Avaliação de impacto ajuda a aprimorar programas de pesquisa

Avaliações de impacto são instrumentos essenciais para o aprimoramento dos programas de pesquisa e do financiamento da ciência, possibilitando direcionar recursos de forma mais racional.
Estratégias para realizar esses levantamentos foram debatidas durante o “UK-FAPESP Workshop: Science and Innovation impact evaluation”, ocorrido no dia 13 de fevereiro na sede da FAPESP.

A pesquisadora apresentou um dos projetos conduzidos no Lab-Geopi, no qual foram avaliados os programas de iniciação científica, mestrado e doutorado da FAPESP. Para isso, os cientistas coletaram e cruzaram dados em diferentes bases.

“A cooperação do nosso grupo com a FAPESP vem de muito tempo. Este é o terceiro ciclo de avaliação que fizemos com a Fundação. A avaliação das bolsas foi uma das mais desafiadoras, justamente por usar apenas dados secundários. O grande desafio foi obter as bases e integrá-las para gerar esses resultados, que mostram o impacto positivo da FAPESP na carreira do bolsista”, disse a pesquisadora.

Critérios variáveis

Jonatan Pinkse, professor do Manchester Institute of Innovation Research, da University of Manchester (Reino Unido), ressaltou como as diferentes métricas usadas para avaliar pesquisas, pesquisadores e instituições precisam ser adotadas com cautela. Segundo Pinkse, toda métrica é importante, mas é preciso olhar cada caso com atenção.

“Depende realmente de que tipo de avaliação será feita. Quando se está avaliando uma proposta de pesquisa, por exemplo, algumas métricas podem não fazer diferença. Se a revisão por pares mostra que a proposta é de alta qualidade, não importa se o pesquisador não tem um perfil impecável no Google Acadêmico [ferramenta que, entre outras funções, fornece um índice de produtividade de pesquisadores], pois talvez ele estude algo muito novo. Já quando se quer avaliar uma instituição a partir do que seus pesquisadores têm feito em termos de pesquisa de alto impacto, o Google Acadêmico pode ser importante. Mas, provavelmente, uma combinação de diferentes métricas funcione melhor do que apenas uma isoladamente”, disse.   Leia mais.   
Fonte: Ciência FAPESP - 20/02/20