Professional Documents
Culture Documents
927
Cincia & Educao, v. 17, n. 4, p. 927-940, 2011
Introduo
Neste artigo so apresentados modelos matemticos que resultaram do desenvolvimento de um trabalho realizado no mbito da iniciao cientfica, envolvendo alunas de diferentes reas de conhecimento (dos cursos de Licenciatura em Matemtica e Anlise de Sistemas). A proposta era trabalhar a contextualizao de contedos matemticos a partir da aplicao da modelagem matemtica aliada utilizao de recursos computacionais. No caso da
aluna do curso de Licenciatura em Matemtica, enfatizou-se a modelagem matemtica como
estratgia no processo de ensino e aprendizagem. Vale notar que diferentes abordagens para a
utilizao da modelagem como instrumento pedaggico so apresentadas na literatura, como
as perspectivas pragmtica e cientfica (KAISER, 1995) e sociocrtica (BARBOSA, 2003). A
diferena entre cada uma dessas perspectivas a forma como o processo de modelagem
conduzido. Em linhas gerais, nas perspectivas pragmtica e cientfica, maior nfase dada
construo dos modelos e aos contedos matemticos envolvidos. Por outro lado, na perspectiva sociocrtica, exploram-se mais as discusses que podem decorrer da anlise do problema
abordado. No escopo deste trabalho foi enfatizada a construo de modelos matemticos e a
explorao de contedos do Ensino Mdio, evidenciando, assim, a abordagem pragmtica e
cientfica. A principal razo do enfoque assumido foi apresentar a modelagem matemtica
como uma estratgia para um ensino de Matemtica mais significativo, por meio da contextualizao de contedos matemticos na resoluo e anlise de problemas. Para a aluna do Curso
de Anlise de Sistemas, a nfase foi dada na aplicao de recursos computacionais na resoluo e simulao de modelos. A integrao das duas reas proporcionou um enriquecimento
significativo do plano de trabalho de ambas as alunas, ampliando o carter especfico dos
planos de trabalho e viabilizando a prtica da interdisciplinaridade.
De maneira geral, os modelos matemticos podem ser elaborados a partir da utilizao de ferramentas matemticas distintas, dependendo das caractersticas dos problemas, do
tipo de dados disponveis, tais como: equaes contnuas ou discretas, matrizes, conjuntos
fuzzy, entre outras (BASSANEZI, 2002; EDELSTEIN-KESHET, 1988; BARROS; BASSANEZI, 2006). Exemplos de modelos matemticos aplicados a problemas ambientais que utilizam contedos matemticos distintos so apresentados em Leite, Ferreira e Scrich (2009).
Buscando aplicar a modelagem matemticae trabalhar com contedos matemticos
compatveis com o currculo do Ensino Mdio, o tema abordado neste artigo foi Dinmica
Populacional. A descrio do tamanho de populaes ao longo do tempo, por meio de modelos matemticos, pode ser bastante til no apenas para prever a evoluo populacional como,
tambm, para possibilitar a anlise de fatores que contribuem na sua dinmica. A partir da
anlise e simulao de modelos matemticos, possvel avaliar, por exemplo, quando uma
determinada populao corre risco de se extinguir, ou estimar o tempo necessrio para que
atinja um determinado nvel e, desta forma, planejar aes adequadas. Contudo, nesta anlise,
uma populao raramente pode ser considerada isolada de um biossistema, no qual vrias
populaes se relacionam de diferentes formas. O estudo da dinmica populacional tambm
possibilita perceber como ocorreu o processo de evoluo na prpria construo dos modelos
matemticos, a partir de diferentes hipteses e suposies incorporadas.
Dentro deste vasto e abrangente assunto, escolheu-se modelar o crescimento da populao do estado de So Paulo. Uma vez que o objetivo era contextualizar contedos mate928
Cincia & Educao, v. 17, n. 4, p. 927-940, 2011
mticos do Ensino Mdio, o crescimento desta populao foi modelado por trs tipos de
funes: linear, exponencial e logstica. As taxas de crescimento foram calculadas considerando-se as caractersticas particulares e hipteses bsicas de cada tipo de modelo. Os grficos e
simulaes foram feitos atravs dos softwares Winplot e Excel, tambm visando recursos
acessveis para utilizao dos mesmos em sala de aula.
Tema
Coleta de dados
Definio do problema
Abstrao
X
X
Validao
Resoluo
Modelos temticos
Os dados utilizados foram coletados no site da Fundao Sistema Estaduais de Anlise de Dados (SEADE, 2008). O ano de 1994 foi identificado como instante inicial (t=0) e,
dessa forma, o ano de 2003 corresponde a t=9. Os valores da populao do Estado de So
Paulo nesse perodo esto na Tabela 1 e representados na Figura 2.
