JBCS



7:56, sex fev 14

Acesso Aberto/TP



Educação


A estrutura interna do campo da química no Brasil
An internal structure of the chemistry field in Brazil

Fernando CasellatoI; Luciana MassiII,*; Matheus Monteiro NascimentoIII

I. Instituto de Química, Universidade Estadual Paulista, 14800-060 Araraquara - SP, Brasil
II. Departamento de Educação, Universidade Estadual Paulista, 14800-901 Araraquara - SP, Brasil
III. Departamento de Física, Instituto de Física, Universidade Federal do Rio Grande do Sul, 91501-970 Porto Alegre - RS, Brasil

Recebido: 24/06/2024
Aceito: 20/09/2024
Publicado online: 14/11/2024

Endereço para correspondência

*e-mail: luciana.massi@unesp.br

RESUMO

This article investigates the configuration of the internal structure of the field of chemistry in Brazil, with an emphasis on the positions occupied by dominant and dominated agents. Utilizing the theoretical framework by Pierre Bourdieu, specifically his approach to fields of power and capital, the study proposes a detailed analysis of the distribution of specific capital among Brazilian chemists. The research was divided into two main methodological stages: firstly, configuring the field through the localization of agents in the academic space based on their volume of specific capital; secondly, an analysis focused on the agents occupying the extreme positions in this space, identified as dominants and dominated. This type of analysis contributes to understanding the field, its values and how its power structure is distributed. This information helps agents to understand and move within this configuration with a view to its conservation or subversion.

Palavras-chave: chemistry field; Brazilian chemists; multiple correspondence analysis; curriculum; sociology of science.

INTRODUÇÃO

A química no Brasil vem sendo estudada principalmente sob uma perspectiva histórica, destaca-se o trabalho de Almeida e Pinto1 ou a obra de Filgueiras2 sobre as origens históricas da química brasileira. Pesquisas históricas deste tipo se inserem na área de História, Filosofia e Sociologia da Ciência (HFSC). Nela, em geral, a história é usada como suporte para estudos filosóficos e vice-versa.3,4 Massi et al.5 observaram que dentre essas três subáreas da HFSC a sociologia é a menos mobilizada para pensar a ciência, em um dos estudos de revisão citados pelos autores, de todas as pesquisas em HFSC apresentadas em um evento apenas 2% envolviam a sociologia. Pierre Bourdieu6 é um importante sociólogo que se dedicou, entre outros temas, a estudar a sociologia da ciência. Ele defende que esse tipo de investigação é importante, pois coloca "a ciência a serviço da ciência", rompendo com o "conhecimento primeiro, necessariamente parcial e arbitrário", com as impressões imediatas sobre uma área de pesquisa, uma vez que cada pesquisador a ela pertencente "vê o campo com uma certa lucidez, mas a partir de um ponto de vista dentro do campo, que ele próprio não vê" (p. 43).

O conceito de campo é um dos mais importantes da teoria de Pierre Bourdieu e da sua sociologia da ciência. Segundo Grenfell7 ele deveria estar presente em toda pesquisa que adota o referencial bourdiano, representando um nível superior de entendimento dessa teoria em comparação com a adoção de conceitos isolados, como habitus e capital. Bourdieu o construiu a partir da sua aplicação empírica em diferentes domínios: alta costura,8 arte,9 ciência,6,10,11 economia,12 política,13 religião,14 esporte,15 direito,13 linguagem,16 espaço intelectual,15 universitário.17 Esse processo e as dificuldades específicas de delimitação das fronteiras dos campos que constituem seu objeto de disputa, fazem com que este conceito seja de difícil compreensão e mobilização, como admitido por Bourdieu,18 Lahire19 e Montagner e Montagner.20

Estudos sobre campo orientados pelo referencial bourdiano têm sido produzidos na sociologia brasileira, envolvendo o campo da educação física,21,22 o campo científico contábil,23 o campo educacional e de formação de professores24-26 e o campo científico, acadêmico e universitário.27-32 Apesar de diversos campos estarem sendo estudados, observamos que a maioria se sustenta em pesquisas documentais que reconstituem a história da área produzindo sua sociogênese. Costa e Martins23 também se baseiam em entrevistas com os agentes do campo. Apenas os trabalhos de Cock et al.28 e Incrocci e Andrade30 usam dados quantitativos sobre os agentes além dos documentos que recuperam a história da área. Um esforço de configuração do campo científico a partir de análises estatísticas geométricas foi encontrado apenas nos estudos de Araújo et al.,31 que buscaram entender o campo científico da agropecuária a partir da Embrapa, e de Hey,32 que tomam a educação superior como objetivo de pesquisa acadêmica em um trabalho similar ao aqui proposto. Além de poucos estudos estatísticos, não identificamos pesquisas sobre o campo da química, uma área de pesquisa já consolidada há muitos anos no Brasil.

No âmbito dos estudos empíricos com análises estatísticas geométricas e relacionados com Bourdieu, uma breve revisão no contexto internacional, com foco nos livros Empirical Investigations of Social Space33 e La Méthodologie de Pierre Bourdieu en Action,34 nos levou a apenas um capítulo preocupado com questões relacionadas à ciência, em especial a prosopografia de cientistas que ocuparam cargos em universidades suecas. Os outros oito capítulos com metodologia empírica e uso de Análise de Correspondências Múltiplas (ACM) se dedicam a outros domínios da sociologia, como estudos de gosto, poder, instituições, etc.35-42 O próprio Bourdieu não adotou a ACM em todos seus estudos sobre campo, construindo alguns esquemas explicativos sobre o campo da alta costura8 e da arte9 e produzindo ACM no estudo do campo universitário.17

Esta breve revisão nos permite afirmar que são poucos os estudos que configuram o campo científico e ainda mais escassos os que produzem essa configuração a partir de análises estatísticas. Reconhecemos nessa produção também a dificuldade em configurar esses campos de forma mais ampla, encontrando trabalhos que restringem seus dados a períodos ou aspectos específicos dentro dos campos, incluindo pesquisas do próprio Bourdieu. Bourdieu9 propõe que o estudo de qualquer campo deve operar por três procedimentos básicos e intrinsecamente ligados: (i) a análise da posição do campo no seio do campo do poder e de sua evolução no decorrer do tempo; (ii) a análise da estrutura interna do campo, isto é, da estrutura das relações objetivas entre as posições ocupadas pelos agentes ou grupos em concorrência; (iii) a análise da gênese dos habitus dos ocupantes dessas posições. Apesar desse conjunto, nem sempre o próprio autor mobiliza os três níveis, como em As Regras da Arte: Gênese e Estrutura do Campo Literário9 que se concentra nos dois primeiros procedimentos e em Homo Academicus17 que mobiliza o terceiro procedimento, fazendo uso do método prosopográfico e de análises estatísticas, como a ACM.

