Competition and change (innovation): the inverted U relationship

We have been arguing that innovation ("profitable change") is the economic result of competition in the market. Innovation is a consequence, not a driver. The drivers are competition, survival and profiting. And the "innovation machine" that drives the capitalist model is based on the concepts of free market, including rule of law.
There are relationships between competition and innovation - but they are non linear and not straightforward.
Too little competition and incentives for innovation are low, stiffing economic change and growth. Monopolies may like it, but society does not. "Anti trust" laws in USA find here their origin and justification. Competition avoidance or exclusion have a negative social value and competition policy should help society to avoid them. Soviet Union collapse is usually related with lack of innovation, consequence of lack of competition and too much protected (non competitive) state enterprises under central planning.
But too much competition may be also harmful. An inverted U relationship between competition and innovation has been recognized. Too much competition can have adverse effects in innovation: if substitution of existing products (process)  by new products (process) is too fast, economic depreciation may be insufficient, and it is impossible to restore the initial investment capital. Too much competition can be a negative incentive for innovators because opportunities to profit (at the individual and social level) mat be too weak to justify a sufficient incentive to the risk of innovation . An highly competitive market also tends to be too much fragmented and volatile: small companies have less resources to invest in innovation risks, and a small companies economy (like Portugal) can not afford the full needs of high intensity innovation activities.

We may argue that China case during last thirty years may suggest that "jungle" competition (intense competition within a market without a strong safety net based on rule of law) seems to have had a dramatic impact in economic growth, under the existing conditions: China may be a unique case in the history of development economics - decades of continuous high growth rate (often in the two digits range - see figure fir annual growth rate of China and USA from 1970). Until one day - nobody knows when and how. Soft or hard landing?. This is one question I have been following for last ten or fifteen years. (See here for a good update by Harvard professor Jeffrey Frankel). Advanced, or mature, economies have a common policy: to control and to limit "jungle" competition through legal regulation of the markets (rule of law, at the institutional and property levels.
The balance between  "too little" versus "too much" competition policies seems to be a very tricky one. It seems to be path dependent and also dependent on the stage of development of each case.
William Baumol made a strong case for innovation as a engine of capitalism economic growth. But the social value of innovation may be difficult to evaluate against the individual value of innovation (for the innovator). The social value of competition, through change of process and products (innovation),  may create difficult problems in competition policy.

From young to mature: up or out.

Age cohorts are fundamental to understand dynamic behaviour in business demography, we discussed in previous post. A paper by Haltiwanger, Jarmin and Miranda (2010), published as a NBER working paper ("Who creates jobs? Small vs. large vs. young"), deals with the old controversy of job creation by small versus old firms. Their main finding is that once we control for firm age (through age cohorts), there is no systematic relationship between firm size and growth. Controlling for age had a dramatic impact on the analysis.
The high importance of small firms in job creation is a very popular and “politically correct idea” between policy makers. But once again it is misleading.
Haltiwanger and colleagues used a large set of data, from 1976 to 2005 (equivalent to 70 million firm-year observations) and they show that small companies are not the job creators. However start-ups, new entries, make important contributions to job creation - and indeed also to job destruction during their (usually) short life. But net job creation by start ups makes a significant contribution to net employment.
Typically a new entry (start up) begins small and grows. This paper gives evidence for a “up and out” dynamic of young firms: new firms begin small, and they grow or they disappear (exit).  They either grow fast or they disappear. But in manufacturing sectors the exit pattern during early stages is much stronger.
From young to mature, along time (age), usually firms go from small to larger - may be medium size and, in some (rare) cases, they become very large corporations.
In early stages, firms are small and they have small, incremental, effects on job creation and destruction. But lots of them can create a sizable effect. While they are small, even small absolute changes in size can give high relative rates of change. Usually they are financially weak and dependent of external sources of funds (venture capital, equity). They often have an high R&D intensity, but their share of total R&D activities is marginal.
Later, in the mature phase, if they survive, firms are larger, their relative rates of change are smaller, but their share of total employment is larger, their contribution for job destruction is also larger when they collapse, and they make substantial contributions to R&D activities (even if their R&D intensity is smaller).
It is easy to chart these important changes in business behavior as firms go from young / small to mature / large. But starting point also influences firm behavior (path dependency): technologies used and related operational / organizational aspects are different for a start up today and for a start up, in a similar business and environment, twenty years ago (for instance).
Mortality is high for small firms, including start ups in early stages: a robust finding from the authors is that small firms are more likely to exit than large firms, even controlling for age.
Business start ups have a small contribution for total employment in any given year: roughly 3%. But these new jobs become significant in the overall net changes in employment, from job creation and destruction. They account for almost 20% of gross job creation.