Tempo
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
Nmero de habitantes
0
1
2
3
4
5
6
7
8
9
33.162.862
33.486.396
34.074.644
34.581.838
35.124.979
36.276.632
36.909.200
37.542.521
38.123.695
38.718.301
39.000.000
Populao total
38.000.000
37.000.000
36.000.000
35.000.000
34.000.000
33.000.000
32.000.000
10
Ano
Figura 2. Populao do Estado de So Paulo de 1994 a 2003.
Fonte: Leite, Silva e Sousa, dados da pesquisa.
a modelagem matemtica, muitas foram as dvidas apresentadas pelas alunas, tanto na prpria
contextualizao dos contedos matemticos como, tambm, na elaborao dos modelos
matemticos.
O modelo linear
No modelo linear, a suposio bsica que a variao do nmero total de indivduos
constante. Em outras palavras, admite-se que o acrscimo (ou decrscimo) da quantidade de
indivduos por unidade de tempo no varia com o tempo. Alm disso, supe-se que no h
restries nem tampouco limitaes para o crescimento (ou decrescimento), e, dessa forma, a
populao cresce (ou decresce) ilimitadamente.
A expresso geral que representa o nmero de indivduos N em funo do tempo t
admitindo-se crescimento linear dada por N = r t + N0, onde r a taxa de crescimento, t o
tempo e N0 a populao inicial.
Usando os dados apresentados na Tabela 1, consideramos N(0) = 33162862, que
corresponde populao total do Estado de So Paulo no ano de 1994. A estimativa da taxa
de crescimento
N
r = t
foi feita a partir da mdia da variao anual do nmero de indivduos (t = 1),
conforme valores exibidos na Tabela 2.
Populao Total
Taxa de crescimento
(nmero de habitantes/ano)
33.162.862
33.486.396
34.074.644
34.581.838
35.124.979
36.276.632
36.909.200
37.542.521
38.123.695
38.718.301
323.534
588.248
507.194
543.141
1.151.653
632.568
633.321
581.174
594.606
5.555.439
= 617.271
9
50.000.000
Populao (n)
40.000.000
30.000.000
20.000.000
10.000.000
Tempo (t)
X
10
20
30
Vale observar que o mesmo resultado poderia ser obtido por meio do estudo de uma
progresso aritmtica (PA), possibilitando a explorao de outros contedos matemticos equivalentes.
Entretanto, na modelagem de crescimento populacional, nem sempre razovel supor que a quantidade de indivduos acrescida na populao constante. Esta suposio pode
ser vlida para um determinado perodo de tempo ou para alguma populao em particular.
Admitindo que o nmero de indivduos que acrescido depende, por exemplo, do tamanho da
prpria populao, o modelo linear no mais adequado. A seguir apresentamos outras possibilidades para modelar o crescimento populacional.
O modelo exponencial
No modelo exponencial, a hiptese bsica que a populao cresce sem qualquer
restrio, no admitindo fatores que regulam seu crescimento, tais como: epidemias, guerras,
fome, entre outros. Supe-se que o nmero total de indivduos varia com o tempo, dependendo da quantidade presente em cada instante. Admitindo-se que a taxa de crescimento contnua, o modelo exponencial descrito pela funo N = N0 ert , onde N0 a populao inicial, r
a taxa de crescimento e t o tempo.
932
Cincia & Educao, v. 17, n. 4, p. 927-940, 2011
Populao Total
0
1
2
3
4
5
6
7
8
9
Total
33.162.862
33.486.396
34.074.644
34.581.838
35.124.979
36.276.632
36.909.200
37.542.521
38.123.695
38.718.301
Crescimento relativo
0,0098
0,0176
0,0149
0,0157
0,0328
0,0174
0,0172
0,0155
0,0156
0,1564
Assim, obtemos r =
0,1564
9
= 0,0174 .
b) Taxa total
Neste caso foi obtido o acrscimo relativo total do perodo,
Nfinal - Ninicial
N
=
N
Nnicial
38.718.301 - 33.162.862
33.162.862
= 0,1675
0,1675
J r = 0,0186 .
9
50.000.000
Populao (n)
40.000.000
30.000.000
20.000.000
10.000.000
Tempo (t)
X
10
20
30
importante ressaltar que foi admitido crescimento contnuo e, por isso, a funo
exponencial considera a base natural e. Entretanto, tambm possvel trabalhar, por exemplo,
com o crescimento anual (ou mensal) e, com isso, explorar diferentes bases para as funes
exponenciais do tipo N = N0 art. Novamente, vale observar que possvel tambm, a partir das
mesmas hipteses, explorar o estudo de uma progresso geomtrica (PG).
