Algoritmo e tomada de decisão

Ronaldo Mota Diretor Científico da Digital Pages Membro da Academia Brasileira de Educação *** No artigo anterior, “Algoritmo e tomada de decisão”, exploramos a importância da adoção do “Algoritmo dos 37%” e citamos algumas aplicações práticas. Entre elas, o problema da “escolha do assistente”. Neste artigo, o objetivo é detalhar um pouco mais sobre o tema, explorando detalhes e perspectivas que não foram incluídos no anterior. Em suma, afirmamos que se, a título de exemplo, você tivesse a missão urgente (tempo conta) de selecionar o melhor assistente entre 100 candidatos (esse número pode ser qualquer, quanto maior melhor), uma boa estratégia seria adotar o algoritmo citado, que inclui a “parada ótima” em 37%. Na prática, a receita seria: entreviste (‘olhe”), sem se decidir, os primeiros 37 candidatos e, a partir do candidato 38 escolha (“decida”) pelo primeiro que for melhor do que todos os anteriores. Como eles estão ordenados aleatoriamente, você desconhece se o ou a melhor candidato/a está ou não no bloco inicial dos 37. Estamos supondo que os melhores e piores existam a priori, sendo o melhor candidato denominado de 1, o segundo melhor chamado de 2, e assim por diante. Não confundir com a ordem nas entrevistas, a qual é totalmente aleatória. Exploremos as duas hipóteses. Suponhamos que ele/a já tenha passado e, pela regra dos 37%, não pode mais ser selecionado/a. Pior, seguindo essa lógica, nenhum dos posteriores ao 37 (seriam os demais 63) jamais será melhor do que ele. Temos aqui o pior cenário: temos que ir até o final das 100 entrevistas, gastar muito tempo e chegar a nada. Fracasso. Fracasso, porém, mensurável: 37% de chance de ocorrer. Vejamos a outra possibilidade (chance de 63% de ocorrer) de o/a melhor não estar entre os primeiros 37. Neste caso, duas coisas podem ocorrer. Você “colidir” com o 1 e seu problema está resolvido. Alguém dirá: “mas é inevitável que isso ocorrerá”. Errado! Pela regra, pode ocorrer algo antes, ou seja, aparecer alguém que não seja o melhor (aqui chamado de 1) mas que seja melhor do que os anteriores (pode ser o de número de entrevista 38, o 39, o 40 etc.). Qual a chance de isso ocorrer? Resposta: 26%! Observe (aqui um ponto bem sutil) que podemos classificar de quase fracasso ou de quase sucesso porque, ao invés de termos selecionado o melhor, escolhemos alguém bom ou muito bom se pensarmos que dele/a foi exigido ser melhor do que todos os anteriores (37, 38, 39....). Razoável supor que esse alguém, certamente, estaria entre os melhores em qualidade (segundo, terceiro ou quarto; raramente o quinto melhor...). Assim, na prática, nosso mundo de entrevista se divide em 3 cenários: total fracasso com chance de ocorrência de 37%; total sucesso (o/a melhor foi escolhido/a) também chance de 37%; e sucesso parcial (alguém muito bom, ainda que não o/a melhor, foi selecionado) com chance de 26%. Ora, onde incluir o quase sucesso (26%) é uma das chaves no problema. No texto anterior destacamos que um sucesso de 37% já era bom, mas chamo sua atenção agora que, de fato, podemos afirmar que somando 37 aos 26 temos, seguindo este algoritmo, a chance de 63% de sucesso de termos selecionado o melhor ou entre os melhores. Em suma, estamos afirmando (com liberdade poética) algo forte: “se você tem n (onde n é um número grande) de candidatos para selecionar um entre eles, se você utilizar o algoritmo dos 37%, podemos garantir que basta entrevistar um pouco mais de 1/3 deles e você terá escolhido um dos melhores em quase 2/3 das vezes”. Isso é economia de tempo e grande eficiência. Isso não é pouca coisa, especialmente se lembrarmos do pressuposto que há muito trabalho a ser feito, o qual está se acumulando, dado que você, que tanta ajuda precisa, está gastando tempo demais na seleção. Imagine agora que você, alternativamente, adotou outro