Young firms exhibit high rates of job creation and destruction. They have very high job destruction rates from exit (closing of firms). After five years, around 40% of the jobs initially created by start ups have been eliminated by exit of the firms. But if the firm survives this initial and testing period, young (then small) firms will grow more rapidly than their more mature counterparts. Anyway - large, mature firms account for a large fraction of the jobs.
The authors make some relevant conclusions:

• We think our findings help interpret the popular perception of the role of small businesses as job creators in a manner that is consistent with theories that highlight the role of business formation, experimentation, selection and learning as important features of the U.S. economy. Viewed from this perspective, the role of business startups and young firms is part of an ongoing dynamic of U.S. businesses that needs to be accurately tracked and measured on an ongoing basis.

• Our findings suggest that policies targeting firms based on size without taking account of the role firm age are unlikely to have the desired impact on overall job creation.

• It may be, for example, that the volatility and apparent experimentation of young businesses that we have identified is critical for the development of new products and processes that are in turn used by (and perhaps acquired by) the large and mature businesses that account for most economic activity.

Our own conclusions:
- Analyzing dynamic data about firms by isolation of age cohorts gives new insights. Overlapping of different dynamic behaviours (firms of different ages) can create a misleading “confounding” effect (well known in statistics) that can easily induce wrong conclusions from time series data about firms.
- Young companies role is very important in economy change (innovation), so is entrepreneurship. But young companies do not mean young people. Young companies by mature people are specially important (see previous post).
- Small and large firms have different roles in the innovation ecosystem (as predicted by William Baumol, and also recognized by Joseph Schumpeter in his later phase).

In name of science: confusion.

Science and Public Policy is a leading international journal on public policies for science, technology and innovation. It covers all types of science and technology in both developed and developing countries.
(From the journal webpage; red type by me)

Oxford Journals (by Oxford University Press) is a well known publisher of academic journals. One of his titles (Science and Public Policy) tells a lot about the prevailing confusion between science and technology, and about the continuing process of appropriation of technology and innovation under the name of science.
This is a "social battlefield", where scientists try to expand the limits of their fiefdoms and to integrate very large and important non science areas (technology and innovation), in a quest for power and influence under the banner of science. This allows scientists to claim funds, policies, protocol importance, and privileges in the definition and management of policies related to technology and innovation.
The message is clear: in name of science, problems of technology and innovation are to be discussed as issues of science and public policy - not as technology and public policy, not innovation and public policy.
It also makes a subliminar suggestion that technology and innovation are the same thing, or directly related, and that they must be discussed as "science issues". As well as the usual "linear model" idea: science as the cornerstone and origin of technology and innovation.

Medir a inovação: os equívocos do manual de Oslo

Como se mede a beleza? Como se pode medir a felicidade? Perguntando.
Medir uma grandeza implica que seja possível a sua definição de forma razoavelmente precisa e operacional. Algo difícil, senão mesmo impossível, para a beleza, a felicidade, o amor, e … a inovação.
O problema aparece exemplarmente descrito na célebre cena sobre o capítulo I do fictício manual “Understanding poetry”, pelo fictício Dr. J. Evans Pritchard, Ph. D., no magnífico filme “Dead poets society” – todos compreendemos que a tentativa de Pritchard para quantificação do valor de uma poesia ou de um poeta é pueril, grotesca e insuficiente:
“If the poem's score for perfection is plotted along the horizontal of a graph, and its importance is plotted on the vertical, then calculating the total area of the poem yields the measure of its greatness”.
No filme, Keatting é brilhante a ridicularizar a situação. Mas na realidade muito do que tem publicado sobre medidas de inovação padece exatamente do mesmo problema.
Se inovação é “profitable change”, uma nova combinação que cria valor adicional (Schumpeter), como é que se pode medir algo tão "fuzzy", definido de uma forma tão pouco precisa e, acima de tudo, altamente subjetiva e dependente das circunstâncias locais e temporais?
As motivações para medir inovação são óbvias: se a inovação é o mecanismo de resposta á pressão competitiva da economia e da sociedade, e daí resultam os mecanismos fulcrais de contínuo crescimento económico a longo prazo, então medir a inovação é tomar o pulso ao potencial de crescimento económico, e à eficiência ou impacto das políticas “pró-inovação”. Um domínio politicamente muito sensível nos dias de hoje.
Em 2004 colaboramos num estudo para a (então) UMIC Unidade de Missão Inovação e Conhecimento, de que resultou uma publicação sobre "Mapear inovação e conhecimento em Portugal. Uma proposta para um sistema de indicadores e um programa de observação", onde se discutiram as questões associadas à medição da inovação (num país), e se trataram alguns problemas das várias metodologias (ver em especial cap. 2.1, p. 19 a 24). Será boa altura para rever alguns aspectos da questão.

