MétaCan
Menu
Retour à la cohorte
Enregistrement W2783005224

O MOVIMENTO MAKER: ENFOQUE NOS FABLABS BRASILEIROS

2018· article· pt· W2783005224 sur OpenAlexaboutno aff
Sofia Lorena Urrutia Pinto, Ingrid Santos Cirio de Azevedo, Clarissa Stefani Teixeira, Gabriel Sant’Ana Palma Santos Brasil, Aldrwin Farias Hamad

Notice bibliographique

RevueRevista Livre de Sustentabilidade e Empreendedorismo · 2018
Typearticle
Languept
DomaineArts and Humanities
ThématiqueCrafts, Textile, and Design
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArtPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

O movimento maker, cada vez mais intenso em se tratando de praticas para a inovacao, vem ganhando espaco nas diversas regioes do mundo. No Brasil, muito se fala e muitas acoes sao observadas para se ter, principalmente junto a empreendedores, espacos passiveis de testar e desenvolver projetos. Especificamente tratando do termo FabLab, criado pelo Massachusetts Instituteof Technology (MIT), ha atualmente presenca em mais de 60 paises e no Brasil as iniciativas chegam a 17. Em comparacao com os indices mundiais, o Brasil fica em oitava colocacao no numero de FabLabs vinculados ao MIT, estando atras de paises como Estados Unidos, Franca, Italia, Alemanha, Holanda, Reino Unido e Espanha. Entretanto, apresenta um numero maior de FabLabs de paises desenvolvidos como a Belgica, Japao, Canada, Suica e Portugal. Os Laboratorios de Fabricacao brasileiros sao em sua maioria profissionais (nove) e universitarios (oito). Para a realizacao das atividades possuem maquinas como impressao 3D, fresagem CNC, circuito de producao, corte a laser / gravura, fresagem de precisao e vinil plotter. Entretanto, considerando a democratizacao de acesso aos FabLabs, com a abertura de pelo menos um dia para a comunidade geral, apenas sete indicam o open day. Palavras-chaves: FabLabs; Espaco Maker; Inovacao; Tecnologia; Criatividade.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,168
Score d'incertitude au seuil0,333

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,006
Études des sciences et des technologies0,0040,002
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,274
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Livre de Sustentabilidade e EmpreendedorismoMême sujetCrafts, Textile, and DesignTravaux en français237 207