Tese de Doutoramento em Informática A teoria da difusão da inovação procura explicar como novas ideias e práticas se disseminam dentro de um sistema social, assim como entre os seus membros. Certos modelos existentes assentam em funções matemáticas simples cujos coeficientes de difusão necessitam de ser estimados para que possam descrever e prever a difusão da inovação. Normalmente, os métodos associados a essa estimação dependem de dados históricos ou de séries cronológicas, ou de difusões já consolidadas, o que inevitavelmente levanta alguns problemas porque nem sempre há dados históricos disponíveis ou suficientes, para além de poder ser impossível estabelecer-se qualquer paralelo entre inovações recentes e a difusão de inovações já consolidadas. Essas insuficiências e condicionalismos motivaram a procura de novas abordagens que possam auxiliar, nesse contexto, a descrever e a prever a difusão da inovação. Assim, concebeu-se uma nova abordagem alicerçada na tendência de adoção de um sistema social (ou população) que deu origem a três propostas que se concretizam: a primeira, num Algoritmo Probabilístico inspirado nos fundamentos dos Algoritmos Evolutivos que recorre ao modelo logístico decorrente da aplicação da regressão logística binária sobre um conjunto de variáveis que podem influenciar a adoção da inovação; a segunda, em Novos Coeficientes de Difusão para os macro-modelos da Logística, de Gompertz e de Bass, estimados a partir de expressões matemáticas deduzidas e envolvendo as variâncias do grau de exposição e do grau de conhecimento; e, a terceira, envolvendo as variâncias do grau de influência dos contactos e do grau de influência dos fatores externos. A tendência de adoção de um sistema social é materializada: 1. Na 1.ª proposta, através dos coeficientes de regressão inerentes às variáveis explicativas associadas ao logit, encontrados com a regressão logística binária; 2. Na 2.ª e 3.ª propostas, no indicador de adoção, cuja medida associada – a variância – avalia a variabilidade dos graus de influência (exposição, conhecimento, influência dos contactos e influência dos fatores externos) na adoção da inovação pela população. A aplicabilidade das propostas subjacentes à nova abordagem foi corroborada por trabalho de campo, tendo por referência a adoção do tablet (como inovação) por uma população retirada da comunidade educativa da Universidade de Trás-os-Montes e Alto Douro, confirmando-as, na ausência de dados, como complementos aos métodos “clássicos” para descrever e prever a difusão da inovação. Verifica-se, em termos de utilidade prática das propostas, que a segunda proposta e a terceira se revelam mais apropriadas para o estudo da difusão da inovação em macro-sistemas sociais, enquanto que a primeira se adapta melhor a micro-sistemas sociais. Saliente-se que, em consonância com as intenções comportamentais dos potenciais adotantes, se escolheu as previsões da primeira proposta (Algoritmo probabilístico), modelada temporalmente pela função logística, por ser, de acordo com as evidências comportamentais, a mais apropriada para descrever e prever a difusão do tablet nesta população em concreto. Paralelamente ao desenvolvimento das propostas, um conjunto de simulações realizadas com os algoritmos inerentes à primeira proposta (Algoritmo Probabilístico) e à segunda proposta (Algoritmo Young), em diversas populações, permitiu confirmar que o ritmo de difusão é influenciado: (a) pela percentagem de adotantes iniciais; (b) pela densidade populacional; (c) pela organização dimensional da rede; (d) pela heterogeneidade ou homogeneidade dos indivíduos; (e) pelo número de sub-redes e respetiva concentração de adotantes; (f) bem como pelas diferentes estruturas subjacentes às sub-redes que influenciam o grau de exposição. Comprova-se, também teoricamente, que a introdução de um coeficiente de pressão social, nas expressões que estimam os Novos Coeficientes de Difusão dos macro-modelos considerados, é pertinente para acelerar a difusão da inovação. A fase experimental (trabalho de campo) permitiu também demonstrar que: (a) o conhecimento e a exposição contribuem para explicar a adoção; (b) o grau de innovativeness dos adotantes depende de aspetos sociodemográficos; e (c) os adotantes têm um conhecimento e uma perceção de utilidade do tablet mais real e consistente face aos potenciais adotantes. Corroborou-se o pressuposto de que “o grau de conhecimento materializa as influências das relações interpessoais e das fontes de informações externas” e “complementaram-se” as características mais genéricas inerentes aos tipos de adotantes propostos por Rogers (1995) face à inovação. Demonstrou-se, portanto, que a grande vantagem dessas propostas que complementam os métodos “clássicos” é a de prescindirem de dados históricos para descreverem e preverem a difusão da inovação. Resultou, ainda, da aplicação das propostas uma outra vantagem – a sua “reversibilidade” –, uma vez que em qualquer momento poder-se-á retroceder na implementação da respetiva proposta, motivada em função de, por exemplo, saídas e/ou entradas de indivíduos na população. The Diffusion