Relationship and influence of patento-scientometric indicator and the performance of venture capital proposals
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | https://app.uff.br/riuff/handle/1/9553 |
Resumo: | Objetivo do trabalho: Analisar o desempenho da abordagem patento-cientométrica aplicada na priorização de investimentos de venture capital para entender correlação dos indicadores assim como a influência causal de cada critério no processo de priorização. Procedimentos/Método para a solução do problema: O estudo exploratório e predominantemente quantitativa aplica a correlação Spearman Rho para avaliar a força e significância entre os indicadores patento-cientométricos empregados em Motta et al. (2015a) e os dados fornecidos pelo gerente do fundo sobre as 5 companhias investidas. A influência causal é determinada com a construção de um Rede Bayesiana utilizando o software MSBNx e validado com o cálculo da entropia para testar a inferência da contribuição de cada indicador patento-cientométrico, dimensão e critério e, também, para gerar aprendizados a partir da Rede Bayesiana ao identificar os valores dos parâmetros que maximizam a possibilidade de cada resultado estimado para as companhias. Resultados: O estudo identificou a significância e a força da correção entre os conjuntos de indicadores analisados. O grau de incerteza de cada indicador, dimensão e critério foi identificado com o cálculo da entropia e a Rede Bayesiana relevou os indicadores que maior influência e aqueles relacionados com o retorno positivo para o fundo. Implicações práticas: O estudo contribui para redução da assimetria da informação entre investidores e empreendedores. Permitindo que investidores possam escolher companhias com maior possibilidade de retorno positivo para o fundo, baseado na análise tangível e objetiva de critérios não-financeiros e promovendo o investimento em companhias capazes de prover maiores retornos não só para o fundo como também para sociedade. Empreendedores se beneficiam com o conhecimento dos critérios e áreas em que podem focar para aumentar a possibilidade de terem suas companhias selecionadas por um fundo de venture capital. Originalidade e Contribuições: O estudo contribui ao avançar em pesquisas acadêmicas relacionadas a dinâmica entre ciência e tecnologia, analisando produções tecnológicas e científicas para suportar o processo de tomada de decisão e explorando a interdisciplinaridade entre gestão, estatística, fermentas analíticas e tecnologia da informação. Produção Técnica/Tecnológica: Construção de uma Rede Bayesiana para análise de indicadores patento-cientométricos e da influência causal de cada critério, dimensão e indicador no retorno para o fundo. (EIXO 1 * 15 Processo/Tecnologia não patenteável) |
id |
UFF-2_3363d18577e9738ac101ff2867e6f9ba |
---|---|
oai_identifier_str |
oai:app.uff.br:1/9553 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Relationship and influence of patento-scientometric indicator and the performance of venture capital proposalsIndicadores patento-cientométricosVenture capitalCriatecRede bayesianaTeoria bayesiana de decisão estatísticaTomada de decisãoProdução científicaIndicadorPatento-scientometric indicatorsVenture capitalBayesian networkObjetivo do trabalho: Analisar o desempenho da abordagem patento-cientométrica aplicada na priorização de investimentos de venture capital para entender correlação dos indicadores assim como a influência causal de cada critério no processo de priorização. Procedimentos/Método para a solução do problema: O estudo exploratório e predominantemente quantitativa aplica a correlação Spearman Rho para avaliar a força e significância entre os indicadores patento-cientométricos empregados em Motta et al. (2015a) e os dados fornecidos pelo gerente do fundo sobre as 5 companhias investidas. A influência causal é determinada com a construção de um Rede Bayesiana utilizando o software MSBNx e validado com o cálculo da entropia para testar a inferência da contribuição de cada indicador patento-cientométrico, dimensão e critério e, também, para gerar aprendizados a partir da Rede Bayesiana ao identificar os valores dos parâmetros que maximizam a possibilidade de cada resultado estimado para as companhias. Resultados: O estudo identificou a significância e a força da correção entre os conjuntos de indicadores analisados. O grau de incerteza de cada indicador, dimensão e critério foi identificado com o cálculo da entropia e a Rede Bayesiana relevou os indicadores que maior influência e aqueles relacionados com o retorno positivo para o fundo. Implicações práticas: O estudo contribui para redução da assimetria da informação entre investidores e empreendedores. Permitindo que investidores possam escolher companhias com maior possibilidade de retorno positivo para o fundo, baseado na análise tangível e objetiva de critérios não-financeiros e promovendo o investimento em companhias capazes de prover maiores retornos não só para o fundo como também para sociedade. Empreendedores se beneficiam