𝐏𝐮𝐛𝐥𝐢𝐜𝐚𝐧𝐝𝐨 𝐞𝐦 𝐣𝐨𝐮𝐫𝐧𝐚𝐥𝐬 𝐝𝐞 𝐚𝐥𝐭𝐨 𝐢𝐦𝐩𝐚𝐜𝐭𝐨

-

 

𝐏𝐮𝐛𝐥𝐢𝐜𝐚𝐧𝐝𝐨 𝐞𝐦 𝐣𝐨𝐮𝐫𝐧𝐚𝐥𝐬 𝐝𝐞 𝐚𝐥𝐭𝐨 𝐢𝐦𝐩𝐚𝐜𝐭𝐨

Prof. João Cláudio Nunes Carvalho

A redação de um artigo científico envolve alguma dose de criatividade e inspiração, mas principalmente técnica e conhecimento da lógica de organização do texto. Uma boa introdução de um artigo em gestão e negócios, por exemplo, segue uma estrutura muito parecida na maioria dos journals:

◽ O 𝐩𝐫𝐢𝐦𝐞𝐢𝐫𝐨 parágrafo demonstra o que já se sabe sobre o tema, sem enrolações. O que os estudos dos últimos dois ou três anos estão dizendo sobre o tema? Se você citar estudos de 10, 15 ou 20 anos neste parágrafo, provavelmente seu artigo será rejeitado.

◽ O 𝐬𝐞𝐠𝐮𝐧𝐝𝐨 parágrafo precisa começar com um “however” ou palavra similar. Você precisa demonstrar que ainda há lacunas sobre o tema que precisam ser preenchidas. Aqui é indispensável apresentar fontes muito recentes que comprovem essa lacuna.

◽ Se esses dois parágrafos estiverem bem construídos, o 𝐭𝐞𝐫𝐜𝐞𝐢𝐫𝐨 deve apresentar a pergunta de pesquisa e o objetivo do estudo. Evidentemente, essa pergunta deve endereçar o gap apresentado no parágrafo anterior. Aqui também é importante indicar como a pergunta foi respondida, ou seja, que método de pesquisa foi utilizado.

◽ O 𝐪𝐮𝐚𝐫𝐭𝐨 parágrafo deve demonstrar como o estudo contribui com a teoria e a prática gerencial. Lembre que, diferente de um romance, a ideia não é criar mistério sobre o final da história. Seja claro quanto às contribuições do estudo para que o leitor continue interessado.

◽ Alguns journals recomendam que o 𝐪𝐮𝐢𝐧𝐭𝐨 parágrafo da introdução apresente a estrutura do artigo, com uma breve descrição das seções. Não é uma regra geral, então consulte artigos recentes do journal para confirmar.

Parece simples? Infelizmente não é. Uma boa introdução é determinante para aumentar o interesse de editores e leitores e precisa ser moldada quase artesanalmente.

⏩ Minha sugestão: treine usando essa proposta de estrutura e coloque à prova com pesquisadores mais experientes, que já publicaram em revistas de impacto ou que atuam como revisores nessas revistas. Essa prática pode ajudar a aprimorar a mensagem central do seu artigo e ampliar as chances de ser bem sucedido na submissão.

hashtag#research

hashtag#science

hashtag#gestão

hashtag#journal

hashtag#management

hashtag#business

Comentários

Postar um comentário

Postagens mais visitadas deste blog

Unsupervised Machine Learning: What is, Algorithms, Example

-
Imagem
 By Prof. João Cláudio Nunes Carvalho What is Unsupervised Learning? Unsupervised Learning  is a machine learning technique in which the users do not need to supervise the model. Instead, it allows the model to work on its own to discover patterns and information that was previously undetected. It mainly deals with the unlabelled data.] Unsupervised Learning Algorithms Unsupervised Learning Algorithms  allow users to perform more complex processing tasks compared to supervised learning. Although, unsupervised learning can be more unpredictable compared with other natural learning methods. Unsupervised learning algorithms include clustering, anomaly detection, neural networks, etc. Example of Unsupervised Machine Learning Let's, take an example of Unsupervised Learning for a baby and her family dog. She knows and identifies this dog. Few weeks later a family friend brings along a dog and tries to play with the baby. Baby has not seen this dog earlier. But it recognizes man...
Leia mais
-
Imagem
  Stochastic vs Batch Gradient Descent João Cláudio Nunes Carvalho One of the first concepts that a beginner comes across in the field of deep learning is gradient descent followed by various ways in which it can be implemented. Gradient descent is one of the most important concept used in the training of neural networks for supervised learning. Hence, it is important to understand it and the different ways in which it is to be carried out on the training sets. This post mostly deals with t h e different ways in which gradient descent is implemented on a training set. Thus, I will briefly go over the definition of the concept and then explain the advantages and disadvantages of all the possible ways. Gradient Descent This is an iterative optimization algorithm for finding the minimum of a function. The algorithm takes steps proportional to the negative gradient of the function at the current point [1]. In deep learning neural networks are trained by defining a loss function and opt...
Leia mais