Objetivo do estudo
Neste artigo, pretendemos analisar a pesquisa científica recente sobre Gestão do Conhecimento (GC) usando uma abordagem automatizada de agrupamento de tópicos e comparar com o agrupamento encontrado em revisões de literatura de GC feitas manualmente.
Relevância/originalidade
Nossos resultados mostram que é possível extrair e agrupar tópicos de pesquisa de um corpus de artigos científicos em Gestão do Conhecimento usando Processamento de Linguagem Natural (PLN) de última geração.
Metodologia/abordagem
Usamos um novo algoritmo de Processamento de Linguagem Natural (PLN) chamado BERTopic (que gera agrupamentos profundos de tópicos interpretáveis) para determinar a composição interna da pesquisa existente em Gestão do Conhecimento.
Principais resultados
Os resultados apontam para 58 tópicos organizados em quatro agrupamentos bem estabelecidos - três dos quais correspondem aproximadamente a domínios conceituais e um grande cluster de aplicações de domínio metodológico-substantivo.
Contribuições teóricas/metodológicas
Considerando o estado da arte em PLN para extração e agrupamento de tópicos teóricos (e BERTopic como método principal), acreditamos que os resultados obtidos são promissores, considerando as vantagens de reprodutibilidade, transparência, código aberto, automação e baixo viés.
Contribuições sociais/para a gestão
Estamos confiantes nas estratégias baseadas em PLN para servir como uma abordagem complementar aos procedimentos tradicionais na avaliação de aspectos estratégicas.