ANÁLISE DO PROCESSO DE LICENCIAMENTO AMBIENTAL NO ESTADO DO RIO DE JANEIRO
Notice bibliographique
Résumé
O licenciamento ambiental é um conjunto de atos coordenados com a finalidade do poder público declarar a viabilidade de implantação de empreendimentos. No Estado do Rio de Janeiro, o Instituto Estadual do Ambiente (Inea) é responsável por conduzir os processos de licenciamento de atividades ou empreendimentos utilizadores de recursos ambientais, efetiva ou potencialmente poluidores, capazes de causar degradação ao meio ambiente. Assim, este trabalho objetivou identificar os entraves enfrentados para obtenção de licenças ambientais no órgão licenciador do Rio de Janeiro, por meio da utilização de métodos e técnicas de análise documental de amostragem não probabilística, entre os anos 2012 e 2013. A pesquisa identificou a existência de uma série de fatores que influenciam negativamente no processo de licenciamento acarretando na chamada ineficiência da gestão ambiental. Os empreendedores falham ao apresentar rotineiramente projetos inconsistentes e estudos ambientais frágeis, obrigando-os a complementá-los no curso do processo de licenciamento. De outra forma, o órgão licenciador também enfrenta uma série desafios de modernização dos processos da AIA que contribuem no prolongamento do tempo de emissão da licença ambiental requerida pelo empreendedor. Por fim, o estudo indica a necessidade de melhoria contínua do processo, sugerindo o desenvolvimento de parcerias e reformulação de procedimentos operacionais e normas administrativas. DOI: http://dx.doi.org/10.12957/ric.2014.13832
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».