Nesse contexto, apresentamos neste artigo o resultado de uma pesquisa cujo objetivo foi configurar a estrutura interna do campo da química no Brasil. Nos concentramos no nível (ii), ou seja, produzimos uma análise da estrutura interna do campo, destacando as posições de dominantes e dominados ocupadas pelos agentes em concorrência. Para isso, desenvolvemos uma análise de duas etapas e dois níveis, um mais abrangente e quantitativo e um qualitativo focando em perfis-típicos dos agentes. Na primeira etapa configuramos o campo da química posicionando seus agentes no espaço a partir do seu volume de capital específico. Na segunda etapa descrevemos em detalhes os agentes que ocupam os extremos do espaço, teoricamente chamados de dominantes e dominados.17 Trabalhamos com dados quantitativos extraídos da plataforma Sucupira,43 da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES), e com informações coletadas dos currículos Lattes dos agentes.

Bourdieu15 destaca que, em comparação ao contexto das ciências humanas, os campos das ciências da natureza estão menos sujeitos a situações de heteronomia, como a politização das disciplinas. O autor complementa afirmando que, nas ciências naturais, tem-se campos mais puros e submissos às lógicas do jogo científico. É com base nessa compreensão, na ausência de estudos nacionais sobre a química, em complemento ao fato de nossa área de formação ser nas ciências naturais, que definimos o recorte desta pesquisa em torno do campo científico da química. Ademais, em trabalho anterior44 já evidenciamos a autonomia de um campo das ciências naturais na comparação com áreas das ciências humanas, justificando a necessidade de uma investigação mais pormenorizada da estrutura interna destes espaços sociais. Reconhecemos que este estudo poderia abranger também a física ou biologia, contudo, na base de dados escolhida essas disciplinas apresentam mais interfaces com outras ciências, como a astronomia e a área da saúde, por exemplo. Portanto, por aparentar ser um campo com menos interfaces, optamos por nos ater às particularidades do campo de pesquisa em química brasileiro.

 

REFERENCIAL TEÓRICO

Apesar de termos concentrado o estudo na análise de campo,9 reconhecemos a contribuição desta pesquisa para as discussões sobre campo científico, visto que nos propomos a expor uma configuração da distribuição do capital específico científico em jogo para um volume expressivo de agentes, cobrindo abrangência nacional, fato ainda inexplorado na sociologia da ciência bourdieusiana brasileira. Sendo assim, inspirados por Bourdieu,11,6 justificamos que, ao olhar cientificamente para a própria ciência, ou seja, colocar a ciência a favor dela mesma, podemos compreender melhor nossa posição como cientistas singulares e coletivamente, para onde estamos indo e onde queremos chegar, contribuições de valor em tempos de heteronomia crescente.

Bourdieu11,6 discute a sociologia da ciência imersa em seu aparato teórico geral, portanto, adotando conceitos teóricos próprios e aplicáveis a diferentes espaços sociais, não só o científico. Sob bases dialéticas e relacionais, a teoria do autor45 busca explicar a prática social com referência a três conceitos fundamentais: habitus, que se refere às disposições e mecanismos práticos e cognitivos incorporados pelos agentes; capital, que são os trunfos e os recursos que agentes podem mobilizar para se beneficiarem em um determinado campo; e campo, um espaço específico, de disputas e com regras próprias, constituído pela estrutura de relações objetivas existentes em um contexto particular e que se relaciona dialeticamente com o habitus e o capital dos agentes. O movimento que governa a relação entre esses conceitos é sintetizado pelo autor45 na seguinte fórmula: [(habitus) (capital)] + campo = prática.

Adotar o conceito de campo acarreta tanto implicações teóricas quanto metodológicas.46 Um campo nos permite designar um microcosmo dotado de leis próprias e de autonomia mais ou menos acentuada quanto às imposições do macrocosmo social.11 Assim como os outros campos, o científico faz imposições e solicitações relativamente independentes dessas pressões macrossociais que o envolvem, penetrando não livremente no microcosmo e mediatizadas por sua lógica.11 Essa propriedade é denotada pelo autor11 como a capacidade de refratar, que também pode ser vista como o principal indicador do grau de autonomia de um campo. Sendo assim, quanto mais autônomo um campo, mais capaz ele será de transfigurar as imposições externas ao ponto de se tornarem irreconhecíveis; mais própria parecerá sua lógica de funcionamento. Inversamente a isso, quando os problemas exteriores (políticos, econômicos, midiáticos, etc.) se manifestam e constringem diretamente a lógica do campo, o autor denomina a heteronomia desse campo.

Todo campo, inclusive o científico, é um campo de forças, tensões, dominação e lutas travadas pelos agentes que o constituem, com o objetivo de transformar ou conservar essas forças que nele agem.11 De acordo com o autor, essa força pela qual os agentes lutam é um tipo bem determinado e específico de capital, particular a cada campo. Para ilustrar, podemos dizer que no campo científico é disputada a posse e o controle do capital científico. Bourdieu11 complementa: "[...] o espaço só existe (de alguma maneira) pelos agentes e pelas relações objetivas entre os agentes que aí se encontram" (p. 23).

É a forma como esse capital específico e os demais (econômico, cultural, social e simbólico) estão distribuídos entre os agentes que determina a estrutura objetiva que governa as relações no campo e que determina as tomadas de decisão dos agentes, de acordo com a seguinte dinâmica descrita por Bourdieu:11

"Em outras palavras, os agentes caracterizados pelo volume de seu capital determinam a estrutura do campo em proporção ao seu peso, que depende do peso de todos os outros agentes, isto é, de todo o espaço. Mas, contrariamente, cada agente age sob a pressão da estrutura do espaço que se impõe a ele tanto mais brutalmente quanto seu peso relativo seja mais frágil." (p. 24)

Portanto, o campo é ao mesmo tempo determinado pelos agentes, assim como os determina em intensidades variantes de acordo com a posição de poder. Em termos bourdieusianos, pode-se dizer que o campo tanto constringe os habitus dos agentes, quanto é moldado por eles e, para que o agente possa sequer estar inserido no campo, dele é necessário um certo habitus dotado de disposições coerentes com as necessárias para travar as lutas específicas do campo.6 Uma vez imersos na illusio do campo, ou seja, na crença de que o jogo existe e nas suas regras, os agentes podem empregar estratégias de subversão ou manutenção do capital específico a fim de revolucionarem ou conservarem suas posições de dominado ou dominante.6

Sendo assim, é importante desenvolver o raciocínio sobre campo em termos de posições em um espaço social determinadas pela lógica de distribuição dos capitais, de forma relacional e interdependente, já que são essas posições que permitem acessar a estrutura que governa as práticas de grupos sociais, como reforçado por Bourdieu:11

"É a estrutura das relações objetivas entre os agentes que determina o que eles podem e não podem fazer. Ou, mais precisamente, é a posição que eles ocupam nessa estrutura que determina ou orienta, pelo menos negativamente, suas tomadas de posição. Isso significa que só compreendemos, verdadeiramente, o que diz ou faz um agente engajado num campo se estamos em condições de nos referirmos à posição que ele ocupa nesse campo, se sabemos de ‘onde ele fala'." (p. 23)

Nas pesquisas de Bourdieu,9,11,17 a determinação dessas posições é essencialmente empírica e pautada no ramo da estatística dedicada às Análises Geométricas de Dados (AGD), em especial na Análise de Correspondências Múltiplas (ACM), que foi adotada pelo autor6 por apresentar grande afinidade teórico-metodológica com a noção de campo. A ACM é uma técnica de análise estatística que permite, por intermédio de uma tabela de contingência, o mapeamento percentual do grau de associação entre categorias de três ou mais variáveis em um espaço comum.47

