Meritocracia no serviço público, o IMPA e a nossa primeira medalha Fields!

A notícia não é sobre economia, mas não poderia deixar de escrever sobre ela. O matemático carioca Artur Avila foi laureado hoje com a medalha Fields, o "Nobel da matemática". Nas palavras do diretor geral do Instituto de Matemática Pura e Aplicada (IMPA), César Camacho: "É resultado de um longo trabalho de construção do Impa como centro de excelência da matemática mundial nos últimos 62 anos. Somos uma instituição aberta, com muitos contatos e interação com outras no exterior, e na qual tudo é feito com base no mérito". 

Pois é, vou repetir: uma instituição aberta, com muitos contatos e interação com outras instituições no exterior, e na qual tudo é feito com base no mérito. Em 2001 o IMPA se transformou em Organização Social, firmando contratos de gestão com o Ministério da Ciência, Tecnologia e Inovação. O que a instituição ganhou com isso? Ela mesmo diz em seu último relatório de gestão [2013]: "Em 2001 o quadro de pesquisadores do IMPA contava com 29 matemáticos, todos servidores públicos cedidos à Organização Social IMPA, e mais três pesquisadores eméritos. Desses 29, 13 estariam em condições de se aposentar até 2013, mais 5 até 2025 e outros 11 até 2036. A estratégia adotada nos dois primeiros contratos com o aval do Conselho de Administração previa uma urgente reposição do quadro de pesquisadores fortalecendo-se, em especial, as dez áreas existentes no IMPA. Nos últimos onze anos essa estratégia foi seguida à risca: contrataram-se 18 novos pesquisadores, listados a seguir, tendo sido fortalecidas oito das dez áreas de pesquisa existentes".

A transformação em OS envolve uma série de indicadores, que devem ser seguidos para que o repasse do recurso possa ser feito, como pode ser visto no último contrato realizado pela instituição aqui. É claro que o fato do IMPA ser uma instituição singular em sua área não deriva do fato dela ser uma OS, mas isso traz uma tremenda flexibilidade para a instituição, que está aberta a receber recursos de outras fontes que não o Tesouro, bem como tem de dar explicações toda vez que receber verbas públicas. 

A façanha do IMPA bem que poderia iluminar o pobre debate brasileiro sobre meritocracia no serviço público, não? O instrumento de Organização Social ficou famoso no Rio quando foi aplicado a hospitais e UPAs. Não estou dizendo que seja um modelo que possa ser replicado para todo o serviço público, mas acho que deve ser no mínimo analisado a sério e não com o preconceito de sindicatos e demais interessados na manutenção do status quo. Parabéns a todos os envolvidos no IMPA, em particular ao Artur, que hoje trabalha em Paris. Todos os brasileiros deveriam estar muito felizes! Por fim, adivinha onde será o próximo Congresso Internacional de Matemáticos, que distribui a medalha? Pois é... 🙂

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Analisando o sentimento da política monetária com IA usando Python

Análise de sentimentos é uma técnica de Processamento de Linguagem Natural (PLN) que serve para revelar o sentimento contido em um texto. Neste exercício, aplicamos esta técnica para analisar as atas das reuniões do COPOM, revelando o que os diretores de política monetária discutem nas entrelinhas. Utilizando um modelo de Inteligência Artificial através do Python, produzimos ao final um índice de 0 a 100 para sintetizar a análise histórica.

Como a IA pode auxiliar na otimização de Portfólio de Investimentos?

A construção de portfólio ótimo refere-se ao processo de alocar eficientemente capital entre um conjunto predefinido de ativos ou títulos. O campo da construção de portfólio tem sido extensivamente estudado por acadêmicos e profissionais desde a década de 1950, quando Markowitz introduziu sua inovadora abordagem de média-variância para a construção de portfólio. Diante disso, podemos melhorar o processo de alocação de peso de um investimento em um portfólio através do Aprendizado não supervisionado com a aplicação do Hierarchical Risk Parity (HRP). Neste exercício, realizamos uma introdução ao método e mostramos os resultados de um exemplo criado através do Python.

Prevendo múltiplas séries usando IA no Python

Como podemos realizar previsões para várias séries temporais simultaneamente? Para abordar essa questão, empregamos a biblioteca MLForecastdo Python. Esta biblioteca disponibiliza uma variedade de modelos e funcionalidades para realizar previsões em séries temporais utilizando técnicas de aprendizado de máquina. Demonstramos sua aplicação ao prever as curvas de energia horária em quatro regiões distintas do Brasil.

Esse exercício é uma continuação do exercício “Usando IA para prever o consumo de energia no Brasil com Python”.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.