorrências, Gana (GHA), com 4 ocorrências, e

Ilhas Maurício (MUS), Namíbia (NAM) e Seicheles (SYN), ambas com 3 ocorrências.

Os modelos de referência também são informativos quanto à existência de

singularidades. Burquina Fasso (BFA), em 5 oportunidades, e Uganda (UGA), em 4 ocasiões,

são relevantes à análise específica tanto por terem se apresentados em posição isolada em

maior quantidade de vezes quanto por isso haver ocorrido nos anos mais recentes da série

pesquisada. Significa dizer que à luz das variáveis pesquisadas estes países são singulares

(dissimilares) em relação às demais unidades políticas africanas. Camarões (CMR), isolado

em três ocasiões, sugere alguma singularidade, ainda que isso tenha ocorrido nos anos

centrais da análise. Por outro lado, a República Democrática do Congo (COD) e o Zimbábue

(ZWE), ambos em 2014, e Cabo Verde (CPV) e Djibuti (DJI), ambos em 2015, ainda que

com uma única ocorrência são sugestivos de análise em separado tendo em vista serem dados

de períodos mais recentes e, portanto, mais representativos da realidade atual.

Page 21: Fragile States Index Affinity Propagation

21

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

Outro aspecto a considerar é no sentido de compreender as diferenças entre os

modelos de referência e os modelos originais. A evolução de um número de clusters menor

para um número de cluster maior decorre de duas possibilidades: o algoritmo encontrar um

subconjunto de dados com unidades similares entre si, dando origem a um novo cluster, ou o

algoritmo identificar uma unidade dissimilar em relação ao conjunto de dados, representando

uma unidade de análise isolada das demais.

No período considerado, tem-se que os modelos de referência foram constituídos com

acréscimo de clusters em 8 dos anos, tendo sigo identificados mais 12 clusters no total. Por

outro lado, também em 8 dos anos os modelos evoluíram identificando unidades dissimilares,

o que resultou no acréscimo de 19 elementos isolados no modelo. A comparação é mais

expressiva nos 2 últimos anos, onde foi gerado um único cluster adicional, tendo sido

identificadas, por outro lado, 8 unidades isoladas em acréscimo aos modelos.

A análise macro dos modelos originais e dos modelos de referência sugere que o

algoritmo é mais hábil em identificar dissimilaridades do que similaridades. Suportam tal

perspectiva (i) o fato das extrações livres terem se encerrado em fase bastante inicial,

majoritariamente agregando os 54 países em apenas 3 clusters e (ii) o fato das extrações

forçadas terem evoluído preponderantemente pela identificação de unidades singulares. Há

indícios de que o processo de comparação – “um versus todos” – adotado encontra mais

rapidamente os elementos isolados, em contexto distinto dos métodos de clusterização de

referência – por exemplo, o k-means (JAIN, 2010) – que selecionam a unidade de referência e

constroem os clusters por agregação de unidades adicionais. Sob este prisma, o algoritmo

pode ser mais eficiente para a identificação de outliers no conjunto de dados, o que é uma

possibilidade de uso da técnica de análise de cluster, conforme indica a literatura (HADZIC;

TAN; DILLON, 2011, p. 11).

É possível perceber que a análise de cluster aplicada à base de dados FSI pode auxiliar

oferecendo critérios eletivos concretos – similaridade, dissimilaridade, frequência de

ocorrência destas no âmbito da série estudada – para a seleção de países a serem estudados de

forma aprofundada. Sugere-se que a partir de uma determinada base de dados e de forma

automatizada (não supervisionada) é possível extrair um conjunto novo de informações, capaz

de auxiliar com a priorização e/ou redução do esforço analítico necessário ao estudo de

determinada realidade. No caso, tendo sido estudadas 53/54 unidades políticas, em trajetória

mensurada sistematicamente por 9 anos, foi possível indicar 14 países como preferenciais

Page 22: Fragile States Index Affinity Propagation

22

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

para análise subsequente, sendo metade destes em função da similaridade e a outra metade em

função da singularidade.