Como toda estratégia de escalonamento multidimensional, torna-se possível acessar padrões de preferência e similaridade entre indivíduos, assim como entre os atributos categóricos que os representam.47 Essa informação do grau de associação se torna disponível tanto sob um nível mais qualitativo e facilmente interpretável, por meio das distâncias aparentes entre pontos de categorias ou de indivíduos em uma nuvem de plot, mas também sob um maior rigor quantitativo, através de cálculos exatos das distâncias entre as posições que esses objetos ocupam em cada dimensão do espaço multidimensional.47

Iremos nos ater às considerações de Hjellbrekke48 e Le Roux e Rouanet49 quanto ao que concerne a elaboração e a interpretação da ACM para fins da pesquisa em ciências sociais. Le Roux e Rouanet49 mostram, por meio de demonstrações matemáticas, que a posição das categorias no espaço depende, principalmente, da frequência relativa de resposta a elas e a relação dessa frequência com as das outras categorias. Isso implica em algumas considerações úteis à interpretação da análise que extraímos de Hjellbrekke48 e Le Roux e Rouanet:49 quanto mais rara (menor frequência) uma categoria, mais distante ela estará do centro; dadas duas categorias quaisquer, quanto maior a frequência de resposta simultânea à elas, mais próximas elas estarão no mapa; categorias muito raras e com pouca massa (baixo número de respondentes) que não representam uma distinção sociologicamente interpretável podem poluir a interpretação da análise; é de interesse que as variáveis tenham quantidades não tão díspares de categorias; a contribuição de uma categoria, que diz respeito a quanto uma modalidade é responsável pela variância de uma dimensão, é inversamente proporcional à sua frequência relativa de resposta, de tal modo que quanto mais rara uma categoria, maior sua contribuição; categorias com uma contribuição acima da média devem ser as de maior importância para interpretação do mapa. Concluímos então que os padrões de similaridade e dissimilaridade disponibilizados pela ACM são desenhados em função de frequências relativas e assim devem ser interpretados a fim de mediarem o acesso às relações de contraposição e oposição existentes na distribuição de propriedades objetivas em um dado conjunto.

Bourdieu6 pontua questões necessárias para a compreensão de um campo, para o entendimento das quais buscamos contribuir com esta pesquisa, dentro de seus limites:

"[a teoria do campo] Obriga a formular a questão de saber a que é que se joga nesse campo [...], o que está em jogo, quais os bens ou as propriedades procuradas e distribuídas ou redistribuídas, e como é que se distribuem, quais são os instrumentos ou as armas que se deve ter para jogar com hipóteses de ganhar e qual é, em cada momento do jogo, a estrutura da distribuição dos bens, ganhos e trunfos, ou seja, do capital específico (a noção de campo é, como vemos, um sistema de questões que se especificam constantemente)." (p. 54)

São esses alguns dos questionamentos aos quais pretendemos responder, e também foram eles que inspiraram a estruturação e fazer metodológico da pesquisa, como na escolha de variáveis que compuseram a análise. Portanto, ainda pautados no referencial bourdieusiano, optamos por analisar os dados precipuamente por meio da técnica da ACM, em virtude do casamento único existente entre seus fundamentos estatísticos e a teoria dos campos, em concordância com Bourdieu:6

"O peso associado a um agente, suportado pelo campo ao mesmo tempo que contribuiu para o estruturar, depende de todos os outros agentes, de todos os outros pontos do espaço e das relações entre todos os pontos, ou seja, de todo o espaço (quem conheça os princípios da análise de correspondências múltiplas perceberá a afinidade entre este método de análise matemática e o pensamento em termos de campo)." (p. 53)

Como na presente pesquisa buscamos apenas configurar a distribuição dos capitais no campo científico, a busca por fatores explicativos não seria coerente com nosso objetivo, por isso, todas as variáveis da análise foram definidas como ativas para que se inter-relacionem e contribuam para a configuração das posições de disputa no espaço analisado, assumindo seus papéis de capital. Nesse sentido, iremos interpretar os resultados da ACM com base nas noções matemáticas de associação entre categorias e escalonamento multidimensional,47,50 assim como pelo usual nas pesquisas sociológicas, inspecionando principalmente as categorias com contribuições acima da média e interpretando por eixos.48

 

COLETA, SISTEMATIZAÇÃO E ANÁLISE DOS DADOS

Nossa análise da estrutura do campo da química no Brasil seguiu duas etapas, a primeira quantitativa de construção do espaço social a partir de uma ACM, e uma segunda qualitativa, detalhando o perfil dos agentes com maior e com menor capital específico do campo. Primeiramente sobre a análise quantitativa, para compor uma ACM é necessário que os dados estejam em sua forma mais desagregada possível, ou seja, na forma de microdados, de modo que cada registro (linha) na base de dados contenha informações sobre as qualidades (colunas) de um agente, permitindo assim a construção de uma tabela de contingências. Essa exigência restringe as possíveis fontes de dados que podem atender à pesquisa, visto que relatórios de produtividade com dados agregados não são úteis. Isso nos levou a uma única possibilidade viável de fonte de dados quantitativos e de abrangência nacional, os dados abertos da plataforma Sucupira,43 vinculada à CAPES. Outra possível fonte de dados seriam os currículos Lattes sob domínio do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), contudo, em função do tamanho da amostra, a extração manual é inviável, ao mesmo tempo que a extração automática é restrita à ferramenta do CNPq Extrator Lattes, à qual não conseguimos acesso institucional. Os dados disponíveis no Lattes poderiam complementar e agregar variedade à natureza dos indicadores que a plataforma Sucupira43 nos permite ter, abrindo acesso a indicadores de capital de poder universitário, capital de poder científico, capital de notoriedade intelectual e capital de poder político, com base nos indicadores bourdieusianos adaptados ao contexto brasileiro por Hey.32 Para uma amostra menor fizemos esse tipo de análise,44 porém nesta pesquisa reconhecemos como limitações o fato de termos dados apenas sobre as questões internas do campo científico que limitam a diversidade dos nossos indicadores.

Todo o tratamento e análise dos dados quantitativos, desde a junção das planilhas da plataforma Sucupira,46 até a aplicação de filtros, recodificação, cálculos da ACM e plots de gráfico, foram feitos por intermédio do software livre RStudio,51 com uso da linguagem de programação R. Dessa forma, para configuração do espaço de disputa de capitais que remete ao campo geral da química, utilizamos os dados abertos da plataforma Sucupira43 sobre os programas de pós-graduação brasileiros e seus membros. As planilhas utilizadas são do ano de 2016, pois se referem ao período com maior riqueza de dados, como a obtenção de bolsas de produtividade do CNPq, produção técnica e científica e a quantidade de projetos de pesquisa financiados vinculados aos docentes. Dentro do tema "Avaliação da Pós-Graduação Stricto Sensu", foram utilizados os dados de quatro planilhas diferentes: a primeira, e que contém mais dados, é a "Docentes da Pós-Graduação Stricto Sensu no Brasil". As outras três planilhas foram cruzadas para gerar novas variáveis na planilha principal que contém os dados sobre os docentes. Dados das planilhas "Membros de Projetos dos Programas de Pós-Graduação Stricto Sensu no Brasil" e "Projetos dos Programas de Pós-Graduação Stricto Sensu no Brasil" foram cruzados para gerar uma nova variável, na planilha principal, que informa o número de projetos de pesquisa com algum tipo de financiamento que o docente possuía naquele ano. A planilha "Catálogo de Teses e Dissertações - Brasil" foi cruzada com a planilha principal para gerar uma variável que diz respeito ao número de teses defendidas orientadas pelo docente naquele ano.

