O que é investigação apreciativa? (Definição, Exemplos

Principais insights

• A Investigação Apreciativa se concentra na identificação de pontos fortes
• Envolve um processo de quatro etapas: Descoberta, Sonho, Design
• Incentivar um foco positivo ajuda a criar motivação e engajamento

Num ambiente de negócios global imprevisível, é tentador abordar a estratégia com objetivos específicos já em mente.

Na maioria das vezes, estes são focados nos problemas e visam mitigar ameaças.

As empresas geralmente se concentram no que não está funcionando e adotam mentalidades de “causa raiz”, apenas para se depararem com um conjunto de questões diferentes, mas relacionadas, no futuro.

Perguntas como Como podemos consertar nossa falta de engajamento? O que fazemos em relação à baixa motivação? Ou por que as pessoas simplesmente não estão a bordo?

O Modelo de Investigação Apreciativa é uma das principais abordagens organizacionais positivas para o desenvolvimento e a aprendizagem coletiva. Aqui, analisamos como se transformou num dos movimentos mais influentes para o desenvolvimento organizacional positivo nas últimas décadas.

Antes de continuar, achamos que você gostaria de uporabnapsihologija.com. Esses exercícios detalhados e baseados na ciência ajudarão seus clientes a realizar seu potencial único e a criar uma vida energizante e autêntica.

O que é investigação apreciativa?

A Investigação Apreciativa (IA) é uma abordagem colaborativa baseada em pontos fortes para mudanças nas organizações e outros sistemas humanos. O termo 'Investigação Apreciativa' é, portanto, usado para se referir a ambos:

• The AI paradigm – in itself, this relates to the principles and theory behind a strengths-based change approach; e
• Metodologia e iniciativas de IA – que são as técnicas específicas e etapas operacionais usadas para provocar mudanças positivas em um sistema (Davidcooperrider.com, 2019).

Ou pegue nossa própria definição:

Conceitos-chave em IA

A ideia fundamental por trás da IA ​​é que, com o tempo, tornou-se cada vez mais comum que as organizações abordem a mudança e o crescimento a partir de uma perspectiva de resolução de problemas. À medida que as empresas pretendem melhorar a eficiência, sobreviver, ter um melhor desempenho e aumentar a competitividade, os proponentes da IA ​​argumentam que passou a haver uma ênfase excessiva e pouco saudável na resolução do que está errado – uma abordagem baseada no défice .

A IA surgiu como um desafio a essas suposições arraigadas e propôs que as organizações pudessem se beneficiar do que é chamado de baseado em pontos fortes ou abordagem afirmativa (Hammond, 2013). Esta abordagem afirmativa, por sua vez, assume que cada sistema humano tem um núcleo positivo de pontos fortes.

Este núcleo positivo não é muito diferente da forma como vemos os pontos fortes organizacionais na literatura de gestão convencional. Em essência (e parafraseado vagamente pelos autores), eles podem ser vistos como abrangendo (Cooperrider

• Os valores, crenças e capacidades da nossa organização quando ela está “no seu melhor”; e
• Entendimentos coletivos em torno do que constitui o melhor de nós.

Como conceito da psicologia organizacional positiva, a IA é provavelmente melhor compreendida observando a sua evolução ao longo do tempo.

Uma Breve História

Ajuda saber um pouco sobre gestão científica e “taylorismo” para ver como e por que a IA surgiu.

Gestão Científica

A maioria dos líderes e gestores organizacionais já conhece a gestão científica, mas para aqueles que não estão familiarizados, esta foi uma escola de pensamento que ganhou destaque no final do século XIX. O objetivo da Gestão Científica era aumentar a eficiência dos fluxos de trabalho, analisando-os analiticamente e eliminando desperdícios.

Naquela época, Frederick Taylor, um engenheiro americano, foi inspirado a aplicar técnicas científicas rigorosas para analisar e melhorar a forma como as pessoas trabalhavam. Em termos gerais, isto ocorreu através do timing, da simplificação e da padronização de tarefas.