com o conhecimento dos critérios e áreas em que podem focar para aumentar a possibilidade de terem suas companhias selecionadas por um fundo de venture capital. Originalidade e Contribuições: O estudo contribui ao avançar em pesquisas acadêmicas relacionadas a dinâmica entre ciência e tecnologia, analisando produções tecnológicas e científicas para suportar o processo de tomada de decisão e explorando a interdisciplinaridade entre gestão, estatística, fermentas analíticas e tecnologia da informação. Produção Técnica/Tecnológica: Construção de uma Rede Bayesiana para análise de indicadores patento-cientométricos e da influência causal de cada critério, dimensão e indicador no retorno para o fundo. (EIXO 1 * 15 Processo/Tecnologia não patenteável)Objetive: Analyze the performance of the patento-scientometric approach applied to the venture capital investment prioritization, in order to understand the correlation of the indicators, as well as the causal influence of each criteria in the prioritization process. Procedures/Methods to the solution of the problem: This exploratory and predominantly quantitative nature study applies the Spearman Rho correlation to evaluate the strength and the statistical significance between the patento-scientometric indicators employed in Motta et al. (2015a) and data related to the outcome of the 5 invested companies provided by the fund manager. The causal influence is determined constructing Bayesian Network using the software MSBNx and validated with the calculation of the entropy to test the inference from the contribution of each patento-scientometric indicators, dimension and criteria, and also to learn from the Bayesian Network by finding values of parameters that maximize the likelihood of each estimated company’s outcome. Results: The study identified the significance and the strength of the correlation between the set of indicators analyzed. In addition, the degree of uncertainty related to each indicators, dimension and criteria was identified with the entropy and Bayesian Network reveled the most influential variables and those related to a positive return to the fund. Practical Implications: This study contributes to the mitigation of information asymmetries between venture capitalists and entrepreneurs. Enabling venture capitalists to choose companies with increased probability of divesting with positive return the fund based on a tangible and objective analysis of non-financial criteria and fostering the investment to companies capable to provide higher returns not only to the fund but to society as well. Entrepreneurs benefit from the knowhow of the criteria and actions they should focus on to increase the possibility of having their company selected by a venture capital fund. Originality and Contributions: This study makes contribution advancing the academic studies on the dynamic of science and technology, analyzing the use of scientific and technological production to support the decision-making process, exploring the interdisciplinary bonds among management, statistic and data analytics tools and information technology. Technical/Technologycal Production: Construction of a Bayesian Network to analyzes patento-scientometric indicators and the causal influence of each criteria, dimension and indication on the return to the fund. (EIXO 1 * 15 Processo/Tecnologia não patenteável)101 f.Volta RedondaMotta, Gustavo da SilvaGarcia, Pauli Adriano de AlmadaGavião, Luiz Octáviohttp://lattes.cnpq.br/2273786545752601http://lattes.cnpq.br/3917463442982884http://lattes.cnpq.br/3866888351512590http://lattes.cnpq.br/6602808435828190Fragoso Junior, João Fabrício Gavião2019-05-21T17:32:15Z2019-05-21T17:32:15Z2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfFRAGOSO JUNIOR, João Fabrício Gavião. Relationship and inflence of patento-scientometric indicator and the performance of venture capital proposals. 2018. 101f. Dissertação (Mestrado Profissional em Administração)- Universidade Federal Fluminense, Niterói, 2018.https://app.uff.br/riuff/handle/1/9553Aluno de Mestradohttp://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2022-04-14T19:46:57Zoai:app.uff.br:1/9553Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T10:59:25.039781Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Relationship and influence of patento-scientometric indicator and the performance of venture capital proposals |
title |
Relationship and influence of patento-scientometric indicator and the performance of venture capital proposals |
spellingShingle |
Relationship and influence of patento-scientometric indicator and the performance of venture capital proposals Fragoso Junior, João Fabrício Gavião Indicadores patento-cientométricos Venture capital Criatec Rede bayesiana Teoria bayesiana de decisão estatística Tomada de decisão Produção científica Indicador Patento-scientometric indicators Venture capital Bayesian network |
title_short |
Relationship and influence of patento-scientometric indicator and the performance of venture capital proposals |