Os filtros aplicados na base de dados foram para limitar a área de conhecimento à química, como já justificado; programas da modalidade acadêmica, partindo do entendimento que é essa categoria dos programas que está dedicada à pesquisa; e docentes permanentes ou colaboradores, já que alunos de mestrado ou doutorado ainda não podem ser considerados agentes do campo da química. Isso nos conferiu uma amostra de 1976 agentes. Inicialmente, para caracterizar e padronizar os dados, foram analisadas as frequências de cada categoria das variáveis, permitindo recodificações a fim de obter variáveis com números de categorias similares, ao mesmo tempo que evitamos a perda de informações contidas em categorias de distinção, como orientado por Le Roux e Rouanet.49

Bourdieu,17 ao analisar o campo acadêmico francês, definiu as posições dos agentes neste campo em termos de natureza e volume de capitais científicos com referência aos seguintes indicadores: I - indicadores demográficos e indicadores de capital herdado ou adquirido, contendo informações sobre condecorações, a região geográfica, religião, estado civil, dentre outras questões demográficas; II - indicadores do capital escolar, com informações institucionais e pessoais sobre a trajetória escolar do agente; III - indicadores do capital de poder universitário, como posse de cargos institucionais e de gestão; IV - indicadores do capital de poder e de prestígio científico, relacionados à direção de comitês e associações científicas, assim como o reconhecimento prestigioso pelos pares por meio de medalhas, premiações e participação em colóquios; V - indicadores do capital de notoriedade intelectual, medidos por meio de participação do agente na organização de revistas científicas, o quão citado ele é pela mídia, ou seja, o quão reconhecida é sua intelectualidade dentro e fora do campo; VI - indicadores do capital de poder político ou econômico, que captam o envolvimento dos agentes com órgãos públicos, cargos políticos, posições determinadas por questões econômicas, etc.

É com base nessas diretrizes e na adaptação de Hey32 para o contexto brasileiro que classificamos os dados disponíveis nos seguintes indicadores de capitais: seis indicadores de poder e prestígio científico, o fato de ser bolsista de produtividade, a nota do programa ao qual o docente está vinculado, ter maior titulação nacional ou no exterior, o número de projetos financiados vinculados ao agente naquele ano, o número de teses defendidas no ano do recorte orientadas por ele e o período temporal referente à aquisição da maior titulação (doutorado) do pesquisador; um indicador dos determinantes das chances de acesso às posições ocupadas, medido pela variável que indica a região geográfica do docente; um indicador de capital de poder universitário, mediado pela variável que indica se a categoria do docente é permanente ou colaborador. Essas variáveis e suas respectivas categorias recodificadas estão dispostas no Quadro 1, agrupadas de acordo com os possíveis tipos de indicador de capital. Utilizamos o termo possíveis indicadores partindo da interpretação de que não é possível saber a priori se esses atributos são distintivos ou não para o campo, ou seja, se podem ser interpretados como capitais. A resposta a essa pergunta será dada empiricamente, por meio da interpretação da análise das relações e posições configuradas para o espaço estudado.

 

 

Na segunda etapa analítica, a qualitativa, detalhamos o perfil dos agentes posicionados nos extremos do espaço social da química no Brasil. A análise de campo de três níveis7 desenvolvida por Bourdieu ao longo de suas obras nos auxilia na descrição do campo da química no Brasil. A terceira e última etapa consiste na análise do habitus dos agentes, os sistemas de disposições por eles adquiridos ao longo da sua trajetória pessoal e profissional. Em geral, esse tipo de abordagem se dá a partir de metodologias qualitativas, como entrevistas, grupos focais ou narrativas autobiográficas. No presente trabalho foram selecionados os três agentes de cada extremo do mapa que mais contribuem com a primeira dimensão do espaço formado na primeira etapa analítica.

Os dados utilizados nesta etapa para delinear os perfis dos agentes foram informações obtidas no currículo Lattes e notícias sobre os agentes, encontradas em buscas livres na internet. Consideramos que quanto maior a notoriedade de um pesquisador ou pesquisadora, maior o número de menções encontradas livremente na internet. Por outro lado, os recém-chegados no campo tendem a ter apenas páginas pessoais e institucionais, sem menções em notícias ou publicações. Do currículo Lattes conseguimos informações não disponibilizadas nos dados da plataforma Sucupira,43 como a realização de estágios de pós-doutorado, direção de unidade acadêmica na instituição e participação em comissões da CAPES e/ou do CNPq.

Na próxima seção apresentamos os resultados das duas etapas analíticas aqui descritas.

 

RESULTADOS E DISCUSSÕES

Iniciaremos a discussão com uma descrição preliminar das variáveis, de forma isolada, estudando as frequências de cada categoria. Após, iremos inspecionar as contribuições das categorias para cada dimensão da ACM, seguida pela interpretação da nuvem categorias. Para isso, estão dispostas na Tabela 1 as frequências absolutas e percentuais das categorias da análise.

 

 

Como visto, as notas dos programas estão distribuídas de maneira relativamente proporcional, com uma certa concentração nas categorias díspares de nota máxima (7) e quase mínima (4).

Quanto ao período de obtenção da titulação máxima, segundo categorização deste estudo, vemos que a maioria dos docentes está na categoria mais antiga, entre 1958 e 1999. A categorização buscou distribuir os agentes de forma mais ou menos proporcional sem perder informações geracionais. Isso implicou que a categoria mais antiga tenha um intervalo de tempo mais abrangente, já que sua forma desagregada possuía muito poucos agentes nos anos das décadas de 50 a 70, que foram agrupados com o restante até 1999. Ao criar uma categoria respectiva apenas a esse período, como esperado, obtivemos uma baixa massa e baixa contribuição para um caso que, analiticamente, não traduzia informações úteis, características que Le Roux e Rouanet49 atribuíram a categorias ruins, indicando a necessidade de recodificação dos dados, o que nos levou à categoria final que engloba desde o ano de 1958 até 1999.

O tipo de titulação e a obtenção de bolsa de produtividade mostraram uma distribuição bastante desproporcional, em concordância com estudos28,44 que já reportaram o caráter distintivo atribuído a carreiras acadêmicas com esses traços distintivos de titulação no exterior e bolsistas de produtividade, assim como com a nossa percepção imediata de senso comum sobre essas qualidades. Vale mencionar que optamos por agrupar as subcategorias do nível 1 de bolsistas de produtividade (1A, 1B, 1C e 1D), transformando-as na categoria "Nível_1" a fim de melhorar a qualidade da análise, por exemplo, através do aumento da variância explicada das dimensões. Isso porque entendemos que as distinções que poderiam existir entre esses subníveis não são significativas o suficiente frente a grande disparidade entre não ser ou ser bolsista de produtividade, portanto, não possuem valor analítico para a interpretação da nuvem. A quantidade de projetos financiados, assim como a quantidade de teses defendidas orientadas também mostraram distribuição semelhante entre as categorias, de tal modo que as baixas e intermediárias produtividades (em termos de números de orientandos e projetos) mostram distribuição desproporcionalmente predominante.