Como o modelo exponencial no prev qualquer tipo de inibio para o crescimento
populacional, o mesmo pode no ser adequado para representar o que ocorre em muitas
populaes em longo prazo. Em muitas situaes, razovel considerar que o crescimento da
populao inibido por fatores como: falta de espao, escassez de alimentao, etc. Em outras
palavras, pode-se supor que a taxa de crescimento populacional diminui com o crescimento da
populao, e que existe uma capacidade mxima sustentvel para essa populao. Vrios modelos matemticos podem representar essa hiptese, como, por exemplo, o modelo Logstico,
que descrito a seguir.
O modelo logstico
A formulao do modelo logstico supe que a populao sofre inibies naturais no
seu crescimento. Em outras palavras, admite-se que a taxa de crescimento decresce com a
populao. Para pequenas quantidades de indivduos, quando no h escassez de recursos, o
934
Cincia & Educao, v. 17, n. 4, p. 927-940, 2011
Nt
Nt+1
36.276.632
36.909.200
37.542.521
38.123.695
36.909.200
37.542.521
38.123.695
38.718.301
r=
1
t
1n
N0 (
K
- 1)
N0
K - N0
935
Cincia & Educao, v. 17, n. 4, p. 927-940, 2011
40.000.000
38.800.000
Y = 0,9729x + 2E + 06
R2 = 0,9996
38.600.000
38.400.000
38.200.000
38.000.000
37.800.000
37.600.000
37.400.000
37.200.000
37.000.000
36.800.000
36.000.000 36.500.000
38.500.000
Nt
36.276.632
36.909.200
37.542.521
38.123.695
38.718.301
r
0,033892027
0,03395809
0,034011151
0,03369981
0,033542406
O valor mdio obtido para o perodo considerado foi de 0,033821. Nos clculos e
simulaes, o valor utilizado foi de 0,0338.
A Figura 6 mostra o grfico da funo obtida no Modelo Logstico e os pontos
originais apresentados na Tabela 1.
936
Cincia & Educao, v. 17, n. 4, p. 927-940, 2011
70.000.000
Populao (n)
60.000.000
50.000.000
40.000.000
30.000.000
20.000.000
10.000.000
Tempo (t)
X
10
20
30
50
40
(73.800.738) (33.162.862)
-0,0338 t
60
70
Comparando os modelos
Uma comparao bsica entre os trs modelos propostos foi feita a partir do clculo
da diferena entre os valores originais e os valores estimados. Os resultados esto na Tabela 6.
NOBS - NLINEAR
NOBS - NEXP
NOBS - NLOG
0
293.737
322.760
432.837
506.967
27.415
42.712
58.762
22.665
0
1.707.855
0
258.549
262.601
358.104
428.238
99.376
96.951
84.134
7.829
66.585
1.662.367
0
294.684
326.423
440.636
519.972
8.487
17.501
27.262
14.772
42.668
1.692.405
937
Cincia & Educao, v. 17, n. 4, p. 927-940, 2011
Nota-se que, para os valores no perodo de 1994 a 2003, o modelo que mais se
aproxima dos dados observados o exponencial (a soma das diferenas a menor). Entretanto, sabe-se que o crescimento ilimitado no razovel em longo prazo, o que faria com que
fosse descartado tanto o modelo linear quanto o exponencial para projees populacionais
futuras. Alm disso, observa-se que o erro do modelo logstico proposto se aproxima do erro
do modelo exponencial e contempla a questo da populao-limite.
Outra forma de validar os modelos propostos comparar o valor obtido por meio
das funes com valores reais. Por exemplo, para o ano de 2007 (t=13), o valor fornecido pelo
Instituto Brasileiro de Geografia e Estatstica IBGE (2009) foi de 39.827.570. Na Tabela 7,
as diferenas das estimativas de cada modelo so apresentadas.
N (13)
NIBGE N(t)
Linear
Exponencial
Logstico
41.187.385
1.359.815
41.580.472
1.752.905
41.236.885
1.409.315
Para este valor do tempo t, o erro cometido atravs do modelo linear novamente o
menor e est prximo do modelo logstico, que contempla a hiptese de a populao ter uma
capacidade-limite. Para projees em curto prazo, tanto o modelo linear como o exponencial
so adequados, mas, pelo fato de admitirem um crescimento ilimitado, espera-se que, medida
que o tempo passe, a estimativa atravs do modelo logstico seja mais razovel, e o erro
cometido menor.