As abordagens resultantes foram fortemente criticadas por promoverem a visão das empresas como máquinas, em vez de entidades de pessoas. Outro bom paralelo é que ele colocou ênfase diretamente no recursos , em vez de humano parte dos recursos humanos. Uma citação direta do próprio homem dá um exemplo:

No nosso esquema, não pedimos a iniciativa dos nossos homens. Não queremos nenhuma iniciativa. Tudo o que queremos deles é obedecer às ordens que lhes damos, fazer o que dizemos e fazê-lo rapidamente.

(Taylor, 1919)

Consertando Máquinas Quebradas

Gestão Científica in its ouiginal foum has not been popular fou close to a century. However, AI proponents point to lots of evidence thno ‘deficit-centered’ thinking has remained heavily embedded in managerial e ouganiznoional practice (Cooperrider & Srivastva, 1987).

Mudar as organizações, neste sentido, consistia em identificar, estabelecer e corrigir coisas que não estavam a funcionar – resumido de forma clara como “investigação sobre experiências de défice” por Bushe (2013), um especialista em IA.

Exemplos comumente citados incluem análises de necessidades organizacionais, definição de problemas, análises de causa raiz e similares.

Rumo a uma abordagem baseada em pontos fortes

Fonte: Davidcooperrider.com (2011)

Em reação a esta ênfase exagerada, a IA emergiu como uma abordagem alternativa à mudança e ao desenvolvimento organizacional; uma abordagem afirmativa que foca a investigação sobre o que está certo, o que está funcionando e como trabalhar em direção a uma visão desejada (Davidcooperrider.com, 2019).

O Modelo de Investigação Apreciativa baseia-se, como observado, no princípio de que futuros organizacionais positivos podem ser alcançados através do envolvimento coletivo e de métodos que afirmem, obriguem e acelerem a aprendizagem antecipatória (Cooperrider et al., 2008).

Muito longe de dissecar erros do passado e definir um caminho corretivo a seguir. Um pouco mais adiante, examinarei o modelo e a teoria com mais detalhes.

Uma olhada em David Cooperrider

David Cooperrider é frequentemente considerado o pioneiro do Modelo de Investigação Apreciativa. No entanto, o próprio paradigma foi desenvolvido durante os anos 80 por Cooperrider e Suresh Srivastva, seu então mentor.

O poder das perguntas

Cooperrider descreve seu Ah-Ha! momento como tendo ocorrido quando ele e um colega estavam fazendo pesquisa-ação para um projeto de desenvolvimento organizacional (Bushe, 2013). Especificamente, a equipa encontrou-se numa atmosfera cada vez mais hostil e negativa e decidiu mudar a sua abordagem.

Em vez de perguntar o que não estava funcionando, Cooperrider e seu colega decidiram perguntar o que estava funcionando – embora para uma empresa diferente (Barrett

Da pesquisa às entrevistas e ao desenvolvimento organizacional

O que a Cooperrider realmente tinha neste momento era uma visão potencialmente transformadora sobre como a pesquisa qualitativa em ciências sociais poderia ser melhorada.

A mudança de paradigma para a mudança organizacional não aconteceu instantaneamente. Bushe (2013), que cobre a história da IA ​​em muito mais detalhe , descreve como a abordagem de investigação foi inicialmente ensinada aos funcionários para que eles pudessem entrevistar outros funcionários com os novos métodos. Foi recebido de forma positiva, uma vez que o benefício para a geração de ideias rapidamente se tornou aparente.

David Cooperrider começou então a trabalhar com outros para explorar como este “construcionismo social” poderia ser aplicado à mudança organizacional, entre outras coisas. Em 1997, o ‘modelo 4D’ para o qual ele lançou as bases tornou-se o Modelo de Investigação Apreciativa que conhecemos hoje.

O Modelo e a Teoria

Qualquer profissional de desenvolvimento organizacional saberá que existem muitas estruturas na área. O modelo 4D geralmente se refere a uma representação visual das quatro etapas de uma iniciativa de IA:

• Descoberta;
• Sonhar;
• Projeto;
• e Destino.

No entanto, você verá comumente um quinto passo adicionado, para Definir, que se refere simplesmente ao que David Cooperrider descreve como a seleção de um tópico afirmativo. Um tópico afirmativo, por sua vez, é o foco da sua intervenção – pode haver um ou vários focos. Os exemplos podem incluir maior satisfação do cliente, ambientes de trabalho mais seguros ou entrega de valor mais eficiente (Kessler, 2013).