A OCDE fez das estatísticas associadas com a ciência e a tecnologia, a investigação e desenvolvimento, e agora a inovação, quase uma indústria. A União Europeia também, via Eurostat. Milhões têm sido gastos para por de pé um sistema de medida e acompanhamento da inovação no espaço comunitário. Mas medir inovação obriga a uma definição mais operacional e menos fluida..
Por isso a OCDE e o Eurostat têm tentado estandardizar as metodologias estatísticas para medir inovação. A tradição europeia é medir  inovação por inquéritos a amostras (estratificadas) a empresas. Logo não mede diretamente a inovação, mas antes a percepção que os atores inquiridos têm sobre inovação. Isto apesar do inquérito pretender informar o inquirido acerca das definições adoptadas no manual de Oslo. As sucessivas revisões deste manual têm tentado (re)definir inovação de forma que a operacionalização prática da sua medida por inquirição seja (mais) viável.
A última revisão do Manual de Oslo (OCDE, 3ªed., 2005) define inovação e atividades inovadoras do seguinte modo:

• An innovation is the implementation of a new or significantly improved product (good or service), or process, a new marketing method, or a new organizational method in business practices, workplace organization or external relations. The minimum requirement for an innovation is that the product, process, marketing method or organizational method must be new (or significantly improved) to the firm.
• Innovation activities are all scientific, technological, organizational, financial and commercial steps which actually, or are intended to, lead to the implementation of innovations. Innovation activities also include R&D that is not directly related to the development of a specific innovation.

A imprecisão da definição é óbvio: como se define e mede “new” ou “significantly improved”? Há sempre uma componente subjectiva e culturalmente dependente na avaliação dessas situações. Logo o sentido de inovação não é o mesmo num dado ano em paises tão diferentes como, por exemplo, a Alemanha e Chipre.
A tentação de incluir à força as atividades científicas como inovação é patente. A confusão entre investigação científica e desenvolvimento tecnológico também. Um disparate, como temos argumentado em posts anteriores – mas um disparate que se compreende como políticamente correto por óbvias razões corporativas da prórpia comunidde científica. Veja-se, por exemplo, a última frase da citação (italico da minha responsabilidade).
O título completo do Manual de Oslo, é elucidativo: “The measurement of scientific and technological activities. Proposed guidelines for collecting and interpreting technological innovation data. Oslo Manual” e reflecte a confusão e o disparate anterior. Note-se que no título se refere apenas a inovação tecnológica, e que o próprio título parece sugerir que medir a inovação tecnológica é um subcapítulo de medir actividades científicas e tecnológicas (ou seja, a inovação tecnológica seria uma consequência das actividades de investigação e desenvolvimento). 
Mas depois o manual considera como principais tipos de actividades de inovação: inovação de produtos, inovação de processos, inovações de marketing e inovações organizacionais – ou seja, ultrapassando completamente o conceito mais restrito de inovação tecnológica e abraçando (melhor: apropriando-se) do conceito de inovação em geral, mesmo que as fontes inspiradoras de algumas dessas categorias mais importantes de inovação possam nada ter a ver com actividades de R&D, ou atividades científicas e tecnológicas.
A apresentação do manual na página na OECD fala também por si e pelo esforço de apropriação do conceito de inovação como inovação tecnológica (ou industrial):

• The ability to determine the scale of innovation activities, the characteristics of innovating firms, and the internal and systemic factors that can influence innovation is a prerequisite for the pursuit and analysis of policies aimed at fostering technological innovation. The Oslo Manual is the foremost international source of guidelines for the collection and use of data on innovation activities in industry.

