Palestra proferida no XXIIII EREBD que aconteceu na cidade São Luís (MA) em 2020. A palestra fala como o bibliotecário está inserido no contexto do big data e da indústria 4.0.
1. EREBD2020-São Luís
Empreendedorismo:
perspectivas e desafios aos profissionais da informação
BIBLIOTECÁRIO NO CONTEXTO
DO BIG DATA:
O BIBLIOTECÁRIO 4.0
Suênia Oliveira Mendes
Dra. Ciência da Informação/UFSC
Bibliotecária UFMA
3. Fonte: Painel logístico. Por uma indústria mais moderna. 2019. Disponível
em:http://www.painellogistico.com.br/%EF%BB%BFpor-uma-industria-mais-moderna/. Acesso em: 29 dez. 2019.
4. Indústria 4.0
Indústria 4.0 – “[...] troca de informação entre usuários, dispositivos móveis, máquinas,
sensores, entre outros recursos tecnológicos. “ (HERMANN;PENTEK;OTTO,2016 apud
BLATTMANN; FORESTI, 2017, slide 11).
A Indústria 4.0 - paradigma econômico – Internet - uso intensivo de informação e
tecnologia - virtualização aplicada à produção de bens e serviços (BLATTMANN;
FORESTI, 2017, slide 12).
Fundamentado na “computação móvel”, na “computação nas nuvens” e no “big data”
(MESKO; KRAPEZ, 2016, p.6 apud BLATTMANN; FORESTI, 2017, slide 14).
Fonte: BLATTMANN, Úrsula; FORESTI, Fabrício. O paradigma da biblioteca 4.0. 2017. Disponível
em:http://fontes.wdfiles.com/local--files/nossa-turma-pci-3211-fontes-de-informacao-
2017/O%20PARADIGMA%20DA%20BIBLIOTECA%204.pdf. Acesso em: 12 jan. 2020.
5. “Pesquisa 4.0” - resultado de uma dinâmica social de quatro elementos – o investigador,
os documentos, os utilizadores (seus pares) e o mapeamento semântico dos metadados; em
plena interação potenciada pelo sistema.
BENTO, Filipe Manuel Santos; OLIVEIRA, Lídia de Jesus. Pesquisa 4.0: novas dinâmicas de pesquisa e descoberta de
informação científica e cooperação entre investigadores. Perspectivas em Ciência da Informação, v. 19, n. 2, p.04-14, 2014.
Disponível em:http://www.scielo.br/pdf/pci/v19n2/02.pdf. Acesso em 02 jan. 2020.
DELOITTE. Indústria 4.0: preparados para revolução. 2018. Diponível em: https://www.youtube.com/watch?v=DL-DS9A8nvE. Acesso
em: 19 jan. 2020.
6. A Biblioteca ou o Bibliotecário 4.0 – Revolução Industrial 4.0
Fonte: GRAY, Jim. eScience: a transformed scientific method. Transcrição de palestra ministrada por Jim Gray
no Conselho Nacional de Pesquisa (EUA), 11 Jan. 2007. In: HEY, T.; TANSLEY, S.; TOLLE, K. (Ed.). The fourth
paradigm: data-intensive scientific discovery. Redmond: Microsoft Research, 2009.
Paradigmas da ciência
Paradigmas da ciência
1º Paradigma
Ciência Empírica Ciência Computacional
3º Paradigma
Ciência Teórica
2º Paradigma
eScience
4º Paradigma
7. Complexity
Múltiplos fatores-chave
de decisão
Volatility
As mudanças são
imprevisíveis
Ambiguity
Falta de clareza sobre
um significado ou
evento
Uncertainty
O ambiente é dinâmico
e sem clareza do
presente.
O mundo muda em velocidade muito acelerada e com destino incerto,
proporcionando várias respostas para uma mesma questão.
Mundo VUCA
8. É o movimento para tornar a pesquisa científica, os dados e a disseminação
acessíveis a todos os níveis de uma sociedade (FOSTER, 2018).
FIOCRUZ. Escience. 2019
FOSTER. Open Science. 2018. Disponível em: https://www.fosteropenscience.eu/foster-taxonomy/open-science. Acesso em: 13
out. 2019.
Ciência Aberta
(FIOCRUZ, 2019)
9. Big Data – trabalha com grandes volume de dados com maneiras de reutilizar e extrair
valor (tecnologia-análise).