A região demográfica se mostrou desigual, apontando para uma forte concentração da pesquisa em química na região Sudeste do país. Por fim, apesar da maioria dos docentes se enquadrarem na categoria de permanentes nos programas de pós-graduação, mantivemos essa variável para explorar possíveis relações de poder ou decisões estratégicas relacionadas ao tipo de vínculo do docente a um programa.

Com os dados preliminarmente descritos, passamos para a análise da contribuição das variáveis em cada uma das duas dimensões da ACM, que nos permitirá a primeira inspeção quanto às relações multidimensionais entre esses dados.

As categorias com contribuição acima da média para a primeira dimensão são: "Nível_1", "titu_58_a_99", "Prog_7", "Sem_BP", "titu_10_a_16", "Prog_3", "proj_fin_zero", "titu_Ext", "CENTRO-OESTE", "SUDESTE", "teses_zero". As categorias com contribuições acima da média para a variância da segunda dimensão são: "Nivel_1", "Nivel_2", "Prog_4", "Prog_7", "titu_58_a_99", "titu_00_a_05", "titu_06_a_10", "titu_10_a_16", "titu_Ext", "teses_zero", "teses_3-4".

Tendo em mente as categorias mais importantes para a interpretação de cada eixo, podemos explorar a nuvem de categorias e indivíduos que representa a distribuição de capitais no campo da química brasileiro, presente na Figura 1.

 

 

Para auxiliar na interpretação da figura, é importante notar que o mapa da ACM é um gráfico bidimensional onde os eixos (geralmente chamados de dimensão 1 e dimensão 2) representam as direções de maior variabilidade dos dados. Cada ponto colorido no gráfico corresponde a uma categoria das variáveis analisadas. A posição dos pontos no mapa é determinada de forma a maximizar a discriminação entre as categorias, ou seja, para que as categorias mais frequentes apareçam mais próximas entre si. Quer dizer, quando dois pontos (categorias) estão próximos no mapa, isso indica que essas categorias estão frequentemente associadas. Quando as categorias estão distantes no mapa, isso indica que elas estão pouco associadas.

O mapa é dividido em quadrantes que podem ajudar a identificar agrupamentos naturais de categorias. Categorias que caem dentro do mesmo quadrante tendem a estar associadas. É importante também observar as tabelas de contribuição das variáveis e categorias para as dimensões. Essas contribuições indicam quão relevante cada variável ou categoria é para a formação de cada eixo. Uma alta contribuição sugere que aquela categoria ou variável é um determinante importante da variação explicada por aquele eixo. Existem alguns bons livros que auxiliam na interpretação dos mapas do ponto de vista estatístico32,47,50 e também na perspectiva dos estudos sociológicos.36,38,48

Inicialmente observamos uma variância explicada de 11,5% para a primeira dimensão e 7,3% para a segunda dimensão, totalizando 18,8% da variância total explicada com as dimensões 1 e 2. Posto isso, utilizando a análise inicial das contribuições das categorias junto ao exame visual da nuvem, observamos que a primeira dimensão está caracterizada principalmente pelas oposições entre: possuir bolsa de produtividade nível 1 versus não possuir bolsa de produtividade; estar em um programa de nota máxima versus estar em um programa de nota mínima; ter ingressado no campo (obtenção do doutorado) há muito tempo versus ter ingressado no campo recentemente. Secundariamente, com menor contribuição, também temos as oposições entre a titulação no exterior versus titulação nacional; ser da região Sudeste versus as regiões Centro-Oeste, Norte e Nordeste e ter orientado zero teses versus cinco ou mais teses. É com base nisso que podemos afirmar que a primeira dimensão é predominantemente governada pelos capitais de poder e prestígio científico, evidenciando um polo com altos índices desses capitais em oposição ao lado esquerdo, ocupado pelos agentes com o menor volume dessa natureza de capital. Essa tendência na primeira dimensão é acompanhada pelas regiões demográficas, de tal modo que a região Sudeste se mostrou associada às posições de distinção e dominação, portanto, maior posse de capitais, enquanto o oposto é observado para as regiões Centro-Oeste e Norte, associadas ao baixo volume de capitais, ou seja, aos programas de pós-graduação de menores notas, à ausência de docentes bolsistas de produtividade CNPq, aos docentes recém doutores e àqueles com zero projetos de pesquisa com algum tipo de financiamento. As regiões Sul e Nordeste ocupam respectivamente posições intermediárias de maior posse e menor posse de capital.

As principais oposições que a caracterizam a segunda dimensão são: bolsista de produtividade nível 1 versus bolsista de produtividade nível 2; programa de pós-graduação nota sete versus nota quatro; titulação no exterior versus titulação nacional e número de teses orientadas igual a zero versus de três a quatro teses orientadas. Assim como a primeira dimensão, em função da escassez de variedade de indicadores, a segunda dimensão também é governada por questões que remetem aos capitais de poder e prestígio científico, mas não fica tão evidente a direção que toma a variação do volume desse capital. Pode-se agregar à interpretação da nuvem o fato de, nesta dimensão, os bolsistas de produtividade nível 1 estarem opostos aos de nível 2, de tal modo que a categoria referente aos de nível 1 ocupa a parte inferior do eixo, enquanto a de nível 2 a superior. Isso indica uma associação mais forte dos de nível 1 com maior tempo de atuação no campo (obtenção de doutorado mais antiga), programas nota sete e titulação no exterior, enquanto que os de nível 2 se mostraram mais próximos que os de nível 1 dos programas de nota 6, pesquisadores com tempo mediano de carreira e de titulação nacional.

Além disso, interpretando apenas associações (distâncias entre as categorias), vemos um claro agrupamento entre titulação no exterior, bolsista de produtividade nível 1, programa de pós-graduação nota sete e obtenções de doutorado mais antigas próximas da região Sudeste, em contraste aos opostos dessas categorias associadas às regiões Norte, Centro-Oeste e, em menor extensão, Nordeste, seguido do Sul. A variável que poderia indicar capital de poder universitário na forma de tipo de vínculo institucional com o programa de pós-graduação apresentou baixa contribuição, por isso não participou da interpretação das dimensões, contudo, podemos observar a associação dos docentes colaboradores à região de baixo volume de capitais de poder e prestígio científico da nuvem, enquanto que os permanentes, por serem a grande maioria dos respondentes, logo, possuírem elevada massa, se mantiveram no centro da nuvem, não representando um atributo distintivo. No mais, as categorias de maior volume em projetos financiados e número de teses orientadas, também de contribuições abaixo da média, se associaram mais aos programas de nota seis e a bolsistas de produtividade nível 2.