O prosseguimento do estudo no sentido de estender a análise dos resultados até o nível

“unidades políticas” deve ser feito de modo conservador e com algumas ressalvas. A

comparação entre países já evidencia distorções no âmbito do próprio ranking original, como

consequência da dificuldade em se inferir precisamente determinado status nacional à luz da

metodologia utilizada (CARLSEN; BRUGGEMANN, 2014; FFP, 2014). É situação que o

reduzido número de clusters tende a reproduzir, na medida em que sintetiza a diversidade e a

complexidade associada aos dados em um modelo pouco mais especifico do que o modelo

unidimensional originalmente proposto pelo FSI.

Assim sendo, a estratégia de pesquisa evoluiu no sentido de analisar qualitativamente

os clusters gerados. Sob tal prisma verifica-se que os modelos originais apresentam

desajustamentos relevantes. O modelo associado ao ano de 2015 é suficiente para caracterizar

as anomalias referidas, a exemplo da clusterização de Somália (SOM), Sudão do Sul (SSD) e

Nigéria (NGA), países com elevado nível de instabilidade, no agrupamento nucleado por

Seicheles (SYC), um dentre os mais estáveis países africanos. Ou, outro exemplo do mesmo

resultado, a inserção das Ilhas Maurício (MUS), considerado o mais estável país africano, e da

África do Sul (ZAF) no conjunto nucleado por Guiné Equatorial (GNQ), país classificado

como de atenção (high warning) no âmbito do FSI.

A perspectiva acima reforça a hipótese de que os modelos gerados sob extração livre

são incipientes. Apesar de quantitativamente ajustados, não são qualitativamente adequados a

representar a realidade de (in)segurança africana, na medida em que consideram homogêneos

países com inserção bastante distinta em termos de nível de (in)segurança. É certo que os

países são similares, o que decorre do cálculo da distância entre eles, considerando os 12

vetores (variáveis) da base de dados, os posicionar em região próxima, considerando-se o

espaço ocupado pelo volume de dados. Todavia, percebe-se que os clusters gerados não estão

bem ajustados ao que comumente se aceita como sendo a melhor taxonomia da realidade de

(in)segurança africana. Pelo que se sugere a conveniência de avançar os estudos quanto à

classificação não supervisionada de dados deste tipo, sendo uma das possíveis estratégias

futuras de pesquisa a geração incremental de resultados, ampliando progressivamente o

número de clusters forçados, de forma a investigar, qualitativamente, como se comporta o

ajustamento dos modelos.

Page 23: Fragile States Index Affinity Propagation

23

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

6. Conclusões e novas abordagens de pesquisa

A pesquisa exploratória envolvendo a mineração de dados de Segurança & Defesa,

com o apoio da técnica de análise de cluster, utilizando-se o algoritmo Affinity Propagation,

teve por objetivos estudar o comportamento do algoritmo Affinity Propagation em um caso

concreto, analisando os resultados quanto às estruturas geradas e buscando identificar

aspectos da realidade de (in)segurança africana. A abordagem pretendeu melhor conhecer a

realidade africana e, simultaneamente, melhor entender e implementar a classificação não

supervisionada de dados associados à contextos de Segurança & Defesa (S&D).

Neste sentido, acredita-se que os resultados alcançados suportam melhor a parte

exploratória associada a aspectos empíricos metodológicos do que a parte analítica pretendida

para a realidade africana propriamente dita. O uso experimental e inédito do algoritmo Affinity

Propagation sugere que este se encontra em estágio maduro de implementação, o que torna a

aplicação da técnica viável. Ao mesmo tempo, sugere também que os resultados são estáveis,

mas que devem ser recebidos e interpretados, subsequentemente, de forma qualitativa.

Assim sendo, e à luz do estudo do comportamento do algoritmo e da análise das

estruturas geradas, sugere-se que há possibilidade e conveniência de prosseguir os esforços

em ao menos três direções. Inicialmente, sugere-se a condução de estudos com a finalidade de

melhor investigar e ajustar o critério interno de parcimônia, de modo a buscar uma

implementação menos conservadora, com a finalidade de aperfeiçoar a extração automatizada

de dados. Outra direção de prosseguimento, e tendo em vista a (relativa) simplicidade de

configuração do algoritmo e o tempo reduzido de processamento do volume de dados

caracterizado pelos países africanos da base FSI, é no sentido de se buscar o ajustamento

progressivo dos modelos, incrementando rodada-a-rodada o número de clusters a serem

gerados, com julgamento qualitativo dos clusters e outliers identificados. Uma terceira

possibilidade de avanço é no sentido de estudar a validação dos resultados através da

triangulação destes com a taxonomia proposta pelo FSI e com os resultados obtidos por outras

técnicas de pesquisa, sendo uma possibilidade referencial, pela proximidade conceitual e por

também investigar a estrutura de dados de forma não supervisionada, o próprio algoritmo

Kemp & Tenenbaum.