O volume de dados - tecnologia do Big Data - análise e a conversão dos dados em
insights, inovações e produtos de dados.
Fonte: FUNDAÇÃO INSTITUTO DE ADMINISTRAÇÃO. Big Data: o que é, como aplicar, a importância e exemplos. 2018. Disponível
em: https://fia.com.br/blog/big-data/. Acesso em: 18 jan. 2020.
RODRIGUES, Adriana Alves; NÓBREGA, Emeide; DIAS, Guilherme Ataíde. Desafios da gestão de dados na era do Big Data: perspectivas
profissionais. Informação & Tecnologia (ITEC), Marília, v. 4, n. 2, p. 63-79, 2017. Disponível em:
https://periodicos.ufpb.br/ojs2/index.php/itec/article/view/40538. Acesso em: 20 jan. 2020.
10. Data Science
Ciência de dados versus análises estatísticas
A ciência de dados difere das análises estatísticas e da ciência da computação em seu método que
é aplicado a dados coletados usando princípios científicos.
Big Data, que demanda o uso de diferentes tecnologias à análise estatística.
A Ciência de dados está procurando descobrir conhecimento a partir de uma quantidade
grande de dados que podem ser usados para tomar decisões e fazer previsões, e não
simplesmente a interpretação de números.
Fonte: MATOS, David. Bibliotecas de Data Science em Python, R e Scala. 2019. Disponível em:
http://www.cienciaedados.com/bibliotecas-de-data-science-em-python-r-e-scala/. Aceso em: 16 jan. 2020.
11. A gestão de dados de pesquisa envolve serviços, ferramentas e infra-estruturas que abrangem
o ciclo de vida da pesquisa como um todo.
12. Definição
Campo interdisciplinar que usa algoritmos científicos, métodos, técnicas e
várias abordagens para extrair informações valiosas de dados
estruturados e não estruturados.
Definição
Uma aplicação de um complexo de técnicas quantitativas para facilitar o
processo de tomada de decisão.
Objetivo
Revelar os insights dos dados que são aplicados em benefício
de vários setores.
Objetivo
Permitir insights orientados por dados e aplicar os elementos da
ciência cognitiva ao planejamento e desenvolvimento de políticas.
Visualizar dados
Os dados são uma ferramenta para melhoria e desenvolvimento de
negócios
Visualizar dados
Os dados são uma ferramenta para tomar decisões
Campos de aplicação
Aplicado em diversos setores, como varejo, entretenimento, saúde,
telecomunicações, finanças, mídia, viagens de seguros, manufatura,
agricultura, esportes.
Campos de aplicação
As áreas mais comuns são negócios e administração, direito e educação,
regulamentação ambiental, ciência militar, saúde pública e políticas públicas
Desafios
Enormes quantidades de dados sujos; Dificuldades no desenvolvimento da
fonte; Crescimento rápido da esfera; Problemas de segurança de dados;
Acesso a dados corretos
Desafios
Necessidade de conhecimentos complexos de matemática, finanças, análise; A
complexidade das técnicas aplicadas; A falta de dados confiáveis; Lidando com
ambientes de dados complexos
Tendências futuras
Automação; Chatbots e assistentes virtuais; Realidade aumentada;
Robotização; Aprendizagem por reforço
Tendências futuras
Tomada de decisão automatizada; Empoderamento de dados; Aumento da
demanda em especialistas; Importância crescente e ampla aplicação nas
indústrias
Tradução livre
Fonte: BOBRIAKOV, Igor. Data science vs. decision science. 2019.
https://medium.com/@ibobriakov/data-science-vs-decision-science-infographic-7ad6e16698d.
Disponível: . Acesso em: 16 jan. 2020.
13. Web de Dados
Permite a publicação e o compartilhamento de Dados Abertos Conectados (AUER, 2014).
Considerações aos dados disponibilizados e/ou geridos:
a)Reuso
b) Compreensão
c) Interligação
d) Descoberta
e) Confiança
f) Acesso
g) Interoperabilidade (CSV, JSON,RDF, XML, entre outros)
h) Processabilidade
Fonte: AUER, Sören. Introduction to lod2. In: Linked Open Data – Creating Knowledge Out of Interlinked Data.