Abaixo está um exemplo do modelo AI com Definir omitido.

Fonte: Page et al. (2016)

Etapas no modelo 4D

A etapa Definir é uma parte importante para determinar como as etapas seguintes fluirão. Kessler (2013) enfatiza a importância de usar uma linguagem inspiradora para enquadrar o foco da sua intervenção. Assim, uma maior satisfação do cliente pode tornar-se o que ele descreve como inspirando clientes fanaticamente leais .

Tópicos afirmativos agora estabelecidos, aqui estão as fases (Ludema et al., 2006):

1. Descubra

O foco nesta fase é buscar e identificar o que dá vida à organização. Os sucessos passados ​​podem ser discutidos e explorados e, em cada caso, o objetivo é aprimorar o que os permitiu.

Trata-se de uma investigação ativa, e as partes interessadas internas podem fazer perguntas umas às outras para descobrir o que Ludema e seus colegas consideram o que há de melhor. Embora isto se concentre na descoberta de pontos fortes, é também uma forma útil de mudar as mentalidades e o vocabulário actuais do pensamento centrado no défice.

2. Sonho

A fase Sonho trata de imaginar futuros potenciais positivos para a organização. Como idealmente uma ampla gama de participantes esteve envolvida no processo de IA, estes representarão múltiplas perspectivas, opiniões e entendimentos.

As questões positivas incondicionais que foram desenvolvidas irão idealmente desbloquear visões e possibilidades criativas e construtivas. Através de linguagem e imagens positivas, os participantes co-criam futuros e resultados positivos.

3. Projeto

A cocriação continua nesta fase, mas o foco muda para o debate e a discussão das possibilidades já geradas.

O objetivo é alcançar uma visão ou valor compartilhado que a equipe ou os participantes considerem ter um potencial real e positivo. As aspirações individuais tornam-se assim partilhadas, num ambiente idealmente inclusivo, seguro e de apoio, onde todos se sentem ouvidos.

4. Destino

O objetivo desta fase final (anteriormente denominada Entrega) é construir futuros através da inovação e da ação (Ludema et al., 2006: 158). A visão, o sistema ou as estruturas que foram projetadas são comprometidas, pois os meios possíveis para alcançá-los são ainda mais refinados por meio do comprometimento individual.

Vale ressaltar que a fase Destiny do modelo 4D não está estritamente definida em termos de como deve proceder. Praticantes e teóricos individuais, argumenta Kessler, irão variar no seu incentivo à estrutura ou improvisação em torno desta fase (Kessler, 2013).

Princípios Básicos da Investigação Apreciativa

À medida que a IA se tornou mais amplamente praticada, também vimos muitas práticas contrastantes e conflitantes que supostamente se enquadram no âmbito da IA. Isto é algo que Bushe (2013) atribui a uma falta inicial de metodologia formal – o Professor Cooperrider inicialmente hesitou em publicá-la. Mas no início da década passada, ele e a Dra. Diana Whitney, do Taos Institute, desenvolveram 5 princípios para a prática de IA.

1. O Princípio Construcionista

Isso postula que nossas crenças subjetivas sobre o que é verdade determinam nossas ações, pensamentos e comportamentos. A linguagem que usamos diariamente é fundamental na forma como co-construímos as nossas organizações, e isto inclui a linguagem que usamos para investigação.

A investigação, em si, consiste em gerar e inspirar novas ideias, visões e histórias que podem potencialmente levar à ação (Cooperrider

2. O Princípio da Simultaneidade

Isto sugere que as nossas investigações sobre os sistemas humanos podem fazer com que eles mudem. As primeiras perguntas que fazemos podem moldar a forma como as pessoas pensam e discutem as coisas; isso, por sua vez, afeta o modo como aprendem e descobrem as coisas.

Não existe uma questão neutra, no sentido de que investigações apaixonadas e persistentes em direções específicas levarão a mudanças nessas direções (Cooperrider

3. O Princípio Poético

O terceiro princípio afirma que podemos escolher — ou não — estudar a vida organizacional para fazer a diferença. A vida nos sistemas humanos, como organizações e equipes, é escrita em coautoria e contada em histórias.