No que concerne à metodologia é importante referir que, ao menos no caos concreto, a

extração automatizada de dados deve ser objeto de validação qualitativa a posteriori, pelo que

a técnica pode cooperar com a redução do esforço analítico inicial, mas não permite, ao

menos ainda, dispensar o esforço humano de análise. A partir de um volume expressivo de

Page 24: Fragile States Index Affinity Propagation

24

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

dados é possível extrair de forma automatizada os resultados iniciais e é possível, mesmo,

detectar unidades isoladas já em momentos incipientes de análise. Mas o ajustamento de

modelos mais representativos e a validação dos resultados obtidos ainda convém ser

conduzida de forma qualitativa.

7. Referências bibliográficas

ABDENUR. Adriana Erthal; SOUZA NETO. Danilo Marcondes De. Brazil’s growing relevance to peace and security in Africa. Oslo: NOREF, 2014. Disponível em: <www.peacebuilding.no>.

ACEMOGLU, Daron; ROBINSON, James A. Why Nations Fail. New York: Crown Business, 2012. .

AHLERS, Theodore; KOHLI, Harinder S.; SOOD, Anil. Africa 2050: Realizing the Continent’s Full Potential. Global Journal of Emerging Market Economies v. 5, n. 3, p. 153–213 , 2013.

ALBERTS, David S; CZERWINSKI, Thomas J (Orgs.). Complexity, Global Politics, and National Security. Washington, DC (USA): National Defense University Press, 1997. .

ARMENIA, Stefano; ANGELIS, Alessio De. A Systems Thinking approach to the analysis of International Crises. 2014, Valencia: EURAM, 2014.

BANDURA. Romina. A Survey of Composite Indices Measuring Country Performance: 2008 Update. New York: UNDP, 2008.

BASSI, Sebastian. A primer on python for life science researchers. PLoS Computational Biology v. 3, n. 11, p. 2052–2057 , 2007.1553-7358.

BERTOCCHI, Graziella; GUERZONI, Andrea. Growth, history, or institutions: What explains state fragility in sub-Saharan Africa? Journal of Peace Research v. 49, n. 6, p. 769–783 , 22 nov. 2012. Disponível em: <http://jpr.sagepub.com/cgi/doi/10.1177/0022343312452420>. Acesso em: 23 nov. 2012.

BEVAN, Philippa. Conceptualising in/security regimes. In: GOUGH, Ian; WOOD, Geof (Orgs.). . Insecurity and Welfare Regimes in Asia, Africa and Latin America. 2008. ed. Cambridge: Cambridge University Press, 2004a. p. 88–118.

BEVAN, Philippa. The dynamics of Africa’s in/security regimes. In: GOUCH, Ian; WOOD, Geof (Orgs.). . Insecurity and Welfare Regimes in Asia, Africa and Latin America. 2008. ed. Cambridge: Cambridge University Press, 2004b. p. 202–252.

BOUSQUET, Antoine; CURTIS, Simon. Beyond models and metaphors: complexity theory, systems thinking and international relations. Cambridge Review of International Affairs v. 24, n. 1, p. 43–62 , 2011.

BRUSCO, Michael J; KOHN, H.-F. Comment on “Clustering by Passing Messages Between Data Points”. Science v. 319, n. 5864, p. 726c–726c , 2008.

CARLSEN, Lars; BRUGGEMANN, Rainer. The “Failed State Index” Offers More than Just a Simple Ranking. Social Indicators Research v. 115, n. 1, p. 525–530 , 2014.

CUNHA, Rodrigo de Magalhães. Novas abordagens na avaliação e construção de rankings. Fundação Getulio Vargas, 2016.

