Hva betyr frie brukervalg for lokaldemokratiet i de fire

A característica central da visão sobre difusão de tecnologia é a velocidade aparentemente lenta em que algumas firmas adotam novas tecnologias. Se uma nova tecnologia representa uma melhoria em relação às tecnologias existentes, investigações sobre as razões que levam algumas empresas a adotarem a tecnologia mais tardiamente, ou não adotarem, são importantes (GEROSKI, 2000). Na agricultura, a análise do processo de

adoção, em termos agregados, foi iniciada com o trabalho de Griliches (1957), que procurou explicar a difusão de milho híbrido em diferentes condados de Iowa com variáveis econômicas. Ao considerar a freqüência acumulada de adotantes ao longo do tempo, constatou-se que a curva de difusão de tecnologia tem forma de ―S‖. A partir deste e outros trabalhos que seguiram sua metodologia, a curva de difusão de tecnologia em forma de ―S‖ tornou-se generalizada em diversas áreas e um corpo de estudos teóricos surgiram com o objetivo de explicar as suas conclusões iniciais (SUNDING; ZILBERMAN, 2001; GALLIANO; ROUX, 2008).

Três principais abordagens teóricas têm sido adotados para o entendimento do processo de difusão (BOCQUET et al., 2007), conforme Figura 7. A primeira abordagem refere-se ao modelo epidêmico que considera a difusão como o resultado da disseminação de informações (GRILICHES, 1957; MANSFIELD, 1961). A segunda é a abordagem dos efeitos de classificação (rank effects) (KARSHENAS; STONEMAN, 1993), em que as investigações empíricas procuram classificar as empresas por suas características. A terceira abordagem tem como pressuposto básico que o benefício da adoção da tecnologia para uma empresa depende da sua posição na ordem de adoção (order effects): os primeiros adotantes tendem a obter maiores retornos devido a vantagem do first-mover (FUDENBERG; TIROLE12, citados por KARSHENAS; STONEMAN, 1993, p. 505).

A informação desempenha papel relevante nos modelos teóricos utilizados para explicar o processo de difusão de tecnologia. A suposição básica do modelo epidêmico é a de que leva tempo para que a informação sobre a tecnologia alcance todos os usuários potenciais (GEROSKI, 2000). Quanto maior o número de adeptos, mais informação está disponível sobre a tecnologia para os potenciais adotantes e maior a velocidade da difusão. A hipótese implícita deste modelo é a de que um usuário em potencial se torna um usuário por meio do contato com um adotante existente, ou seja, assim que ele entra em contato com a tecnologia, ele se torna um usuário. Esta é uma das limitações apontadas para este modelo. Ao longo do tempo a população de não adotantes reduz e a curva de difusão acumulada assume a forma de ―S‖ (GALLIANO; ROUX, 2008).

No entanto, Geroski (2000) alerta que a adoção de tecnologia muitas vezes pode ser mais lenta do que o tempo necessário para a informação se espalhar. Para entender essa diferença, o autor faz uso dos aspectos de hardware e software da tecnologia descritos por

12 _{FUDENBERG, D.; TIROLE, J. Preemption and Rent Equalization in the Adoption of New Technology.}

Rogers (1983). O hardware refere-se ao componente físico incorporado à tecnologia, enquanto que o software constitui a informação necessária para usá-la de forma eficaz. Embora algumas informações possam ser transmitidas de forma impessoal por meio de um manual de usuários, a maior parte da informação ou do conhecimento necessário para o uso eficaz da tecnologia é construída a partir da experiência. Ou seja, é um conhecimento tácito. Sem este conhecimento, muitos usuários em potencial não vão adotar a nova tecnologia, mesmo cientes de sua existência. Para transmitir os conhecimentos de software, os usuários potenciais precisam ser capazes de se comunicar diretamente com os usuários atuais que acumularam experiência com a nova tecnologia. Assim, a principal fonte de informação neste modelo é o usuário anterior. Por meio de um modelo de função logística, o processo de difusão segue o desenho da curva em ―S‖ ao longo do tempo. A taxa de ―infecção‖ aumenta gradualmente conforme a população de usuários também aumenta, elevando o estoque agregado de informações (software) que pode ser repassado, até que se encontre o valor máximo. Conforme os não usuários se tornam escassos, há um declínio na taxa de adoção (GEROSKI, 2000).