Nossa escolha de vocabulário pode desencadear sentimentos, imagens, conceitos e entendimentos, e a IA consiste em usar a investigação para criar visões positivas e otimistas do futuro para inspirar e despertar “o que há de melhor nas pessoas” (Cooperrider

4. O Princípio Antecipatório

O Princípio Antecipatório sugere que as nossas ações e comportamentos atuais são moldados pelas nossas visões para o futuro.

Através da IA, podemos criar imagens e visões positivas do nosso futuro ou do futuro de uma organização que terão impacto no que fazemos no presente (Goleman, 1987; Cooperrider

5. O Princípio Positivo

Isto postula que, para encorajar o impulso, devemos fazer perguntas positivas que enfatizem o núcleo positivo de uma organização. A mudança duradoura depende de conexões sociais e de afeto positivo entre as pessoas. Emoções positivas como entusiasmo, união, esperança e felicidade encorajam ideias criativas e abertura a ideias inovadoras (Barrett

Esses 5 princípios de IA são os mais comumente citados e agora estão bem estabelecidos. Contudo, à medida que a prática da Investigação Apreciativa se torna cada vez mais popular, vemos princípios emergentes serem propostos. Entre estes estão princípios como totalidade, representação, consciência, livre escolha, narrativa e sincronicidade (Whitney

Exemplos da abordagem

Nesta seção, examinaremos detalhadamente um exemplo de IA aplicada para mudança organizacional e você também encontrará alguns links úteis para mais estudos de caso sobre o tópico.

Organização Global de Ajuda e Desenvolvimento

Organização Global de Ajuda e Desenvolvimento (GRDO), as introduced by Ludema e colleagues in their Hebook of Action Research (2006), is a US e Ceian NGO thno was involved with over a hundred other ouganiznoions wouldwide.

O Contexto:

A GRDO abordou os autores sobre o que considerou ser um problema no atual sistema de avaliação da capacidade organizacional dos seus parceiros. Ao descrever a situação aos seus consultores, mencionaram a falta de envolvimento das partes interessadas (internas e externas) com o sistema; as pessoas não o apoiaram e consideraram-no uma imposição tediosa.

Já implícito na sua descrição do sistema estava o vocabulário baseado no défice e sugestões de culpabilização – tanto entre as organizações interessadas como entre o próprio GRDO. Além disso, observam os autores, a GRDO não foi capaz de se ver como um parceiro igual no que era inerentemente suposto ser um processo de capacitação e não estava a ser visto como tal.

Tópico Afirmativo:

O primeiro passo, como tal, foi reformular positivamente o problema percebido e definir um tema afirmativo. Para este fim (ou início), os consultores fizeram perguntas destinadas a revelar o “anseio mais profundo” do GRDO. De acordo com Johnson e colegas, as primeiras questões-chave foram:

O que você realmente quer desse processo? Quando você explora suas esperanças mais ousadas e aspirações mais elevadas, o que você deseja em última análise?

A etapa Definir levou, portanto, a vários tópicos; A GRDO queria muitas coisas positivas, que se resumiam a (Ludema et al., 2006):

• Aprender uns com os outros sobre como poderiam construir ONG vibrantes, saudáveis ​​e fortes; e
• Descobrir novas formas de colaborar com os seus parceiros como iguais.

Descoberta:

Foi formada uma equipa global composta por partes interessadas de diferentes regiões da GRDO em todo o mundo, e foram organizados retiros para grandes grupos para que tanto a GRDO como as suas partes interessadas pudessem se familiarizar com a IA. Eles criaram versões ligeiramente diferentes do Protocolo de Entrevista AI mostrado abaixo.

Fonte: Jogando et al. (2006)

Com as suas perguntas positivas incondicionais para orientar a investigação, as diferentes ONG parceiras regressaram ao país onde trabalhavam para realizar “visitas de escuta” (Ludema et al., 2006). Estas envolveram uma investigação participativa com membros da comunidade com os quais as ONGs estavam a trabalhar, para incluir o maior número possível de vozes, ao mesmo tempo que se descobriam os pontos fortes positivos da GRDO e dos seus parceiros.