algoritmo, o dos 61%, o qual permite, ao final, se necessário, retornar ao único melhor, assumindo, como fizemos no primeiro texto, uma taxa de rejeição (pode ser qualquer, insisto, desde que racionalizável) de 50%. Neste caso, você deve entrevistar os 61 primeiros e somente a partir do candidato de número 62 começar a escolher se algum deles for melhor do que todos os anteriores. Observe que, neste caso, há duas hipóteses, de novo. Uma, que o/a melhor esteja entre os 61 já entrevistas e você, por enquanto, o perdeu. Outra, que o melhor esteja entre os 39 restantes. No segundo caso, não é possível garantir que, necessariamente, o melhor será encontrado porque há uma chance de “colidir” antes com alguém que seja melhor do que os anteriores. No caso, melhor do que 61, 62, 63...portanto, alguém seguramente muito bom; provavelmente o segundo, melhor, terceiro e raramente o quarto melhor. Chance de isso acontecer: 8,5%, o que pode ser visto como quase fracasso ou quase sucesso pelo fato de não termos selecionado o melhor, mas, alguém, seguramente, muito bom. Portanto, na hipótese de o melhor estar entre os 39% restantes, ele/a seria descoberto/a com chance de 30,5%. Lembremos agora que que, neste algoritmo, se chegarmos até o final (100 entrevistados) sem termos escolhido alguém (chance de 61%, dado que deixamos escapar o melhor entre os 61 iniciais e dos restantes 39 nenhum deles terá sido melhor do que ele), temos ainda a chance de voltarmos a procurar o melhor, previamente e precocemente dispensado. Nosso modelo assumiu que a chance de sucesso (aceitar), ao ser (re)procurado, será de 50%. Lembremos que ele/a é o melhor, portanto, já pode ter outro emprego enquanto gastamos tempo nas demais entrevistas. Temos aqui, garantido, mesmo assim, uma chance de sucesso total de 30,5%. Se somarmos esses 30,5%, caso em que o/a melhor estava entre os 61 iniciais, aos 30,5% de chance de o melhor ter sido encontrado entre os 39 finais, temos que a taxa de sucesso total é de 61%. Um bom resultado, mas observe que se contemplarmos que há, adicionalmente, uma chance de 8,5% de termos selecionado alguém muito bom (sucesso, portanto), ainda que não o melhor, podemos definir que somando sucesso total com sucesso temos, de fato, um sucesso líquido de 69,5%, o que é um resultado prático excelente. Lembremos que, neste algoritmo, podemos ainda diminuir a taxa de fracasso (30,5%) (re)procurando o segundo melhor (taxa de rejeição de 50% ou menor). Se mesmo assim der errado, podemos repetir para o terceiro melhor etc. Podemos, seguindo nesta sequência irmos tão longe quanto quisermos, minimizando nosso fracasso, porém, gastando, indevidamente, um tempo que não dispomos. O mesmo raciocínio acima pode ser aplicado ao caso de procura por par, tal como citado pelos autores Christian & Griffiths (ver texto anterior). Eles adotaram o período da procura entre os 18 aos 40 anos (totalmente aleatório). No caso do algoritmo dos 37%, significa que, após os 26,1 anos, seria recomendável formar par com o melhor companheiro/a que mostrar ser melhor do que todos os relacionamentos anteriores. Não pretendo me estender neste caso, mas há plena analogia a ser explorada, tendo em vista os detalhamentos similares apresentados anteriormente. 7

Algoritmo e tomada de decisão - parte II

Ronaldo Mota

2025: um ano para ficar na história do Brasil Educação

Janguiê Diniz

Pesquisa para todos: por que o PIBIC não pode excluir a EAD

Janguiê Diniz

Precisamos de uma educação que prepare os estudantes para o futuro

Mozart Neves Ramos

Algoritmo e tomada de decisão - parte II

Ronaldo Mota

2025: um ano para ficar na história do Brasil Educação

Janguiê Diniz

Pesquisa para todos: por que o PIBIC não pode excluir a EAD

Janguiê Diniz

Precisamos de uma educação que prepare os estudantes para o futuro

Mozart Neves Ramos

Censo da Educação Superior