Esses resultados apontam para a presença de efeitos de campo no espaço estudado, visto que as principais relações e oposições que o caracterizam seguem as regras próprias e internas do que é distinção para a ciência, na forma dos capitais de poder e prestígio científico, indicando um espaço aparentemente autônomo.11 Contudo, a forte disparidade regional que acompanha a posse dos capitais internalistas indica a presença de determinantes de chances de acesso guiadas por lógicas externas ao campo, provavelmente relacionadas a questões políticas, econômicas (no sentido de abundância de recursos) e de desigualdade social que atravessam o fazer dos cientistas químicos brasileiros. Ressalta-se ainda a limitação da base de dados que não contempla variáveis externas à ciência restringindo nossa capacidade de analisar esses possíveis efeitos, uma vez que eles também fogem parcialmente ao escopo desta pesquisa.

Dessa forma, foi possível observar os efeitos de campo que estratificam os agentes sob as lógicas próprias da ciência em âmbito nacional, sendo os principais atributos que conferem distinção e que acompanham as posições de dominação nesse espaço: ser bolsista de produtividade, estar vinculado a programas de pós-graduação bem avaliados, tempo de atuação na carreira e titulação no exterior. Os dados também apontam explicitamente para uma preocupante disparidade regional, que merece atenção, reflexão e novos estudos científicos que busquem estudar mais profundamente esse retrato desigual, visto que isso foge do escopo desta pesquisa.

Perfis e trajetórias

Na segunda etapa analítica realizamos uma pesquisa documental, buscando informações sobre a trajetória dos agentes posicionados nos polos extremos - dominantes/dominados, ortodoxos/heterodoxos, antigos/recém-chegados - do mapa representado na Figura 2.

 

 

A topologia do espaço social da química no Brasil nos permite distinguir aqueles indivíduos com maior volume de capital específico no campo daqueles que ainda não possuem a "autoridade" científica específica. Para fins analíticos selecionamos os três agentes de cada extremo do mapa que mais contribuem com a primeira dimensão do espaço. As fontes consultadas foram especificamente o currículo Lattes e notícias sobre os agentes publicadas em portais de notícias online. É claro que quanto maior a competência específica de um agente dentro de um campo bem-posicionado na hierarquia do espaço científico brasileiro, como é o caso da química, mais menções são encontradas livremente na internet. Assim, no caso dos agentes com mais baixo capital específico da química, basicamente consultamos o currículo na plataforma Lattes.

Começamos a análise dos perfis pelos agentes "recém-chegados" no campo da química. Esses pesquisadores estão posicionados na extrema esquerda do espaço formado com a ACM, conforme ilustrado na Figura 2 (representados pelos pontos sobrepostos 264, 1801, 1810). Pelo fato de possuírem propriedades idênticas, estes agentes ocupam exatamente a mesma posição no mapa. Por isso e para evitar a exposição de nomes destes pesquisadores, faremos uma descrição geral deste grupo. Em geral, todos eles são recém doutores, não possuem bolsa de produtividade CNPq, atuam em programas de pós-graduação não consolidados, sem projetos de pesquisa financiados e sem orientação de doutorado concluída. É bastante evidente o impacto da questão geracional na posição ocupada pelos agentes.

Bourdieu17 explora a dinâmica do campo acadêmico, que é altamente competitivo e estruturado segundo diversas hierarquias, incluindo a geracional. Ele discute como os recém-chegados ao campo acadêmico muitas vezes enfrentam desafios específicos relacionados à sua nova entrada e ao status de novatos. Esses desafios podem incluir a necessidade de se estabelecerem e serem reconhecidos dentro de um espaço já ocupado por acadêmicos estabelecidos e respeitados.

Por outro lado, os dominantes são aqueles que acumularam uma quantidade significativa de capital científico. Isso inclui reconhecimento por parte de seus pares, citações frequentes de seus trabalhos, prêmios prestigiosos e posições de liderança em revistas científicas ou associações acadêmicas. Geralmente, os dominantes ocupam posições de alto nível em universidades prestigiadas ou instituições de pesquisa. Eles podem ser chefes de departamento, reitores ou ocupar cadeiras de destaque que lhes conferem não apenas influência intelectual, mas também poder administrativo.17

Os dominantes também são caracterizados por suas extensas redes de contatos. Bourdieu17 mostra que eles têm a capacidade de influenciar decisões de contratação, políticas de financiamento e direções de pesquisa, tanto dentro de suas próprias instituições quanto em níveis mais amplos (nacionais e internacionais). Muitas vezes, os dominantes são os guardiões da tradição intelectual dentro de seu campo, mas paradoxalmente, eles também podem ser agentes de inovação quando isso serve para reforçar ou expandir seu capital científico. Eles podem promover novas teorias ou metodologias que se alinham com suas próprias abordagens ou rejeitar inovações que ameacem sua posição. Um outro aspecto fundamental para os dominantes é a reprodução das estruturas de poder dentro do campo. Isso é feito através de mecanismos como a orientação de estudantes de pós-graduação, que são treinados nas normas e práticas estabelecidas, e muitas vezes adotam as perspectivas teóricas e metodológicas de seus orientadores.

Esse cenário foi exatamente o que observamos na análise detalhada dos três agentes com maior volume de capital dentro do campo da química. A seguir descrevemos cada um deles e a sua posição pode ser conferida na Figura 2.

O docente 1717 (Jairton Dupont) é aquele com maior contribuição positiva na dimensão 1, indicando ser o agente com maior capital específico dentro do campo da química. Há uma série de menções ao agente em diferentes sites. Há entrevistas para agências de fomento e notícias diversas, por exemplo, comentando a sua posse como Diretor do Instituto de Química (IQ) da instituição que atua, ressaltando o recebimento do título de Doutor Honoris Causa de uma Universidade da Espanha e destacando suas produções em periódicos de alto impacto.

O agente possui forte inserção no cenário acadêmico internacional, tendo feito o Doutorado na França e Pós-Doutorado na Inglaterra, atuando como professor convidado em diversas instituições da Europa. Recebeu muitos prêmios de destaque acadêmico, nacionais e internacionais. Foi membro de Comissões do CNPq, representante de área na CAPES e atualmente é Diretor do IQ da sua instituição.

É editor de periódicos de alto impacto no campo da química, possui vasta produção científica e elevados índices de produtividade - quase 40 mil citações e h-index igual a 90 no Google Scholar em abril de 2023. Possui também mais de uma dezena de patentes registradas e quase uma centena de orientações de Mestrado/Doutorado e supervisão de estágio de Pós-Doutorado concluídas.

Assim, podemos concluir que o agente com maior capital específico do campo da química possui tanto competência específica, ou "pura", como também "política".17 A análise qualitativa da trajetória individual reforça o que a topologia do campo já havia indicado, que esses agentes se destacam pelo acesso a bens escassos e rentáveis dentro do mercado simbólico da ciência brasileira.