Milhares de participantes estiveram envolvidos nesta etapa, que decorreu ao longo de um ano.

Sonhar:

A GRDO e as suas ONG parceiras reuniram-se novamente em retiros de grandes grupos para partilhar os pontos fortes e as histórias das suas investigações. Isto ajudou-os a expressar as suas visões sobre como seria um futuro organizacional positivo e a começar a gerar ideias para uma nova abordagem estratégica. Ludema e colegas descrevem esta fase como o início do redesenho (Ludema et al., 2006: 162):

Uma explosão virtual de histórias positivas estava a ser partilhada e a forma como a GRDO e os seus parceiros falavam de si próprios, uns dos outros e do seu trabalho conjunto começava a mudar de uma conversa de défice para uma conversa de possibilidades.

Projeto:

Em colaboração com os seus parceiros, a GRDO começou a explorar sistematicamente quais as estruturas sociais que poderiam dar vida a estas visões. Isto ocorreu em escala global, com centenas de reuniões realizadas. Durante estes, os participantes criaram arquitecturas responsivas regionalmente – propostas provocativas – que poderiam ligar os pontos fortes descobertos com os futuros possíveis ideais, ou o que “poderia ser”.

Através de uma maior colaboração, estes desenvolveram-se em potenciais novos sistemas de capacitação que eram fundamentalmente diferentes da abordagem anterior que a GRDO e os seus parceiros tinham utilizado. Em termos gerais, estas eram responsabilidades mais participativas e delegadas para que as ONG locais criassem soluções mais relevantes em diferentes países.

Os autores descrevem o início de uma mudança em direção a mentalidades mais focadas na parceria. A igualdade desejada estava, lembram eles, começando a aparecer à medida que o vocabulário mudava para se tornar mais parecido com o dos parceiros.

Destino:

O terceiro e último ano da jornada do GRDO e das ONGs viu iniciativas compartilhadas e energia crescendo em torno delas. Foram lançadas actividades conjuntas em diferentes regiões após a ronda final de retiros, tais como o lançamento de novos projectos locais de angariação de fundos e a reformulação organizacional para uma nova estrutura menos hierárquica.

Mais detalhes sobre esta iniciativa global de IA podem ser encontrados no livro de Johnson e Ludema (1997), Parcerias para construir e medir a capacidade organizacional: Lições de ONGs de todo o mundo .

Exemplos de investigação mais apreciativa

Se você está procurando mais exemplos de IA na prática, tente estes:

• 4 ferramentas, exercícios e atividades de investigação apreciativa
• Como aplicar o processo de investigação apreciativa (incl. 5 dicas)
• 119 Perguntas e exemplos da entrevista de investigação apreciativa
• Muitos mais artigos e estudos de caso de equipes e organizações, cortesia de Davidcooperrider.com.

Críticas ao Método: Prós e Contras do Framework

Então, quais são as vantagens e desvantagens do Modelo de Investigação Apreciativa como um todo? Felizmente, outros antes de nós revisaram a literatura, para que possamos tirar nossas próprias conclusões (Drew

Potenciais profissionais da IA:

• Primeiro, a IA centra-se nos pontos fortes, o que sem dúvida fornece às organizações energia para mudanças positivas e inovação (Ludema et al., 2006; Bright, 2009);
• A utilização dos pontos fortes também permite que os funcionários melhorem a sua proficiência (Linley et al., 2010);
• Encoraja uma cultura de aprendizagem através da investigação colectiva e equipa as pessoas com as competências para descobrirem por si próprias (Conklin
• Como tal, incentiva o pensamento criativo, a ideação e potencialmente promove abordagens inovadoras (Cooperrider
• Estes, por sua vez, facilitam a adaptabilidade organizacional – uma vantagem competitiva crítica em ambientes de negócios dinâmicos (Basadur, 2004);
• Uma cultura de aprendizagem também incentiva mudanças sustentáveis ​​(Boyce, 2003);
• Por definição, visa incentivar a participação das partes interessadas (Drew
• Através da participação, procura promover o compromisso em vez da resistência (Lines, 2004; Drew
• A estrutura 4D, através da sua estrutura, permite que as pessoas obtenham insights sobre as ações (Bright, 2009).