Mas na primeira edição (1992), essa apropriação era ainda mais flagrante, pois excluia a inovação organizacional e a inovação nos serviços, e considerava apenas a inovação de produto e de processo em ambientes de produção industrial (“manufacturing”), que serão as mais diretamente associadas ás actividades do sistema sientífico e tecnológico. A segunda edição (1997) estendeu a inovação aos serviços – mas sem abandonar a insistência na componente científica e tecnológica. A terceira revisão, e última até ao momento, alarga as fronteiros da inovação, mas, como se víu, não abandona completamente o disparate da associação direta entre inovação e actividades de R&D em ciência e tecnologia.
Esta pequena digressão pela história do manual de Oslo é útil, pois mostra que, no período de pouco mais do que uma década, perante a evidência crescente do disparate da inovação com produto direto do sistema científico e tecnológico, a OCDE mudou mais do que uma vez, e substancialmente, a definição operacional de inovação para fins estatísticos – o que torna muito problemática qualquer comparação de resultados de inquéritos ancorados em diferentes revisões do manual. Manual que foi, e é, a base das estatisticas europeias sobre inovação – em especial os CIS (Community Innovation Surveys). Um dos próximos capítulos.

Ainda a ciência e a tecnologia: a descoberta em ciência e fora dela.

Disse-se que o objectivo da ciência é a descoberta do conhecimento, não é a inovação. Claro que conhecimento adicional pode facilitar inovação - mas não obrigatoriamente.
Clarifique-se um ponto essencial e muitas vezes objecto de confusão: a descoberta do conhecimento não é um exclusivo da ciência. Há muito conhecimento, mesmo formal, estruturado, explícito, cuja descoberta é feita fora do âmbito da ciência, e nada tem de "científico", embora possa ser verdadeiro ou muito plausível como verdade. Científico não é sinónimo de verdade (uma confusão habitual e de consequências por vezes desastrosas).

A obsessão de Popper era o problema (filosófico) da demarcação: o que é que demarca o conhecimento científico do conhecimento não científico (metafísico, na terminologia de Popper. Entre outros, o conhecimento mágico entra aí). Para Popper apenas era relevante o conhecimento formal e explícito - porque é o único que é vulnerável e pode sobreviver à discussão e à crítica formal, logo pode ser falsificável, e eventualmente mostrar-se que é falso (falsificado).
O desprezo de Popper pelas raízes cognitivas do conhecer é bem conhecido, e a principal fonte de críticas às limitações da sua abordagem e do seu pensamento. Polanyi centrou-se precisamente nos aspectos cognitivos do conhecimento para explorar novas formas filosóficas de raiz epistemológica, e por isso mostrava simultaneamente algum apoio a algumas das ideias de Popper, enquanto que rejeitava (e quase que ridicularizava) outras ideias - muito em especial a ideia de Popper de que as origens das hipóteses em ciência (a formulação dos problemas a resolver) são irrelevantes para a sua discussão em ciência, e que não existem fontes de hipóteses mais credíveis do que outras - todas são para abater pela crítica, sendo a principal função da ciência é a eliminação (evidenciar a falsidade) de hipóteses, tenham elas sido propostas como foram. Popper serve-se emblematicamente da célebre carta de Einstein, reproduzida nos anexos da The logic of scientific discovery (1959, ap. xii, pg. 481), em que Einstein reafirma que a fonte de inspiração da sua inquirição sobre a teoria da relatividade nada teve a ver com os problemas da física de então, mas com os seus devaneios pessoais sobre um mundo "virtual" em que ele se deslocasse à velocidade da luz, ou próxima. Polanyi também se serve emblematicamente de outra carta de Einstein, com objectivos semelhantes (capítulo 1 de Personal Knowledge, 1958, p. 10, nota 2). Mas a indiferença de Popper sobre a importância dos aspetos cognitivos do conhecimento foi também uma das suas grande diferenças com o seu "arquinimigo" principal da altura: Wittgenstein, e a sua filosofia de raiz analítica, centrada sobre a linguagem. Peter Muntz terá sido o único a ser discípulo de ambos, e procurou mostrar como as suas filosofias, habitualmente tidas por radicalmente opostas, se poderiam antes completar se as personalidades e os aspectos pessoais de ambos para tal tivessem tido abertura e vontade de compreensão mútua (ver  Muntz (2004): Beyond Wittgenstein's poker: new light on Popper and Wittgenstein).