of Innovation Theory seeks to explain how new ideas and practices spread within a social system, as well as among its members. Certain existing models are based on simple mathematical functions whose diffusion coefficients need to be estimated so they can describe and predict the diffusion of the innovation. Typically, the methods associated with that estimation depend on historical data or time series or previously consolidated diffusions, which inevitably raises some problems because historical data is not always available or sufficient, and it can be impossible to set up any parallel between recent innovations and the diffusion of innovations already consolidated. These inefficiencies and constraints prompted the search for new approaches that can help, in this context, to describe and predict the diffusion of innovation. Thus was conceived a new approach based on the tendency of adoption of a social system (or population) that has produced three proposals that are materialized: the first, in a Probabilistic Algorithm inspired by the fundamentals of Evolutionary Algorithms that uses the logistic model resulting from the application of binary logistic regression on a set of variables that can influence the adoption of innovation; the second, in New Diffusion Coefficients for macro-models of Logistics, from Gompertz and Bass, estimated from deducted mathematical expressions and involving the variances of the degree of exposure and the degree of knowledge; and the third, involving the variances of the degree of influence from the contacts and the degree of influence from external factors. The trend towards the adoption of a social system is materialized: 1. In the 1st proposal by the regression coefficients that belong to the explanatory variables associated with the logit, found with binary logistic regression; 2. In the 2nd and 3rd proposals, in the adoption indicator, whose associated measure – variance – evaluates the variability of the degrees of influence (exposure, knowledge, influence from the contacts and influence from external factors) in the innovation adoption by the population. The applicability of the proposals underlying the new approach has been confirmed by field work, with the adoption of the tablet (as innovation) as a reference for a population extracted from the educational community of the Trás-os-Montes and Alto Douro University. This confirms these proposals, in the absence of data, as supplements to the "classic" methods to describe and predict the diffusion of innovation. We can see that, in terms of the practical utility of the proposals, the second and third proposals are more appropriate to the study of the diffusion of innovation in social macro-systems, while the first is better suited to social micro-systems. It should be noted that, in line with the behavioral intentions of potential adopters, the predictions of the first proposal (Probabilistic Algorithm) were chosen, modeled temporally by the logistic function. According to the behavioral evidence, this method was the most appropriate one to describe and predict the diffusion of the tablet in this population in particular. Parallel to the development of the proposals, a set of simulations with the algorithms inherent to the first proposal (Probabilistic Algorithm) and the second proposal (Young Algorithm) in several populations, confirmed that the rate of diffusion is influenced by: (a) the percentage of early adopters; (b) the population density; (c) the dimensional organization of the network; (d) the heterogeneity or homogeneity of the individuals; (e) the number of subnets and respective concentration of adopters; (f) as well as the different structures that underlie the subnets that influence the degree of exposure. It can be proved, also theoretically, that the introduction of a coefficient of social pressure, in the expressions that estimate the New Diffusion Coefficients of the considered macro-models, is relevant to the acceleration of the diffusion of innovation. The experimental phase (field work) has also shown that: (a) knowledge and exposure contribute to explain the adoption; (b) the degree of innovativeness of adopters depends on sociodemographic aspects; and (c) the adopters have a more real and consistent knowledge and utility perception of the tablet than potential adopters. The assumption that "the degree of knowledge embodies the influences of interpersonal relations and external information sources" was also confirmed. Furthermore, the more general haracteristics of the types of adopters proposed by Rogers (1995) were complemented in relation to the innovation. Therefore, it has been shown, that the great advantage of these proposals that complement the "classic" methods is the fact that they don’t need historical data to describe and predict the innovation spread. From the proposal implementation, another advantage has resulted – its "reversibility" – since it is possible to go back on the implementation of the proposal at any time, if for example there are any additions and/or subtractions to the number of individuals in the population.