Existe um tema consistente na grande maioria destas vantagens potenciais; isto é que a Investigação Apreciativa aborda a mudança a nível cultural, em vez de apresentar uma abordagem analítica para “resolver” problemas específicos. Na verdade, a IA incentiva uma abordagem sistêmica holística, sendo a sua premissa fundamental nem “de cima para baixo” nem “de baixo para cima” (Davidcooperrider.com, 2019).

Nesse sentido, vejamos as desvantagens potenciais da Investigação Apreciativa.

Potenciais contras da IA:

• A IA leva um tempo considerável – não é uma solução rápida por nenhum esforço de imaginação (Drew
• A mudança organizacional em grande escala através da IA ​​pode consumir muitos recursos, especialmente se os participantes estiverem geograficamente dispersos, como acontece com o estudo de caso acima;
• Depende muito da medida em que um ambiente positivo, de apoio e aberto para partilha pode ser criado (Cooperrider
• Nem todas as partes interessadas podem ser sempre envolvidas de forma realista (Schooley, 2012); e
• Se todas as partes interessadas não puderem ser envolvidas, isso levanta questões em torno da moralidade ética de traçar estratégias com o que não é, essencialmente, um consenso democrático (Schooley, 2012).

Para resumir as fraquezas, portanto, Drew e Wallis (2014) argumentam que um planeamento cuidadoso torna-se importante quando consideramos a utilização da IA ​​em contextos específicos. Schooley (2012) enfatizaria que as aplicações de IA no setor governamental e público podem ser particularmente problemáticas.

O que é SOAR?

Resumindo, SOAR é uma estrutura estratégica baseada nos princípios da IA. O paralelo mais simples com um modelo mais conhecido seria o SWOT. Ambos vinculam fatores internos da empresa a potenciais externalidades e futuros para permitir uma abordagem analítica da estratégia.

Uma estrutura SOAR

SOAR significa (Stavros et al., 2003):

• Pontos fortes – Semelhantes aos pontos fortes da SWOT, estes estão relacionados com os fatores internos existentes. Podem ser recursos internos, dinâmicas ou mesmo facetas da estrutura organizacional que podem ser estrategicamente aproveitadas para obter vantagem competitiva;
• Oportunidades – São fatores externos existentes no ambiente macroeconômico, industrial ou de mercado da empresa;
• Aspirações – As aspirações são futuros potenciais positivos para a empresa, incluindo como uma empresa pode criar valor. Idealmente, estes poderiam estar fortemente relacionados com a visão estratégica de uma empresa e, idealmente, o compromisso coletivo pode ser encorajado em torno desta visão; e
• Resultados – Podem ser vistos como resultados e permitem a implementação e avaliação do progresso de uma empresa à medida que ela avança em direção aos seus objetivos.

Abaixo está uma versão adaptada do exemplo de aplicação de SOAR de Stavros et al. (2003). Aqui é possível ver como Fatores Internos e Fatores externos (da SWOT) são substituídas como categorias de planejamento estratégico por Investigação Estratégica e Intenção Apreciativa um voo alto.

Fonte: Adaptado de Stavros et al. (2003: 11; 12)

SOAR x SWOT

Como seria de esperar de uma estrutura de IA, o modelo SOAR começa com uma investigação. Esta é a primeira de quatro etapas pelas quais os participantes podem passar em grupo (Stavros et al., 2003):

1. Inquérito: São feitas perguntas positivas para descobrir os pontos fortes e as aspirações da organização, e é uma boa oportunidade para uma discussão aberta e positiva sobre entendimentos partilhados (ou não) de valores e visões (Stavros et al., 2003). Onde queremos estar? Que pontos fortes nos ajudaram a chegar onde estamos agora? Como e por quê?

2. Imaginação: Os participantes apresentam futuros potenciais. A visão, os valores e a missão são cocriados e a iteração pode ser um meio útil de esclarecer ou reafirmar a direção estratégica da empresa. O foco da fase de imaginação são os objetivos de longo prazo para um futuro preferencial, em vez da gestão proativa de riscos com ameaças ou fraquezas em mente.

