MétaCan
Menu
Retour à la cohorte
Enregistrement W4413077008 · doi:10.64160/rdl.v21.n1.p39-79

A GESTÃO PARTICIPATIVA DE ÁGUAS NO BRASIL: O CASO DO COMITÊ DE BACIA HIDROGRÁFICA DO RIO PIANCÓ-PIRANHAS-AÇU / THE PARTICIPATIVE WATER MANAGEMENT IN BRAZIL: A CASE STUDY OF PIANCÓ-PIRANHAS-AÇU RIVER BASIN COMMITTEE

2019· article· pt· W4413077008 sur OpenAlexaff
Ana Marília Dutra Ferreira da Silva, Patrícia Borba Vilar Guimarães

Notice bibliographique

RevueRevista Direito e Liberdade · 2019
Typearticle
Languept
DomaineSocial Sciences
ThématiqueWater Governance and Infrastructure
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Nas últimas duas décadas, foram criados mais de 100 comitês de bacia hidrográfica no Brasil, com o fito de democratizar e conferir eficiência à gestão de águas. A criação desses comitês coaduna-se com o modelo de desenvolvimento que prima não apenas pelo crescimento econômico, mas pela modificação das estruturas sociais e institucionais. O objetivo do presente trabalho é analisar os aspectos jurídicos da participação da sociedade civil nos comitês de bacia e suas repercussões político-institucionais. Pretende-se examinar o caso específico do Comitê de Bacia Hidrográfica Piancó-Piranhas-Açu, a fim de verificar os resultados e os limites da participação da sociedade civil no âmbito deste comitê. Defende-se que o modelo adotado deve passar por modificações, a fim de corrigir suas falhas. Conclui-se que, apesar dos problemas apontados, os comitês de bacia hidrográfica continuam sendo importantes vetores à democratização e sustentabilidade. O método de abordagem utilizado foi o dedutivo, com a realização de pesquisa doutrinária e legislativa. Quanto ao estudo de caso, o trabalho valeu-se do exame das Atas de reuniões ordinárias e extraordinárias realizadas pelo Comitê de Bacia Hidrográfica Piancó-Piranhas-Açu, disponíveis no respectivo sítio até o ano de 2016.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,381
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,025
Tête enseignante GPT0,316
Écart entre enseignants0,292 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Direito e LiberdadeMême sujetWater Governance and InfrastructureTravaux en français237 207