AUER, S.; BRYL, V.; TRAMP, C (Ed.). Lecture Notes in Computer Science. Springer-Verlag, 2014.
14. Gestão de Dados
Plano de gestão de dados descreve os dados e metadados, restrições legais e éticas; política de
preservação e compartilhamento; descrição de mecanismos, formatos e padrões.
Fonte: SÃO PAULO. Universidade de São Paulo. Plano de gestão de dados. 2016. Disponível
em:http://www.sibi.usp.br/apoio-pesquisador/dados-pesquisa/plano-gestao-dados-2/. Acesso em: 17 jan. 2020.
Ferramentas para a Gestão de Dados de Pesquisa:
Data Management Plan – DMPTool (https://dmptool.org/user_sessions/institution) –
Ferramenta online que cria dinamicamente um plano de gerenciamento de dados focado
especificamente em agências de financiamento dos EUA.
15.
16. Dados de pesquisa
Registros científicos da pesquisa - resultados
Tipos de dados:
Dados observacionais – observações científicas os pesquisadores medem causa e
efeito;
Dados experimentais – procedimentos realizados em condições controladas;
Dados computacionais – produtos da execução de modelos de ordenações,
simulações ou fluxos de trabalho.
Fonte: SILVA, Fabiano Couto Corrêa da. Gestão de dados científicos. Rio de Janeiro: Interciência, 2019.
Imagem: Angues, Ivan. 2018. Disponível em:https://dadosdepesquisa.rnp.br/o-que-sao-dados-de-pesquisa/. Acesso em:
12 jan. 2020.
19. Dataverse é uma arquitetura de software livre para a publicação, citação, análise, preservação
e reuso dos dados de projetos de pesquisa.
Compartilhamento, arquivamento e promove a referenciação de dados de pesquisa.
Fonte: ARAÚJO, L. M. de S.; MARDERO ARELLANO, M. A.; FERRER, I. D. Guia para os usuários do repositório Dataverse
do Ibict. Boletim Técnico Do PPEC, v. 3, n. 2, 2018. Disponível em:
https://econtents.bc.unicamp.br/boletins/index.php/ppec/article/view/9160. Acesso em: 20 jan. 2020.
DataVerse
20. Fonte: ARAÚJO, L. M. de S.; MARDERO ARELLANO, M. A.; FERRER, I. D. Guia para os usuários do repositório Dataverse
do Ibict. Boletim Técnico Do PPEC, v. 3, n. 2, p.7, 2018. Disponível em:
https://econtents.bc.unicamp.br/boletins/index.php/ppec/article/view/9160. Acesso em: 20 jan. 2020.
21. Fonte: ARAÚJO, L. M. de S.; MARDERO ARELLANO, M. A.; FERRER, I. D. Guia para os usuários do repositório Dataverse do
Ibict. Boletim Técnico Do PPEC, v. 3, n. 2, p.10, 2018. Disponível em:
https://econtents.bc.unicamp.br/boletins/index.php/ppec/article/view/9160. Acesso em: 20 jan. 2020.
22. Visualização de Dados - Data Science
Ferramentas preferidas: Tableau, Qlik, PowerBI, Excel, D3.js, Bibliotecas para
Python/R, enfim, você decide!
23.
24.
25.
26. Onde obter dados?
Fonte: OHAJI, Isaac K.; CHAWNER, Brenda; YOONG, Pak. The role of a data librarian in academic and research
libraries. Information Research, Sweden, v. 24, n. 4, 2019. Disponível em:http://www.informationr.net/ir/24-
4/paper844.html. Acesso em: 11 jan. 2020.
http://dados.gov.br/
27. Fonte: Digital Curation Center (DCC) traduzido por Vidotti (2016). Disponível em:
http://www.dcc.ac.uk/resources/curation-lifecycle-model
28. Fonte: RODRIGUES, Adriana Alves; NÓBREGA, Emeide; DIAS, Guilherme Ataíde. Desafios da gestão de dados na era do Big Data: perspectivas
profissionais. Informação & Tecnologia (ITEC), Marília, v. 4, n. 2, p. 63-79, 2017. Disponível em:
https://periodicos.ufpb.br/ojs2/index.php/itec/article/view/40538. Acesso em: 20 jan. 2020.