Vale observar ainda que muitos outros modelos populacionais podem ser elaborados
a partir da incorporao de novas suposies. O objetivo aqui foi sem avanar em contedos
matemticos do Ensino Superior aplicar o estudo de funes e explorar o conceito de taxas
a partir de diferentes hipteses.
Comentrios finais
A elaborao dos modelos matemticos apresentados proporcionou, alm do aprofundamento dos conhecimentos especficos das alunas envolvidas, a vivncia do trabalho
interdisciplinar e em equipe. Neste sentido, vale ressaltar como a modelagem matemtica,
como estratgia pedaggica (por ser naturalmente interdisciplinar), proporciona e viabiliza a
prtica da interdisciplinaridade e facilita a contextualizao de contedos matemticos. Cabe
ainda observar que, como trabalho de pesquisa no mbito da Iniciao Cientfica, foi utilizada
a metodologia da modelagem matemtica, proporcionando a experimentao de todo o pro938
Cincia & Educao, v. 17, n. 4, p. 927-940, 2011
cesso, desde a coleta de dados at a anlise e validao dos modelos obtidos. Particularmente
para o modelo logstico, vale enfatizar a importncia das simulaes (atravs da opo de
animaes) realizadas no Winplot. S a partir destas simulaes foi possvel inferir sobre o
valor ideal da taxa de crescimento para este modelo (que se mostrava em torno de 0,0335), e
buscar uma forma de obt-la a partir dos dados experimentais. Alm disso, foi possvel encontrar uma justificativa matemtica para isto de acordo com as suposies do modelo (que, no
caso, foi considerar os dados referentes ao perodo no qual a taxa de crescimento comea a
diminuir). Outro aspecto relevante do trabalho com a modelagem matemtica a possibilidade que ela traz para que sejam explorados e, at mesmo, construdos, mesmo que intuitivamente, importantes conceitos matemticos. Por exemplo, apesar de este trabalho no abordar
contedos do Ensino Superior, o estudo das taxas de crescimento possibilita a introduo do
conceito de derivada, a partir da anlise da variao do tamanho da populao.
Evidencia-se, tambm, como a construo de modelos matemticos possibilita a integrao entre pesquisa e ensino, uma vez que, na modelagem matemtica, a prtica da investigao indispensvel e foi amplamente explorada no trabalho desenvolvido com as alunas,
frente s dvidas e questionamentos apresentados. De fato, para Biembengut (2004, p. 23):
Como essencialmente um mtodo de pesquisa, no Ensino, a modelagem matemtica pode tornar-se caminho para despertar no aluno interesse por assuntos de matemtica e, tambm, de alguma rea da cincia que ainda desconhea ao mesmo tempo em que ele aprende a arte
de modelar, matematicamente.
939
Cincia & Educao, v. 17, n. 4, p. 927-940, 2011
Referncias
BARBOSA, J. What is mathematical modelling? In: LAMON, S. J.; PARKER, W. A.;
HOUSTON, S. K. (Eds.). Mathematical modelling: a way of life. Chichester: Horwood,
2003. p. 227-234. (ICTMA, 11).
BARROS, L. C.; BASSANEZI, R. C. Tpicos de lgica fuzzy e biomatemtica.
Campinas: IMECC, 2006. (Textos Didticos, 5).
BASSANEZI, R. C. Ensino-aprendizagem com modelagem matemtica. So Paulo:
Contexto, 2002.
BIEMBENGUT, M. S. Modelagem matemtica & implicaes no
ensino-aprendizagem de matemtica. 2. ed. Blumenau: Edifurb, 2004.
EDELSTEIN-KESHET, L. Mathematical models in biology. New York: Random
House, 1988.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATSTICA. Contagem da
populao 2007. Disponvel em: <www.ibge.gov.br/home/estatistica/populacao/
contagem2007>. Acesso em: 25 jun. 2009.
KAISER, G. Results from a comparative empirical study in England and Germany on the
learning of mathematics in context. In: SLOYER, C.; BLUM, W.; HUNTLEY, I. (Eds.).
Advances and perspectives in the teaching of mathematical modeling and
applications. Yorklyn: Water Street Mathematics, 1995. p. 83-95.
LEITE, M. B. F.; FERREIRA, D. H. L.; SCRICH, C. R. Explorando contedos
matemticos a partir de temas ambientais. Cincia & Educao, Bauru, v. 15, n. 1,
p. 129-138, 2009.
SO PAULO (ESTADO). Fundao Sistema Estadual de Anlise de Dados. Disponvel
em: <http://www.seade.gov.br/>. Acesso em: 10 nov. 2008.
940
Cincia & Educao, v. 17, n. 4, p. 927-940, 2011