Principais deficiências dos estudos de impacto ambiental
Notice bibliographique
Résumé
O licenciamento ambiental de atividades que causem impacto significativo exige a elaboração do Estudo de Impacto Ambiental (EIA) e o seu respectivo Relatório de Impacto Ambiental (RIMA). Porém, esses estudos tem apresentado uma baixa qualidade, que contribui para tornar o processo de licenciamento ambiental lento e pouco efetivo. O objetivo do trabalho é identificar as principais deficiências dos EIAs a partir da opinião de analistas ambientais do Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis (IBAMA) de Brasília. A amostra contou com a percepção de 53 analistas e o método empregado foi a análise de conteúdo. Os resultados indicaram que os principais problemas ocorrem nas etapas do diagnóstico ambiental e na análise dos impactos. Em menor quantidade, foram realizadas críticas em relação à comunicação dos EIAs e na elaboração dos termos de referência para realização dos estudos. A partir dos resultados, pode-se concluir que os problemas nos EIAs decorrem de dificuldades de coordenação e integração dos diferentes estudos relacionados ao meio ambiente, bem como, da falta de entendimento das funções e objetivos dos EIAs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,124 | 0,276 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,012 | 0,006 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».