3. Inovação: Os objetivos estratégicos de longo prazo são divididos em objetivos de curto prazo e métodos para alcançá-los. Para um projeto específico, isso pode envolver o desenvolvimento de resultados e prazos; num sentido mais geral, trata-se de implementar sistemas para facilitar a implementação.

4. Inspire: Stavros e colegas apresentam Inspirar como um substituto para o que é tradicionalmente visto como sistemas de controle (ou seja, na rede cultural ou na Gestão da Qualidade Total). Na estratégia convencional, estes podem referir-se a KPIs e incentivos; no SOAR, inspire abrange sistemas que incentivam reconhecimento e recompensa autênticos.

Aplicando SOAR

É claro que compreender uma estrutura não é o mesmo que colocá-la em ação. Para esse fim, Stavros e Hinrichs (2009) descrevem vários passos para aplicar a estrutura SOAR em seus Livro Fino do Soar . Suas 9 etapas são as seguintes:

1. Identifique as partes interessadas – Estabeleça quem participará do exercício e decida como você se reunirá. Em linha com o objetivo holístico e colaborativo da IA, os participantes devem ser partes interessadas internas que representem diferentes áreas da empresa.
2. Elabore sua entrevista de IA – Planeje as perguntas que você pretende usar; estes terão, evidentemente, como objectivo desenvolver uma melhor percepção do núcleo positivo da organização. Compreender os seus pontos fortes, sucessos e aspirações é a principal motivação, pelo que as suas perguntas devem reflectir estes objectivos.
3. Envolver as partes interessadas – Envolverão sempre as partes interessadas internas e também podem incluir partes interessadas externas, como parceiros, clientes ou fornecedores, se for considerado apropriado. Use suas perguntas para descobrir futuros e possibilidades potenciais positivos.
4. Reestruturar problemas – Invariavelmente surgirão problemas para discussão; A investigação SOAR tem um foco positivo, portanto, reformule as conversas para observar os resultados desejados, em vez de evitar ou mitigar ameaças.
5. Resumir – Trata-se de esclarecer e afirmar os pontos fortes da organização – seu núcleo positivo.
6. Estabeleça aspirações e identifique resultados – Esta é uma parte fundamental para definir ou redefinir a visão futura da organização, que idealmente aproveitará os pontos fortes que você identificou coletivamente. Como ficarão? Como eles serão?
7. Avalie oportunidades – Veja as oportunidades que foram geradas. Quais são os mais desejáveis? Quais são novos, inovadores e cheios de potencial?
8. Elabore metas – As metas devem resultar das oportunidades identificadas na fase anterior. Estes podem ser ligados aos resultados para que o progresso possa ser monitorizado e avaliado. Use declarações de metas para maior clareza.
9. Crie planos de ação – Como trabalharemos para atingir esses objetivos? Os planos de ação devem permitir a implementação e pode haver um plano específico para cada objetivo.

Implementado adequadamente com um grupo engajado de partes interessadas, a estrutura SOAR visa idealmente encorajar o compromisso coletivo com a visão compartilhada que emerge (Stavros

A Cúpula da Investigação Apreciativa

Você deve ter notado, no exemplo da Investigação Apreciativa acima, que reuniões em grande escala (ou retiros, ou similares) foram mencionadas com bastante frequência. Os “retiros de grande escala” descritos foram Cúpulas de Investigação Apreciativa (Cúpulas de IA), que normalmente duram alguns dias e reúnem todos os participantes relevantes para a iniciativa 4D. Em outras palavras:

uma reunião de planejamento, projeto ou implementação de um grande grupo que reúne todo um sistema de partes interessadas internas e externas de maneira concentrada para trabalhar em uma tarefa de valor estratégico e, especialmente, criativo.

(Cooperrider, 2019)

O livro homônimo de Ludema e Mohr (2003) cobre a metodologia com mais detalhes; as cinco partes analisam respectivamente:

1. Compreender a metodologia, condições essenciais e o que esperar do início ao fim;
2. Patrocinar, planejar e criar um AI Summit;
3. Os 4-D durante a Cúpula e informações para facilitadores;
4. Acompanhamento e olhar para organizações apreciativas; e
5. Um apêndice com notas e um exemplo de apostila.

