Difusão da Inovação e Condução de Calor - Validação de uma Analogia

Abstract

A difusão de inovação é representada por uma curva-S descrita por diversos modelos reportados na literatura que consideram somente o efeito temporal na evolução da taxa de adotantes. Esta dissertação apresenta a validação da proposta de aplicar por analogia os modelos de condução de calor em regime transiente para descrever esse comportamento. A abordagem metodológica adotada neste trabalho envolveu a aplicação de duas propostas: o Método da Capacitância Inovativa Global (MCIG) e Método da Difusão Espácio-temporal da Inovação (MDEI). A validação foi conduzida através da simulação computacional de ambas as abordagens e corroborada recorrendo a dados de inovações, tendo como principal objetivo avaliar a qualidade do ajuste dos modelos propostos.A validação das propostas inclui uma análise de risco, considerando o fator de risco associado à sensibilidade dos parâmetros a variações e a incerteza associada ao ajuste da curva de inovação. O Risco, calculado como o produto do fator de risco com base em pesos e a entropia da informação normalizada, oferece uma apreciação da aplicabilidade do método na descrição da curva de inovação. Para além do mais, o Coeficiente de Correlação de Pearson foi utilizado para aferir a relação linear entre os valores observados e as curvas ajustadas por ambas as propostas. O coeficiente mencionado mede a força e a direção dessa relação, reflectindo uma medida da qualidade do ajuste das abordagens propostas.Os resultados da validação demonstraram uma concordância entre as previsões das propostas MCIG e MDEI e os valores observados. O Coeficiente de Correlação de Pearson revelou um relação positiva forte entre os parâmetros, indicando uma boa qualidade de ajuste. Quanto ao Risco, analisado de um ponto de vista relativo revela que o método difusivo espácio-temporal apresenta um menor crescimento, favorecendo o seu valor na descrição das curvas-S de inovação.O resultado da investigação que compões esta dissertação revela avanços significativos na potencial compreensão da difusão da inovação recorrendo a modelos de engenharia como o da condução de calor em regime transiente. No entanto, ainda existem áreas promissoras para futuras investigações.

This dissertation presents a validation of a previously conceived proposal in the field of heat transfer. This defines the diffusion of innovation according to a model of heat transmission in a transient regime, allowing to relate two distinct topics. The methodological approach adopted in this research involved the application of two proposals: the Method of Global Innovative Capacitance (MCIG) and the Method of Spatio-temporal Diffusion of Innovation (MDEI). The validation was conducted through the computational simulation of both approaches. The corroboration was carried out using innovation data, with the main objective to evaluate the quality of the fit to the proposed models.The proposal validation was carried out through a risk analysis, which considers the sensitivity of the parameters and the uncertainty associated with the modeling of the innovation curve. The Risk, calculated as the product of the consequence factor based on the weights and the entropy of the normalized information, quantifies the adjustment quality and the uncertainty present in the results.Furthermore, Pearson’s Correlation Coefficient has been used to measure the linear relationship between the observed values and the curves fitted by both proposals. The coefficient mentioned measures the strength and direction of this relationship, reflecting a measure of the quality of the fit of the proposed approaches.The validation results showed an agreement between the predictions of the MCIG and MDEI proposals and the observed values. The risk was shown to be lower for the Services category and higher for the Products and Technologies categories. While, Pearson’s Correlation Coefficient revealed a strong positive relationship between the parameters, indicating a good fit quality.This research has provided significant advances in understanding the innovation diffusion according to a transient heat transfer model. However, there remain promising areas for future research.