The two methods of economics

A Teoria Econômica Emprega Dois Métodos: o Método Hipotético-Dedutivo, Utilizado Principalmente Pelos Economistas Neoclássicos, e o Método Histórico-Dedutivo, Adotado Pelos Economistas Clássicos e Keynesianos. Ambos são Legítimos, Mas, Desde que a Economia é Substantiva, não uma Ciência Metodológica, Onde o Objeto é o Sistema Econômico, o Método Histórico-Dedutivo é o Mais Apropriado. o Método Hipotético-Dedutivo Permite que o Economista Desenvolva Ferramentas para Analisar o Sistema Econômico, Mas Falha ao Analisar o Sistema como um Todo. em Contrapartida, o Método Histórico-Dedutivo Parte da Observação Empírica da Realidade e da Busca por Regularidades e Tendências. é um Método Empírico, Apropriado para as Ciências Substantivas que Tratam de Sistemas Abertos, como é o Caso da Economia.

KittyCat: a cognitive model of structure-form discovery

Cognition is a core subject to understand how humans think and behave. In that sense, it is clear that Cognition is a great ally to Management, as the later deals with people and is very interested in how they behave, think, and make decisions. However, even though Cognition shows great promise as a field, there are still many topics to be explored and learned in this fairly new area. Kemp & Tenembaum (2008) tried to a model graph-structure problem in which, given a dataset, the best underlying structure and form would emerge from said dataset by using bayesian probabilistic inferences. This work is very interesting because it addresses a key cognition problem: learning. According to the authors, analogous insights and discoveries, understanding the relationships of elements and how they are organized, play a very important part in cognitive development. That is, this are very basic phenomena that allow learning. Human beings minds do not function as computer that uses bayesian probabilistic inferences. People seem to think differently. Thus, we present a cognitively inspired method, KittyCat, based on FARG computer models (like Copycat and Numbo), to solve the proposed problem of discovery the underlying structural-form of a dataset.