O segundo agente com maior contribuição positiva na dimensão 1 do campo da química é o de número 764 (Rochel Montero Lago) e se assemelha muito ao pesquisador descrito anteriormente. Tanto em termos de menções em diferentes portais de notícias como também pelo currículo, o agente revela uma trajetória distinta e distintiva, assim como o primeiro caso mencionado. Possui uma taxa muito alta de internacionalização, tendo feito especialização no Japão, Doutorado no Reino Unido e estágio de Pós-Doutorado no Canadá e na Espanha. Também se destaca pela produção científica de alto impacto - quase 88 mil citações e h-index igual a 47 no Google Scholar em abril de 2023 - e pelo significativo número de patentes registradas. Orientou quase 60 estudantes em nível de pós-graduação e recebeu vários prêmios de destaque acadêmico.

Chama também a atenção o aspecto "político" da trajetória do agente, sendo coordenador de várias redes nacionais de pesquisa, projetos e programas com parcerias entre a Universidade e outros setores da sociedade civil. Considerando que há quase uma década de diferença entre o doutoramento deste agente em relação ao primeiro, sendo o título do segundo mais recente.

Em comparação com as trajetórias dos dois primeiros agentes, notamos que o terceiro pesquisador com maior capital específico do campo da química, de número 1206 (Susanne Rath), possui um perfil bastante científico, com um aparente menor poder de caráter "político" do que os dois primeiros agentes. No entanto, o aspecto puro do capital científico é bastante presente, com muitas produções intelectuais - quase 4400 citações e h-index igual a 37 no Google Scholar em abril de 2023 -, registros de patentes e formação de recursos humanos. Destacamos também que há um nível menor de internacionalização na comparação relacional com os dois primeiros agentes, apesar de alto, tendo realizado "apenas" o Doutorado no exterior.

Assim, a despeito da ACM indicar uma proximidade no espaço social entre esses três agentes, a análise qualitativa nos permite concluir que os dois primeiros possuem uma notoriedade muito maior que o terceiro. Isto sugere que as variáveis utilizadas na análise quantitativa não deram conta de capturar as distinções entre as frações de "classe", neste caso, de separar os mais poderosos dentro do grupo dos dominantes no campo da química. É fundamental notar que os próximos agentes na hierarquia do campo da química possuem trajetórias mais próximas do terceiro do que dos dois primeiros agentes, reforçando a sua distinção.

A análise dos currículos dos três agentes com maior volume de capital específico da Química nos apresenta trajetórias distintas, o que não foi possível identificar a partir da análise quantitativa. É notória a diferença dos tipos de capital científico atuando no posicionamento dos agentes neste espaço social. A dimensão política também se notabiliza por desempenhar um papel distintivo dentro do espaço acadêmico.

 

CONSIDERAÇÕES FINAIS

Este artigo ofereceu uma investigação detalhada da estrutura interna do campo da química no Brasil, destacando as dinâmicas de poder e as distribuições de capital específico entre os químicos, ancoradas na teoria de campo de Pierre Bourdieu. A partir de uma metodologia dividida em análises quantitativa e qualitativa, o estudo identificou e descreveu as posições dos agentes dominantes e dominados, assim como os processos de estratificação e autonomia dentro deste campo específico.

O estudo realizado permitiu elucidar a complexa organização do campo da química no Brasil, demonstrando como ele é estruturado em torno de uma hierarquia de capital científico e de prestígio, no qual agentes dominantes possuem maior visibilidade, recursos e reconhecimento. Esses agentes são frequentemente vinculados a instituições de ensino e pesquisa de alta notoriedade e tendem a manter e reforçar sua posição por meio de redes de colaboração e produção científica intensiva. Por outro lado, os agentes dominados encontram-se frequentemente em instituições menos prestigiadas e com acesso limitado aos recursos necessários para a ascensão no campo.

A distribuição geográfica dos capitais revelou uma concentração significativa de recursos e oportunidades na região Sudeste, o que aponta para uma centralização do poder acadêmico e científico que pode influenciar as trajetórias de carreira e a dinâmica de produção do conhecimento. Esta centralização também sugere a existência de barreiras invisíveis que restringem a mobilidade vertical dos agentes localizados em regiões menos favorecidas.

A abordagem metodológica adotada, que combinou ACM com análises qualitativas detalhadas de trajetórias individuais, mostrou-se eficaz para desvendar as sutilezas das relações de poder e a distribuição de capital no campo. Este estudo não apenas amplia o entendimento do campo científico da química no Brasil, mas também contribui para a literatura sociológica sobre campos científicos, oferecendo insights sobre como tais campos podem ser influenciados por fatores locais e regionais.

A principal limitação deste estudo reside na escassez de dados quantitativos abrangentes que poderiam enriquecer a configuração do espaço social do campo da química. A falta de variáveis externas, como indicadores econômicos e sociais mais detalhados, pode ter restringido a capacidade de analisar integralmente as influências externas que moldam o campo. Portanto, recomenda-se que pesquisas futuras procurem integrar um conjunto mais diversificado de dados quantitativos e qualitativos, incluindo variáveis que capturem as condições socioeconômicas, políticas e culturais que impactam o campo.

Adicionalmente, estudos futuros poderiam expandir a aplicação da metodologia para outros campos científicos, permitindo comparações interdisciplinares que enriqueceriam o entendimento das dinâmicas de poder em diferentes áreas do conhecimento. A inclusão de mais indicadores externos também poderia permitir uma análise mais profunda dos efeitos de heteronomia, particularmente como as pressões externas ao campo científico influenciam a produção de conhecimento e a trajetória dos cientistas.

 

AGRADECIMENTOS

O presente trabalho foi realizado com apoio da Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP), Brasil, Processo No. 2021/13581-8.

 

REFERÊNCIAS

1. Almeida, M. R.; Pinto, A. C.; Ciência & Cultura 2011, 63, 41. [Crossref]

2. Filgueiras, C. A. L.; Origens da Química no Brasil, 1ª ed.; Editora da Unicamp: Campinas, 2015.

3. Alfonso-Goldfarb, A. M.; Quim. Nova 1993, 16, 63. [Link] acessado em Novembro 2024

4. Labarca, M.; Bejarano, N.; Eicher, M. L.; Quim. Nova 2013, 36, 1256. [Crossref]

5. Massi, L.; Nascimento, M. M.; Agostini, G.; Anais do XIII Encontro Nacional de Pesquisa em Educação em Ciências; Campina Grande, Brasil, 2021. [Link] acessado em Novembro 2024

6. Bourdieu, P.; Os Usos Sociais da Ciência: Por uma Sociologia Clínica do Campo Científico, 1ª ed.; Editora UNESP: São Paulo, 2004.

7. Grenfell, M.; Tempo Social 2018, 30, 195. [Crossref]

8. Bourdieu, P.; Educação em Revista 2001, 34, 7.

9. Bourdieu, P.; As Regras da Arte: Gênese e Estrutura do Campo Literário, 1ª ed.; Companhia das Letras: São Paulo, 1996.