DDCC (DEVELOPMENT DOCTRINE AND CONCEPTS CENTRE). Global Strategic Trends - Out to 2045. London: Ministre of Defence (UK), 2014.

DUECK, Delbert. Affinity Propagation: Clustering Data by Passing Messages. University of Toronto, 2009.

FFP (THE FUND FOR PEACE). CAST Conflict Assessment Framework Manual. Washington, DC (USA): FFP, 2014.

Page 25: Fragile States Index Affinity Propagation

25

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

FFP (THE FUND FOR PEACE). The Failed States Index 2010. Washington, DC (USA): FFP, 2010.

FREY, Brendan J.; DUECK, Delbert. Clustering by passing messages between data points. Science v. 315, n. 5814, p. 972–6 , 2007a.

FREY, Brendan J.; DUECK, Delbert. Clustering by Passing Messages Between Data Points (Supporting Online Material). Science v. 315, n. 5814, p. 972–976 , 2007b.

FREY, Brendan J.; DUECK, Delbert. Response to Comment on “Clustering by Passing Messages Between Data Points”. Science v. 319, n. 5864, p. 726d–726d , 2008.

GERMAN, F Clifford. A Tentative Evaluation of World Power. Journal of Conflict Resolution v. 4, n. 1, p. 138–144 , 1960.

GLEDITSCH, Kristian S.; METTERNICH, Nils W.; RUGGERI, Andrea. Data and progress in peace and conflict research. Journal of Peace Research v. 51, n. 2, p. 301–314 , 2014. Disponível em: <http://jpr.sagepub.com/cgi/doi/10.1177/0022343313496803>.0022-3433.

GUTIÉRREZ. Francisco et al. Measuring Poor State Performance: Problems, Perspectives and Paths Ahead. London: LSE (London School of Economics and Political Science, 2011.

HADZIC, Fedja; TAN, Henry; DILLON, Tharam S. Mining of Data with Complex Structures. Berlin: Springer-Verlag, 2011. .

HAKEN. Nate et al. Failed States Index 2012. Washington, DC: FFP, 2012. HAKEN. Nate et al. Failed States Index 2013. Washington, DC: FFP, 2013. HAKEN. Nate et al. The Failed States Index 2011. Washington, DC: FFP, 2011. HAN, Jiawei; KAMBER, Micheline; PEI, Jian. Data Mining: Concepts and

Techniques. Waltman: Elsevier Ltd., 2012. . HENDRICK. Diane. Complexity Theory and Conflict Transformation: An

Exploration of Potential and Implications. Bradford, UK: University of Bradford, 2009. ISAAC, Mathew S.; SCHINDLER, Robert M. The Top-Ten Effect: Consumers’

Subjective Categorization of Ranked Lists. Journal of Consumer Research v. 40, n. 6, p. 1181–1202 , 2014.0093-5301.

ISO (INTERNATIONAL ORGANIZATION FOR STANDARDIZATION). Codes for the representation of names of countries and their subdivisions. Genebra: ISO (International Organization for Standardization), 2013.

JACKSON, Richard. Africa’s Wars: overwien, causes and the challenges of conflict transformation. In: FURLEY, Oliver; MAY, Roy (Orgs.). . Ending Africa’s Wars. Aldershot: Ashgate, 2006. p. 15–29.

JAIN, Anil K. Data clustering: 50 years beyond K-means. Pattern Recognition Letters v. 31, n. 8, p. 651–666 , 2010.9781424417360.

KEMP, Charles; TENENBAUM, Joshua B. The discovery of structural form. 2008, Washington: The National Academies Press, 2008. p.10687–10692.

KING, Gary; ZENG, Langche. Improving Forecasts of State Failure. World Politics v. 53, n. 4, p. 623–658 , 2001.

MAESSCHALCK, R.; JOUAN-RIMBAUD, D.; MASSART, D. L. The Mahalanobis distance. Chemometrics and Intelligent Laboratory Systems v. 50, n. 1, p. 1–18 , 2000.

MAHALANOBIS, Prasanta. C. On the Generalized Distance in Statistics. National Institute of Sciences of India v. II, n. 1, p. 49–55 , 1936.