29. CARREIRAS EM BIG DATA E DATA SCIENCE
Fonte: http://datascienceacademy.com.br/blog/10-carreiras-em-big-data-e-data-science/
Engenheiro de dados
Engenheiro de Big Data
Engenheiro de Machine Learning
Gerente de analytics
Estatístico
Cientista de dados
Especialistas em Business Analytics
Desenvolvedor de Visualização de dados
30. E O BIBLIOTECÁRIO??
Fonte: http://datascienceacademy.com.br/blog/10-carreiras-em-big-data-e-data-science/
31. Dados de pesquisa e gerenciamento de dados de pesquisa
Bibliotecário de dados - o papel do bibliotecário acadêmico e de pesquisa no gerenciamento de
dados de pesquisa e e-pesquisa é informar e aprimorar a prática, ou desenvolver programas
relevantes de educação e treinamento. Profissional especializado na curadoria, preservação e
arquivamento de dados' (SWAN; BROWN, 2008 , p. 1).
Fonte: SWAN, A. ; BROWN, S. The skills, role and career structure of data scientists and curators: an assessment of
current practice and future needs (Report to the JISC). Truro, UK: Key Perspectives, 2008. Disponível em:
https://eprints.soton.ac.uk/266675/. Acesso em: 18 jan. 2020.
32. Modelo da função de bibliotecário de dados (blueprint)
Fonte: OHAJI, Isaac K.; CHAWNER, Brenda; YOONG, Pak. The role of a data librarian in academic and research libraries.
Information Research, Sweden, v. 24, n. 4, 2019. Disponível em: http://www.informationr.net/ir/24-4/paper844.html. Acesso em:
11 jan. 2020.
33. Manifesto bibliotecário pela Ciência
Aberta na América Latina
2019
Bogotá
Março evento OpenCon LatAm 2019
Conferencia internacional sobre acceso
abierto al conocimiento científico y
académico, educación abierta y datos
abiertos.
34. Reconhecemos o conhecimento como um bem comum e vemos a ciência aberta
como uma oportunidade para o desenvolvimento de um modelo sustentável que
assegure a criação, gestão e comunicação de dados, informação e conhecimento
para todas as pessoas da sociedade, em toda sua diversidade, sem distinção de
nenhum tipo de condição (MANIFESTO BIBLIOTECÁRIO, 2019).
Somos atores-chave para impulsionar e facilitar a mudança cultural. Assumimos o
compromisso de acompanhar os processos de transição e mobilização social,
fomentando a apropriação de tecnologias, ferramentas, metodologias, uso, geração
e abertura de conhecimentos na América Latina e Caribe (MANIFESTO
BIBLIOTECÁRIO, 2019).
Fonte: MANIFESTO BIBLIOTECÁRIO POR LA CIENCIAABIERTA LATINOAMÉRICANA. 2019.
Disponível em: https://docutopia.tupale.co/bibliotecariosalsenado-
manifiestobibliotecario2019?view&fbclid=IwAR1MAxcJyaim7a4YVmS85zKsA3lpz45tJmCYrLeNl6-
pySrUJTCHbQtK16w#. Acesso em: 11 dez. 2019.
Manifesto bibliotecário pela Ciência Aberta na América Latina
35. 1 - Adaptabilidade proativa
2 - Resiliência evolutiva
3 - Liderança por propósitos
4 - Cultura digital
5 - Cocriação e prototipagem rápida
6 - Empatia multifocal
7 - Solução da complexidade
8 - Fazer menos e melhor
9 - Agilidade não apressada
10 - Construção de novas habilidades
Convivendo no mundo VUCA
As 10 novas competências essenciais para o "Futuro do Presente"
36. O que você busca na sua profissão?
Realização profissional
Propósito, valores, crenças e missão - identidade pessoal/identidade profissional tendo
consciência da sua auto-imagem, auto-estima e auto-realização (MENDES, 20191).
Fonte: Pinterest
1Elaborado por Suênia Oliveira Mendes, 2019.
37. Início = Monografia ou TCC (Trabalho de Começo de Carreira2)
TERMINAR/COMEÇAR
Transformar - Vida em carreira (propósito)
Profissão (exercer um cargo)
CARREIRA
2 Termo retirado do livro SILVA, Jonny
Carlos. Trabalho de começo de carreira:
um guia coaching para decolar na carreira
com seu TCC. : Grama, 2018.