10. Bourdieu, P. Em Pierre Bourdieu: Sociologia; Ortiz, R., org.; Editora Ática: São Paulo, 1983, cap. 4.

11. Bourdieu, P.; Para uma Sociologia da Ciência; Edições 70: Lisboa, 2004.

12. Bourdieu, P.; Política e Sociedade 2005, 4, 15. [Link] acessado em Novembro 2024

13. Bourdieu, P.; O Poder Simbólico; Editora Difel/Bertrand: Rio de Janeiro, 1989, cap. 7 e 8.

14. Bourdieu, P.; A Economia das Trocas Simbólicas, 6ª ed.; Editora Perspectiva: São Paulo, 2007, cap. 2.

15. Bourdieu, P.; Coisas Ditas; Editora Brasiliense: São Paulo, 2004, p. 169 e 207.

16. Bourdieu, P.; A Economia das Trocas Linguísticas: O que Falar quer Dizer, 2ª ed.; EDUSP: São Paulo, 2008.

17. Bourdieu, P.; Homo Academicus, 2ª ed.; Editora da UFSC: Florianópolis, 2017.

18. Bourdieu, P.; Actes de la Recherche en Sciences Sociales 2013, 200, 4. [Crossref]

19. Lahire, B. Em Vocabulrio Bourdieu; Catani, A.; Nogueira, M. A.; Hey, A. P.; Medeiros, C. C. C., orgs.; Autêntica Editora: Belo Horizonte, 2017, cap. 23.

20. Montagner, M. A.; Montagner, M. I.; Revista Tempus Actas de Saúde Coletiva 2010, 5, 255. [Link] acessado em Novembro 2024

21. Costa, B. R.; Neves, R. L. R.; Movimento 2022, 28, 01. [Crossref]

22. Reis, R. A. M.; Badaró, L. F.; Oliveira, V. M.; Souza, J.; Educação e Pesquisa 2022, 48, 1. [Crossref]

23. Costa, F.; Martins, G. A.; Revista Universo Contábil 2017, 13, 08. [Crossref]

24. Pires, A. P.; Revista de Estudios Teóricos y Epistemológicos en Política Educativa 2021, 7, 1. [Crossref]

25. Silva, F. C. A.; Mesquita, N. A. S.; Educar em Revista 2022, 38, e85997.[Crossref]

26. Schnetzler, R. P.; Antunes-Souza, T.; Educação Química en Punto de Vista 2018, 2, 1. [Crossref]

27. Consolim, M.; Bordignon, R.; Política & Sociedade 2018, 17, 7. [Link] acessado em Novembro 2024

28. Cock, J. C. A. N.; Antunes, A. L.; Rodrigues, R. P.; Santos, D. S. L.; Araújo, J. P. F. T.; Educação e Pesquisa 2018, 44, 1. [Crossref]

29. Volpato, G.; Revista Contrapontos 2019, 19, 365. [Link] acessado em Novembro 2024

30. Incrocci, L. M. M. S.; Andrade, T. H. N.; Revista Sociedade e Estado 2018, 33, 189. [Crossref]

31. Araújo, U. P.; Antonialli, L. M.; Brito, M. J.; Gomes, A. F.; Oliveira, R. F.; Revista de Administração Pública 2011, 45, 775. [Crossref]

32. Hey, A. P.; Esboço de uma Sociologia do Campo Acadêmico - A Educação Superior no Brasil, 1ª ed.; EdUFScar: São Carlos, 2008.

33. Dalberg, T. Em Empirical Investigations of Social Space; Blasius, J.; Lebaron, F.; Le Roux, B.; Schmitz, A., eds.; Springer: Cham, 2019, cap. 17. [Crossref]

34. Lebaron, F.; Le Roux, B.; La Méthodologie de Pierre Bourdieu en Action. Espace Culturel, Espace Social et Analyse des Données; Dunod: Paris, 2015.

35. Flemmen, M.; Jarness, V.; Rosenlund, L. Em Empirical Investigations of Social Space; Blasius, J.; Lebaron, F.; Le Roux, B.; Schmitz, A., eds.; Springer: Cham, 2019, cap. 10. [Crossref]

36. Lebaron, F.; Bonnet, P. Em Empirical Investigations of Social Space; Blasius, J.; Lebaron, F.; Le Roux, B.; Schmitz, A., eds.; Springer: Cham, 2019, cap. 21. [Crossref]

37. Prieur, A.; Rosenlund, L; Skjøtt-Larsen, J. Em La Méthodologie de Pierre Bourdieu en Action. Espace Culturel, Espace Social et Analyse des Données; Lebaron, F.; Le Roux, B., eds.; Dunod: Paris, 2015, cap. 8.

38. Forsberg, H.; Palme, M.; Börjesson, M.; Em Empirical Investigations of Social Space; Blasius, J.; Lebaron, F.; Le Roux, B.; Schmitz, A., eds.; Springer: Cham, 2019, cap. 15. [Crossref]

39. Savage, M.; Le Roux, B.; Hjellbrekke, J.; Laurison, D. Em La Méthodologie de Pierre Bourdieu en Action. Espace Culturel, Espace Social et Analyse des Données; Lebaron, F.; Le Roux, B., eds.; Dunod: Paris, 2015, cap. 9.

40. Lidegran, I.; Börjesson, M.; Broady, D.; Bergström, Y.; Em Empirical Investigations of Social Space; Blasius, J.; Lebaron, F.; Le Roux, B.; Schmitz, A., eds.; Springer: Cham, 2019, cap. 3. [Crossref]

41. Picaud, M.; Pacouret, J.; Sapiro, G. Em Empirical Investigations of Social Space; Blasius, J.; Lebaron, F.; Le Roux, B.; Schmitz, A., eds.; Springer: Cham, 2019, cap. 14. [Crossref]

42. Hjellbrekke, J.; Korsnes, O.; Em Empirical Investigations of Social Space; Blasius, J.; Lebaron, F.; Le Roux, B.; Schmitz, A., eds.; Springer: Cham, 2019, cap. 4. [Crossref]

43. CAPES, https://sucupira.capes.gov.br/, acessado em Novembro 2024.

44. Nascimento, M. M.; Massi, L.; Agostini, G.; Ciência e Educação 2022, 28, 1. [Crossref]

45. Bourdieu, P.; A Distinção:Crítica Social do Julgamento, 1ª ed.; EDUSP: São Paulo, 2007.

46. Bourdieu, P.; Sociologia Geral vol. 2: Habitus e Campo: Curso no Collège de France (1982-1983), 1ª ed.; Vozes: Petrópolis, 2021.

47. Hair, J.; Black, W. C.; Babin, B. J.; Anderson, R. E.; Tatham, R. L.; Gouvêa, M. A.; Sant'Anna, A. S.; Análise Multivariada de Dados, 6ª ed.; Bookman: Porto Alegre, 2009.

48. Hjellbrekke, J.; Multiple Correspondence Analysis for the Social Sciences; Routledge: London, 2019.

49. Le Roux, B.; Rouanet, H.; Multiple Correspondence Analysis; Sage Publications Inc.: Thousand Oaks, 2010.

50. Greenacre, M.; Correspondence Analysis in Practice, 2nd ed.; Taylor & Francis Group: New York, 2007.

51. RStudio Team, RStudio: Integrated Development for R. RStudio, versão 4.1.2; PBC, Boston, MA, 2021.

 

Editor Associado responsável pelo artigo: Nyuara A. S. Mesquita

On-line version ISSN 1678-7064 Printed version ISSN 0100-4042
Química Nova
Publicações da Sociedade Brasileira de Química
Caixa Postal: 26037 05513-970 São Paulo - SP
Tel/Fax: +55.11.3032.2299/+55.11.3814.3602
Free access

GN1