Ainda que o modelo de difusão ―boca a boca‖ gere a curva de difusão em formato ―S‖, ele não explica a difusão de uma inovação a partir da data em que é inventada. Este modelo só ocorre a partir do momento em que um número significativo de primeiros usuários começou a usar a nova tecnologia. Esta é outra limitação deste modelo. Quanto maior for a quantidade inicial de usuários, mais rápida é a difusão (GEROSKI, 2000). Desde que os primeiros adotantes escolheram usar a tecnologia sem o acesso à experiência de um usuário anterior, eles apresentam atributos diferentes dos usuários subseqüentes. A participação em sistemas sociais altamente interconectados, o maior contato com agentes de mudança, a maior exposição aos canais de comunicação de massa e interpessoais, as conquistas educacionais, perspectivas e atitudes frente ao risco dos usuários iniciais são provavelmente diferentes dos usuários tardios (ROGERS, 1983).

A premissa básica do modelo de epidemia é a de que a difusão de informações condiciona a difusão de tecnologia. No entanto, o fluxo relativamente uniforme de informações entre os indivíduos somente é plausível quando aplicada a populações com características semelhantes. Quando as populações são heterogêneas, as diferenças entre os indivíduos podem impedir o processo de comunicação ou, mais especificamente, o processo de persuasão. Ao pensar o processo de difusão de tecnologia como um processo de persuasão

e não meramente como a divulgação de notícias, a analogia com epidemia não é perfeita (GEROSKI, 2000).

O modelo epidêmico supõe a transferência de conhecimento entre um usuário da tecnologia e um potencial adotante como condicionante da difusão. Se não há custos de transferência de conhecimento, a aprendizagem é rápida e o conhecimento é transmitido. Se, no entanto, a transferência de conhecimento é onerosa, os agentes não irão adquirir informações completas sobre a nova tecnologia e estarão incertos sobre o que a nova tecnologia faz e como melhor utilizá-la. A capacidade dos indivíduos de aprender tem um efeito sobre os custos de aprendizagem, e seu grau de aversão ao risco afeta a forma como eles reagem à incerteza resultante da aprendizagem incompleta. Assim, os modelos de análise passaram a incorporar os efeitos dos custos de transferência de informações, a aversão ao risco e os fatores específicos da empresa (GEROSKI, 2000).

A segunda abordagem descrita por Bocquet et al. (2007) na Figura 7 refere-se aos modelos sobre os efeitos de classificação (rank effects). Estes modelos consideram a decisão individual de adotar como resultado do cálculo do custo-benefício pelos potenciais adotantes. Eles se baseiam na hipótese de que a informação sobre a tecnologia é conhecida e compartilhada e que a diferença no nível de adoção entre os agentes resulta da heterogeneidade entre eles. O benefício esperado da tecnologia dependerá do efeito das diferentes características das empresas (tamanho, acesso a recursos financeiros, estrutura de governança, poder de mercado, mão de obra especializada, dentre outros). A depender desses efeitos, uma firma poderá alcançar benefícios líquidos superiores às demais empresas (KARSHENAS; STONEMAN, 1993; GALLIANO; OROZCO, 2011; BOCQUET et al., 2007).

David (1969) introduziu o modelo threshold para explicar a adoção de máquinas de colheita de grãos nos Estados Unidos no século XIX. Ele argumentou que a principal fonte de heterogeneidade entre os agricultores era o tamanho da propriedade rural. Neste modelo de escolha individual, supõe-se que os indivíduos diferem em alguma característica que afeta a rentabilidade de adoção da nova tecnologia; neste caso, o tamanho da empresa. Acima de certo limiar (threshold), calculado por meio de modelos probit, os indivíduos adotam a nova tecnologia. O importante é identificar características relevantes que possam diferenciar os indivíduos. A partir da introdução do modelo threshold a ênfase dos estudos empíricos passou a ser o entendimento do comportamento de adoção de agricultores individuais e busca de fontes de heterogeneidade. (GEROSKI, 2000).