title_full |
Relationship and influence of patento-scientometric indicator and the performance of venture capital proposals |
title_fullStr |
Relationship and influence of patento-scientometric indicator and the performance of venture capital proposals |
title_full_unstemmed |
Relationship and influence of patento-scientometric indicator and the performance of venture capital proposals |
title_sort |
Relationship and influence of patento-scientometric indicator and the performance of venture capital proposals |
author |
Fragoso Junior, João Fabrício Gavião |
author_facet |
Fragoso Junior, João Fabrício Gavião |
author_role |
author |
dc.contributor.none.fl_str_mv |
Motta, Gustavo da Silva Garcia, Pauli Adriano de Almada Gavião, Luiz Octávio http://lattes.cnpq.br/2273786545752601 http://lattes.cnpq.br/3917463442982884 http://lattes.cnpq.br/3866888351512590 http://lattes.cnpq.br/6602808435828190 |
dc.contributor.author.fl_str_mv |
Fragoso Junior, João Fabrício Gavião |
dc.subject.por.fl_str_mv |
Indicadores patento-cientométricos Venture capital Criatec Rede bayesiana Teoria bayesiana de decisão estatística Tomada de decisão Produção científica Indicador Patento-scientometric indicators Venture capital Bayesian network |
topic |
Indicadores patento-cientométricos Venture capital Criatec Rede bayesiana Teoria bayesiana de decisão estatística Tomada de decisão Produção científica Indicador Patento-scientometric indicators Venture capital Bayesian network |
description |
Objetivo do trabalho: Analisar o desempenho da abordagem patento-cientométrica aplicada na priorização de investimentos de venture capital para entender correlação dos indicadores assim como a influência causal de cada critério no processo de priorização. Procedimentos/Método para a solução do problema: O estudo exploratório e predominantemente quantitativa aplica a correlação Spearman Rho para avaliar a força e significância entre os indicadores patento-cientométricos empregados em Motta et al. (2015a) e os dados fornecidos pelo gerente do fundo sobre as 5 companhias investidas. A influência causal é determinada com a construção de um Rede Bayesiana utilizando o software MSBNx e validado com o cálculo da entropia para testar a inferência da contribuição de cada indicador patento-cientométrico, dimensão e critério e, também, para gerar aprendizados a partir da Rede Bayesiana ao identificar os valores dos parâmetros que maximizam a possibilidade de cada resultado estimado para as companhias. Resultados: O estudo identificou a significância e a força da correção entre os conjuntos de indicadores analisados. O grau de incerteza de cada indicador, dimensão e critério foi identificado com o cálculo da entropia e a Rede Bayesiana relevou os indicadores que maior influência e aqueles relacionados com o retorno positivo para o fundo. Implicações práticas: O estudo contribui para redução da assimetria da informação entre investidores e empreendedores. Permitindo que investidores possam escolher companhias com maior possibilidade de retorno positivo para o fundo, baseado na análise tangível e objetiva de critérios não-financeiros e promovendo o investimento em companhias capazes de prover maiores retornos não só para o fundo como também para sociedade. Empreendedores se beneficiam com o conhecimento dos critérios e áreas em que podem focar para aumentar a possibilidade de terem suas companhias selecionadas por um fundo de venture capital. Originalidade e Contribuições: O estudo contribui ao avançar em pesquisas acadêmicas relacionadas a dinâmica entre ciência e tecnologia, analisando produções tecnológicas e científicas para suportar o processo de tomada de decisão e explorando a interdisciplinaridade entre gestão, estatística, fermentas analíticas e tecnologia da informação. Produção Técnica/Tecnológica: Construção de uma Rede Bayesiana para análise de indicadores patento-cientométricos e da influência causal de cada critério, dimensão e indicador no retorno para o fundo. (EIXO 1 * 15 Processo/Tecnologia não patenteável) |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-05-21T17:32:15Z 2019-05-21T17:32:15Z 2019 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
FRAGOSO JUNIOR, João Fabrício Gavião. Relationship and inflence of patento-scientometric indicator and the performance of venture capital proposals. 2018. 101f. Dissertação (Mestrado Profissional em Administração)- Universidade Federal Fluminense, Niterói, 2018. https://app.uff.br/riuff/handle/1/9553 Aluno de Mestrado |
identifier_str_mv |
FRAGOSO JUNIOR, João Fabrício Gavião. Relationship and inflence of patento-scientometric indicator and the performance of venture capital proposals. 2018. 101f. Dissertação (Mestrado Profissional em Administração)- Universidade Federal Fluminense, Niterói, 2018. Aluno de Mestrado |
url |
https://app.uff.br/riuff/handle/1/9553 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Volta Redonda |
publisher.none.fl_str_mv |
Volta Redonda |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1811823555414851584 |