MAHALANOBIS, Prasanta C. On tests and measures of group divergence. 1930, Calcuta: [s.n.], 1930. p.541–588.

MELO, Ovidio De Andrade. O reconhecimento de Angola pelo Brasil em 1975. Comunicações & Políticas v. VII, n. 2, p. 75–133 , [S.d.].

MESSNER. J. J. et al. Fragile States Index 2014. Washington, DC (USA): FFP,

Page 26: Fragile States Index Affinity Propagation

26

MIGON, E. X. F. G. Análise empírica da (in)segurança regional: mapeando os países africanos a partir da interação Fragile States Index e Affinity Propagation. In: VISENTINI, Paulo Fagundes; MIGON, Eduardo Xavier Ferreira Glaser; PEREIRA, Analúcia Danilevicz. (Org.). A (in)segurança da África e sua importância para o Brasil. 1ed.Porto Alegre, RS: NERINT/UFRGS e LED/ECEME, 2017, v. 1, p. 33-58.

2014. Disponível em: <www.fragilestatesindex.org>. MESSNER. J. J. et al. Fragile States Index 2015. Washington, DC (USA): FFP,

2015. MIGON, Eduardo Xavier Ferreira Glaser; CUNHA, Rodrigo de Magalhães.

Descobrindo a forma estrutural: uma apreciação empírica da (in)segurança africana sob a perspectiva da ciência cognitiva. 2013, Porto Alegre, RS: UFRGS (Universidade Federal do Rio Grande do Sul), 2013. 9788578110796. .

MILLER, George. The magical number seven, plus or minus two: some limits on our capacity for processing information. Psychological review v. 101, n. 2, p. 343–352 , 1956.0198568770;

MILLIKEN, Jennifer; KRAUSE, Keith. State failure, state collapse, and state reconstruction: Concepts, lessons and strategies. Development and Change v. 33, n. 5, p. 753–774 , 2002.0012155X.

NIC (NATIONAL INTELLIGENCE COUNCIL). Global Trends 2025: a Transformed World. Washington: NIC, 2008.

NIC (NATIONAL INTELLIGENCE COUNCIL). Global Trends 2030: Alternative Worlds. Washington: NIC, 2012.

O’BRIEN, S. P. Anticipating the Good, the Bad, and the Ugly: An Early Warning Approach to Conflict and Instability Analysis. Journal of Conflict Resolution v. 46, n. 6, p. 791–811 , 1 dez. 2002. Disponível em: <http://jcr.sagepub.com/cgi/doi/10.1177/002200202237929>. Acesso em: 10 dez. 2012.0022002022.

PAVLOVIC. Nada J. et al. Indicators and indices of conflict and security: a review and classification of open-source data. Toronto: DRDC, 2008.

PAVLOVIC. Nada J.; BLACKLER. Kristen; MANDEL. David R. Conflict and security indices: a summary of open-source data. Toronto (CAN): DRDC, 2008.

PORTO, João Gomes. The mainstreaming of conflict analysis in Africa: contributions from theory. In: FRANCIS, David J. (Org.). . Peace and Conflict in Africa. London: Zed Books Ltd., 2008. p. 46–67.

RENO, William. Warfare in Independent Africa. Cambridge: Cambridge University Press, 2011. .

RIZZI, Kamilla Raquel et al. O Brasil na África (2003-2010): Política, Desenvolvimento e Comércio. Conjuntura Austral v. 2, n. 5, p. 61–81 , 2011.

THEMNER, L.; WALLENSTEEN, P. Armed conflicts, 1946-2013. Journal of Peace Research v. 51, n. 4, p. 541–554 , 2014.0022-3433.

VILELA, Elaine; NEIVA, Pedro. Temas e regiões nas políticas externas de Lula e Fernando Henrique: comparação do discurso dos dois presidentes. Revista Brasileira de Política Internacional v. 54, n. 2, p. 70–96 , 2011.

VINCI, Anthony. Anarchy, failed states, and armed groups: Reconsidering conventional analysis. International Studies Quarterly v. 52, n. 2, p. 295–314 , 2008.

WALTER, Sebastian F. Clustering by Affinity Propagation. Swiss Federal Institute of Technology, 2007.