Os retornos ou benefícios esperados da adoção dependerão não só das características próprias da empresa (rank effects), mas também da sua "posição" na ordem de adoção (order

effects) (GALLIANO; ROUX, 2008). A terceira abordagem descrita por Bocquet et al. (2007) decorre do pressuposto de que o retorno resultante da adoção da nova tecnologia depende da posição da empresa na ordem de adoção. Os adotantes situados em uma ordem elevada, ou seja, os adotantes precoces, alcançam retornos superiores. Sob a influência dos stock effects, o modelo desenvolvido por Fudenberg e Tirole13 (citados por citados por KARSHENAS; STONEMAN, 1993, p. 505) mostra que as vantagens dos adotantes precoces não são obtidas pelos adotantes de ordem baixa. Os stock effects resultam da suposição de que o benefício para o adotante marginal da tecnologia diminui à medida que aumenta o número de adotantes anteriores. O modelo mostra que para qualquer dado custo de aquisição da tecnologia, haverá um número de adotantes para além do qual a adoção não é rentável (KARSHENAS; STONEMAM, 1993).

Em 1979, Cochrane14 (citado por SUNDING; ZILBERMAN, 2001, p. 68) assumiu que os produtores poderiam ser divididos em três grupos: adotantes precoces, seguidores e retardatários. Essa abordagem destaca a possibilidade de redução de ganhos com a adoção, ao longo do tempo, devido à demanda negativamente inclinada, que causaria reduções de preços quando a oferta fosse aumentada pelo uso da nova tecnologia (VICENTE, 2002). Os adotantes precoces representam uma fração pequena da população. O impacto da sua decisão de adoção sobre a oferta agregada e, portanto, sobre os preços de venda é relativamente pequena. Esses indivíduos tendem a lucrar com a adoção da tecnologia. Os seguidores são a grande fatia do setor agrícola. Eles adotam a tecnologia durante a fase de rápido crescimento do processo de difusão da tecnologia. A decisão de adoção deste grupo tende a reduzir os preços, o que reduz os lucros. Este grupo de adotantes pode ganhar ou perder com a adoção da inovação. Por fim, os retardatários são os agricultores que tanto adotam na fase de declínio do processo de difusão ou não adotam. Esses indivíduos podem perder com a mudança tecnológica (SUNDING; ZILBERMAN, 2001). Posteriormente, Rogers (1983) ampliou esta classificação para cinco categorias de adotantes com base na sua capacidade de inovação: (1) os inovadores; (2) os primeiros adotantes; (3) a maioria precoce; (4) a maioria tardia; e, (5) os retardatários. Cada categoria apresenta características e valores diferentes. A partir da revisão

13 _{FUDENBERG, D.; TIROLE, J. Preemption and Rent Equalization in the Adoption of New Technology.}

Review of Economic Studies, Vol. 52, pp. 383-401, 1985.

14 _{COCHRANE, W. W. The Development of American Agriculture: A Historical Analysis (University of} Minnesota Press, Minneapolis), 1979.

sistematizada de cerca de 900 estudos empíricos de pesquisa, Rogers e Shoemaker (1971) procederam algumas generalizações em relação às características dos primeiros adotantes de tecnologia, retratadas por Rogers (1983). Embora estas generalizações tenham sido feitas em 1971, as conclusões de trabalhos posteriores seguem as mesmas direções. Fatores que determinam a adoção de tecnologia na agricultura, em grande parte, são explicados por variáveis, tais como nível de escolaridade, renda, acesso ao crédito, tamanho da firma, especialização e orientação econômica da atividade; e, variáveis comportamentais e de personalidade do indivíduo, a exemplo da aversão ao risco (ROGERS, 1983).