Não é a questão do método que, por si, diferencia o conhecimento científico. Isto não significa que os métodos experimentais sejam irrelevantes para a construção da ciência. Mas também não significa que o carácter experimental, por si, confira valor à atividade científica, nem que, por si, leve à aceitação obrigatória de factos científicos pela comunidade científica.
Também não é a origem das hipóteses: o essencial é a questão da integração do conhecimento descoberto num quadro teórico de referência, ou seja, a importância teórica da descoberta (porventura empírica). Se o conhecimento descoberto nada acrescenta, quer pelo reforço como pela refutação do quadro teórico prevalecente, então não tem valor científico. Daí que não haja ciência fora dos quadros teóricos prevalecentes. Daí que não faça sentido discutir experiencias, observações, dados novos, fora de um enquadramento teórico. Khun formalizou bem esta ideia, parte do seu modelo de transformação de paradigmas em ciência.
Mas se isso é assim em ciência, já não é necessariamente assim em engenharia e tecnologia, considerando o que se disse em post anterior. A ideia de que qualquer desenvolvimento em engenharia e tecnologia tem que ter enquadramento teórico é errada, e conduz a perversões patéticas - como as tentativas desastradas para tentar explicar com fundamentos formais da teoria aquilo que é de natureza tácita e empírica, e por isso inexplicável nessa base.
Este é um dos dramas da forma como atualmente se pretende "cientifizar" a engenharia e os doutoramentos em engenharia - e se tende a desvalorizar algo de eseencial em engenharia. (Existe um problema semelhante na área dos estudos "científicos" de gestão). Fruto da ignorância das diferenças entre ciencia e tecnologia - uma das grandes desgraças atuais, segundo o filósofo Joseph Agassi (um dos que melhor conheceu Popper), que não se cansa de o referir.

Ainda a questão da ciência e da tecnologia: e a engenharia?

