Array
(
    [0] => stdClass Object
        (
            [journal] => stdClass Object
                (
                    [id_jnl] => 29
                )

        )

    [1] => stdClass Object
        (
            [section] => stdClass Object
                (
                    [section] => 650
                )

        )

    [2] => stdClass Object
        (
            [title] => Array
                (
                    [0] => Inferência estatística clássica para a confiabilidade de rede de coautoria com enfoque nos vértices@pt
                )

        )

    [3] => stdClass Object
        (
            [abstract] => Array
                (
                    [0] => Grupos de pesquisa altamente confiáveis, ou seja, com uma estrutura forte de colaboração dos pesquisadores, podem contribuir ampla e intensamente para o surgimento e/ou concretização de ideias, uma vez que são responsáveis por grande parte das investigações realizadas na atualidade e também pela formação de inúmeros pesquisadores. Um grupo de pesquisa pode ser considerado como uma rede social, a qual pode ser modelada por um grafo. Os pesquisadores que compõem essa rede podem ser interpretados como seus vértices ou atores, e as conexões ou ligações entre esses agentes (representadas por publicações em comum, isto é, trabalhos em coautoria) podem ser consideradas suas arestas. Na literatura, existem algumas maneiras de se calcular a confiabilidade de uma rede modelada por um grafo G composto por k vértices e m arestas. O objetivo deste trabalho foi estudar a medida de confiabilidade de redes considerando os vértices não confiáveis ou propensos a falhas (ou seja, um ou mais vértices pode(m) deixar de pertencer à rede) e as arestas perfeitamente confiáveis. Especificamente, foi proposta uma análise estatística baseada em inferência clássica para a confiabilidade de redes, obtendo os estimadores de máxima verossimilhança e os respectivos intervalos de confiança para os componentes individuais (vértices) e para a rede (probabilidade do grupo de pesquisa permanecer em atividade em um dado tempo t); foi aplicada a metodologia proposta a um caso especial de grupo de pesquisa da UNESP cadastrado no CNPq; e, foram obtidas medidas de centralidade de vértices para auxiliar na identificação de situações onde a inserção de uma aresta (ligação entre dois pesquisadores do grupo) poderia aumentar significativamente a confiabilidade desta rede de coautoria. Os resultados mostraram a viabilidade da inferência estatística clássica aliada ao uso de medidas de centralidade no contexto de análise de redes sociais.@pt
                )

        )

    [4] => stdClass Object
        (
            [author] => Array
                (
                    [0] => Taiane de Paula Ferreira
                    [1] => Beatriz Barbero Brigantini
                    [2] => Sandra Cristina de Oliveira
                    [3] => Jéssica Katty Uehara
                )

        )

    [5] => stdClass Object
        (
            [subject] => Array
                (
                    [0] => Redes sociais@pt
                    [1] => Grupos de pesquisa@pt
                    [2] => Teoria dos grafos@pt
                    [3] => Inferência estatística@pt
                )

        )

    [6] => stdClass Object
        (
            [source] => stdClass Object
                (
                    [vol] => 19
                    [nr] => 4
                    [year] => 2014
                    [theme] => 
                )

        )

    [7] => stdClass Object
        (
            [datePub] => Array
                (
                    [0] => 2014-12-10
                )

        )

    [8] => stdClass Object
        (
            [DOI] => Array
                (
                )

        )

    [9] => stdClass Object
        (
            [http] => Array
                (
                    [0] => stdClass Object
                        (
                            [type] => HTTP
                            [value] => Array
                                (
                                    [0] => https://periodicos.ufmg.br/index.php/pci/article/view/22965
                                )

                        )

                    [1] => stdClass Object
                        (
                            [type] => HTTP
                            [value] => Array
                                (
                                    [0] => https://periodicos.ufmg.br/index.php/pci/article/view/22965/18549
                                )

                        )

                )

        )

    [10] => stdClass Object
        (
            [language] => Array
                (
                    [0] => pt
                )

        )

    [11] => stdClass Object
        (
            [license] => Array
                (
                    [0] => stdClass Object
                        (
                            [@xml:lang] => pt-BR
                            [#text] => Copyright (c) 2020 Perspectivas em Ciência da Informação
                        )

                )

        )

)