Você pode conseguir A Cúpula da Investigação Apreciativa: A Practitioner’s Guide no Amazônia .

75 PowerPoints sobre Investigação Apreciativa (PPT)

Aqui estão alguns recursos para download que podem ser úteis se você deseja introduzir o Modelo de Investigação Apreciativa em sua empresa.

1. Investigação Apreciativa – Aqui é um PPT de Investigação Apreciativa do David L. Cooperrider Center for Appreciative Inquiry. Explica a história evolutiva da abordagem e faz comparações úteis com práticas tradicionais de resolução de problemas, depois descreve os princípios teóricos e alguns estudos de caso.
2. Construindo Nosso Futuro Mais Desejado: Investigação Apreciativa no Local de Trabalho – Isto apresentação vem da Universidade de Wisconsin e explica a teoria da IA ​​e suas aplicações práticas, juntamente com uma visão geral do ciclo 4D da IA.
3. Powerpoints da Conferência Mundial de Investigação Apreciativa 2012 - Este é um conjunto completo coleção de 72 apresentações do WAIC 2012 e está repleto de estudos de caso sobre IA, como sua prática pode ser promovida e muito mais.

6 TEDTalk e vídeos do YouTube

Se você deseja um resumo ou discussão em formato de vídeo, experimente um destes.

Um rápido histórico e discussão sobre o “porquê” da IA, seus benefícios e como ela difere das abordagens convencionais focadas em problemas, pela diretora acadêmica do Centro, Dra. Lindsay Godwin.

Outro vídeo do Dr. Godwin que mostra como iniciar conversas sobre IA.

A consultora e palestrante Robyn Stratton-Berkessel fala sobre os benefícios de criatividade e engajamento da IA.

Se você preferir um bom vídeo explicativo, este oferece uma visão geral concisa de “por que começamos com o que já está funcionando”.

David Cooperrider conta um pouco sobre como a IA começou ao relatar sua conversa com o falecido Peter Drucker.

O professor de administração John Hayes fala sobre os antecedentes da IA ​​e dá exemplos de como ela impacta o engajamento e a motivação.

9 citações

Vivemos em mundos que nossas perguntas criam.

David Cooperrider

O que é maravilhoso numa boa pergunta é que ela molda a nossa identidade tanto pela pergunta como pela resposta.

David Whyte

A Investigação Apreciativa baseia-se numa premissa aparentemente simples: as organizações crescem na direção daquilo sobre o qual repetidamente fazem perguntas e concentram a sua atenção.

Gervase Bushe

Nossos mundos são formados pelas perguntas que fazemos.

David Cooperrider

A conversa sobre problemas cria problemas – a conversa sobre soluções cria soluções.

Steve de Shazer

Estudos sobre excelência organizacional demonstraram que a arte e a ciência de fazer perguntas positivas e poderosas são muito mais importantes do que procurar lacunas, fraquezas e limitações num sistema.

Anne Radford

A imaginação é mais importante que o conhecimento.

Albert Einstein

Você pode dizer se um homem é inteligente pelas suas respostas. Você pode dizer se um homem é sábio por meio de suas perguntas.

Naguib Mahfuz

Nenhum problema pode ser resolvido no mesmo nível de consciência que o criou.

Albert Einstein

Uma mensagem para levar para casa

A Investigação Apreciativa pode ser vista como um nexo de psicologia positiva e OD – ambas áreas superestimulantes e gratificantes para os praticantes de qualquer uma delas. Se você concordar sabiamente toda vez que ouve que a cultura come a estratégia no café da manhã, provavelmente vai adorar a promessa da IA.

Nesse caso, espero que os recursos deste artigo sejam úteis. Eu adoraria ouvir suas experiências de IA na prática, então, por favor, compartilhe suas idéias comigo nos comentários.

Se você estiver interessado em ler mais, não deixe de conferir nossos outros artigos sobre Investigação Apreciativa .

Esperamos que você tenha gostado de ler este artigo. Não se esqueça de uporabnapsihologija.com.