O que é a engenharia?
Michael Polanyi faz uma exploração muito útil do conceito (ver, por exemplo, o segunda lição de Tacit dimension): a engenharia preocupa-se com os principios operacionais de entidades compreensivas - os tais "artefactos" da tecnologia. Por outras palavras: a engenharia preocupa-se com as questões sistémicas (ao nível de sistema) em entidade constituídas por partes - a "lógica" do funcionamento dos mecanismos. Por isso não se pode reduzir a engenharia aos princípios da química e da física - a engenharia está num plano (ou "camada") acima disso. Os limites da engenharia são impostos pelas condições fronteira do seu nível - que são impostos pelo nível inferior, da química e da física. Quando uma máquina falha, encrava ou "parte", a responsabilidade é do nível inferior, da química e da física. Quando uma máquina não atinge os seus objectivos práticos, é uma falha de engenharia.
Por isso não se pode pensar engenharia ignorando as ciências que controlam o funcionamento dos materiais, das forças, das reações químicas, etc. Mas a engenharia não se confunde com essas ciências - mesmo que as fronteiras entre ciência e tecnologia possam por vezes ser difusas e pouco claras.
Como consequência, a essência da engenharia não se pode confundir com o pensamento científico. Preocupa-se com princípios operacionais que sustentam o funcionamento de tecnologias. Como já se disse, a tecnologia não procura a verdade, mas a criação de valor. A engenharia, como conhecimento sistemático de princípios operacionais, não pode restringir-se ao conhecimento científico - na realidade pode usar muito conhecimento científico, pode mesmo organizar parte do seu conhecimento como se fosse uma ciência, mas na realidade a engenharia integra em grande escala, e prioritariamente, conhecimento empírico (não necessariamente "científico") de natureza tácita. Conhecimento empírico, obtido pela tatear de experiências e ensaios, dos sucessos e dos insucessos, que permite que os sistemas funcionem (ou acabem por funcionar) - mesmo que não sejam bem conhecidas ou compreendidas as razões porque na realidade funcionam mesmo. A ideia de que hoje em dia "a tecnologia é científica" não é verdade - sem prejuízo de hoje em dia a incorporação de conhecimento científico nas tecnologias ser feito em muito maior escala e com muito maior profundidade e, naturalmente, permitir explorar tecnologias para além do que antes era razoável ou viável.
Se a engenharia depende então tanto de conhecimento não formal, mas empírico e tácito, logo por definição de raízes pessoais (obtido por interiorização das experiencias pessoais), então o ensino da engenharia tem que facilitar essas oportunidades, e ajudar mesmo a apreender os respectivos processos de facilitação. O que pode ser é muito dificil, dada a variedade de ambientes aplicacionais da engenharia. Mas é indispensavel. Como é que isso é reflectido nessa coisa do RAD?
Sou de uma geração que nasceu para a engenharia com o "admirável mundo novo" dos modelos matemáticos e da simulação numérica com computadores, em grande escala, em engenharia. Recordam-se das grandes esperanças na cibernética (anos 60 e 70), inclusivé como instrumento "científico" de planeamento económico e social ? Quarenta anos depois isso foi largamente interiorizado, mesmo rotinizado, e compreendemos agora alguns dos exageros das esperanças aí colocadas: (como seria de esperar) afinal há ainda muita engenharia a descobrir e compreender para além dos modelos e das simulações, e o retorno da importância da experiência empírica em engenharia conhece um renascer nas discussões sobre a pedagogia e a didática do ensino da engenharia. Como é que isso reflecte na nossa Escola de Engenharia? Como é que isso se reflete nos nossos programas doutorais e na forma como se organizam e discutem os doutoramentos?
A adopção de metodologias puramente "científicas" na engenharia e nas tecnologias é um erro que castra mesmo o essencial do que se procura ou pretende. Esta confusão é lamentável, bem conhecida e persistente.

Engenheiros: inovar versus descobrir, os "papers" e as "coisas"

More photos ...

