Saúde mental e os novos paradigmas de cidadania e inclusão social na sociedade contemporânea

Este estudo tem por objetivo analisar as categorias de cidadania e inclusão social na política de desinstitucionalização nos sujeitos em sofrimento psíquico diante do processo de individualização na teoria social contemporânea. Assume como hipótese que a saída do hospital psiquiátrico por si só não garante a inclusão social e nem o livre exercício da cidadania. Considerado o objetivo desta pesquisa, optou-se por fazer uma pesquisa bibliográfica como procedimento metodológico. O material de estudo foi dividido em três conjuntos: (1) 56 artigos científicos, visando a compreender a visão da academia; (2) um conjunto de legislação, composto de 10 leis que implementaram a política de desinstitucionalização no Brasil e a reforma dos serviços de saúde psiquiátrica, visando a compreender as ações do Estado; (3) quatro Relatórios Finais das quatro Conferências Nacionais de Saúde Mental, para também compreender a participação da sociedade civil. Para a análise do material, utilizou-se uma combinação de duas técnicas complementares: leitura bibliográfica com a análise de conteúdo. Dentre os vários processos que caracterizam a sociedade contemporânea, optou-se por analisar a individualização que impacta nas formas de exercício da cidadania e na inclusão social. Na análise dos resultados da categoria de cidadania foram identificadas associações em relação à interdição civil, liberdade, moradia, saúde, trabalho, educação e participação política. Relacionadas à categoria de inclusão social foram identificadas as referências à família, estigma, laços sociais, autonomia, contratualidade e trabalho. Os resultados obtidos indicam que o campo da saúde mental não está em completa consonância com as transformações da sociedade contemporânea, o que provoca um descolamento da realidade social da própria politica de desinstitucionalização e, portanto, maior dificuldade para a efetiva inclusão social e o exercício da cidadania desses indivíduos.

Informações de suporte ao escalonamento de workflows científicos para a execução em plataformas de computação em nuvem

A ciência tem feito uso frequente de recursos computacionais para execução de experimentos e processos científicos, que podem ser modelados como workflows que manipulam grandes volumes de dados e executam ações como seleção, análise e visualização desses dados segundo um procedimento determinado. Workflows científicos têm sido usados por cientistas de várias áreas, como astronomia e bioinformática, e tendem a ser computacionalmente intensivos e fortemente voltados à manipulação de grandes volumes de dados, o que requer o uso de plataformas de execução de alto desempenho como grades ou nuvens de computadores. Para execução dos workflows nesse tipo de plataforma é necessário o mapeamento dos recursos computacionais disponíveis para as atividades do workflow, processo conhecido como escalonamento. Plataformas de computação em nuvem têm se mostrado um alternativa viável para a execução de workflows científicos, mas o escalonamento nesse tipo de plataforma geralmente deve considerar restrições específicas como orçamento limitado ou o tipo de recurso computacional a ser utilizado na execução. Nesse contexto, informações como a duração estimada da execução ou limites de tempo e de custo (chamadas aqui de informações de suporte ao escalonamento) são importantes para garantir que o escalonamento seja eficiente e a execução ocorra de forma a atingir os resultados esperados. Este trabalho identifica as informações de suporte que podem ser adicionadas aos modelos de workflows científicos para amparar o escalonamento e a execução eficiente em plataformas de computação em nuvem. É proposta uma classificação dessas informações, e seu uso nos principais Sistemas Gerenciadores de Workflows Científicos (SGWC) é analisado. Para avaliar o impacto do uso das informações no escalonamento foram realizados experimentos utilizando modelos de workflows científicos com diferentes informações de suporte, escalonados com algoritmos que foram adaptados para considerar as informações inseridas. Nos experimentos realizados, observou-se uma redução no custo financeiro de execução do workflow em nuvem de até 59% e redução no makespan chegando a 8,6% se comparados à execução dos mesmos workflows sendo escalonados sem nenhuma informação de suporte disponível.