Fenômenos emocionais no contexto explicativo do modo causal de seleção por conseqüências

B. F. Skinner deu início ao behaviorismo radical, enquanto filosofia de uma ciência do comportamento, e reuniu os argumentos experimentais e teóricos que fundamentaram tal ciência. A proposta skinneriana distinguiu-se da psicologia da primeira metade do século XX por instituir o monismo físico como visão de homem e recomendar a abordagem de respostas abertas e encobertas no contexto de relações indivíduoambiente. No entanto, a adoção do modo causal de seleção por conseqüências para a explicação do comportamento pode ser tida como controversa no âmbito de análise de fenômenos emocionais, por estes apresentarem componentes operantes, mas também respondentes. Tendo em vista que a seleção ao nível filogenético permite a compreensão do estabelecimento de relações respondentes incondicionadas, objetivou-se analisar até que ponto um modelo selecionista permite a explicação de relações respondentes condicionadas, nos casos referentes a fenômenos emocionais. A investigação de elaborações da análise do comportamento resultou na proposição de um modelo interpretativo de fenômenos emocionais por meio de inter-relações entre processos respondentes e operantes. A coerência interna do sistema explicativo skinneriano é preservada por manter-se o pressuposto básico de que, em se tratando da ontogênese, relações historicamente estabelecidas com o ambiente explicam a ocorrência de respostas abertas, encobertas, respondentes, operantes ou com ambos os componentes. Considerando que clareza conceitual tende a ser um pré-requisito para o desenvolvimento de alternativas de intervenção, contrastou-se o modelo interpretativo proposto ao contexto de realização de análises funcionais na literatura da análise do comportamento. Preliminarmente, tal modelo demonstrou ser uma ferramenta útil, na medida em que favorece a compreensão de diferentes funções das variáveis que participam das relações comportamentais em foco, de uma perspectiva contextualizada e histórica.

Análise de ambiguidade em métodos de campo potenciais através de análise fatorial, Q-Modal

Este trabalho apresenta uma metodologia para o estudo da ambiguidade na interpretação de dados geofísicos. Várias soluções alternativas, representativas da região de maior ambiguidade no espaço de parâmetros são obtidas, sendo posteriormente grupadas e ordenadas pela análise fatorial modo Q. Esta metodologia foi aplicada a dados sintéticos de campo potencial simulando-se causas de ambiguidade como discretização e truncamento da anomalia e a presença de ruídos aleatório e geológico. Um único prisma foi usado como modelo interpretativo, sendo a espessura a principal causa de ambiguidade tanto na gravimetria como na magnetometria. Segue-se a profundidade do topo sempre associada à espessura, quando o sinal da anomalia é alto. Quando a anomalia tem sinal baixo, a largura torna-se o segundo parâmetro mais importante, também associada à espessura. Ao contrário da presença de interferências geológicas, a presença de ruído aleatório nos campos, não é fator importante na ambiguidade. A aplicação da metodologia a dados reais ilustra o papel desta análise na caracterização de soluções alternativas e a importância da informação a priori na caracterização das causas de ambiguidade. A metodologia apresentada pode ser empregada em diversos estágios de um programa de prospecção fornecendo em cada estágio uma análise dos principais fatores causadores da ambiguidade, que poderá ser util no planejamento dos estágios seguintes. Comparada a outros métodos de análise de ambiguidade, como por exemplo regiões de confiança, a metodologia estudada destaca-se por não precisar satisfazer premissas estatísticas sobre a distribuição dos erros.

Inversão em geofísica de poço: um estudo sobre ambiguidade

A ambiguidade na inversão de dados de geofísica de poço é estudada através da análise fatorial Q-modal. Este método é baseado na análise de um número finito de soluções aceitáveis, que são ordenadas, no espaço de soluções, segundo a direção de maior ambiguidade. A análise da variação dos parâmetros ao longo dessas soluções ordenadas permite caracterizar aqueles que são mais influentes na ambiguidade. Como a análise Q-modal é baseada na determinação de uma região de ambiguidade, obtida de modo empírico a partir de um número finito de soluções aceitáveis, é possível analisar a ambiguidade devida não só a erros nas observações, como também a pequenos erros no modelo interpretativo. Além disso, a análise pode ser aplicada mesmo quando os modelos interpretativos ou a relação entre os parâmetros não são lineares. A análise fatorial é feita utilizando-se dados sintéticos, e então comparada com a análise por decomposição em valores singulares, mostrando-se mais eficaz, uma vez que requer premissas menos restritivas, permitindo, desse modo, caracterizar a ambiguidade de modo mais realístico. A partir da determinação dos parâmetros com maior influência na ambiguidade do modelo é possível reparametrizá-lo, agrupando-os em um único parâmetro, redefinindo assim o modelo interpretativo. Apesar desta reparametrização incorrer na perda de resolução dos parâmetros agrupados, o novo modelo tem sua ambiguidade bastante reduzida.