Na intervenção no recente Workshop conjunto das minhas cadeiras de Inovação e C&T, dos programas doutorais da Escola de Engenharia e do EDAM MIT Portugal, o professor António Araújo manifestou de forma clara e vincada a sua incomodidade perante o processo de avaliação académica em engenharia.
Recordam-se os seus pontos essenciais:
- engenharia é diferente de ciência,
- escrever "papers" não parece ser a vocação de engenheiros,
- afinal o essencial da engenharia parece passar ao lado da atividade académica em engenharia.
Estamos de acordo. Vale a pena discutir estas ideias.
A ideia de que ciência e tecnologia são coisas muito diferentes é um dos "leitmotivs" da nossa abordagem pessoal sobre inovação tecnológica. Na realidade a confusão entre as duas coisas é um dos problemas mais lamentáveis do ensino superior em Portugal, e não só, nas áreas da engenharia e das tecnologias.
O objectivo da ciência é descobrir conhecimento, enquanto que o objectivo da tecnologia é inovar, criando novas combinações de artefactos adoptados por comunidades de utilizadores que neles encontram valor acrescentado. Descobrir e inovar não são a mesma coisa. São mesmo muito diferentes. Inovar pressupõe valor num mercado, e o valor da inovação é dependente da evolução económica dos mercados. Logo por natureza uma inovação tem um ciclo de vida e uma temporalidade finita, ao contrário do conhecimento da ciência, que em principio é intemporal (até ser eventualmente refutado ou mostrado como falso) e independente das vicissitudes do mercado e valorizações pelos utilizadores, reais ou potenciais. A "verdade" da ciência é o resultado de um processo de emergência (no sentido da teoria da complexidade) de consenso entre a própria comunidade científica, em função do seu enquadramento nos paradigmas conceptuais vigentes nessa comunidade (Kuhn e, especialmente, Polanyi) e da evidência da sua falsidade, ou não (Karl Popper). Em ciencia não há inovação, mas sim descoberta. Em tecnologia não existe verdade, mas existe sucesso: a adopção de uma certa ideia do uso do artefacto por uma comunidade de utilizadores que deles tiram partido (valor), no seu contexto especifico de utilização (logo, nas condições da sua própria existência civilizacional). Logo os critérios de avaliação de descoberta e inovação são completamente diferentes. É por isso dramática a tendência (crescente nalguns sítios, inclusive na UM) para querer adoptar critérios de avaliação "científica" para a avaliação "tecnológica" - e o resultado são monstros inqualificáveis como essa coisa do RAD, que pervertem a vocação de uma Escola de Engenharia, atrasam o desenvolvimento tecnológico, prejudicam a formação dos alunos e a inserção de verdadeiros engenheiros e tecnólogos no ensino universitário.
Compreende-se bem a incomodidade do António: depois de dois anos na ESA e (quase) dez anos integrado no team de Fórmula Um da Toyota (cerca de oitocentas pessoas!, baseado em Colónia, na Alemanha) com responsabilidades sobre equipes de engenharia do team, logo em circunstâncias altamente competitivas, quer sob o ponto de vista interno como externo, com uma forte pressão de inovar e ter sucesso em curto prazo, por natureza nas fronteiras da tecnologia (engenharia), o choque do ambiente académico é perfeitamente compreensível.
Não porque a vida académica não seja altamente competitiva - na realidade hoje em dia é. Mas é uma competição muito diferente da competição do mercado tecnológico, e onde os critérios de sucesso são completamente diferentes dos critérios que avaliam o sucesso no mercado da engenharia e das tecnologias - é uma competição baseada no sucesso de publicações (papers), ainda por cima geridas por critérios de valor "científico", e não tecnológico.
Passar do mundo de fazer coisas novas e avançadas que funcionam (vão e vêm á ISS no espaço, estão dentro de semanas a correr nos carros a competir nas pistas de Fórmula Um) para o mundo dos "papers" onde os critérios de sucesso (publicação ou não, e onde) são definidos de forma completamente diferente, e mesmo sem relação alguma com os critérios anteriores, é naturalmente um grande choque. Porque é passar para um mundo onde as competências (skills) para o sucesso são completamente diferentes, competências essas que se aprendem num mundo que não é o da engenharia real (mas que são competências que realmente se podem aprender de forma progressiva - um ponto geralmente ignorado hoje em dia, mas que não tem muito a ver com a tecnologia e a engenharia).
A realidade é que o essencial da engenharia parece passar ao lado da atividade académica em engenharia. A avaliação dos doutoramentos é feita pelo sucesso dos "papers" e não pelo sucesso (ou promessa de sucesso) dos artefactos e das tecnologias desenvolvidas. A avaliação das carreiras académicas é feita por critérios de papers e citações. Os doutorandos e os académicos queixam-se, com razão, que têm muita dificuldade em publicar sobre protótipos e semelhantes (o que é verdade: as equipes editoriais são em geral ignorantes e, tal como muita outra gente, mesmo na academia, confundem inovação com novidade - coisas muito diferentes). Ou seja, um doutoramento em engenharia acaba por desenvolver competências que não são as essenciais da engenharia, com manifesto detrimento das essenciais - desenvolver "coisas" que funcionam melhor e que são mais úteis (com maior valor, pelo menos potencial). Note-se que não estamos a dizer que a competência de escrever e publicar é irrelevante ou pouco útil - não, até porque a consideramos muito importante - mas não é o essencial da engenharia. É um complemento, depois do essencial.
Há poucos meses ouvimos um dos grandes professores do MIT começar uma intervenção numa conferencia MIT Europe, em Viena, com umas palavras muito significativas. Qualquer coisa como: "Nós, no MIT, acima de tudo gostamos de falar dos nossos protótipos e nos nossos modelos de simulação, não dos nossos papers". Mensagem clara, com muitos destinatários, e uma marca de diferenciação. É por isso incompreensível que nos critérios internos para avaliação do sucesso das atividades do MIT Portugal entrem prioritáriamente os papers - e os contributos para as empresas afiliadas, os protótipos desenvolvidos, etc., sejam secundarizados e, pior do que isso, ignorados e mesmo desvalorizados.
Para post de um blog, isto já vai longo. Mas provavelmente voltaremos ao assunto.