ResumoJá existe um conjunto razoável de trabalhos que aplicaram a sociometria e a teoria de redes para caracterizar o arranjo de pesquisadores e/ou de instituições de pesquisa subjacente a um objeto específico de interesse, seja ele Programa de Pós-Graduação, periódico, congresso, campo teórico ou técnico. Se o objeto de interesse é circunscrito, o censo é razoável e pode ser empregado. Caso contrário, trabalha-se com uma fração da população obtida por amostragem. Contudo, o uso de amostra tem riscos que, sendo ignorados, podem comprometer os achados. Frente a essa questão, este trabalho teve por objetivos avaliar os riscos decorrentes do emprego de amostras em estudos de redes de coautoria e propor um encaminhamento alternativo a simplesmente desconsiderálos. Para tanto, foram feitas 300 simulações de uma rede de coautoria, reduzindo-a em 5, 10, 15, 20, 25 e 30%, para depois testar a extrapolação a partir do modelo linear. Os resultados indicam que mesmo amostras relativamente grandes podem ser enganadoras. Ainda assim, foi possível inferir algumas das características estruturais da população a partir do método em consideração, de tal forma que esse desenvolvimento pode vir a ser um recurso interessante a fim de conferir maior confiabilidade à pesquisa na área.
AbstractThere is already a reasonable set of papers that applied sociometry and network theory to characterize the arrangement of researchers and/or research institutions underlying a specific object of interest, whether it be a Postgraduate Program, periodical, conference, or theoretical or technical field. If the object of interest is circumscribed, the census is reasonable and can be employed. Otherwise, you work with a fraction of the sample population. The use of such a sample has risks that, in theory, may compromise the findings. To meet this study's objectivesto evaluate the risks arising from the use of samples in co-authorship network analysis and to propose a more adequate approach than to simply disregard them -300 simulations of a co-authorship network were made, reducing it by 5, 10, 15, 20, 25 and 30% to subsequently test the extrapolation from the linear model. Results indicate that even relatively large samples can be misleading. However, it was possible to infer some of the structural characteristics of the population from the method under consideration, in such a way that this development can turn out to be an interesting resource to confer greater reliability to the research in the area.